在非线性优化函数“nloptr”中传递参数

我最初的问题可以在这里找到：具有任意约束的 R 优化 https://stackoverflow.com/questions/21611092/optimization-in-r-with-arbitrary-constraints/21612119#21612119

这引发了另一个问题：如何将参数传递给nloptr.
我需要最小化一个函数F(x,y,A) where xy 是向量并且A是一个矩阵，同时有约束sum(x * y) >= sum(y/3) and sum(x)=1。 我尝试过使用nloptr:

F <- function(x,y,A){
   ...
}

Gc <- function(x,y){
  return(sum(y/3) - sum(x*y))
} 

Hc <- function(x){
  retunr(1-sum(x))
}

nloptr(x0=rep(1/3,3), eval_f=F, lb = 0.05, ub = 1, eval_g_ineq = Gc, eval_g_eq = Hc, opts = list(), y=y, A=A)

我收到一个错误：'A' passed to (...) in 'nloptr' but this is not required in the eval_g_ineq function.

如果我说nloptr( ... , y, A)

I get:eval_f requires argument 'cov.mat' but this has not been passed to the 'nloptr' function.

任何建议都会很棒。谢谢

所以这里发生了几件事：

首先，目标函数，F，等式约束函数，Hc，以及不等式约束函数，Gc，所有人都必须采取相同的论点。所以通过x, y, A对于所有三个，并在不需要的地方忽略它们。

其次，你必须定义y and A某处...

第三，您必须指定要使用哪种算法。这样做与opts=list(algoritm=...)。事实证明，如果您 (a) 使用约束，并且 (b)not提供计算雅可比矩阵的函数，那么只有某些算法是合适的。在你的情况下opts=list(algorithm="NLOPT_GN_ISRES")似乎有效。

最后是默认的maxeval = 100事实证明这还不够。我必须将其设置为 100,000 才能收敛。

将所有这些放在一起，尽管有一个虚构的目标函数：

F <- function(x,y,A){  # made-up function
  # minimize scaled distance between points x and y
  sum((A[1]*x-A[2]*y)^2)
}
Gc <- function(x,y,A) return(sum(y/3) - sum(x*y))
Hc <- function(x,y,A) return(1-sum(x))

library(nloptr)
y= c(0,1,0)
A= c(10,1)
opt <- nloptr(x0=rep(1/3,3), eval_f=F, lb = rep(0.05,3), ub = rep(1,3), 
              eval_g_ineq = Gc, eval_g_eq = Hc, 
              opts = list(algorithm="NLOPT_GN_ISRES",maxeval=100000), y=y, A=A)
opt$solution
# [1] 0.2990463 0.4004237 0.3005300