使用nls2包优化含嵌套函数的复杂公式参数问题求助

看起来你在尝试用nls2的暴力搜索算法拟合带有嵌套逻辑的模型，但代码里有几个关键问题导致无法正常运行，我来帮你修正并解释：

问题分析 #

1. 模型定义错误：nls2需要的是模型公式（格式为y ~ 包含参数的表达式），但你定义的f1是一个无参函数，内部直接赋值y，这完全不符合nls2的输入要求。
2. 嵌套函数未关联参数：你的a()函数没有接收参数d，导致nls2无法识别d是需要优化的参数，运行时会报错找不到d这个变量。
3. 起始参数范围不合理：你设置的d和b范围从-100到100，不仅包含负数（会导致分母b+x可能为0或负数，不符合米氏模型的实际意义），而且范围太宽会大幅降低暴力搜索的效率。

修正方案 #

我提供两种方案，第一种是最简单的直接整合逻辑，第二种是保留自定义嵌套函数的写法：

方案一：直接将嵌套逻辑写入模型公式（推荐）

不需要额外定义函数，直接把d+1的逻辑写进模型表达式里，这样nls2能清晰识别待优化参数：

library(nls2)
set.seed(20160227)
x <- seq(0,50,1)
# 生成数据时先固定真实参数，方便后续验证拟合效果
true_d <- runif(1,10,20) - 1  # 因为a()=d+1，所以真实d的范围是9-19
true_b <- runif(1,0,10)
y <- ((true_d + 1)*x)/(true_b + x) + rnorm(51,0,1)

# 设置合理的起始参数范围（匹配真实参数的大致区间）
st <- data.frame(d = c(9, 19), b = c(0, 10))
# 直接使用模型公式调用nls2
fit <- nls2(y ~ (d+1)*x/(b + x), start = st, algorithm = "brute-force")

# 查看拟合结果
summary(fit)

方案二：保留自定义嵌套函数

如果你一定要用嵌套函数，需要让函数明确接收待优化的参数，这样nls2才能识别并传递参数进行优化：

library(nls2)
set.seed(20160227)
x <- seq(0,50,1)
true_d <- runif(1,10,20) - 1
true_b <- runif(1,0,10)
y <- ((true_d + 1)*x)/(true_b + x) + rnorm(51,0,1)

# 定义带参数的嵌套函数，接收d作为输入
a <- function(d) { d + 1 }
# 模型公式中调用a(d)，明确关联参数d
model_formula <- y ~ a(d)*x/(b + x)

st <- data.frame(d = c(9, 19), b = c(0, 10))
fit <- nls2(model_formula, start = st, algorithm = "brute-force")

summary(fit)

运行效果 #

两种方案运行后，你会看到拟合的d和b值非常接近我们预先设置的真实参数，说明模型拟合成功。缩小参数范围后，暴力搜索的速度也会快很多。

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