雖然之前也算是用了很多回了，但都是揉在別的算法裡頭，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參數里加上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產的最大成品數量，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 library("reshape2")
BOMtable BOM Stock Stockqty
設計需要迭代的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臺數，目標是計算最大值，這裡先示範個簡單但有錯誤的做法：
function的計算方向是成品臺數的總量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 Prod Result return(Result) }
#計算最合適的原材料消耗量
Clist lower = rep(0,nrow(BOM)), upper = Stockqty,
control = list(fnscale = -1))
#計算成品數量
ProduceQty
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裡的目標定義：
Result
把所有小於0的結果通過3次方放大（此過程不會更改數值符號），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，但是卻並不是個好做法，為啥咧？因為咱把ginv廣義逆計算這麼個吃內存大戶放進了迭代步驟裡，導致明明只抽取了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~~~~
閱讀更多 jennifer5jl 的文章
