R優化線性函數

我是R新手，需要一些簡單優化的幫助。R優化線性函數

我想隨着時間的推移（24個月預測值1到24）對變量（sales_revenue）應用函數轉換。基本上我想把產品的銷售收入從後幾個月推到較早的月份。

上t時間的功能變換是：

trans=D+(t/(A+B*t+C*t^2))

我將然後要解決：

1）sales_revenue = sales_revenue *反式

其中total_sales_revenue=1,000,000（或內+/- 2.5 ％）

total_sales_revenue是24個月預測中所有sales_revenue的總和。

如果trans的參數太多，我可以根據需要修復其中的大部分參數，並讓B免費估算。

我認爲這種方法應該修復除B之外的所有參數，區分函數（1）（不知道什麼樣的差異）並求解非零最小值（使用約束來確保其右極小值和零值，在該功能上運行優化，約束條件是sales_revenue*trans的總和等於（或接近）1,000,000。

來源

2013-03-06 user2138362

你試過用'optim'嗎？ – iTech 2013-03-06 05:10:47

感謝您的回覆，我現在正在查看優化，只是通過語法工作。如果有人曾經做過類似的事情，那麼是在一段時間之後。 – user2138362 2013-03-06 05:26:35

我應該把它固定爲約.85作爲函數，沒有這個限制在0和1之間，我希望它能夠在時間序列中早期應用比例高於1的比例，然後低於1 。手動優化.85目前效果很好。對其餘的值有一個好的想法，並且只需要估計確定函數峯值高度的B. – user2138362 2013-03-06 05:39:43

@ user2138362，您的意思是「1）sales_revenue = total_sales_revenue * trans」？

我假設你的參數A，C和D是固定的，你想找到B這樣，你的觀測值和你的預測值之間的距離最小化。

假設你的時間是幾個月。所以我們可以寫一個函數來給你的距離的平方：

dist <- function(B) 
{ 
t <- 1:length(sales_revenue) 

total_sales_revenue <- sum(sales_revenue) 

predicted <- total_sales_revenue * (D+(t/(A+B*t+C*t^2))) 

sum((sales_revenue-predicted)^2) 
}

我也使用平方歐氏距離作爲距離的措施。如果情況並非如此，請進行適當的更改。

現在，dist是您必須最小化的功能。正如@iTech所指出的那樣，您可以使用optim。但即使在最低限度爲dist，它也可能不會爲零，因爲您有很多（24）個觀察值。但你可以找到最適合的方式，繪製它，看看它是否很好。

來源

2013-03-15 03:48:59

R優化線性函數

回答

相關問題