例如

Question

我试图在optim（）中使用L-BFGS-B方法来找出以下函数的最小值：

ip<-function(x) log(mean(exp(return*x))) , where "return" is a series of constants.

首先，我没有给出边界约束：rst1<-optim (-1,ip,method="L-BFGS-B")，它提供了一个合理的答案(x=-118.44,ip.min=-0.00017)，这可以通过理论和excel计算来证明。结果中的给定消息是

收敛：投射梯度的标准＆lt; = PGTOL。

由于理论上x必须小于零，然后我向优化器添加了边界约束：rst2<-optim (-1,ip,method="L-BFGS-B",lower=-Inf,upper=0)。但是，这次它只提供了一个由初始参数（-1）计算的答案，这显然不是最小值。结果中的给定消息是

CONVERGENCE：REL_REDUCTION_OF_F＆lt; = FACTR * EPSMCH。

然后我尝试了其他边界约束，无论它们是什么，只要在这里添加边界约束，它总是提供由初始参数计算的答案，并且未能找到最小值。

有谁知道为什么会这样？非常感谢。

例如

rtntxt＆LT; - ” 返回 9.15051E-05 9.67217E-07 1.34187E-05 -0.000105801 0.000111004 0.000228786 3.84068E-06 0.000388639 -0.000122291 -7.73028E-05 4.97595E-05 -3.97503E-05 1.86449E-05 -0.000137739 -0.000180709 -1.07254E-05 3.89723E-05 “

RTN＆LT; -read.table（文本= rtntxt，标题= TRUE）

ip＆lt; -function（x）log（mean（exp（rtn $ return * x）））

rst1＆lt; -optim（-1，ip，method =“L-BFGS-B”）#no boundary

rst2＆lt; -optim（-1，ip，method =“L-BFGS-B”，lower = -Inf，upper = 0）#with boundary

积

x < - -10000：10000

N'LT; -length（x）的

S＆LT; -numeric（n）的

for（i in 1：n）s [i]＆lt; -ip（x [i]）

积（X，S）

x [其中（s == min（s））]＃rst1（无边界）是正确的

分（S）

Answer 1

我不确定你是如何得到这样的结果的：如果我更正了拼写错误的代码，我仍会得到类似的答案，而不是你从结果中得到的答案：

ip<-function(x) log(mean(exp(return(x))))
rst1<-optim(-1,ip,method="L-BFGS-B")
# > rst1
# $`par`
# [1] -1.820444e+13
# 
# $value
# [1] -1.820444e+13
# 
# $counts
# function gradient 
# 20       20 
# 
# $convergence
# [1] 0
# 
# $message
# [1] "CONVERGENCE: NORM OF PROJECTED GRADIENT <= PGTOL"
# 

rst2<-optim (-1,ip,method="L-BFGS-B",lower=-Inf,upper=0)
# $`par`
# [1] -1.80144e+13
# 
# $value
# [1] -1.80144e+13
# 
# $counts
# function gradient 
# 3        3 
# 
# $convergence
# [1] 0
# 
# $message
# [1] "CONVERGENCE: NORM OF PROJECTED GRADIENT <= PGTOL"

此外，为了检查我的代码是否存在错误，我试图将你的函数值绘制为-1：-100000，但它看起来并不存在你告诉它的优化。检查您的代码/帖子，如果您知道最佳值的大致位置，请尝试以图形方式绘制（这将是我的建议）。干杯！，

plot(x = -1:-100000, y = ip(-1:-100000))

R

例如

积

1 个答案: