Optim() in R gibt mir verschiedene Werte mit Excel Solver Plug-in

Question

Ich arbeite an einem sehr einfachen Optimierungsproblem (linear), das ist extrem einfach auf Excel, gibt aber andere Werte, wenn ich es mit R's optim() versuchte oder optimieren(). Die Funktion besteht darin, einen Risikoaversionskoeffizienten zu erhalten. wc ist die Antwort der Befragten, obwohl ich selbst Wert gegeben habe.

p <- 0.3 
w1 <- 2.0 
w2 <- 0.0 
mean <- p*w1+(1-p)*w2 
variance <- p*w1^2+(1-p)*w2^2-mean^2 
wc <- 0.4 

f<- function(x){(abs(mean-wc+0.5*x*variance))} 
initial_x <- c(0.1) 
x_optimal <- optim(initial_x, f, method="CG") 
x_min <- x_optimal$par 
x_min 
[1] -0.4761905 

Die Zielfunktion ist nur lineare Gleichung mit einer Variablen und alle anderen Variablen sind abgerechnet. Wenn ich es mit Excel-Solver berechnet habe, ist der optimale Wert von x 0.4761905 (ja, genau die gleiche Zahl nur ohne das Minuszeichen).

Ich habe auch andere Methode wie "Brent", "SANN" versucht, aber sie gaben mir völlig andere Werte. Ich habe gehört, dass die optimize() -Funktion für lineare Optimierung ist, also habe ich es auch versucht, aber gab mir auch wieder einen falschen Wert. Kannst du mir den Grund nennen?

Vielen Dank!

Answer 1

Sie haben noch keine Details, wie Sie Ihre Berechnungen in Excel durchgeführt wurden gegeben, aber diese scheinen falsch zu sein, nicht R. Zur Veranschaulichung:

x <- (-1000:1000)/1000 
plot(x,f(x)) 

zeigt das Minimum der Nähe von -0,5. Sie können das Problem auch analytisch lösen, indem Sie die Ableitung von f (x)^2 gleich Null setzen, um eine Lösung von (wc-mean)/(0.5*variance) zu erhalten.

Beachten Sie, dass die Unterschiede zwischen den Optimierern minimal sind und durch Reduzierung der Toleranzen oder Erhöhung der Anzahl der Iterationen mit ziemlicher Sicherheit reduziert werden können.

optim(initial_x, f, method="CG")$par 
#[1] -0.4761905 
optim(initial_x, f, method="Brent",lower=-10, upper=10)$par 
#[1] -0.4761905 
optim(initial_x, f, method="SANN")$par 
#[1] -0.475279 
optimize(f,c(-10,10))$minimum 
#[1] -0.4761772