在矩阵中设置约束 - R 中的优化答案

【问题标题】：Set constraints in a Matrix - OPTIM in R在矩阵中设置约束 - R 中的优化
【发布时间】：2016-06-20 16:25:00
【问题描述】：

我有一个整数向量作为输入值（优化标准的起始值）

my.data.var <- c(10,0.25,0.25,0.25,0.25,0.25,
             10,0.25,0.25,0.25,0.25,0.25,
             10,0.25,0.25,0.25,0.25,0.25,
             10,0.25,0.25,0.25,0.25,0.25)

优化问题是一个分钟。问题。
误差函数计算 diff 的平方根和两个矩阵（给定值矩阵与计算矩阵）
计算出的矩阵是使用上述整数向量的矩阵。
因此，在误差函数中，我将整数向量堆叠成矩阵为my.data.var.mat <- matrix(my.data.var,nrow = 4,ncol = 6,byrow = TRUE)

我必须引入的约束是colSum(my.data.var.mat) <=1

优化定义为

sols<-optim(my.data.var,Error.func,method="L-BFGS-B",upper=c(Inf,1,1,1,1,1,Inf,1,1,1,1,1,Inf,1,1,1,1,1,Inf,1,1,1,1,1),
  lower=c(0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0))

误差函数定义为

Error.func <- function(my.data.var){


my.data.var.mat <- matrix(my.data.var,nrow = ncol(my.data.matrix.prod),ncol = ncol(my.data.matrix.inj)+1,byrow = TRUE)

  Calc.Qjk.Value <- Qjk.Cal.func(my.data.timet0,my.data.qo,my.data.matrix.time,
                                 my.data.matrix.inj, my.data.matrix.prod,my.data.var,my.data.var.mat)

  diff.values <- my.data.matrix.prod-Calc.Qjk.Value    #FIND DIFFERENCE BETWEEN CAL. MATRIX AND ORIGINAL MATRIX

  Error <- ((colSums ((diff.values^2), na.rm = FALSE, dims = 1))/nrow(my.data.matrix.inj))^0.5    #sum of square root of the diff

  Error_total <- sum(Error,na.rm=FALSE)/ncol(my.data.matrix.prod)   # total avg error

  Error_total
}

给定数据集：my.data.matrix.prod , my.data.timet0, my.data.qo, my.data.matrix.time, my.data.matrix.inj

所以，我的问题是我应该如何以及在哪里引入矩阵列和约束？或者换一种说法，OPTIM 如何在矩阵列和约束下改变整数向量？

【问题讨论】：

@ZheyuanLi：谢谢。希望我能得到一些建议！
@ZheyuanLi：用“nloptr”试试我的运气。让我们看看！
@ZheyuanLi：解决了。我没有使用 Optim，而是使用了 nloptr 求解器。它允许不等式约束。看看这里..stackoverflow.com/questions/37951719/…

标签： r matrix nonlinear-optimization

【解决方案1】：

我意识到nloptr 是比optim 更好的选择，因为我的问题包括“不等式约束”。

我修改了实现，正如我在这篇文章中解释的那样。 "multiple inequality constraints" - Minimization with R nloptr package

因此，关闭此线程。

【讨论】：