非线性优化问题R中solnp和gosolnp函数的差异_R_Distribution_Nonlinear Optimization

非线性优化问题R中solnp和gosolnp函数的差异

非线性优化问题R中solnp和gosolnp函数的差异,r,distribution,nonlinear-optimization,R,Distribution,Nonlinear Optimization,这两个功能之间的主要区别是什么，r帮助手册说gosolnp有助于正确设置初始参数。还有什么不同吗？此外，如果是这样，我们如何确定参数空间的正确分布类型在我的问题中，初始参数集很难确定，这就是为什么使用优化问题。但是，我对参数的上下界有了概念 gsolnp是包装器solnp的扩展，允许多次重启。简单地说，它多次使用solnp（可通过n控制。重新启动）以避免陷入局部极小值。如果已知您的函数没有局部极小值（例如，它是凸函数，可以通过分析导出），请使用solnp节省时间。否则，请使用gsolnp。如果

这两个功能之间的主要区别是什么，r帮助手册说gosolnp有助于正确设置初始参数。还有什么不同吗？此外，如果是这样，我们如何确定参数空间的正确分布类型

在我的问题中，初始参数集很难确定，这就是为什么使用优化问题。但是，我对参数的上下界有了概念

gsolnp

是包装器

solnp

的扩展，允许多次重启。简单地说，它多次使用

solnp

（可通过

n控制。重新启动

）以避免陷入局部极小值。如果已知您的函数没有局部极小值（例如，它是凸函数，可以通过分析导出），请使用

solnp

节省时间。否则，请使用

gsolnp

。如果您知道任何附加信息（例如，假定为全局最小值的区域），您可以使用它来更好地控制起始参数分布：请参阅parameters

distr

和

distr.opt
gsolnp
是允许多次重新启动的包装器solnp
的扩展。简单地说，它多次使用solnp
（可通过n控制。重新启动
）以避免陷入局部极小值。如果已知您的函数没有局部极小值（例如，它是凸函数，可以通过分析导出），请使用solnp
节省时间。否则，请使用gsolnp
。如果您知道任何附加信息（例如，假定为全局最小值的区域），您可以使用它来更好地控制起始参数分布：请参阅parametersdistr
和distr.opt
gsolnp
是允许多次重新启动的包装器solnp
的扩展。简单地说，它多次使用solnp
（可通过n控制。重新启动
）以避免陷入局部极小值。如果已知您的函数没有局部极小值（例如，它是凸函数，可以通过分析导出），请使用solnp
节省时间。否则，请使用gsolnp
。如果您知道任何附加信息（例如，假定为全局最小值的区域），您可以使用它来更好地控制起始参数分布：请参阅parametersdistr
和distr.opt
gsolnp
是允许多次重新启动的包装器solnp
的扩展。简单地说，它多次使用solnp
（可通过n控制。重新启动
）以避免陷入局部极小值。如果已知您的函数没有局部极小值（例如，它是凸函数，可以通过分析导出），请使用solnp
节省时间。否则，请使用gsolnp
。如果您知道任何其他信息（例如，假定为全局最小值的区域），则可以使用它来更好地控制起始参数分布：请参见参数distr
和distr.opt