将 R 中的参数传递给多个实数变量的函数

我是 R 的新手，需要解决多目标优化问题 (MOOP)。我已经导入了 mco 包，定义了我的函数并检查了 nsga2 函数。问题是，当前者与数字变量匹配时，我还没有找到绑定函数定义中的参数（形式参数）和调用中的参数（实际参数）的正确方法。

我有以下代码：

funct_set <- function (x1,x2,x3) {
  f <- numeric(2)
  f[1] <- min(-5*x1 - 2*x2 - 8*x3)
  f[2] <- min(1000*x1 + 8000*x2 + 12000*x3)
  return (f);
}

restrictions <- function (x1,x2,x3) {
  restrictions <- numeric(3)
  restrictions[1] <- (x1 + x2 + x3 <= 30)
  restrictions[2] <- (x1 + x2 + x3 > 0)
  restrictions[3] <- (2*x1 + 3*x2 + 1.5*x3 <= 45)
  return (restrictions);
}

optimization <- nsga2(funct_set('x1', 'x2', 'x3'),
                      constraints = restrictions('x1', 'x2', 'x3'),
                      2, 2,
                      NULL,
                      generations=150,
                      popsize=100,
                      cprob=0.7,
                      cdist=20,
                      mprob=0.2,
                      mdist=20,
                      lower.bounds=rep(-5, 2),
                      upper.bounds=rep(10, 2)
                      );

然而，这导致 R 认为 'x1'、'x2' 和 'x3' 不是数字：Error in x1 + x2 : non-numeric argument to binary operator

传递这些参数的正确方法是什么？

您的代码有几个问题：

• 要最小化的函数和约束函数必须以向量作为参数，并且您只需将它们的名称传递给nsga2

• 你必须设置idim3、参数个数

• lower.bounds and upper.bounds必须有长度idim

• 你必须设置cdim3、约束数量

• 我不知道你为什么设置一个NULL争论

下面是更正后的代码，它可以工作。

library(mco)

funct_set <- function (x) {
  x1 <- x[1]; x2 <- x[2]; x3 <- x[3]
  f <- numeric(2)
  f[1] <- min(-5*x1 - 2*x2 - 8*x3)
  f[2] <- min(1000*x1 + 8000*x2 + 12000*x3)
  return (f);
}

restrictions <- function (x) {
  x1 <- x[1]; x2 <- x[2]; x3 <- x[3]
  restrictions <- logical(3)
  restrictions[1] <- (x1 + x2 + x3 <= 30)
  restrictions[2] <- (x1 + x2 + x3 > 0)
  restrictions[3] <- (2*x1 + 3*x2 + 1.5*x3 <= 45)
  return (restrictions);
}

optimization <- nsga2(funct_set, idim = 3, odim = 2,
                      constraints = restrictions, cdim = 3,
                      generations=150,
                      popsize=100,
                      cprob=0.7,
                      cdist=20,
                      mprob=0.2,
                      mdist=20,
                      lower.bounds=rep(-5, 3),
                      upper.bounds=rep(10, 3)
)