使用constrOptim最大化生产函数的两类问题求解

问题1：解决"argument 'K' is missing"报错 #

constrOptim要求目标函数的输入是单个向量参数，但你定义的production_function用了两个独立参数L和K，导致函数无法正确接收theta向量。修改生产函数，让它接收向量参数并拆分出L和K即可：

production_function <- function(theta) {
  L <- theta[1]
  K <- theta[2]
  K*L + L
}

问题2：将不等式约束改为等式约束 #

constrOptim仅支持线性不等式约束，要实现2*L +1.4*K =100的等式约束，有两种可行方案：

方案1：把等式拆成对偶不等式约束 #

等式A = B等价于A ≥ B且A ≤ B，对应到constrOptim的参数中就是添加反向约束：

# 构造约束矩阵：包含2L+1.4K≥100、2L+1.4K≤100、L>0、K>0
ui <- rbind(c(2, 1.4), c(-2, -1.4), c(1, 0), c(0, 1))
ci <- c(100, -100, 0, 0)

# 调用优化函数
result <- constrOptim(theta = c(30,30), ui = ui, ci = ci, f = production_function, grad = NULL)

这种方法通过两个不等式约束逼近等式，数值优化中可达到近似等式的效果。

方案2：拉格朗日乘数法转化为无约束优化 #

利用等式约束消去一个变量，比如从2L +1.4K =100解出K = (100 - 2L)/1.4，代入生产函数转化为单变量优化问题：

# 代入约束后的单变量生产函数
prod_single_var <- function(L) {
  K <- (100 - 2*L)/1.4
  K*L + L
}

# 求解最大值（L的取值范围：0 < L < 50，保证K>0）
result <- optimize(f = prod_single_var, interval = c(0, 50), maximum = TRUE)

这种方法更直接，将二维优化简化为一维，计算效率更高。

内容的提问来源于stack exchange，提问作者Tunay Sabri Yüksel