优化ODE并重新计算R中的初始值

我想知道是否可以在以下问题中提供一些输入：在使用modCost和modFit获得结果之后，我尝试为我的函数返回一个最佳值

所以本质上我试着做的是玩弄一个基本的预测，优化以得到一个我认为有效的拟合。但我也希望'yi'参数作为Modfit函数中的一个参数

是否有一个特定的功能，我可以使用，也许或解决办法？如有任何帮助/建议，将不胜感激

为糟糕的代码、第一篇文章等道歉：

---

仅调整以下代码行似乎有效：

## model cost function, see help file and vignette for details 
modelCost <- function(p) { 
  out <- ode(y = p["Y"], func = derivs, parms = p["a"], times = yobs$time) 
  return(modCost(out, yobs)) 
} 

## start values for the parameters 
startpars <- c(Y = 6, a = 0.1) 

注意，微分方程有一个解析解：y=yi*expa*time-time_0。因此，更简单的方法是使用optim将其直接拟合到数据中：

与另一种方法非常接近

现在，使用microbenchmark将两者进行比较，我们得到以下结果：

Unit: milliseconds
                                 expr      min       lq     mean  median       uq      max neval
 modFit(f = modelCost, p = startpars) 36.22868 37.52432 40.68432 38.3405 40.02509 85.91644   100

Unit: milliseconds
                                 expr      min       lq     mean   median       uq      max neval
 optim(par = startpars, fn = ls_cost) 1.927786 1.980567 2.082507 2.010147 2.094988 5.522633   100

---

因此，后一种方法要快一个数量级。

Hi。我觉得你的Q有点不清楚。您的意思是希望function modelCost或modFit返回PAR或PARM或startpars？您使用的ode和modFit软件包是什么？您好，Stephen，谢谢您的回复，并对我的不清晰表示歉意。我希望'yi'参数作为参数包含在Modfit函数中。@P.Galanis这是实际问题还是只是一个示例？我问，因为有一个分析解决方案可以很容易地适应数据，同时实现您的目标。@Lyngbakr您好，这几乎就是问题所在-向量和名称会更长，但不会真正影响事情。如果您有什么想法，欢迎提出建议。@P.Galanis下面有两个解决方案。非常感谢@Lyngbakr这非常有帮助！我按照您的指示得到了结果，但在modCostout中的ModFit错误之后，我也得到了一个错误，yobs：在模型输出中未找到观测变量Y，您看到了相同的吗？@P.Galanis不，我没有得到那个错误。如果我复制并粘贴您的代码，然后用我的代码替换相应的行，它对我来说运行良好。非常感谢，非常感谢！谢谢

#$par
#         Y          a 
#5.81276026 0.09872004 

# My cost function
ls_cost <- function(p){
  sum((p["Y"] * exp(p["a"] * (yobs$time - min(yobs$time))) - yobs$Y)^2)
}

# Optimise for initial condition and 'a'
optim(par = startpars, fn = ls_cost)

#$par
#         Y          a 
#5.81256899 0.09872287 

Unit: milliseconds
                                 expr      min       lq     mean  median       uq      max neval
 modFit(f = modelCost, p = startpars) 36.22868 37.52432 40.68432 38.3405 40.02509 85.91644   100

Unit: milliseconds
                                 expr      min       lq     mean   median       uq      max neval
 optim(par = startpars, fn = ls_cost) 1.927786 1.980567 2.082507 2.010147 2.094988 5.522633   100