目标和约束中的变量数量错误答案

【问题标题】：Error with number of variables in objective and constraints目标和约束中的变量数量错误
【发布时间】：2022-08-02 18:03:12
【问题描述】：

我正在尝试使用 R 中的 ROI 包设置线性优化，遵循此链接中的说明：https://roi.r-forge.r-project.org/use_case_portfolio_optimization.html#introduction。但是，我在尝试实现“组约束”（https://roi.r-forge.r-project.org/use_case_portfolio_optimization.html#group_constraints）时遇到错误。这是我的示例代码

df <- data.frame(Group=rep(c(\'A\', \'B\', \'C\', \'D\'), each=4),
                 SubGroup=c(\'A.1\', \'A.2\', \'A.3\', \'A.1\', \'B.1\', \'B.1\', \'B.2\', \'B.2\', \'C.1\', \'C.2\', \'C.2\', \'C.2\', \'D.1\', \'D.2\', \'D.3\', \'D.4\'),
                 score=round(runif(16, 0, 1),2),
                 wgt=rep(1/16,16),
                 id=1:16)

data <- matrix(round(runif(256, -5, 5),3), ncol=16, byrow=TRUE)
Cov1 <- as.matrix(cov(data))

摘自链接文章：

group_constraint <- function(r_mat, index, coef.index = 1, dir = \"==\", rhs) {
  ## index = (i, j)
  ## coef.index = c(a,b)
  ## rhs = c
  #x.names <- colnames(r_mat)
  N <- NCOL(r_mat)
  L <- rep(0, N)
  L[index] <- coef.index
  L_constraint(L = L, dir = dir, rhs = rhs)
}

group_1 <- group_constraint(df$score, index = c(3, 12, 13), dir = \"<=\", rhs = 0.5)

我的优化问题

full_invest <- L_constraint(rep(1, 16), \"==\", 1)

LP <- OP(objective = df$score,
          group_1,
          bounds = V_bound(ui = seq_len(16), ub = rep(0.40, 16)),
          max = TRUE)
sol1 <- ROI_solve(LP, \"glpk\")
sol1
x <- solution(sol1)
x

当我运行它时，我收到以下错误：\“.check_constraints.L_constraint(constr, x) 中的错误：尺寸不匹配！ OP 有 16 个变量，约束有 13\"。如果我将 group_1 更改为 group_1 <- group_constraint(df$score, index = c(3, 12, 16), dir = \"<=\", rhs = 0.6) 这现在可以工作，因为 ncol(group_1) 是 16。

基于链接中的示例 1 (https://roi.r-forge.r-project.org/use_case_portfolio_optimization.html#example_1:_maximize_expected_return_subject_to_budget_normalization_and_group_constraints)，我看不出我的示例哪里出错了。

任何帮助，将不胜感激。

标签： r optimization constraints roi

【解决方案1】：

ROI 试图告诉您的是，您的目标具有与约束矩阵不同的形状，因为您的目标具有长度 16 并且您的约束矩阵只有 13 列。

发生这种情况是因为group_constraint 函数需要一个矩阵，并且在传递一个向量时认为传递的矩阵只有 1 列。

您可以通过将对 group_sparsity 约束的调用与 group_1 <- group_constraint(matrix(df$score, nrow=1), index = c(3, 12, 13), dir = "<=", rhs = 0.5) 交换来简单地解决此问题

Sys.setenv(ROI_LOAD_PLUGINS = FALSE)
library("ROI.plugin.glpk")
library("ROI")
#> ROI: R Optimization Infrastructure
#> Registered solver plugins: nlminb, glpk.
#> Default solver: auto.
df <- data.frame(Group=rep(c('A', 'B', 'C', 'D'), each=4),
                 SubGroup=c('A.1', 'A.2', 'A.3', 'A.1', 'B.1', 'B.1', 'B.2', 'B.2', 'C.1', 'C.2', 'C.2', 'C.2', 'D.1', 'D.2', 'D.3', 'D.4'),
                 score=round(runif(16, 0, 1),2),
                 wgt=rep(1/16,16),
                 id=1:16)

data <- matrix(round(runif(256, -5, 5),3), ncol=16, byrow=TRUE)
Cov1 <- as.matrix(cov(data))

group_constraint <- function(r_mat, index, coef.index = 1, dir = "==", rhs) {
  ## index = (i, j)
  ## coef.index = c(a,b)
  ## rhs = c
  #x.names <- colnames(r_mat)
  N <- NCOL(r_mat)
  L <- rep(0, N)
  L[index] <- coef.index
  L_constraint(L = L, dir = dir, rhs = rhs)
}

group_1 <- group_constraint(matrix(df$score, nrow=1), index = c(3, 12, 13), dir = "<=", rhs = 0.5)

full_invest <- L_constraint(rep(1, 16), "==", 1)

LP <- OP(objective = df$score,
          group_1,
          bounds = V_bound(ui = seq_len(16), ub = rep(0.40, 16)),
          max = TRUE)
sol1 <- ROI_solve(LP, "glpk")
sol1
#> Optimal solution found.
#> The objective value is: 2.600000e+00
x <- solution(sol1)
x
#>  [1] 0.4 0.4 0.0 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.1 0.4 0.4 0.4 0.4

【讨论】：