R最优对数似然估计与同一函数中的梯度

我已经编写了一个函数，用于在R中执行最大模拟似然估计，它工作得很好

然而，问题在于optim并不像matlab中的fminuc优化器那样调用相同的函数来同时估计似然值和梯度。因此，如果每次optim想要更新梯度，则必须重复给定参数向量的模拟。最后，optim调用了大约100倍的loglik函数来更新参数，另外调用了50倍的loglik函数来计算梯度

我想知道是否有一个优雅的解决方案来避免50个额外的模拟步骤，例如通过在每个步骤中存储估计的似然值和梯度。然后在下次调用似然函数之前，检查给定参数向量的信息是否已经可用。这可以通过在optim和loglik函数之间插入一个附加函数来实现。但这似乎有点小题大做

有什么好主意吗

干杯，

---

Ben

我知道nlm（）可以做到这一点，但最终由于任何原因，它比optim慢。Package

memoise

可能对您有用。它创建先前函数输入的散列并存储结果输出。基本上创建您所指的包装器函数。