R lpSolve-将函数优化为特定值+；向量的10%

假设我有一个向量。目标函数是一个确定的值，比如说10

其中我的向量值既不大于也不小于10%

fn.obj <- c(3,4,5)

model <- make.lp(0,3)
lp.control(model, sense="max", verbose="full")
set.objfn(model, fn.obj)#-8333550.82)

  add.constraint(model, fn.obj*(1-0.10), ">=",0)
  add.constraint(model, fn.obj*(1+0.10), ">=",0)

  add.constraint(model, fn.obj, "=",  15)

res<-solve(model)

get.variables(model)
get.objective(model)

fn.obj我理解你的问题是：我如何以“最小”的方式改变x=c（3,4,5）

，使其总和为15？答案是：将

x

乘以

15/和（x）

理解你的问题的另一种方式是：什么是“最统一的”向量

y

，因此

x%*%y=15

？由于“均匀性”是用熵来衡量的，这将使这个问题成为一个非线性问题，但它在R中仍然是可解的

---

你能澄清一下你的问题吗？

非常感谢，这帮了大忙！关键是我有x=c（3,4,5）和coef=c（1,1.2,1.5），然后x%*%y=15.3。。我真的想把这个数字设为15。我将尝试寻找一个非线性规划。再次感谢您抽出时间！！