我正在使用optim来估算自定义函数的参数。此自定义函数包括在无效参数输入的情况下生成错误消息的函数（它包含多个分布，但假设例如，如果发生正态分布的负标准偏差则会产生错误。因此与{{1}不同NaN函数的值和警告，此函数停止并返回错误消息。）
现在，如果我在dnorm中使用BFGS选项，那么optim可能会在某些时候尝试无效的参数输入，这会在评估自定义函数时导致错误并停止优化程序。如果我使用optim选项，这不是问题。
所以，我的问题是：有没有办法将Nelder-Mead函数与optim选项一起使用，以便在发生优化的自定义函数出错时它不会停止？
当然，理论上我可以重新编写自定义函数，但这不是一个选项，因为它是更大的包的一部分，在其他情况下需要错误消息。我也知道BFGS选项，但是，在许多情况下，选择合适的参数边界并不简单（导致错误的实际值可能是训练数据的复杂变换）。
这是一个例子（标准正态分布的参数的最大似然估计）
L-BFGS-B