使用R optimx中断后如何恢复内部存储的迭代值？

核心结论 #

默认情况下，手动中断优化后，未保存到目标对象的最后一次迭代数据已彻底丢失。原因是optimx在完成整个优化流程前，不会将中间迭代状态赋值给ans变量；中断后函数无返回值，内存中的临时迭代数据会被R的垃圾回收机制清理，traceback()仅能查看调用栈，无法获取优化的中间状态。

可行的提前预防方案 #

如果需要在中断时保留最后一次迭代结果，可通过以下两种方式提前设置：

1. 利用trace参数记录迭代日志到文件 #

设置control=list(trace=3)（或更高等级）会在控制台打印每次迭代的参数和目标值，可将控制台输出重定向到文件，中断后从文件中提取最后一次迭代信息：

# 重定向输出到文件
sink("optim_trace.log")

ans = optimx( startx, fn=genrose.f, gr=NULL, hess=NULL, 
              method=c("Nelder-Mead"),
              control=list( maxit=5000000, save.failures=TRUE, trace=3), gs=10)

# 恢复控制台输出
sink()

中断后打开optim_trace.log，文件末尾的内容即为最后一次迭代的记录。

2. 修改目标函数，实时保存迭代结果 #

在目标函数中添加逻辑，将每次迭代的参数和目标值保存到全局环境或文件中，即使中断也能保留最后一次数据：

require(optimx) 

# 初始化全局变量存储迭代历史
iter_history <- list()
iter_count <- 0

genrose.f<- function(x, gs=NULL){ 
  n <- length(x)
  if(is.null(gs)) { gs=100.0 }
  fval<-1.0 + sum (gs*(x[1:(n-1)]^2 - x[2:n])^2 + (x[2:n] - 1)^2)
  
  # 更新全局迭代计数和历史记录
  assign("iter_count", iter_count + 1, envir = .GlobalEnv)
  current_iter <- list(iter = iter_count, x = x, fval = fval)
  assign("iter_history", append(iter_history, current_iter), envir = .GlobalEnv)
  
  # 每100次迭代保存到文件，防止R崩溃丢失
  if(iter_count %% 100 == 0){
    saveRDS(iter_history, file = "optim_iter_history.rds")
  }
  
  return(fval)
}

startx <- seq(1:100) / 5
n <- length(startx)

ans = optimx( startx, fn=genrose.f, gr=NULL, hess=NULL, 
              method=c("Nelder-Mead"),
              control=list( maxit=5000000, save.failures=TRUE, trace=3), gs=10)

中断后，直接查看全局变量iter_history[[length(iter_history)]]即可获取最后一次迭代的参数和目标值；若R意外崩溃，也可从optim_iter_history.rds文件中读取最近的迭代记录。

内容的提问来源于stack exchange，提问作者Bertrand