R函数optim()最小化或者最大化多参数函数

本文主要是介绍R函数optim()最小化或者最大化多参数函数，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、optimize()最小化或者最大化单参数函数

1.1函数介绍

函数功能描述：给定一个单参数函数f，需要找到使得f达到其最小值或者最大值的点。

使用optimize()函数最小化单参数函数时，需要指定最小化的函数f及其定义域（x的上界和下界）：

optimize(f, lower = lowerBound, upper = upperBound)

如果需要最大化函数，需要指定参数maximum=TRUE，即

optimize(f, lower = lowerBound, upper = upperBound, maximum = TRUE)

1.2示例

optimize()函数可以对单参数函数求最大值或者最小值。它需要在参数中指明需要求极值的函数的自变量x的取值范围。

以下示例查找多项式函数： $3x^{4}-2x^{3}+3x^{2}-4x+5$ 的最小值：

f <- function(x){x*x^4- 2*x^3+ 3*x^2-4*x+5
}optimize(f, lower=-20, upper=20)
#或者
#optimize(f, c(-20, 20)) #被优化的范围是-20，20#$minimum
#[1] -19.99995
#
#$objective
#[1] -3182675

optimize()函数返回的值是一个包含两个元素的列表：其中minimum表示使得f达到最小值时的x，objective表示函数在该点x所达到的最小值。

如果参数lower和upper的距离较小，它意味着搜索的区域较小，最优化的速度将较快。如果你不确定适当的搜索范围，请使用较大但合理的范围，例如lower=-1000, upper=1000。

注意，函数在该范围内不要有多个最小值或者最大值！optimize函数将只找到并返回一个最小值或者最大值。

二、optim()最小化或者最大化多参数函数

2.1函数介绍

给定多参数函数f，需要找到使函数f达到其最小值或者最大值的点。

要最小化多参数函数，使用optim，这里必须指定起始点，它时函数f的初始参数向量。

optim(startingPoint, f)

要最大化多参数函数，需要指定参数control；或者在被优化函数前加负号

optim(startingPoint, f, control=list(fnscale = -1))

函数optim比optimize更通用，因为optim函数可以处理多参数函数。optim函数会将函数f自变量的取值放在一个向量中，然后估计函数在该向量上的取值。函数的取值是一个纯量值（一个数值）。optim函数将从设定的起点开始，在自变量的定义域内搜索函数的最小值。

optim()函数还提供了method参数，来选择优化函数的的算法，默认使用内尔德-米德算法作为最优化算法，其他可用的算法还有准牛顿算法、共轭梯度法和模拟退火法等方法，它们都是针对多维情形设计的最优化算法。

2.2示例

示例1：

极小化目标函数： $100*(x_{2}-x_{1}^{2})^{2}+(1-x_1)^2$ ，其中 $x_1$ 和 $x_2$ 是未知变量。

fr <- function(x) {   ## Rosenbrock Banana functionx1 <- x[1]x2 <- x[2]100 * (x2 - x1 * x1)^2 + (1 - x1)^2
}
optim(c(-1.2,1), fr)#$par
#[1] 1.000260 1.000506
#
#$value
#[1] 8.825241e-08
#
#$counts
#function gradient 
#     195       NA 
#
#$convergence
#[1] 0
#
#$message
#NULL

上述代码调用optim函数，从(-1.2, 1)开始搜索f的最小值。

返回的列表包括一个分量convergence，它的值显示optim函数是否找到了f的最小值，如果该分量的值为0，那么optim找到了最小值；否则，表明optim函数没有找到最小值。显然，convergence的值是重要的返回值，因为如果算法没有收敛，其他返回值是没有意义的。

返回的列表还包括分量par，它是最小化函数的参数；分量value，是在par处的函数值f(par)。

在上述这个例子中，optim函数是收敛的，并且在大约 $x_1=1.000260$ 和 $x_2=1.000506$ 处找到了最小值。

示例2：

给出一个使用optim来拟合非线性模型的示例。

要极小化的目标函数： $\sum_{i}^{n}|z_{i}-(x_{i}-a)^{b}|$ ，其中a和b是未知参数。换句话说，我们要极小化的目标函数中具备两个参数，这两个参数构成了一个参数向量，这个参数向量的第一个元素是a，第二个元素是b。

#load(file ="./data/opt.rdata") #load x, y, zf <- function(v) {a <- v[1]b <- v[2]
sum(abs(z-((x+a)^b)))
}optim(c(1,1), f)

三、optim函数和optimize函数的区别

对于函数optim而言，这个函数不用指定参数指明搜索的下界和上界，仅仅需要提供一个搜索的起点。对起点的一个好的猜测，意味着最优化算法的加快。换句话说，optim优化函数，需要有一个好的未知参数的初始值。初始值即为搜索的起点。其次，optim函数是用来优化目标函数中具有多个未知参数的函数。
对于optimize函数，这个函数需要指定搜索的上界和下界，此外，这个函数只能优化一个未知参数的函数。

参考：

《R语言经典实例（原书第2版）》（2020年5月出版，机工社）

这篇关于R函数optim()最小化或者最大化多参数函数的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！