R 的优化包

Posted 2023-02-14

【中文标题】R 的优化包

【英文标题】：Optimization packages for R

【发布时间】：2010-09-26 10:39:02

【问题描述】：

有谁知道 （类似于 S+ 的 NUOPT）？

【问题讨论】：

否决“这个问题没有显示任何研究工作”

我“可以”把这个问题变成一个很长的问题，谈论我需要什么以及我如何调查 linprog 并发现它需要的细节。或者我可以问一个非常简单的问题。我支持这个决定。顺便说一句，虽然我不同意你对我投反对票的理由，但至少你有礼貌地给出一个理由。谢谢你的礼貌。

如果你告诉我们你在哪里看过，那么这将显示出一些研究工作——即使是一个简单的“我搜索谷歌或 cran 进行'优化'”也会有所帮助。我们不应该让人们查看任务视图...如果您发现需要 linprog，为什么要接受“我使用过 linprog”的答案？

它在 google 搜索中的“linear optimization r”下出现在第 3 位，这意味着我们应该对它进行实际操作，并将其作为未来搜索者的参考。

【参考方案1】：

R 有很多很多的优化包；检查优化的 CRAN 任务视图：http://cran.r-project.org/web/views/Optimization.html。当然，对于非线性程序，有optim()，这是标准的，包括 Broyden-Fletcher-Goldfarb-Shanno 算法和 Nelder-Mead。这是一个好的开始。

【参考方案2】：

您还应该尝试使用Rglpk 包解决与GLPK (GNU Linear Programming Kit) 的LP 问题。

一个例子：

## Simple linear program.
## maximize:   2 x_1 + 4 x_2 + 3 x_3
## subject to: 3 x_1 + 4 x_2 + 2 x_3 <= 60
##             2 x_1 +   x_2 +   x_3 <= 40
##               x_1 + 3 x_2 + 2 x_3 <= 80
##               x_1, x_2, x_3 are non-negative real numbers

obj <- c(2, 4, 3)
mat <- matrix(c(3, 2, 1, 4, 1, 3, 2, 2, 2), nrow = 3)
dir <- c("<=", "<=", "<=")
rhs <- c(60, 40, 80)
max <- TRUE

Rglpk_solve_LP(obj, mat, dir, rhs, max = max)

R 输出： （请注意$status 一个整数，其中包含有关返回的解决方案的状态信息。如果设置了控制参数 canonicalize_status（默认值），那么它将返回 0 以找到最佳解决方案，否则返回非零。如果控制参数是设置为 FALSE 它将返回 GLPK 状态代码）。

$optimum
[1] 76.66667

$solution
[1]  0.000000  6.666667 16.666667

$status
[1] 0

【参考方案3】：

Galwegian 提到的 Linprog 专注于通过单纯形算法进行线性规划。此外，如果您正在进行投资组合优化，您可能对fPortfolio 感兴趣。

【参考方案4】：

用 R 试试lpSolve。

一个简单的例子：

# Maximize 
#   x1 + 9 x2 +   x3 
# Subject to: 
#   x1 + 2 x2 + 3 x3 <= 9
# 3 x1 + 2 x2 + 2 x3 <= 15
f.obj <- c(1, 9, 3)
f.con <- matrix(c(1, 2, 3, 3, 2, 2), nrow = 2, byrow = TRUE)
f.dir <- c("<=", "<=")
f.rhs <- c(9, 15)

lp("max", f.obj, f.con, f.dir, f.rhs)
lp("max", f.obj, f.con, f.dir, f.rhs)$solution

【参考方案5】：

我过去曾使用linprog 解决线性问题。

【讨论】：

+1 非常感谢。自从我的 TurboPascal 时代以来，我还没有接触过任何优化的东西。软件包页面 (cran.r-project.org/web/packages) 中列出了一大堆其他优化软件包。

【参考方案6】：

我喜欢古罗比。许可证非常昂贵，但可以通过许多大学获得。看这里http://www.gurobi.com/products/modeling-languages/r

【参考方案7】：

查看NLoptr 包。它有相当广泛的文档，其中包含示例和大量算法可供选择，具体取决于您要解决的问题（等线性、非线性、约束）

【参考方案8】：

另一个包是ompr。该软件包的一个优点是可以使用许多求解器，并且可以轻松添加binary、continuous、integer 所有变量。一个简单的例子：

library(tidyverse)
library(ompr)
library(ompr.roi)


model <-  MIPModel() %>%
  add_variable(x1, type = "integer") %>%
  add_variable(x2, type = "integer") %>%
  set_bounds(x1, lb = 0) %>%
  set_bounds(x2, lb = 0) %>%
  set_objective(x1 - x2, "max") %>%
  add_constraint(x1 + 2*x2 <= 150) %>%
  add_constraint(x1 >= 30) %>%
  add_constraint(x2 >= 40)

用glpk解决：

library(ROI.plugin.glpk)
result <- solve_model(model, with_ROI(solver = "glpk", verbose = TRUE))

get_solution(result, x1)
get_solution(result, x2)

也可以使用其他求解器解决，例如 symphony，其中可以设置 gap_limit，以防问题复杂且需要多次迭代才能收敛：

library(ROI.plugin.symphony)
result <- solve_model(model, with_ROI(solver = "symphony",
                                      verbosity=-1, gap_limit=1.5))