将固定参数和可变参数传递给最优

Question

这是一个语法问题，并且可能有一个简单的解决方案，但是我发现它在任何地方都没有涉及到，所以对于optimx包来说。

最小工作实例与问题

我的职责是：

ToOptimise = function(a,b,d,e){
(a-1)^2 + (b-2)^2 + (d-3)^2 +(e-4)^2
}

我可以很容易地在mle2中优化选择参数：

library(bbmle)

Calib2 = mle2(ToOptimise,
              start = list(a = 1, d = 10),
              fixed = list(b = 2, e = 2))

这并不是真正正确的工具，因为它不是一个最大的可能性问题。

我想找到一种将固定的、可优化的参数传递给的方法

我计划做几次校准，保持不同的参数在任何时候固定，所以不想重新做函数硬编码在某些参数。

我的尝试不起作用

library(optimx)

ToOptimiseVector = function(Theta){
  a = Theta[1]
  b = Theta[2]
  d = Theta[3]
  e = Theta[4]
  (a-1)^2 + (b-2)^2 + (d-3)^2 +(e-4)^2
}


Calib1  = optimx( par = c(1,2,1,2),
                  fn = ToOptimiseVector,
                  Theta[2] = 2, Theta[4] = 2)

关于堆栈溢出的另一个相关问题

另一个不考虑固定和可优化参数的优化语法问题是：

• R- Optimx for exponential function with 2 parameters - cannot evaluate function at initial parameter values

Answer 1

向opt添加了一个fn参数。只需将这个opt向量传递到optimx()。任何非NA值都将变为固定值。

ToOptimiseVector <- function(Theta, opt = rep(NA, 4)){

# Check if any of opt is not NA
if (any(!sapply(opt, is.na))) {
     i = !sapply(opt, is.na)
# Fix non-NA values
     Theta[i] <- opt[i]
     }

a <- Theta[1]
b <- Theta[2]
d <- Theta[3]
e <- Theta[4]
return((a-1)^2 + (b-2)^2 + (d-3)^2 +(e-4)^2)
}

似乎很管用。

Calib1  = optimx( par = c(1,2,1,2), fn = ToOptimiseVector, opt = c(NA, 2, NA, 2))

Calib2  = optimx( par = c(1,2,1,2), fn = ToOptimiseVector)

> Calib1
               p1       p2      p3       p4 value fevals gevals niter convcode kkt1  kkt2 xtimes
Nelder-Mead 0.9998974 5.517528 3.00022 10.83214     4    103     NA    NA        0 TRUE FALSE   0.02
BFGS        1.0000000 4.000000 3.00000  8.00000     4      6      3    NA        0 TRUE FALSE   0.00
> Calib2
              p1       p2     p3       p4        value fevals gevals niter convcode  kkt1 kkt2 xtimes
Nelder-Mead 1.000936 1.999793 3.0006 4.000256 1.344336e-06    227     NA    NA        0 FALSE TRUE   0.01
BFGS        1.000000 2.000000 3.0000 4.000000 3.566556e-23     16      3    NA        0  TRUE TRUE   0.00

Answer 2

诀窍是，要优化的函数的起始参数和参数必须对齐。请看下面的内容是否对你有帮助。

library(optimx)

ToOptimiseVector <- function(Theta){
  a <- Theta[1]
  b <- Theta[2]
  d <- Theta[3]
  e <- Theta[4]
  (a-1)^2 + (b-2)^2 + (d-3)^2 +(e-4)^2
}


start <- c(1,0,1,1)
start <- c(1,0,0,0)
start <- c(1,2,1,2)

Calib1  <- optimx( par=start,
                  fn = ToOptimiseVector)

这会给出警告信息，但您确实得到了结果。

 > Calib1
            p1 p2 p3 p4 value fevals gevals niter convcode kkt1 kkt2
Nelder-Mead  1  2  3  4     0      4      4    NA        0 TRUE TRUE
BFGS         1  2  3  4     0      4      4    NA        0 TRUE TRUE
            xtimes
Nelder-Mead      0
BFGS             0

希望你能从这个开始，然后继续。