0

我需要使用 R 语言最小化基于Hsieh Model的函数。主要目标是最小化依赖于一组其他函数的距离函数。

obj = function(x1){
  s = sf()
  h_til = h_tilf()
  w_til = w_tilf(x1)
  w_r = w_rf()
  p_ir = p_irf()
  #H_tr = H_trf(x1)
  W = Wf(x1)      
  f1 = matrix(0, i, r)
  f2 = matrix(0, i, r)    

  for (c in 1:i){
    for (j in 1:r){
      f1[c, j] = ( (W[c, j] - W_t[c, j]) / W_t[c, j] ) ** 2
      f2[c, j] = ( (p_ir[c, j] - p_t[c, j])  /  p_t[c, j] ) ** 2
}
}
    d1 = sum(f1)
    d2 = sum(f2)
    D = d1 + d2    
    return(D)  
}

因此，我的算法必须找到最小化这个距离函数的三个参数（w、tau_w、tau_h）。这三个参数是具有 i 行和 r 列的数组。给出：

w = runif(i*r, 0, 1)
tau_w =  runif(i*r, -1, 1)
tau_h = runif(i*r, -1, 1)

x1 = array( c(tau_w, tau_h, w), dim = c(i, r, 3))

我尝试使用 optimx 和 Rsolnp 库来解决这个问题。


res = optim(x1,      #starting values 
            obj)   #function to optimise

但我得到这个错误：

Error in x1[c, j, 1] : incorrect number of dimensions

这种最小化通常使用 Nelder-Mead 算法完成。我是优化的初学者，并感谢任何帮助。我的完整代码在这里。

4

1 回答 1

0

这样做时，数组的维度x1会丢失optim(x1, obj)。所以你得到的错误被返回，w_tilf(x1)因为它涉及x1[c,j,1].

obj重构函数开头的数组：

obj = function(x1){
  x1 = array(x1, dim = c(i, r, 3))
  s = sf()
  ......
}

那么opt <- optim(x1, obj)现在应该可以工作了。它将opt$par字段中的解决方案作为向量返回，您必须这样做array(opt$par, dim = c(i, r, 3))才能获得一个数组。

于 2020-05-04T07:21:22.017 回答