基于R（solver）的预算优化：固定Ges值下实现预算最小化

要实现「固定Ges值（比如70）同时最小化总预算」的需求，本质是带非线性等式约束的优化问题——我们的目标从「最大化Ges」转为「最小化总预算」，同时新增约束条件「NrwGes(Budget) = 目标值」，还要保证每个渠道的预算非负。

下面是具体的实现步骤和代码：

1. 优化原NrwGes函数（增强灵活性） #

我把原函数里硬编码的参数（Speed、maxnrw、cpcrp）改成可传入的参数，避免函数内部的固定值，方便后续调整：

NrwGes <- function(Budget, Speed, maxnrw, cpcrp) {
  # 计算各渠道的曝光量（Budget单位转千后除以cpcrp）
  exposures <- Budget * 1000 / cpcrp
  
  # 封装单个渠道的贡献计算逻辑，减少重复代码
  calc_contribution <- function(exp, speed, max_nrw, scale) {
    exp^speed / (1 + abs(exp^speed - 1)/(max_nrw * scale))
  }
  
  # 计算每个渠道的转化贡献
  a <- calc_contribution(exposures[1], Speed[1], maxnrw[1], 0.98)
  b <- calc_contribution(exposures[2], Speed[2], maxnrw[2], 0.98)
  c <- calc_contribution(exposures[3], Speed[3], maxnrw[3], 0.98)
  d <- calc_contribution(exposures[4], Speed[4], maxnrw[4], 0.98)
  e <- calc_contribution(exposures[5], Speed[5], maxnrw[5], 0.93)
  
  # 按漏斗逻辑计算总Ges值
  Ges <- a + 
         (100 - a)/100 * b + 
         (100 - a)/100 * (100 - b)/100 * c + 
         (100 - a)/100 * (100 - b)/100 * (100 - c)/100 * d + 
         (100 - a)/100 * (100 - b)/100 * (100 - c)/100 * (100 - d)/100 * e
  return(Ges)
}

2. 定义优化目标与约束 #

• 目标函数：我们要最小化总预算，所以直接返回预算向量的总和
• 等式约束：要求NrwGes的计算结果等于目标值（这里设为70）
• 边界约束：每个渠道的预算不能为负数

# 目标函数：最小化总预算
obj_fun <- function(Budget) {
  sum(Budget)
}

# 等式约束函数：返回Ges值与目标值的差值（要求差值为0）
eq_constraint <- function(Budget) {
  NrwGes(Budget, 
         Speed = c(0.9, 0.9, 0.9, 0.9, 0.9), 
         maxnrw = c(90, 40, 40, 25, 15), 
         cpcrp = c(6564, 4494, 3962, 4525, 4900)) - 70  # 此处修改目标Ges值
}

3. 使用nloptr执行优化 #

R自带的optim对非线性约束支持有限，我们用nloptr包（专门处理非线性优化问题的工具），它能直接处理等式约束和边界约束。

# 安装并加载nloptr包（未安装则执行安装）
if (!require(nloptr)) install.packages("nloptr")
library(nloptr)

# 设置初始预算（沿用原问题的总预算5000分配逻辑）
initial_budget <- 5000 * rep(1, 5) / sum(rep(1, 5))

# 优化配置：选择适合非线性约束的COBYLA算法，设置精度和迭代次数
opts <- list(
  "algorithm" = "NLOPT_LN_COBYLA",
  "xtol_rel" = 1e-6,  # 精度阈值
  "maxeval" = 10000,  # 最大迭代次数
  "print_level" = 3   # 打印优化过程，设为0可关闭
)

# 运行优化
result <- nloptr(
  x0 = initial_budget,       # 初始值
  eval_f = obj_fun,          # 目标函数
  eval_g_eq = eq_constraint, # 等式约束
  lb = rep(0, 5),            # 预算下限（每个渠道≥0）
  opts = opts
)

4. 查看优化结果 #

运行完后可以提取最优解并验证：

# 打印完整优化结果
print(result)

# 提取最优预算分配
optimal_budget <- result$solution
cat("最优渠道预算分配：", round(optimal_budget, 2), "\n")
cat("最小总预算：", round(sum(optimal_budget), 2), "\n")
cat("验证Ges值：", round(NrwGes(optimal_budget, 
                               Speed = c(0.9, 0.9, 0.9, 0.9, 0.9), 
                               maxnrw = c(90, 40, 40, 25, 15), 
                               cpcrp = c(6564, 4494, 3962, 4525, 4900)), 2), "\n")

关键说明 #

• 若需调整目标Ges值，直接修改eq_constraint函数里的70即可
• COBYLA是无导数优化算法，适合这类目标/约束函数不可导的场景
• 初始预算的选择会影响优化效率，如果初始值离最优解太远，可适当增加迭代次数

内容的提问来源于stack exchange，提问作者user7353167