R中的MILP優化器

Question

我正在嘗試使用重新訓練為 1 的權重進行最小方差優化。我嘗試了多個求解器，但它們要么計算時間太長，要么計算不精確，所以我想嘗試使用 MILP 求解器。 這是我的 Objectif 函數：

library(Rglpk)

funct1 <- function(weight)  {
  t(weight) %*% covariance_matrix %*% weight
}

約束：

equality <- function(weight) { 
  a1 <- sum(weight)
  return(a1)
}

Rglpk_solve_LP(funct1,equality,c("=="),c(1))

我不斷收到錯誤：

as.numeric(funct1) 中的錯誤：
不能將“閉包”類型強制轉換為“雙精度”類型的向量

我假設錯誤是由於函數而存在，但是如何在沒有函數的情況下制定優化目標？

Answer 1

這是一個二次模型：目標是x'Qx 。 這意味着您不能使用 Rglpk，因為它僅適用於 LP 和 MIP 模型（即線性模型）。

您可以查看支持 QP 和 MIQP 模型的 CVXR。 請注意，最好（最快、最可靠）的 MIQP 求解器不是開源求解器，而是像 Cplex 和 Gurobi 這樣的求解器（對於學術用戶，它們可能是免費的）。