Question

我是R的新手，需要一些简单优化的帮助。

我希望随时间将变量（sales_revenue）应用于函数变换（24个月预测值1到24）。基本上我想将产品的销售收入从后几个月推到月初。

t时间的功能转换是：

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

然后我想解决：

1）sales_revenue = sales_revenue * trans

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

total_sales_revenue是预测24个月内所有sales_revenue的总和。

如果trans有太多参数，我可以根据需要修复大部分参数，并让B自由估计。

我认为该方法应该修复除B之外的所有参数，区分函数（1）（不确定ti diff by）并求解非零最小值（使用约束来确保其正确的最小值和no-zero，对该函数运行优化，约束为sales_revenue*trans的总和将等于（或接近）1,000,000。

Answer 1

@ user2138362，您的意思是“1）sales_revenue = total_sales_revenue * trans”？

我假设您的参数A，C和D已修复，并且您希望找到B，以便观察到的值与预测值之间的距离价值最小化。

假设你的时间是几个月。所以我们可以编写一个函数给你平方距离：

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)
}

我也使用平方欧氏距离作为距离的度量。如果不是这样，请进行适当的更改。

现在，dist是您必须最小化的功能。您可以使用optim，正如@iTech所指出的那样。但即使在dist的最小值，它也可能不会为零，因为你有很多（24）个观测值。但是你可以得到最合适的，绘制它，看看它是否很好。

R优化线性函数

1 个答案: