R中的目标值和for循环

Question

以下是一些数据：

a <- function(a) {3*a+12*a^2}
dom1 <- seq(-1,4,0.1)
vec1 <- a(dom1)[1:10]

c <- function(c) {-5*c^2+2*c^3}
dom2 <- seq(-0.1,0.2,0.01)
vec2 <- c(dom2)[1:10]

d <- function(d) {2*d^2+5*d^3+12*d^4}
dom3 <- seq(0.1,0.5,0.01)
vec3 <- d(dom3)[1:10]

w <- function(w) {7*w-3*w^2}
dom4 <- seq(0.5,2.5,0.05)
vec4 <- w(dom4)[1:10]

现在假设我们将lm model放在更大的数据集lm(y~a+c+d+w)上，并且lm参数是c(-0.2,0.2,0.1,0.6)

fun.mean <- function(a,c,d,w) {-0.2*a+0.2*c+0.1*d+0.6*w}

我尝试过，但没有像预期的那样工作：

下面是通过相关函数(&domain)生成的向量的循环

for(a in vec1) {
 for(c in vec2) {
  for(d in vec3) {
   for(w in vec4) {
    sol <- fun.mean(a,c,d,w)
    if (sol %% 1 > 0.40 & sol < 0.50) print(c(a,c,d,w))
  }}}}

所以我要找的是c(a，c，d，w)的组合，它等于0.5，或者理想情况下等于区间0.4-0.5。

因此，将c(a,c,d,w)输出与函数fun.mean相乘不会得到所需的值(区间0.4-0.5)。我哪里做错了？在给定“目标”值的情况下，是否有更好的方法来找到c(a，c，d，w)值？for loop的替代方案是什么，因为它非常慢。

Answer 1

您使用%%1进行筛选，但在检查答案时未使用它。下面的代码返回9.00 -0.052000 0.02620000 2.7500，返回-0.15778。它符合您的标准(-0.15778 %% 1= 0.85，即> 0.4和-0.15 < 0.5)。

我想你的标准是错的，你可能应该这样做

sol %% 1 > 0.4 and sol %% 1 < 0.5

或

sol > 0.4 and sol < 0.5.

在第一种情况下，也许您应该在fun.mean计算中添加%% 1。