R语言DEoptim包返回结果不一致问题求助

使用DEoptim工具做投资组合优化，通过最小化夏普比率的倒数等价实现最大化夏普比率，但多次运行后，sol$optim$bestmem返回的最优权重向量不一致，希望每次运行得到相同结果。相关代码如下：

# Computing the covariance matrix and returns to be used in the optimization
covMat <- cov(dft[idx_window_begin:idx_window_end,returns])
Returns <- colMeans(dft[idx_window_begin:idx_window_end,returns])

# Sharpe ratio function to be used in the DEoptim function
port_sharpe <- function(W) {
  W <- W/sum(W)
  return(as.numeric((W%*%covMat%*%W)^0.5/(W%*%Returns)))
}

# Calling DEoptim
sol <- DEoptim(port_sharpe, lower=rep(-100,nrow(covMat)), upper=rep(100,nrow(covMat)))

• 固定随机种子：DEoptim是基于随机进化的优化算法，每次运行的初始种群由随机数生成，这是结果不一致的核心原因。在调用DEoptim前设置固定随机种子，就能让每次运行的随机序列完全相同，从而得到一致的结果。
  示例代码中添加种子设置：

  set.seed(123) # 可替换为任意整数，只要固定即可
  

• 验证最优解唯一性：如果存在多个权重组合能达到相同的最大夏普比率，即使固定种子，结果也可能有差异（但这种场景不多）。可以计算不同权重对应的夏普比率，若数值一致，说明是多解情况，可添加额外约束（比如最小化权重绝对值之和）来唯一化解。
• 优化算法参数：适当增加迭代次数（iter参数）或种群规模（NP参数），能提升算法收敛到全局最优的稳定性，但前提还是要固定随机种子保证可复现。

修改后的完整代码示例：

# 设置固定随机种子
set.seed(456)

# Computing the covariance matrix and returns to be used in the optimization
covMat <- cov(dft[idx_window_begin:idx_window_end,returns])
Returns <- colMeans(dft[idx_window_begin:idx_window_end,returns])

# Sharpe ratio function to be used in the DEoptim function
port_sharpe <- function(W) {
  W <- W/sum(W)
  return(as.numeric((W%*%covMat%*%W)^0.5/(W%*%Returns)))
}

# Calling DEoptim
sol <- DEoptim(port_sharpe, lower=rep(-100,nrow(covMat)), upper=rep(100,nrow(covMat)))

内容的提问来源于stack exchange，提问作者KaiSqDist