R 中的 MILP 优化器
MILP optimizer in R
我正在尝试将权重重新训练为 1 进行最小方差优化。我尝试了多个求解器，但它们要么计算时间太长，要么不够精确，因此我想尝试使用 MILP 求解器。
这是我的 Objectif 函数：
library(Rglpk)
funct1 <- function(weight) {
t(weight) %*% covariance_matrix %*% weight
}
限制条件：
equality <- function(weight) {
a1 <- sum(weight)
return(a1)
}
Rglpk_solve_LP(funct1,equality,c("=="),c(1))
我一直收到错误消息：
Error in as.numeric(funct1) :
cannot coerce type 'closure' to vector of type 'double'
我认为错误是由于函数引起的，但是如何在没有函数的情况下制定优化的 objective？
这是一个二次模型：objective 是 x'Qx。这意味着您不能使用 Rglpk，因为它仅适用于 LP 和 MIP 模型（即线性模型）。
你可以看看支持QP和MIQP模型的CVXR。请注意，最好（最快、最可靠）的 MIQP 求解器不是开源求解器，而是像 Cplex 和 Gurobi 这样的求解器（对于学术用户来说，它们可能是免费的）。
我正在尝试将权重重新训练为 1 进行最小方差优化。我尝试了多个求解器，但它们要么计算时间太长，要么不够精确，因此我想尝试使用 MILP 求解器。 这是我的 Objectif 函数：
library(Rglpk)
funct1 <- function(weight) {
t(weight) %*% covariance_matrix %*% weight
}
限制条件：
equality <- function(weight) {
a1 <- sum(weight)
return(a1)
}
Rglpk_solve_LP(funct1,equality,c("=="),c(1))
我一直收到错误消息：
Error in as.numeric(funct1) :
cannot coerce type 'closure' to vector of type 'double'
我认为错误是由于函数引起的，但是如何在没有函数的情况下制定优化的 objective？
这是一个二次模型：objective 是 x'Qx。这意味着您不能使用 Rglpk，因为它仅适用于 LP 和 MIP 模型（即线性模型）。
你可以看看支持QP和MIQP模型的CVXR。请注意，最好（最快、最可靠）的 MIQP 求解器不是开源求解器，而是像 Cplex 和 Gurobi 这样的求解器（对于学术用户来说，它们可能是免费的）。