具有任意约束的R中的优化问题

我已经在Excel中完成了，但需要在R中运行适当的模拟

我需要最小化函数

F（x）

（

x

是一个向量），同时有

sum（x）=1

的约束，

x

中的所有值都是

[0,1]

和另一个函数

G（x）>G_0

---

我已经用

optim

和

constrOptim

试过了。他们都没有给你这个选择

您所指的问题（大概）是一个具有非线性约束的非线性优化。这是最普遍的优化问题之一

我用于这些目的的包称为

nloptr

：。根据我的经验，它既通用又快速。您可以通过相应地设置

eval_g_eq

和

eval_g_ineq

来指定等式和不等式约束。如果雅可比矩阵是明确已知的（可以解析推导），则指定它们以加快收敛速度；否则，使用数值近似

---

用作优化问题的一般参考。

使用编写方程组，然后使用R命令进行求解

您可以在OpenMx软件包中实现这一点（目前位于下面列出的站点上。目标是今年在cran上实现2.0 relase）

它是一个通用软件包，主要用于结构方程建模，但处理非线性约束

对于您的情况，使用mxAlgebras（）中表示的代数和mxConstraints（）中的约束创建mxModel（）

在运行模型时，如果可能，代数将在约束范围内求解

---

目前这一点太模糊了，您需要提供一个代表问题复杂性的数据和目标函数的示例。@Ishouldbuyabot我在下面tonytonov的评论中给出了更多细节。谢谢你，谢谢你。看起来我需要的是

nloptr

。但是，我不知道如何将参数传递给用户定义的目标和约束函数。例如，我要优化的值是x，eval_f（x，y，A），eval_g_ineq（x，A）和eval_g_eq（x）。A是一个矩阵。看起来

nloptr

无法识别哪个参数指向哪个函数。。我将给你一个例子：我优化f（x，y，A）。x、 y向量，A矩阵。1-sum（x）=0-eval_g_eq.sum（y/3）-sum（y*x）对于单个向量

x

，所有函数定义应类似

function（x）

。如果有两个向量，

x

和

y

，则在传递到

eval\u f

之前，将它们组合成

c（x，y）

。同样的技巧也适用于矩阵

A

。谢谢@tonytonov。“..”表示将传递给用户定义的目标和约束函数的参数。在示例中，他们有

eval\u f0，我鼓励您单独问这个问题，链接到这里。不要忘记接受其中一个建议的答案。在一个新问题中，指定您的最小可重复问题，您的问题将得到更多关注。