DEOptim变量约束：强制一个变量小于另一个

我之前优化双均线策略时也遇到过一模一样的问题——必须保证短周期均线的参数小于长周期的，折腾了几种方法后，总结出两个最实用的方案，分享给你：

方法1：变量替换（最稳妥的方案） #

核心思路是从变量定义上直接保证约束成立，避免后续处理的麻烦。比如我们需要优化的两个参数是短周期n_short和长周期n_long，要求n_short < n_long，那我们可以把变量重新定义为：

• n_short：直接作为优化变量，范围设为你需要的最小值到最大值（比如5到30）
• delta：表示两个周期的最小间隔，设为优化变量，范围从1到你能接受的最大间隔（比如1到30）
• 最终的长周期参数就是n_long = n_short + delta

这样不管DEOptim怎么优化，n_long天然大于n_short，完全不需要额外判断。下面是代码示例：

library(DEoptim)
library(TTR) # 用于计算移动均线

# 定义目标函数（双均线策略的收益计算，这里用模拟数据举例）
ma_strategy_profit <- function(x) {
  n_short <- x[1]
  delta <- x[2]
  n_long <- n_short + delta
  
  # 替换成你实际的行情数据和策略逻辑
  set.seed(123) # 固定种子方便复现
  price <- cumsum(rnorm(1000)) + 100
  ma_short <- SMA(price, n_short)
  ma_long <- SMA(price, n_long)
  signal <- ifelse(ma_short > ma_long, 1, -1)
  returns <- diff(price)/price[-length(price)]
  strategy_returns <- signal[-length(signal)] * returns
  total_profit <- sum(strategy_returns)
  
  # DEOptim默认是最小化，所以如果要最大化收益，返回负的收益
  return(-total_profit)
}

# 设置优化参数范围
lower <- c(5, 1) # n_short最小5，delta最小1
upper <- c(30, 30) # n_short最大30，delta最大30

# 运行DEOptim
result <- DEoptim(ma_strategy_profit, lower = lower, upper = upper)

# 提取最优参数
best_n_short <- result$optim$bestmem[1]
best_n_long <- best_n_short + result$optim$bestmem[2]
cat("最优短周期：", best_n_short, "\n最优长周期：", best_n_long, "\n")

方法2：惩罚函数法（灵活但需调试） #

如果不想改变量定义，可以在目标函数里加入惩罚项：当约束不满足时，给目标函数一个极端值，让DEOptim自动避开这类解。

比如我们还是直接优化n_short和n_long，当n_short >= n_long时，返回一个非常小的收益（如果是最大化收益的话，就返回负的极大值；如果是最小化风险，就返回正的极大值）。代码示例：

library(DEoptim)
library(TTR)

ma_strategy_profit_with_penalty <- function(x) {
  n_short <- x[1]
  n_long <- x[2]
  
  # 约束检查：如果短周期 >= 长周期，返回极端惩罚值
  if(n_short >= n_long) {
    return(-1e9) # 因为DEOptim默认最小化，我们要最大化收益，所以返回负的极大值
  }
  
  # 正常的策略收益计算
  set.seed(123)
  price <- cumsum(rnorm(1000)) + 100
  ma_short <- SMA(price, n_short)
  ma_long <- SMA(price, n_long)
  signal <- ifelse(ma_short > ma_long, 1, -1)
  returns <- diff(price)/price[-length(price)]
  strategy_returns <- signal[-length(signal)] * returns
  total_profit <- sum(strategy_returns)
  
  return(-total_profit)
}

# 设置参数范围（这里n_short和n_long可以有重叠，但惩罚会过滤掉不符合的）
lower <- c(5, 5)
upper <- c(60, 60)

result <- DEoptim(ma_strategy_profit_with_penalty, lower = lower, upper = upper)

best_n_short <- result$optim$bestmem[1]
best_n_long <- result$optim$bestmem[2]
cat("最优短周期：", best_n_short, "\n最优长周期：", best_n_long, "\n")

两种方法的对比 #

• 变量替换法：完全避免违反约束的情况，优化效率更高，推荐优先使用，尤其是这种固定顺序的约束。
• 惩罚函数法：不需要修改变量结构，适合复杂约束，但需要调整惩罚值——惩罚太小可能会出现违反约束的解，惩罚太大可能让优化陷入局部最优。

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