lpSolve - 将函数优化为特定值 + 向量的 10%

Question

假设我有一个向量。并且目标函数是一个特定的值，比如 10。

我的向量的值既不大于也不小于 10%

fn.obj <- c(3,4,5)

model <- make.lp(0,3)
lp.control(model, sense="max", verbose="full")
set.objfn(model, fn.obj)#-8333550.82)

  add.constraint(model, fn.obj*(1-0.10), ">=",0)
  add.constraint(model, fn.obj*(1+0.10), ">=",0)

  add.constraint(model, fn.obj, "=",  15)

res<-solve(model)

get.variables(model)
get.objective(model)

get.variables(模型) [1] 5 0 0 获取目标（模型） [1] 15

但我不想设置一个我期望的 5,0,0

3.3 + 4.4 + 5.5 ...类似的东西 = 15

Answer 1

我将您的问题理解为：如何以“最小”方式更改 x=c(3,4,5)，使其总和为 15？答案是：将x 乘以15/sum(x)。

理解您的问题的另一种方法是：y 与 x %*% y = 15 的“最统一”向量是什么？由于“均匀性”是通过熵来衡量的，这会使问题成为非线性问题，但在 R 中仍然可以解决。

你能澄清你的问题吗？