在R语言中复现GRG非线性优化的技术实现咨询

Hey，我帮你把这段GRG非线性优化的R代码实现整理规范，同时帮你梳理逻辑正确性：

一、目标函数定义 #

这个函数用于计算给定媒体投入组合x下的平均响应值，核心是每个渠道的响应包含基础值beta0和非线性投入驱动项（结合了adstock效应、投入衰减指数dr）：

# objective function
eval_f0 <- function(x) { 
  v <- rep(0, length(x)) 
  for (i in 1:length(x)){ 
    v[i] <- tab$beta0[i] + ((tab$new.beta[i] * tab$avg.current.adstock[i] * ((x[i]/tab$media.spends[i])^tab$dr[i]))) 
  } 
  return(mean(v)) 
}

二、约束函数定义 #

这里包含两类约束：变量自身的约束和总预算约束：

1. 变量约束函数 #

返回投入变量x，结合后续优化参数的上下限，确保投入在合理范围内：

# constraint function - variable bounds related
eval_g0 <- function(x) { 
  constr <- x 
  return(constr) 
}

2. 总预算约束函数 #

限制总投入不超过原媒体总投入的1.01倍（即最多超支1%）：

# constraint function - total budget limit
eval_g1 <- function(x){ 
  h <- sum(x) - sum(tab$media.spends)*1.01 
  return(h) 
}

三、完整的nloptr调用代码 #

要实现GRG类非线性优化，我们选择支持非线性约束的NLOPT_LD_SLSQP算法（属于GRG框架下的序列二次规划方法），同时补全缺失的参数：

# 完整优化调用
res1 <- nloptr(
  x0 = tab$lower.limt,  # 初始值设为下限
  eval_f = eval_f0,     # 目标函数
  lb = tab$lower.limt,  # 变量下限
  ub = tab$upper.limt,  # 变量上限
  eval_g_ineq = function(x) c(eval_g0(x) - tab$upper.limt, eval_g1(x)),  # 合并不等式约束（要求g(x) ≤ 0）
  algorithm = "NLOPT_LD_SLSQP",  # 选择GRG类的SLSQP算法
  opts = list(
    "maxeval" = 1000,  # 最大迭代次数
    "xtol_rel" = 1e-6  # 收敛精度
  )
)

# 查看优化结果
print(res1)

四、代码正确性验证 #

• 目标函数逻辑：每个媒体渠道的响应计算符合典型的非线性营销投入模型，将投入的相对变化（x[i]/tab$media.spends[i]）通过衰减指数dr转化为响应贡献，叠加基础响应beta0后取平均，逻辑合理。
• 约束逻辑：
  • 变量上下限通过lb/ub和约束函数双重保障（也可以仅用lb/ub简化），确保投入不会超出业务允许范围；
  • 总预算约束严格控制了总投入的上限，符合预算管控需求。
• 算法适配性：NLOPT_LD_SLSQP是成熟的GRG类非线性优化算法，支持非线性目标函数和非线性约束，完全适配当前问题场景。

内容的提问来源于stack exchange，提问作者BKS