Оптимизация распределения бюджета в R (ранее Excel Solver) - PullRequest
Новая
       25

Оптимизация распределения бюджета в R (ранее Excel Solver)

0 голосов
/ 07 мая 2018

я перевел проблему, с которой я столкнулся в Excel, на R. Я хочу выделить фиксированный бюджет в форме, в которой «Gesamt» (который возвращается функцией) максимизируется. 

NrwGes <- function(Budget, Speed, maxnrw, cpcrp) {
    BudgetA <- Budget[1]
    BudgetB <- Budget[2]
    BudgetC <- Budget[3]
    BudgetD <- Budget[4]
    BudgetE <- Budget[5]

    MaxNRW <- c(90, 40, 40, 25, 15)
    Speed <- c(0.9, 0.9, 0.9, 0.9, 0.9)
    cpcrp <- c(6564, 4494, 3962, 4525, 4900)

    TV <- BudgetA*1000/cpcrp[1]
    Catchup <- BudgetB*1000/cpcrp[2]
    YT <- BudgetC*1000/cpcrp[3]
    FB <- BudgetD*1000/cpcrp[4]
    Display <- BudgetE*1000/cpcrp[5] 

    a <- TV^Speed[1]/(1+abs((TV)^Speed[1]-1)/(MaxNRW[1]*0.98))
    b <- Catchup^Speed[2]/(1+abs((Catchup)^Speed[2]-1)/(MaxNRW[2]*0.98))
    c <- YT^Speed[3]/(1+abs((YT)^Speed[3] -1)/(MaxNRW[3]*0.98))
    d <- FB^Speed[4]/(1+abs((FB)^Speed[4]-1)/(MaxNRW[4]*0.98))
    e <- Display^Speed[5]/(1+abs((Display)^Speed[5]-1)/(MaxNRW[5]*0.93))

    Gesamt <- 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(Gesamt)
}

У меня есть общий бюджет (т. Е. 5000), который можно распределить по-разному, чтобы максимизировать «Gesamt». Примеры: 

NrwGes(c(5000, 0, 0, 0, 0)) # 72.16038
NrwGes(c(2000, 1500, 1000, 500, 0)) # 84.23121

Брут-форсинг или поиск по сетке невозможен, поскольку это будет выполнено 15-20 раз, и алгоритм будет применен к приложению R-Shiny.

Ответы [ 2 ]

0 голосов
/ 07 мая 2018

Опция nloptr пакет: 

library(nloptr)

# we use NLOPT_LN_COBYLA algorithm because it doesn't need gradient functions
opts <- list(algorithm="NLOPT_LN_COBYLA",
             xtol_rel=1.0e-8,
             maxeval=10000)
# objective function (negative because nloptr always minimize)
objFun <- function(x){ -NrwGes(x) }

# sum of budget <= 5000 (in the form g(x) <= 0)
g <- function(x){ sum(x) - 5000 }


res <- nloptr(x0=rep.int(0,5), # initial solution (all zeros)
              eval_f=objFun, 
              lb=rep.int(0,5), # lowerbounds = 0
              ub=rep.int(5000,5), # upperbounds = 5000
              eval_g_ineq=g,
              opts=opts)

Результат: 

> res
Call:
nloptr(x0 = rep.int(0, 5), eval_f = objFun, lb = rep.int(0, 5), 
    ub = rep.int(5000, 5), eval_g_ineq = g, opts = opts)


Minimization using NLopt version 2.4.2 

NLopt solver status: 4 ( NLOPT_XTOL_REACHED: Optimization stopped because xtol_rel 
or xtol_abs (above) was reached. )

Number of Iterations....: 261 
Termination conditions:  xtol_rel: 1e-08    maxeval: 10000 
Number of inequality constraints:  1 
Number of equality constraints:    0 
Optimal value of objective function:  -86.6428477187536 
Optimal value of controls: 3037.382 695.3725 675.7232 386.2929 205.2291

N.B. Вы можете получить доступ к решению, цели res используя res$solution, res$objective и т. д.

0 голосов
/ 07 мая 2018

Попробуйте optim с помощью метода L-BFGS-U (который допускает границы) и нижней границы 0. Затем спроецируйте входные компоненты на вектор, который суммирует до 5000, передавая это значение NrwGes. fscale = -1 говорит, чтобы максимизировать, а не минимизировать. Окончательное распределение будет proj(res$par), как показано внизу. Пакеты не используются. 

proj <- function(x) 5000 * x / sum(x)
st <- proj(rep(1, 5))
f <- function(x) NrwGes(proj(x))
res <- optim(st, f, lower = 0 * st, method = "L-BFGS-B", control = list(fnscale = -1))

дает: 

> res
$`par`
[1] 2107.8438  482.5702  468.9409  268.0808  142.4305

$value
[1] 86.64285

$counts
function gradient 
      14       14 

$convergence
[1] 0

$message
[1] "CONVERGENCE: REL_REDUCTION_OF_F <= FACTR*EPSMCH"

> proj(res$par)  # final allocation
[1] 3037.3561  695.3729  675.7334  386.2984  205.2391
...