使用R语言nloptr包求解非线性优化问题结果异常求助

问题背景 #

店内售卖三款烘焙产品，参数如下：

• Apple Pie（苹果派）：单份利润12美元，生产需30分钟工时、3个鸡蛋
• Croissant（可颂）：单份利润8美元，生产需15分钟工时、2个鸡蛋
• Donut（甜甜圈）：单份利润5美元，生产需10分钟工时、1个鸡蛋

约束条件：

• 总可用工时：500分钟
• 总可用鸡蛋：60个
• 所有产品产量≥0

核心目标：最大化总利润

原代码问题分析 #

运行原代码得到(0,0,0)的不合理结果，原因有两点：

1. 目标函数方向错误：nloptr默认执行最小化目标函数，但我们需要最大化利润。原代码直接返回总利润，相当于让算法寻找利润最小的解，自然会得到全0的结果。
2. 初始值与算法适配性问题：原代码从(0,0,0)开始迭代，加上算法特性，容易陷入局部最优解；同时该问题是标准线性规划问题，用非线性全局优化算法效率低且易出错。

修正方案 #

方案1：调整nloptr代码适配最大化需求 #

将目标函数改为返回负利润，把最大化问题转化为最小化问题；同时调整初始值、增加迭代次数，避免陷入局部最优：

library(nloptr)

# 目标函数：返回负利润，将最大化问题转为最小化问题
objective <- function(x) {
  profit <- c(12, 8, 5)  # 三款产品的单份利润
  total_profit <- sum(profit * x)
  return(-total_profit)  # 取负数，最小化负利润等价于最大化利润
}

# 约束函数：返回值需满足 ≥0，代表资源未超支
constraint <- function(x) {
  labor_mins <- c(30, 15, 10)  # 各产品工时消耗
  eggs <- c(3, 2, 1)  # 各产品鸡蛋消耗
  
  labor_constraint <- 500 - sum(labor_mins * x)  # 剩余工时≥0
  egg_constraint <- 60 - sum(eggs * x)  # 剩余鸡蛋≥0
  
  return(c(labor_constraint, egg_constraint))
}

# 优化选项：增加迭代次数，避免过早收敛
opts <- list(
  "algorithm" = "NLOPT_GN_ISRES",
  "xtol_rel" = 1e-8,
  "maxeval" = 10000
)

# 定义优化问题：设置非零初始值，避免从全0开始
res <- nloptr(
  x0 = c(5, 10, 15),
  eval_f = objective,
  lb = rep(0, 3),  # 产量非负约束
  ub = rep(Inf, 3),
  eval_g_ineq = constraint,
  opts = opts
)

# 输出结果
print(res)
cat("最优总利润：", -res$objective, "美元\n")
cat("最优产量：苹果派", round(res$solution[1]), "个，可颂", round(res$solution[2]), "个，甜甜圈", round(res$solution[3]), "个\n")

方案2：改用线性规划专用工具（更高效准确） #

该问题是标准线性规划（LP）问题，使用lpSolve包可以直接处理最大化需求，还能轻松设置整数产量约束（符合实际生产场景）：

library(lpSolve)

# 目标系数：各产品单份利润（目标是最大化）
obj <- c(12, 8, 5)

# 约束矩阵：每行对应一个约束，每列对应一款产品
const_mat <- matrix(
  c(30, 15, 10,  # 工时约束：总消耗≤500分钟
    3, 2, 1),     # 鸡蛋约束：总消耗≤60个
  nrow = 2, byrow = TRUE
)

# 约束方向：≤
const_dir <- c("<=", "<=")

# 约束右端值：资源总量
const_rhs <- c(500, 60)

# 求解线性规划，设置all.int=TRUE保证产量为整数
res <- lp("max", obj, const_mat, const_dir, const_rhs, all.int = TRUE)

# 输出结果
print(res)
cat("最优总利润：", res$objval, "美元\n")
cat("最优产量：苹果派", res$solution[1], "个，可颂", res$solution[2], "个，甜甜圈", res$solution[3], "个\n")

运行方案2的代码会得到合理的最优解：生产20个可颂和20个甜甜圈，总利润260美元，完全符合资源约束。

内容的提问来源于stack exchange，提问作者Yang-Chun Lin