将固定和可变参数传递给 Optimx

Question

这是一个语法问题，可能有一个简单的解决方案，但我无法在 optimx 包的 SO 上的任何地方找到它。

最小的工作示例和问题

我有一个功能，如：

ToOptimise = function(a,b,d,e){
(a-1)^2 + (b-2)^2 + (d-3)^2 +(e-4)^2
}

我可以很容易地优化 mle2 中的选择参数：

library(bbmle)

Calib2 = mle2(ToOptimise,
              start = list(a = 1, d = 10),
              fixed = list(b = 2, e = 2))

这并不是真正正确的工具，因为它不是最大似然问题。

我想找到一种方法来轻松地将固定和可优化的参数传递给 Optimx

我计划进行多次校准，随时固定不同的参数，因此不想在某些参数中重做函数硬编码。

我的尝试不起作用

library(optimx)

ToOptimiseVector = function(Theta){
  a = Theta[1]
  b = Theta[2]
  d = Theta[3]
  e = Theta[4]
  (a-1)^2 + (b-2)^2 + (d-3)^2 +(e-4)^2
}


Calib1  = optimx( par = c(1,2,1,2),
                  fn = ToOptimiseVector,
                  Theta[2] = 2, Theta[4] = 2)

Stack Overflow 上的另一个相关问题

另一个不考虑固定和可优化参数的 optimx 语法问题是：

• R- Optimx 用于具有 2 个参数的指数函数 - 无法在初始参数值处评估函数

Answer 1

添加了一个opt参数到fn. 只需将此opt向量传递到optimx(). 任何非 NA 值都将变得固定。

ToOptimiseVector <- function(Theta, opt = rep(NA, 4)){

# Check if any of opt is not NA
if (any(!sapply(opt, is.na))) {
     i = !sapply(opt, is.na)
# Fix non-NA values
     Theta[i] <- opt[i]
     }

a <- Theta[1]
b <- Theta[2]
d <- Theta[3]
e <- Theta[4]
return((a-1)^2 + (b-2)^2 + (d-3)^2 +(e-4)^2)
}

似乎有效。

Calib1  = optimx( par = c(1,2,1,2), fn = ToOptimiseVector, opt = c(NA, 2, NA, 2))

Calib2  = optimx( par = c(1,2,1,2), fn = ToOptimiseVector)

> Calib1
               p1       p2      p3       p4 value fevals gevals niter convcode kkt1  kkt2 xtimes
Nelder-Mead 0.9998974 5.517528 3.00022 10.83214     4    103     NA    NA        0 TRUE FALSE   0.02
BFGS        1.0000000 4.000000 3.00000  8.00000     4      6      3    NA        0 TRUE FALSE   0.00
> Calib2
              p1       p2     p3       p4        value fevals gevals niter convcode  kkt1 kkt2 xtimes
Nelder-Mead 1.000936 1.999793 3.0006 4.000256 1.344336e-06    227     NA    NA        0 FALSE TRUE   0.01
BFGS        1.000000 2.000000 3.0000 4.000000 3.566556e-23     16      3    NA        0  TRUE TRUE   0.00