雖然之前也算是用了很多回了，但都是揉在别的算法裡頭，還是單獨再開一篇

R軟件中，看起來最接近Excel裡的規劃求解功能的那就是optim函數，整個使用方式大概是這樣：

1） 設一個長度固定的初始變量par

2） 變量par作為x輸入特定的function（fn）運行，通過不斷調整得到最大或最小輸出結果

3） gr是遞歸過程中的梯度，理解起來比較困難的話可以直接用默認值

4） lower和upper是par向量變化的上下限，但是這個設置僅對特定method有用

5） 默認方向是計算function輸出的最小值，如果需要改成最大值的話，要在control參數裡加上control = list(fnscale = 負數)

還是用昨天的例子，咱試圖用現有的原材料庫存數量和物料的組成清單，反過來推測能成套生産的最大成品數量，按昨天已經整出來的邏輯，成品數應為BOM的廣義逆向量乘以原材料消耗數量，今兒改了改計算方式再試一下

先導步驟： #導入物料清單和庫存數據 BOMbycol <- read.csv("BOM0.csv") library("reshape2") BOMtable <- acast(BOMbycol, Component~Article, sum) BOM <- BOMtable[,1:10] Stock <- as.vector(read.table("Stock.txt")) Stockqty <- Stock[,1]

設計需要疊代的function，這裡假設咱計算的輸入值是884種原材料每樣最終會消耗掉多少個，那麼，變量就是個長度為884，取值範圍在0到現有庫存數量Stockqty之間的值，其初始值我設成了Stockqty

而function的輸出值應能反映出成品的台數，目标是計算最大值，這裡先示範個簡單但有錯誤的做法：

function的計算方向是成品台數的總量sum，看起來貌似很美好，但是還是會有個蛋疼的問題——不能避免負值，跟這個大問題一比，結果裡頭帶個小數點都不算個事兒了

但如果在function中加個if。。。else。。。函數，強行把有負數的情況排除呢？就本人嘗試的結果而言，這也是行不通滴，因為輸出結果不連續的情況下，咱嬌滴滴的optim小娘子會直接一哭二鬧三上吊的

難道這個問題真的就沒啥解決辦法了嘛？？我在捶了一陣腦殼之後，總算磨出來個勉強能看的法子，先放個完整點的步驟：

#function設計 library("MASS") Consume <- function(x) { Prod <- ginv(BOM) %*% x; Result <- sum((Prod[which(Prod < 0)])^3) sum(Prod); return(Result) } #計算最合适的原材料消耗量 Clist <- optim(StockQty, Consume, lower = rep(0,nrow(BOM)), upper = Stockqty, control = list(fnscale = -1)) #計算成品數量 ProduceQty <- ginv(BOM) %*% Clist$par

算出來的情況如下，雖然沒有百分百的避免負數，但已經算是比較接近理想了

而其中起作用的，是function裡的目标定義：

Result <- sum((Prod[which(Prod < 0)])^3) sum(Prod)

把所有小于0的結果通過3次方放大（此過程不會更改數值符号），再加到總數量上，這樣的話，就會把整個optim優化的結果往正數的方向上推動

雖然說這總算是湊出來了一個能看的結果，但是卻并不是個好做法，為啥咧？因為咱把ginv廣義逆計算這麼個吃内存大戶放進了疊代步驟裡，導緻明明隻抽取了10列成品做個試算，optim卻還要原地轉圈圈的等上幾分鐘，要是數據集再大點或電腦配置再古早點的話，估計是要hold不住的

路漫漫其修遠兮~~~~

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!