r语言写内曼最优分配_R中最优化函数optim

拼搏现实的明天。 2022-12-31 10:27 142阅读 0赞

最优化函数optim

目标函数：

$$f(x\_1,x\_2)=(1-x\_1)^2+100(x\_2-x\_1^2)^2$$

该函数全局最小值在($x\_1=1,x\_2=1$)时取到。

下面这种写法是因为有多个自变量函数，传入一个参数x，每个自变量用向量x的分量来表示，从而定义出目标函数。

obj

x1

x2

y

return(y)

\}

x1梯度：$-400\*x\_1\*(x\_2-x\_1^2)-2\*(1-x\_1)$

x2梯度：$200\*(x\_2-x\_1^2)$

梯度：

gradient

x1

x2

c(x1\_gradient = -400\*x1\*(x2-x1^2)-2\*(1-x1),

x2\_gradient =200\*(x2-x1^2))

\}

tip：对于多元函数，需要用向量的形式来输出各个变量上的梯度。

下面以$x\_1=0,x\_2=3$作为起始点，其他参数采用默认设置，梯度也不输入。(默认时优化算法为单纯型法)

optim(par = c(0,3),fn=obj)

![Image 1][]

par元素表示最优解取值

value值表示目标函数值

counts代表调用目标函数与梯度函数的数目，可认为是迭代数目

convergence是收敛的代码

0表示成功完成了优化任务

1表示达到了达到了迭代上限而退出，关于迭代上限会在control参数的maxit元素进行说明

10表示退化(退化表示单纯型无法继续移动)的单纯型

51专指优化算法为L-BFGS-B的时候输出的警告信息。(L-BFGS-B为拟牛顿改进方法)

52专指优化算法为L-BFGS-B的时候输出的错误信息。

optim函数参数详解

par：表示各变量的初始值，通过向量传入。对于很多算法，初始值非常重要，因此在具体的优化问题中如果能找到最优解附近的初始值(比如之前的经验)传入优化函数，将能大大的增强优化的效率。如果没有合适的初始值，可以选择任意的向量传入。

fn：目标函数

gr：梯度函数

method：优化方法，通过字符串形式传入，表示优化求解的算法，

Nelder-Mead:单纯型法，为optim默认优化算法。

思想：通过单纯型的方式不断替换函数的最差的顶点从而得到最优值。因为没有用的梯度故不是非常有效，但方法十分稳健，效率也不低，因此被作为默认算法。

CG:是一种共轭梯度法，这种方法充分利用函数的梯度信息，在每一点都能找到一个最合适的方向(类似的算法是最速下降法，直接按照目标函数值最快的下降方向来搜索)来搜索，该方法的方向不一定是下降的方向，因此能避免陷入局部最优的困境。

BFGS:是一种拟牛顿法，也称变尺度法。该算法改进了牛顿法中容易受初值的影响的弱点，但是又不需要在每一步优化的过程中计算精确的hessian矩阵及其逆矩阵，在具备牛顿法搜索快的特性的基础上又能有效的搜索全局最优解，一次使用十分广泛，是optim函数中应用最广的算法。

L-BFGS-B：是对BFGS算法的一个优化，能够在优化的同时增加箱型约束条件，一定程度上增强了这些无约束的非线性规划方法的功能。

SANN是一种模拟退火的方法，与通常的数学函数的算法不同，该算法是一种概率算法，对于各种复杂的情况，尤其是很多不可微的函数，该算法可以找到最优解，但效率上比不上其他数学算法。

Brent算法是一种简单的一维搜索算法，通常被其他函数调用，实际使用中几乎不用。

lower：当算法选择为L-BFGS-B时，该函数允许传入简单的箱式约束,也就是说变量大于某个实数且小于某个实数,lower表示下界，upper表示上界，都是通过这个传入的。

upper：参见lower

control：该参数是一个列表，包含优化中的各种设置，很多其他第三方的优化函数也遵循这样的设置方式。常见的设置元素包括最大迭代次数maxit、绝对收敛容忍度abstol、相对收敛容忍度reltol等。详情可以通过?optim来得到。

hessian：表示十分返回hessian矩阵，默认为FALSE，但是hessian矩阵对其他的运算还是非常重要的，比如估计参数的置信区间。

例子

使用CG共轭梯度法在默认的迭代次数下求解：

optim(par = c(0,3),fn=obj)

![Image 1][]

发现算法到达迭代次数上限而退出。

我们增加迭代次数：

optim(par = c(0,3),fn=obj,method = "CG",control = list(maxit=500))

![Image 1][]

可以发现目标函数的值可以减少，进一步增加迭代的次数可以得到最优解，但是效率上比默认的Nelder-Mead单纯型法差太多。注意：CG已经使用梯度信息，不需要我们自己传入自定义的gradient函数

如果我们使用拟牛顿法BFGS,下面分别为不传入梯度信息与自己传入梯度信息

optim(par = c(0,3),fn=obj,method = "BFGS")

![Image 1][]

optim(par = c(0,3),fn=obj,gr=gradient,method = "BFGS")

![Image 1][]

![Image 1][]

[Image 1]:

发表评论取消回复

表情：

评论列表（有 0 条评论，142人围观）

还没有评论，来说两句吧...

相关阅读

相关使用R语言进行最优信度子集的汇总统计

使用R语言进行最优信度子集的汇总统计最优信度子集是数据分析中一个重要的概念，它用于选择具有最高信度的变量子集，以便在建立统计模型时获得最佳性能。在R语言中，可以使用[tab

以你之姓@/ 2024年03月24日 23:29/ 0 赞/ 77 阅读

相关 r语言plot函数

R语言中的plot()函数是一个用于创建各种类型的图形的基本绘图函数。它可以用来绘制散点图、线图、直方图、箱线图、饼图等多种图形。以下是plot()函数的基本语法和一些示例用法

浅浅的花香味﹌/ 2024年02月18日 11:46/ 0 赞/ 70 阅读

相关 Python - 内置函数 - r

range() repr() reversed() round() range()函数示例 [ ) for

秒速五厘米/ 2023年10月12日 10:52/ 0 赞/ 20 阅读

相关 quantile函数r语言_R中的Quantile（）函数-简要指南

quantile函数r语言 You can generate the sample quantiles using the quantile() function in R.

r囧r小猫/ 2023年03月01日 06:21/ 0 赞/ 27 阅读

相关 r语言中paste函数_R中的paste（）函数-简要指南

r语言中paste函数 Using the paste() function in R will be straight and simple. In this tutori

左手的ㄟ右手/ 2023年02月28日 06:31/ 0 赞/ 139 阅读

相关 r语言写内曼最优分配_R中最优化函数optim

最优化函数optim 目标函数： $$f(x\_1,x\_2)=(1-x\_1)^2+100(x\_2-x\_1^2)^2$$ 该函数全局最小值在($x\_1=1,x\_

拼搏现实的明天。/ 2022年12月31日 10:27/ 0 赞/ 143 阅读

相关 R语言代写解决最优化运营研究问题-线性优化(LP)问题

R语言代写解决最优化运营研究问题-线性优化(LP)问题参考文章： [（1）R语言代写解决最优化运营研究问题-线性优化(LP)问题][1_R_-_LP] （2）https

淩亂°似流年/ 2022年09月09日 09:55/ 0 赞/ 81 阅读

相关 R语言中predict()函数

目录 predict()的用法函数形式参数介绍 predict.glm()的用法函数形式参数介绍输出介绍实例 predict.lm()的用法参

曾经终败给现在/ 2022年09月07日 06:24/ 1 赞/ 1513 阅读

相关 R语言中的curve函数

文章目录 curve函数简介实例绘制y=x的直线绘制 y = 2x + 3 的直线 y= 2x + 3 幂函

女爷i/ 2022年08月30日 01:57/ 0 赞/ 340 阅读

相关 R语言中的quantile()函数

在R语言中取百分位比用quantile()函数，下面举几个简单的示例： 1、求某个百分位比 > data <- c(1,2,3,4,5,6,7,8,9,1

绝地灬酷狼/ 2021年09月15日 15:36/ 0 赞/ 1195 阅读