You need to enable JavaScript to run this app. 如何在R中使用GA包优化含双自变量多参数的函数并解决运行报错
优惠活动
大模型
产品
解决方案
定价
更多

如何在R中使用GA包优化含双自变量多参数的函数并解决运行报错

问题诊断
  • 遗传算法调用传参错误:ga函数迭代生成的待优化参数存储在向量x中,当前代码直接传入固定的边界值P1[1]/P2[2]等,完全没有使用迭代参数,导致目标函数计算无意义,返回无效值。
  • 目标函数内部逻辑错误:计算RS时错误拼接了A和B两个长度为31的向量,得到长度为62的数组,后续计算得到的TE_Pred和真实值TE_obs长度不匹配,nrmse计算结果为NaN。此处只需调用pmax(A,B)即可逐位取两个向量的较大值,逻辑更简洁且结果正确。
  • 缺少异常值处理:当Var1取值接近0时会出现除零错误,极端参数还会导致平方根、指数计算异常,需要添加异常捕获逻辑,对无效参数返回高惩罚值,保证迭代正常运行。
修正后完整代码
Var1_obs <- c(-1.942000, -1.338000, -2.065000, -2.080125, -3.247944, -5.365086,
              -1.608000, -3.970000, -1.423000, -8.180000, -4.620000, -1.657000, 
              -5.200000, -6.850000, -6.950000, -1.180000, -1.175000, -1.969000, 
              -1.115000, -2.620000, -1.870000, -0.433000, -1.102000, -2.093687, 
              -2.480000, -0.580000, -0.600000, -1.807383, -2.367000, -2.276017, 
              -2.125331)

Var2_obs <- c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 
              1, 1, 1, 1, 1, 1, 1, 1, 1)

TE_obs <- c(92.73958, 93.39356, 84.39019, 93.40717, 97.53228, 92.04734, 82.06016, 
            78.50015, 83.43671, 55.24498, 67.92513, 77.53455, 65.33344, 47.05005, 
            46.52794, 96.79697, 84.79326, 83.64457, 82.17259, 88.96605, 84.93663, 
            83.16691, 95.22838, 96.46441, 79.61302, 80.39901, 88.38439, 72.23954, 
            85.64084, 69.33542, 82.30360)

data<-data.frame(Var1_obs,Var2_obs,TE_obs)

plot(data$Var1_obs[data$Var2_obs==0],data$TE_obs[data$Var2_obs==0],
xlim=range(data$Var1_obs), ylim=range(data$TE_obs), col=2, pch=19,
xlab='Var1_obs', ylab='TE_obs')

points(data$Var1_obs[data$Var2_obs==1],data$TE_obs[data$Var2_obs==1],
xlim=range(data$Var1_obs), ylim=range(data$TE_obs), col=3, pch=19)

library(GA)
library(hydroGOF)

My_function <- function(Var1, Var2, P1, P2, P3, P4, P5, P6, P7) {
  # 异常捕获,无效参数返回极大惩罚值
  tryCatch({
    A <- (-1 * (Var1 + P1 - P2) - sqrt((Var1 + P1 - P2)^2 + 4 * (Var1 * P2))) / (2 * P2)
    B <- 1 - P1 / Var1
    # 逐位取A和B的较大值,替换原错误逻辑
    RS <- pmax(A, B)
    
    PC <- 100 / (1 + exp(P3 / 25 * (Var1 - P4)))
    
    RMC <- (1 - RS)
    symp <- RMC * (1 / (P5 / 1000) - 1) * 100 * (1 - P6)
    apo <- (1 - PC / 100) * (1 / (P5 / 1000) - 1) * 100 * (P6)
    
    TE_Pred <- (apo + symp) * (1 + P7 * Var2)
    
    NRMSE <- nrmse(TE_Pred, TE_obs, na.rm = TRUE, norm = "sd")
    # 处理异常返回值
    if(is.na(NRMSE)|is.nan(NRMSE)|is.infinite(NRMSE)) NRMSE <- 1e6
    return(NRMSE)
  }, error = function(e) {
    return(1e6)
  })
}


# ----------------------- 边界设置 --------------------------- #

P1 <- c(-3.5, -2.3)
P2 <- c(5, 15)
P3 <- c(15, 60)
P4 <- c(-7.5, -6)
P5 <- c(500, 600)
P6 <- c(0.3, 0.6)
P7 <- c(-1, 0)

min_boundary <- c(P1[1], P2[1], P3[1], P4[1], P5[1], P6[1], P7[1])
max_boundary <- c(P1[2], P2[2], P3[2], P4[2], P5[2], P6[2], P7[2])

# 修正fitness传参,传入迭代生成的x向量的对应位置值
ga_result <- ga(
  type = "real-valued",
  fitness = function(x) -My_function(Var1 = Var1_obs, Var2 = Var2_obs, 
                                     P1 = x[1], P2 = x[2], P3 = x[3], 
                                     P4 = x[4], P5 = x[5], P6 = x[6], P7 = x[7]),
  lower = min_boundary, upper = max_boundary,
  popSize = 50, maxiter = 1000, run = 100
)

# 查看最优参数
print(ga_result@solution)
运行说明
  • 修正后代码会正常完成迭代,ga_result@solution中存储的就是拟合效果最优的P1~P7参数值。
  • 若需要提升拟合精度,可以适当调大popSize和maxiter参数。

内容的提问来源于stack exchange,提问作者Belmondo

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.09 09:15:03