使用R包nloptr求解相关系数最大化问题报错如何解决

错误核心原因 #

• nloptr的目标函数、约束函数仅支持单个向量作为入参，所有待优化变量都会按x0的顺序打包为这个向量传入函数。你之前将两个权重拆分为x、y两个独立入参，调用时nloptr只会传入一个向量参数，导致y参数缺失报错
• 代码存在笔误：线性组合部分漏写乘号，xdata$b应为x*data$b，ydata$c应为y*data$c
• nloptr默认求解最小化问题，你的需求是最大化相关系数，需要将目标函数返回值改为负的相关系数，将最大化问题转为最小化问题求解
• 约束函数同样需要适配单向量入参的要求

修正后可运行代码 #

library(nloptr)
# 创建示例数据集
data <- data.frame(
  "a" = c(1:10), 
  "b" = c(2,3,4,2,3,1,2,4,1,6), 
  "c" = rep(c(10,15), 5)
)

# 目标函数：仅接收单个向量参数x，x[1]对应b的权重，x[2]对应c的权重
eval_f <- function(x) {
  # 最大化相关系数等价于最小化负相关系数
  return (-cor(data$a, (x[1]*data$b + x[2]*data$c)))
}

# 等式约束：同样仅接收单个向量参数
eval_g_eq <- function(x) {
  return (x[1] + x[2] - 1)
}

# 上下界、初始值设置保持不变
lb <- c(0,0)
ub <- c(1,1)
x0 <- c(0.5,0.5)

# 优化参数设置
local_opts <- list( "algorithm" = "NLOPT_LD_MMA", "xtol_rel" = 1.0e-15 )
opts <- list( 
  "algorithm" = "NLOPT_GN_ISRES",
  "xtol_rel" = 1.0e-15,
  "maxeval" = 160000,
  "local_opts" = local_opts,
  "print_level" = 0 
)

# 运行优化
res <- nloptr(
  x0 = x0,
  eval_f = eval_f,
  lb = lb,
  ub = ub,
  eval_g_eq = eval_g_eq,
  opts = opts
)

# 结果输出
print(res)
cat("最优权重：b的权重 =", res$solution[1], "，c的权重 =", res$solution[2], "\n")
cat("最大化后的相关系数：", -res$objective, "\n")

结果说明 #

修正后代码不会再报参数缺失错误，输出的res$solution即为满足权重和为1条件下、相关系数最大的权重组合，取-res$objective即可得到你需要的最大相关系数。

内容的提问来源于stack exchange，提问作者chars fregtun