R优化中的梯度函数

Question

我有两个函数f(x) 和g(x)。这里f(x) 是最小化的目标函数，g(x) 是梯度函数。我的问题是对于每个试验x，f(x) 的主体将计算一个复杂的矩阵A(x)，它也将用于g(x)。为了效率，我不想g(x)重复A的计算。我正在考虑通过在f(x) 的主体中定义A <<- ... 来使A(x) 全局化。所以g(x)可以直接使用A(x)。因为不知道R中的optim如何迭代f(x)和g(x)，所以不确定这个策略是否正确有效。欢迎任何建议和cmets。谢谢。

Answer 1

因为您不知道optim 将如何调用f 和g，所以您必须确保在需要时任何隐藏的A(x) 来自同一个x。它可能会调用f(x1)、f(x2)、f(x3)，然后是g(x1)。

一种解决方案可能是记忆：

http://cran.r-project.org/web/packages/memoise/index.html

记忆的A(x) 将存储给定输入值的返回值，并在给定相同输入值时返回该值而无需重新计算。显然只适用于非随机函数（不要调用任何随机数生成器）。

不知道你是怎么控制缓存大小的，不过源码都在里面。