我正在尝试在R中设置全局约束优化。
实验数据可能看起来像
set.seed(123)
data.frame(main.goal = abs(rnorm(100)),
minor.goal.1 = abs(rnorm(100)),
minor.goal.2 = abs(rnorm(100))) -> d2optim
mean(sort(d2optim$minor.goal.1,
decreasing = TRUE)[1:20]) -> minor.goal.1.treshhold
mean(sort(d2optim$minor.goal.2,
decreasing = TRUE)[1:20]) -> minor.goal.2.treshhold
我想在哪里找到20行的索引(
ind
)编辑
mean(d2optim$main.goal[ind])
mean(d2optim$minor.goal.1[ind]) >= 0.3 minor.goal.1.treshhold
mean(d2optim$minor.goal.2[ind]) >= 0.5 minor.goal.2.treshhold
END EDIT
有没有一种方法可以使用诸如lpSolve之类的任何线性编程软件包,而不是使用网格检查每个$ \ choose {100,20} $配置,然后对其进行排序?喜欢
all_configuration_of_indexes <- combn(100, 20) # doesn't fit in RAM
for( i in 1:length(all_configuration_of_indexes) ) {
i <- all_configuration_of_indexes[[i]]
if ( mean(d2optim$minor.goal.1[i]) >= 0.3 minor.goal.1.treshhold &
mean(d2optim$minor.goal.2[i]) >= 0.5 minor.goal.2.treshhold) {
res[[i]] <- mean(d2optim$major.goal[i])
} else {
res[[i]] <- 0
}
}
res[[which(max(unlist(res) = unlist(res))]]
我正在寻找100个行的最佳子集,该子集给出1个变量的最大平均值,但其其余2个变量的平均值不小于
0.3 * minor.goal.1.treshhold nor 0.5 * minor.goal.2.treshhold
最佳答案
我不是线性编程专家,也不知道如何在R中实现它,但这就是我的想法。我将其视为整数线性规划问题,其建模如下:
x1,...,x100-逻辑(即0到1之间的整数)变量,其中xi表示是否采用第i行数据。
目标函数:
x1 * d2optim $ main.goal [1] + ... + x100 * d2optim $ main.goal [100]-> max
约束:
0
x1 + ... + x100 = 20
x1 * d2optim $ minor.goal.1 [1] + ... + x100 * d2optim $ minor.goal.1 [100]> = c1
x1 * d2optim $ minor.goal.2 [1] + ... + x100 * d2optim $ minor.goal.2 [100]> = c2
而不是意味着我们可以在任何地方求和,并且c1,c2是足以满足您的问题说明的条件。
关于r - R中的全局约束优化规范,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/35481912/