Optimización de funciones objetivo multivariables similar a optimx en R

Question

Tengo un modelo de optimización en R que utiliza una sola variable en mi función objetivo. Véase a continuación:

    library(optimx)
    startx <- 1.25

    anstestoptimx<-optimx(startx,fn=testfunc,gr=NULL, hess=NULL, lower=1, upper=1.5, method="L-BFGS-B", itnmax = 50, hessian=FALSE,
         control=list(save.failures=TRUE, maximize=TRUE, ndeps= 0.1, factr=0.01, kkt=FALSE, trace=1))

No voy a incluir el código de la función objetivo 'testfunc' porque es bastante largo. Pero utiliza una variable de entrada, contiene varias rutinas de filtrado, calcula los rendimientos del periodo y devuelve una única salida (un ratio de Sharpe para una cartera). Como puede ver, utiliza el paquete optimx y el método "L-BFGS-B". Este código funciona y optimiza hasta llegar a una solución razonable.

Me gustaría ampliar esta función objetivo para incluir más de una variable, pero no sé qué paquetes existen para funciones objetivo multivariables que sean similares a optimx.

¿Alguien puede recomendar un paquete para esta necesidad? Creo que "MCO" puede ser una opción factible, pero la documentación de MCO no es tan completa como la de optimx, así que no estoy seguro de que funcione de manera similar.

Answer 1

Sólo porque otros pueden experimentar el mismo problema, aquí hay una respuesta breve a este problema: Para optimizar un problema multivariado con optimx (es decir, se optimiza más de un parámetro) se puede crear un vector que se pasa a la función. Así que en su caso, sería algo así como

startVals <- c(1.25, 1.0, ...)

anstestoptimx<-optimx(startVals ,fn=testfunc,gr=NULL, hess=NULL, 
                      lower=c(1,1,...), upper=c(1.5,1.5,...), 
                      method="L-BFGS-B", itnmax = 50, hessian=FALSE,
                      control=list(save.failures=TRUE, maximize=TRUE, 
                                   ndeps= 0.1, factr=0.01, kkt=FALSE, trace=1))

donde el testfunc es una función que utiliza un vector en lugar de variables únicas, por lo que, por ejemplo, en la función x e y deberían referirse así: X[1] (= "x") X[2] (= "y").

Tiene que especificar lower y upper de la misma manera que el vector, por ejemplo lower=c(0,0,0,...) y upper = c(2,2,2,...) esto le permite también definir los límites específicos de los parámetros.