如何将参数传递给作为另一个函数的参数的函数

Question

我有一个目标函数 f(x, d)，其中 x 是两个变量 (x1, x2) 的向量，d 是给定的 Nx2 点矩阵。 f(x) 是一个距离函数，计算从 x 到 d 中所有点的某个复合距离。

我正在尝试创建一个梯度下降函数来计算函数的最小值。首先，我创建了一个梯度函数，它依赖于给定的外部参数 d（见下文）。

# Customers location from an external file (100 customers)
locations = read.csv(file = 'locations.csv')

# Gradient of my objective function is:
obj_fun.grad <- function(x,d) {
  dx <- 2*(x[1] - d$x)/((x[1] - d$x)^2 + 1) 
  dy <- 2*(x[2] - d$y)/((x[2] - d$y)^2 + 1)
  s <- c(sum(dx),sum(dy))

  return (s)
}

然后我创建了如下的梯度下降函数。我想让这个函数尽可能通用，以便可重复用于其他目标函数。

grad.descent = function(grad.function, x0, max.iter=200, step.size=0.05, stopping.deriv=0.01,...) 
{
  # Calculating the length of the initial vector 
  n = length(x0) 

  # Create a matrix where the coordinates of different steps will be stored 
  xmat = matrix(0, nrow=n, ncol=max.iter)
  # Initial guess is the starting point
  xmat[,1] = x0

  for (k in 2:max.iter) {

    # Calculate the gradient, that depends on locations of customers
    grad.cur = grad.function(xmat[,k-1], d=d)

    # Check whether gradient is below the given threshold
    if (sqrt(t(grad.cur)%*%grad.cur) < stopping.deriv) {
      k = k-1; 
      break
      }

    # Move in the opposite direction of the grad
    xmat[,k] = xmat[,k-1] - step.size*grad.cur
    }

  # Remove unused positions
  xmat = xmat[,1:k] 

  # Return: 1) optimum position, 2) list of all positions, 3) number of iterations
  return(list(x=xmat[,k], xmat=xmat[,1:k], k=k))
}

现在我想调用 grad.descent 函数，如果将位置文件作为附加参数传递给梯度函数：

gd1 <- grad.descent(obj_fun, x0 = c(200,200), max.iter = 200, step.size=0.5, locations)

但是，我收到以下错误：

fgrad(xmat[, k - 1], d = d) 中的错误：找不到对象“d”

Answer 1

R 告诉您找不到对象 d，因为您从未告诉它 d 是什么。

修复它的最简单方法是将grad.descent函数中for循环内的第一行替换为以下行：

grad.cur = grad.function(xmat[,k-1], d = locations)

这样，函数grad.function 知道它应该将数据帧locations 作为其第二个输入d。

请注意，这是因为 R 使用了词法作用域。您可以找到更多信息here。