Question

我尝试估算低音曲线，以分析不同群体的创新扩散。到目前为止，我使用nlsLM()包中的minpack.lm来估计曲线的参数/以拟合曲线。我使用以下命令遍历不同的起始值以估计最佳拟合：

Bass.nls <- nlsLM(cumulative_y~ M * (((P + Q)^2/P) * exp(-(P + Q) * time))/(1 + (Q/P) * exp(-(P + Q) * time))^2
                , start = list(M=m_start, P= p_start, Q=q_start)
                , trace = F
                , control = list(maxiter = 100, warnOnly = T) )

由于某些组的数据点很少，因此许多不收敛。

Venkatesan and Kumar (2002)建议在数据稀缺时使用遗传算法方法进行低音模型估计（另请参见Venkatesan et al 2004）。我发现一些在R中实现GA的软件包（例如GA，genalg，gafit）。但是，由于我是该领域的新手，所以我不知道要使用哪个包以及如何在包中使用低音公式。

您是否会推荐这种估算方式的包裹？
如果是，是否有示例说明如何在包装代码中包含低音模型的公式？

Answer 1

我希望以下代码可以为您提供帮助。我使用“ GA”软件包来利用遗传算法。

x <- c(840,1470,2110,4000,7590,10950,10530,9470,
       7790,5890)

t<- 1:length(x)
Horiz <- length(x)




fit <- function(p,q,m) {

    res = x - (m*((exp((p+q)*t)*p*(p+q)^2) / (p*exp((p+q)*t)+q)^2))

        -(sum(res**2)/Horiz)

}



GA <- ga(type = "real-valued", 
         fitness = function(x) fit(x[1],x[2],x[3]),
         lower = c(0,0,0), upper = c(1,1,sum(x)*2), 
         popSize = 1000, maxiter = 1000 ,run = 500)

Bass模型遗传算法的R实现

1 个答案: