请注意,我对R不太熟悉,我正在尝试解决以下优化(最小化)问题。任何输入将不胜感激。 问题似乎在于初始值。不确定如何选择有效的初始值。尽管它似乎满足了文档中给出的条件。
thetaImp = 5*(10^-5);
eps1 = -0.23;
eps2 = 0.31;
minFunc <- function(x) {
x1 <- x[1];
x2 <- x[2];
-1*(max(thetaImp*x1+eps1,0)*(x1) + max(thetaImp*x2+eps2,0)*(x1+x2))
}
ui = rbind(c(1,1), c(1,0), c(0,1));
ci = c(10000,0,0);
initValues = c(5000,5000);
constrOptim(initValues, minFunc, NULL, ui, ci);
ui %*% initValues - ci
请注意,这也已发布在统计网站上,并附有问题的完整说明。以上只是一个示例。
答案 0 :(得分:1)
要使用等式约束进行优化,请使用Rsolnp
软件包。
library(Rsolnp)
thetaImp = 5*(10^-5);
eps1 = -0.23;
eps2 = 0.31;
W = 10000
f <- function(x) { # function to minimize
x1 <- x[1];
x2 <- x[2];
max(thetaImp*x1+eps1,0)*x1 + max(thetaImp*x2+eps2,0)*W
}
eqfun <- function(x){ # function defining the equality
x[1] + x[2]
}
solnp(c(5000, 5000), # starting values
f,
eqfun = eqfun,
eqB = W, # the equality constraint
LB=c(0,0) # lower bounds
)
输出:
Iter: 1 fn: 5435.5000 Pars: 7300.06425 2699.93575
Iter: 2 fn: 5435.5000 Pars: 7300.06425 2699.93575
solnp--> Completed in 2 iterations
$pars
[1] 7300.064 2699.936
......
在这种情况下,K=2
,我们可以通过一维优化等效地解决问题,以检查:
g <- function(t) { # function to minimize
x1 <- t
x2 <- W-t;
max(thetaImp*x1+eps1,0)*x1 + max(thetaImp*x2+eps2,0)*W
}
optim(5000, g, method="L-BFGS-B", lower=0, upper=W)
> optim(5000, g, lower=0, upper=W)
$par
[1] 7300
......
我们得到几乎相同的结果。