CRAN任务视图：优化与数学规划

此CRAN任务视图包含一个软件包列表，这些软件包为解决优化问题提供了便利。尽管统计中的每个回归模型都解决了一个优化问题，但它们不是这个视图的一部分。如果您正在寻找回归方法，以下视图也将包含有用的起点：机器学习,计量经济学,稳健软件包根据以下部分进行分类。另请参阅末尾的“相关链接”和“其他资源”部分。

目录

• 优化基础架构包
• 通用连续解算器
• 二次优化
• 测试和基准测试集合
• 租赁平方问题
• 半定和凸解
• 全局和随机优化
• 数学规划求解器
• 组合优化
• 多目标优化
• 优化中的具体应用

许多软件包为此任务视图末尾列出的多个主题提供了功能。例如，混合整数线性规划求解器通常提供标准的线性规划例程，如单纯形算法。因此，在每个包描述之后，都会列出缩写词来描述优化器的典型功能（即可以解决的问题）。方括号中给出的缩写全名可以在该任务视图的末尾找到按主题分类.

如果您认为列表中缺少某些软件包，请通过电子邮件联系维护人员，或在上面链接的GitHub存储库中提交问题或请求。

优化基础架构包

• 这个optimx公司软件包提供了optim（）基R中的函数，在单个语句中调用R中的多个函数最小化代码。这些方法处理多个或多个参数的平滑、可能受框约束的函数。功能优化（）在此包中扩展了optim（）具有相同语法但更多“方法”选项的函数。功能操作（）将多个解算器应用于选定的优化任务，并返回结果的数据帧以便于比较。

• R优化基础设施(投资回报率)该软件包提供了一个框架来处理R中的优化问题。它使用面向对象的方法来定义和解决不同问题类（例如线性、二次、非线性规划问题）的各种优化任务。这使得优化对用户透明，因为相应的工作流是从底层解算器中抽象出来的。该方法允许在解算器之间轻松切换，从而增强了可比性。有关更多信息，请参阅ROI主页.

• 包裹CVXR公司为规则凸编程（DCP）提供了一种面向对象的建模语言。它允许用户按照数学惯例和DCP规则以自然的方式制定凸优化问题。系统分析问题，验证其凸性，将其转换为规范形式，并将其交给适当的求解器（如ECOS或SCS）以获得解决方案。（CVXR源自斯坦福大学开发的MATLAB工具箱CVX，参见CVXR主页.)

通用连续解算器

包统计数据提供了几个通用的优化例程。对于一维无约束函数优化，有优化器（）它搜索间隔的最小值或最大值。功能optim（）提供了Broyden-Fletcher-Goldfarb-Shanno（BFGS）方法、有界BFGS、共轭梯度（CG）、Nelder-Mead和模拟退火（SANN）优化方法的实现。如果提供了渐变，它将使用渐变，以加快收敛速度。通常，它用于无约束优化，但包含一个用于框约束优化的选项。

此外，为了最小化受线性不等式约束的函数，stats包含例程constrOptim（）。然后是国家土地管理局用于求解非线性无约束极小化问题。nlminb（）使用PORT例程提供箱约束优化。[RGA，QN]

• 包裹磅/平方英尺用Okazaki和Morales（从Nocedal的L-BFGS-B 3.0 Fortran代码转换而来）包装libBFGS C库，将L-BFGS和OWL-QN算法连接起来，后者特别适用于高维问题。
• lbfgsb3c型接口J.Nocedal的L-BFGS-B 3.0 Fortran代码，一个内存有限的BFGS最小化器，允许有界约束，适用于高维问题。它有一个基于“Rcpp”的类似“optim”的接口。
• 包裹罗普蒂姆提供了一个统一的包装器来调用optim（）解算器底层算法的C++函数；和optim并行提供了optim（）的L-BFGS-B方法的并行版本；使用这些包可以显著减少优化时间。
• Rcpp数字是用于数值计算及其与“Rcpp”集成的开源库的集合。它基于LBFGS++库（基于N.Okazaki的代码）为L-BFGS算法提供了一个包装器。
• 包裹ucminf大学将信赖域与线搜索方法相结合，实现了一种非线性无约束优化的拟Newton型算法。的界面ucminf（）设计用于方便与optim（）.【QN】
• 使…变小在纯R中实现优化算法，包括共轭梯度（CG）、Broyden-Fletcher-Goldfarb-Shanno（BFGS）和有限内存BFGS（L-BFGS”）方法。大多数内部参数可以通过调用接口进行设置。
• n1qn1提供的R端口n1qn1优化过程移植自Scilab，一种无约束的准Newton BFGS方法。
• 斯托奇QN提供了与LBFGS类似的随机、有限内存准Newton优化器的实现。它包括在线LBFGS、随机准牛顿和自适应准牛顿的实现。
• 非阴性.cg实现了一种基于共轭梯度的方法，以最小化所有变量都为非负的函数。
• 包裹数据流优化对于无导数优化过程，包含了Nelder-Mead和Hooke-Jeeves算法的非常有效的R实现（无约束和有边界约束）。[数据框]
• 包裹nloptr公司提供对NLopt的访问，NLopt是一个LGPL许可的各种非线性优化算法库。它包括无局部导数（COBYLA、Nelder-Mead、Subplex）和基于梯度（例如，BFGS）的方法，以及非线性约束的增广拉格朗日方法。[DF，GO，QN]
• 包裹阿拉巴马州提供了用于优化具有（非线性）等式和不等式约束的光滑非线性目标函数的增强拉格朗日屏障最小化算法的实现。
• 包裹Rsolnp公司提供了用于解决等式和不等式约束非线性优化问题的增广拉格朗日乘子方法的实现（基于Y.Ye的代码）。
• NlcOptim公司解决具有线性和非线性等式和不等式约束的非线性优化问题，实现序列二次规划（SQP）方法；接受输入参数作为约束矩阵。
• 在软件包Rdonlp2中（请参见rmetrics公司项目）功能donlp2（）是DONLP2解算器的包装器，提供平滑非线性函数和约束的最小化。DONLP2可以自由用于任何类型的研究目的，否则需要许可。[执行，NLP]
• psq网络提供了最小化部分可分离函数的拟Newton方法；Nocedal和Wright（2006）在“数值优化”中对这些方法进行了大量描述。
• 线索包含函数sumt（）用于通过序列无约束最小化技术（SUMT）解决约束优化问题。
• BB公司包含函数spg（）为具有简单约束的大规模优化问题提供了一种谱投影梯度法。它以一个非线性目标函数作为论据和基本约束。
• 歧管Optim是“ROPTLIB”优化库的R接口。它在诸如Stiefel、Grassmann和对称正定矩阵等流形上优化实值函数。
• 这个卡利布拉尔该软件包允许对复杂随机模型进行一般优化和参数估计；它在单个接口中组合了各种优化求解器，所有这些都与Base R中的optim（）使用相同的语法。
• Scilab neldermead模块的R端口封装在穴居动物提供了几种基于单纯形法的直接搜索算法。
• 最优单纯形提供了基于simplex的优化算法的构建块，如Nelder-Mead、Spendley、Box方法或Torczon的多维搜索等。
• 软件包中提供了几种无导数优化算法米卡; 例如，功能博比卡（）,newuoa（）、和uobyqa（）允许通过插值形成二次模型的信赖域方法最小化多变量函数。博比卡（）此外，还允许对参数进行框约束（边界）。[数据框]
• 次级法基于子空间搜索单纯形法提供无约束函数优化。
• 包装内信任，具有相同名称的例程基于“信任域”方法提供局部优化。
• 信任Optim实现了无约束非线性优化的信赖域。该算法针对具有稀疏Hessian函数的目标函数进行了优化。
• 包裹quantreg公司包含单纯形和内点例程的变体(nlrq（）,crq（）). 它为函数R代码中的L1回归提供了接口rq（）.[SPLP、LP、IPM]
• marqLevAlg公司实现了Marquardt-Levenberg算法的并行化版本。它特别适用于复杂问题以及从距离最终最优值很远的点开始的情况。该包旨在用于无约束局部优化。【NLP】
• 奥兰多实现了一个称为交替优化的迭代过程，该过程通过交替对单个参数子集执行受限优化，从而在所有参数上联合优化函数。
• 这个优化器该包提供了一些函数来简化围绕通用连续解算器创建包装器函数的过程。

二次优化

• 包装内二次规划优化函数 解决。QP（）求解具有线性等式和不等式约束的二次规划问题。（矩阵必须是正定的。）四程序XT用目标函数中的绝对值约束和绝对值对其进行了扩展。【QP】
• 开放式服务质量计划提供绑定到OSQP公司牛津大学控制集团的“操作员分裂QP”解算器；它有效地解决了具有可选等式和不等式约束的稀疏凸二次规划问题。【QP】
• 包裹piqp（像素点）实现接近内部点二次编程解算器的接口，参见项目执行质量计划; 它将不可行的内点方法与乘数的近似方法相结合。【QP】
• 质量管理程序接口“qpmad”软件，并使用Goldfarb和Idnani的方法解决具有线性不等式、等式和边界约束的二次规划（QP）问题。【QP】
• 内核实验室包含函数首次公开募股用于使用内点方法求解二次规划问题。（矩阵可以是半正定的。）[IPM，QP]
• 戴克斯特拉使用R.L.Dykstra的正定和半定矩阵循环投影算法求解二次规划问题。该例程允许将等式约束和不等式约束结合在一起。【QP】
• coneproj公司包含圆锥投影和二次规划的例程，约束参数回归的估计和推理，以及形状限制回归问题。【QP】
• COIN-OR项目“qpOASES”实现了可靠的QP求解器，即使在处理半定或退化的QP问题时也是如此；它特别适合于模型预测控制（MPC）应用；ROI插件ROI.插件使R用户可以访问它。【QP】
• 低排名QP通过实现原对偶内点方法，解决了具有线性约束的低秩（和半定）二次规划问题。【QP】
• limSolve（极限解算）提供在等式和/或不等式约束下求解线性或二次优化函数的功能。【LP、QP】

测试和基准测试集合

• 全局优化算法性能基准测试的目标函数可以在全局OptTests.
• 斯莫夫具有多个单目标测试函数的生成器，这些函数经常用于基准优化算法；提供了一组方便的函数来生成、绘制和使用目标函数。
• 弗拉科包含用于连续优化问题的探索性景观分析（ELA）的工具和功能，能够量化优化问题的相当复杂的属性，如全局结构、可分性等。
• 软件包“cec2013”和“cec2005benchmark”（均已存档）包含2005年和2013年IEEE CEC进化计算大会关于实际参数优化的特别会议上的许多全局优化测试功能。
• 包裹功能训练（在Github上）实现了More、Garbow和Hillstom的35个测试函数，对于测试无约束优化方法很有用。

租赁平方问题

功能求解.qr（）（分别为。qr.solve（）)处理确定过度和确定不足的线性方程组，如果可能的话，返回最小二乘解。包统计数据提供nls（）确定非线性模型参数的最小二乘估计。国家2级增强功能nls（）使用暴力或基于网格的搜索，以避免依赖于起始参数或陷入局部解决方案。

• 包裹非放射性核素受体提供了处理非线性最小二乘问题的工具。功能国家森林保护局和nlxb公司旨在通过对非线性最小二乘法应用Marquardt过程的一种变体，最终取代Base R中的“nls（）”函数，并将边界约束和可选雅可比函数描述为R函数。
• 包裹最小包装.lm提供了一个函数nls.lm（）用于通过修改Levenberg-Marquardt算法解决非线性最小二乘问题，并支持MINPACK中的参数下限和上限。
• 包裹仅限利用正交非线性最小二乘回归（ONLS），利用Levenberg-Marquardt极小化方法拟合二维数据；它提供了适合诊断和绘图的功能，当遇到“变量错误”问题时就会产生问题。
• 包裹nnls公司接口为非负最小二乘算法的Lawson-Hanson实现，允许非负和非正约束的组合。
• 包裹lsei公司包含在线性等式/不等式约束下解决最小二乘线性回归问题的函数。还提供了求解二次规划问题的函数，这些函数首先将此类问题转换为最小二乘问题。（基于劳森和汉森的Fortran程序。）
• 包裹全球低收入国家提供了GNU科学图书馆（GSL）非线性最小二乘优化方法的接口。可用的信赖域方法包括有测地加速度和无测地加速度的Levenberg-Marquadt算法，以及Powell的狗腿算法的几种变体。
• 包裹bvls公司将最小二乘算法的Stark-Parker实现与上下有界变量接口。
• 科尔夫对线性目标函数执行最小二乘约束优化。它包含许多可供选择的算法，并提供类似于的公式语法lm（）.
• nlsic公司解决了具有线性等式/不等式约束的非线性最小二乘问题（可能秩不足）。线性化问题作为LSI（带不等式约束的线性最小二乘法）进行求解，即基于QR，通过使用nnls公司.通过回溯方法使非线性迭代全球化。

半定和凸解

• 包裹ECOSolveR公司为嵌入式COnic Solver（ECOS）提供了一个接口，ECOS是一个著名的、高效的、健壮的用于凸问题的C库。对于混合整数问题，除了整数和布尔变量约束外，还可以指定圆锥约束和等式约束。
• 包裹供应链管理系统应用算子分裂解决线性程序（LP）、二阶锥程序（SOCP）、半定程序（SDP）、指数锥程序（ECP）和幂锥程序（PCP），或这些锥的任何组合的问题。
• 包裹克拉贝尔为凸优化问题提供了一个内点数值解算器，该内点数值求解器使用了一种新颖的齐次嵌入，可求解线性程序（LP）、二次锥程序（QP）、二阶锥程序（SOCP）、半定程序（SDP）以及指数和幂锥约束问题。
• sdpt3r公司使用MATLAB工具箱SDPT3的R实现求解一般半定线性规划问题。包括最近相关矩阵、D最优实验设计、距离加权判别或最大割集问题。
• 中央控制面板包含通过内点方法解决约束凸问题的例程。实现的算法部分来自CVXOPT，一个用于凸优化的Python模块
• CSDP是一个例程库，它实现了一种用于解决半定规划问题的原始-对偶屏障方法；它与Rcsdp公司包裹。【SDP】
• DSDP库实现了具有原始解和对偶解的半定规划的内点方法；它在包装中接口瑞典盾.【SDP】

全局和随机优化

• 包裹DEoptim公司提供了基于差分进化算法的全局优化器。RcppDE公司提供了相同的C++实现（使用Rcpp）DEoptim（）功能。
• DEoptimer公司为非线性规划问题提供了差分进化随机算法的jDE变体的实现（它允许以灵活的方式处理约束。）
• 这个CEoptim公司软件包实现了一种交叉熵优化技术，可以应用于连续、离散、混合和约束优化问题。[通用条款]
• GenSA公司是一个为广义模拟退火提供函数的软件包，可用于搜索具有大量最优值的复杂非线性目标函数的全局最小值。
• 通用航空公司提供了在连续和离散情况下使用遗传算法进行优化的功能。此包允许并行运行相应的优化任务。
• 包装内加菲 加菲特（）使用遗传算法方法求一维函数的最小值。
• 包裹通用包含rbga（），一种用于多维函数优化的遗传算法的实现。
• 包裹阿尔格努德提供热努德（）这是一个例程，能够通过将进化算法与基于导数（准牛顿）的方法相结合来解决复杂的函数最小化/最大化问题。
• 机器编码遗传算法（MCGA）由软件包提供麦加是一种基于变量的字节表示来解决优化问题的工具。
• 粒子群优化算法（PSO）在软件包中实现粒子群优化，也在布施（psoptim）PSO算法的另一个（并行化）实现可以在软件包中找到ppso公司可从获得rforge.net/ppso.
• 水力驱动的（在Github上）包含SCE优化用于无序Compex进化（SCE）优化的函数，这是一种与单纯形方法相结合的进化算法。
• 包裹ABCoptim公司实施人工蜂群（ABC）优化方法。
• 包裹元启发式选项包含几种进化优化算法的实现，如粒子群、蜻蜓和萤火虫、正弦余弦算法和许多其他算法。
• 包裹电子回旋共振为构建单目标和多目标连续或离散优化问题的进化算法提供了一个框架。而且表情符号具有用于设计和分析进化多目标优化算法的构建块集合。
• 包裹MaOEA公司为Python包pygmo提供了一个接口，可以解决约束、无约束、单目标、多目标、连续和整数优化问题、随机和确定性问题。
• 由N.Hansen编写的CMA-ES是一种使用协方差矩阵自适应进化策略的全局优化程序，它在几个包中实现：在包中化学机械师协会和cmaer（中央气象台），英寸帕尔玛作为化学机械师协会，英寸慢板作为纯CMAES，以及无线电通信管理局作为cma最佳DP，连接Hansen自己的Java实现。
• 包裹R阿尔斯链条实现了一个用于连续优化的算法家族，称为带有局部搜索链的模因算法（MA-LS-chains）。
• 软件包中提供了自组织迁移算法（SOMA）的R实现索马里这种随机优化方法与遗传算法有点类似。
• nloptr公司支持多个全局优化例程，例如DIRECT、受控随机搜索（CRS）、多级单链接（MLSL）、改进的随机排名（ISR-ES）或随机全局优化（StoGO）。
• 这个非机动作战部队该软件包提供了差分进化、粒子群优化、局部搜索和阈值接受（模拟退火的一种变体）的实现。后两种方法也适用于离散优化问题，包中包含的遗传算法的实现也是如此。这个邻居包提供了用于为本地搜索方法构造邻域函数的工具，例如，可以在pkg（“NMOF”）`包中使用。
• OOR公司实现确定性或随机函数全局优化的乐观优化方法。
• RCEIM公司实现了一种执行多维函数优化的随机启发式方法。
• 包裹梯度实现了随机准梯度差分进化（SQG-DE）优化算法；由于无导数，它结合了基于种群的“差异进化”的稳健性和基于梯度的优化的效率。

数学规划求解器

本节概述了开源和商业优化器。从方括号中的缩写可以看出某个包或函数可以解决哪种类型的数学编程问题。对于按主题分类请参阅此任务视图末尾的列表。

• 包裹ompr（ompr）是一个优化建模包，用于直接在R中以代数方式建模和求解混合整数线性规划。这些模型与解算器无关，因此提供了使用不同解算器求解模型的可能性。（灵感来自Julia的JuMP项目。）
• 线性规划问题使用函数解决线性规划问题溶剂LP（）（解算器基于lpSolve解决方案)可以读取MPS格式的模型文件。[有限合伙人]
• 在靴子包中有一个名为simplex（）它实现了求解（相对较小的）线性规划问题的两阶段tableau单纯形方法。[有限合伙人]
• rcdd公司提供功能lpcdd（）使用GNU多精度（GMP）库。[有限合伙人]
• 这个用于优化的NEOS服务器提供对最先进的优化问题解决程序的在线访问。软件包印度洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋洋和ROI.插件允许用户将优化问题传递给NEOS并在R中检索结果。

开源优化器接口

• 包裹lpSolve解决方案包含例程lp（）通过调用免费的求解器来求解LP和MILPlp_解决该求解器基于改进的单纯形法和分枝定界法。它支持半连续变量和特殊有序集（SOS）。此外lp.assign（）和lp.运输（）旨在分别解决指派问题和运输问题。此外，还有一个包lpSolveAPI（解决方案API）它为lp_solve的低级别API例程提供了一个R接口（另请参阅项目lpsolve解决方案在R-Forge上）。lpSolveAPI（解决方案API）支持从lp和MPS格式的文件中读取线性程序。【BP、IP、LP、MILP、SPLP】
• 包装glpkAPI以及包装Rglpk公司为GNU线性编程工具包（GLPK）。前者提供对低级例程的高级访问，而后者提供高级例程Rglpk_solve_LP（）使用GLPK解决MILP。这两个软件包都提供了使用以MPS格式制定的模型的可能性。【BP、IP、IPM、LP、MILP】
• 交响乐有例行程序Rsymphony_solve_LP（）为混合整数线性程序接口SYMPHONY解算器。（SYMPHONY是运筹学计算基础设施（COIN-OR）项目。）包裹交响乐在Bioconductor中，提供了与SYMPHONY类似的接口，易于安装。[LP、IP、MILP]
• NOMAD解算器在阴极射线管用于解决混合整数规划问题的包。此算法可通过斯诺玛（）函数，主要用于对blackbox函数进行约束优化。[MILP（生产线）]
• “Clp”和“Cbc”是COIN-OR套件中的开源解算器。”“Clp”用连续的目标变量求解线性规划，“Cbc”是一个基于“Clp”的强大的混合整数线性规划求解器，即，如果未设置整数变量，则应用“Clp“。”Cbc’可以从安装农村合作银行.[LP，MILP]
• 包裹高点是到高GHS解算器。HiGHS是目前最好的开源混合整数线性规划求解器之一。此外，它还可以用于解决二次优化问题（无混合整数约束）。[MILP，QP]

商业优化器接口

本节调查商业解算器的接口。通常，相应的库必须单独安装。

• 包裹Rcplex公司提供与IBM的接口CPLEX优化器CPLEX提供了双重/原始单纯形优化器以及屏障优化器，用于求解大规模线性和二次规划。它提供了一个混合整数优化器来解决复杂的混合整数程序，包括（可能是非凸的）MIQCP。请注意，CPLEX是不免费你必须拿到执照。学术机构将根据要求获得免费许可证。[LP、IP、BP、QP、MILP、MIQP、IPM]
• 包裹Rmosek公司为大规模LP、QP和MIP问题提供了（商业）MOSEK优化库的接口，重点是（非线性）圆锥、半定和凸任务。该求解器可以处理SOCP和二次约束编程（QPQC）任务，并提供解决困难的混合整数程序的功能。（学术许可证是免费的。关于Rmosek的一篇文章出现在JSS专刊《使用R进行优化》上，见下文。）[LP、IP、BP、QP、MILP、MIQP、IPM]
• Gurobi优化提供了一个R包及其软件，允许从R调用其解算器。Gurobi为LP、MIP、QP、MIQP、SOCP和MISOCP模型提供了强大的解算器。有关更多详细信息，请参阅他们的网站。（可根据要求提供学术许可证。）[LP、QP、MILP、MIQP]

一些商业公司，如“LocalSolver”、“Artelys Knitro”或“FICO Xpress Optimization”，在安装软件时安装了R接口。有试用许可证，请参阅相应的网站以了解更多信息。

组合优化

• 包裹慢板为单背包和多背包装箱问题提供了R函数，解决了子集和、最大和子数组、空矩形和集合覆盖问题，并在图中找到了哈密顿路径。
• 包装内线索 解算_LSAP（）使用户能够使用匈牙利算法的高效C实现来解决线性和分配问题（LSAP）。和功能LAPJV（）来自程序包树列表实现Jonker-Volgenant算法，更快地解决线性和分配问题（LSAP）。[苏丹人民解放军]
• 包裹qap（质量保证程序）应用模拟退火启发法解决二次分配问题（QAP）（其他方法将遵循）。
• 记录仪，一个用于图形和网络分析的软件包，使用非常快速的图表C库。它可用于计算最短路径、最大网络流、最小生成树等[GRAPH]
• mk背包基于“lpSolve”或“CBC”等LP解算器解决多背包问题；将项目分配给背包，以使顶部背包的价值尽可能大。
• 包装“背包”（见R-Forge项目乐观主义者)提供了Martello和Toth的《背包问题》一书中的例程。有用于（多）背包、子集和和装箱问题的函数。（Fortran代码的使用仅限于个人研究和学术目的。）
• 尼禄提供了分别枚举线性丢番图方程的所有整数解的例程。背包、子集和和可加分区问题的所有解决方案（基于生成函数方法）。
• 匹配R和匹配市场对稳定婚姻和大学招生问题、稳定室友和住房分配问题实施Gale-Shapley算法。[通用条款，MM]
• 包裹光学匹配提供了解决匹配问题的例程，方法是将匹配问题转化为最小成本流问题，然后通过Bertsekas和Tseng的RELAX-IV代码优化解决匹配问题（免费研究）。
• 包裹TSP公司为处理和解决旅行销售人员问题（TSP）提供了基本的基础设施。主要例行程序solve_TSP（）通过几个启发式算法求解TSP。此外，它还为协和式TSP解决方案，必须单独下载。[苏丹人民解放军]
• rminizinc公司为开源约束建模语言和系统提供接口（需单独下载）迷你锌.R用户可以通过修改现有的“MiniZin”模型以及创建自己的模型，应用该包来解决组合优化问题。

多目标优化

• 功能卡拉梅尔包装内卡拉梅尔是一个多目标优化程序，应用多目标进化退火单纯形（MEAS）方法和非支配排序遗传算法（NGSA-II）相结合；它最初是为水文模型的校准而开发的。
• 使用该包可以解决多标准优化问题主控制器它实现了遗传算法。[澳门特别行政区]
• GPareto公司为昂贵的黑盒函数和不确定性量化方法提供了多目标优化算法。
• 这个金属氧化物package是一个用于多目标优化的框架，允许使用实数、排列和二进制的表示，提供了多种配置。

优化中的具体应用

• 最大Lik在许多最大化例程（如Brendt-Hall-Hausman（BHHH）和Newton-Raphson等）的顶部添加了一个类似于hood的特定层。它包括基于Hessian矩阵提取标准误差的汇总和打印方法，并允许轻松交换最大化算法。
• 数据克隆算法是一种全局优化方法，是在软件包中实现的模拟退火的变体dclone（数据克隆）该软件包提供了用于实现复杂模型最大似然估计程序的低级功能。
• 混合sqp实现了基于序列二次规划（SQP）的“mix-SQP”算法，用于有限混合模型中的最大似然估计。包装nspmix公司和REBayes公司求解混合模型的非参数极大似然估计。
• 这个irace公司包实现了自动配置过程，用于优化其他优化算法的参数，即通过在给定的一组优化问题中找到最合适的设置来（离线）调整其参数。
• 包裹kofnGA公司使用遗传算法从整数1:n中选择一个固定大小k的子集，使得用户提供的目标函数在该子集最小化。
• 接合部提供了一个可以实现和研究基于连接函数的分布估计算法（EDA）的平台；该包提供了各种EDA，新开发的EDA可以通过扩展S4类进行集成。
• 禁忌搜索实现了一个禁忌搜索算法，用于优化二进制字符串，最大化用户定义的目标函数，并返回找到的最佳（即最大化）二进制配置。
• 除了解决一般同位素回归问题的功能外，软件包同位素为具有任意顺序限制的同位素优化问题提供了一个活动集方法框架。
• 百万卢比是一个灵活而全面的R工具箱，用于基于模型的优化（“MBO”），也称为贝叶斯优化。而且rBayesian优化是使用高斯过程实现贝叶斯全局优化，用于参数调整和超参数优化。
• 这个可取性该软件包包含S3类，用于使用Harrington（1965）的期望函数方法进行多元优化。
• 包裹国家统计局包含函数实验室优化（）这是一系列启发式例程的前端，用于优化一些二元图统计。[图表]

按主题分类

下面是一个尝试，以提供包的主题概述。主题的全名以及相应的2010年MSC代码（如果可用）在括号中给出。

• LP（线性编程，90C05）：靴子,glpkAPI,limSolve（极限解算）,线性规划问题,lpSolve解决方案,lpSolveAPI（解决方案API）,quantreg公司,rcdd公司,Rcplex公司,Rglpk公司,Rmosek公司,交响乐,高点
• GO（全局优化）：DEoptim公司,DEoptimer公司,梯度,GenSA公司,通用航空公司,粒子群优化,阿尔格努德,化学机械师协会,nloptr公司,非机动作战部队,OOR公司,加菲
• SPLP（运输、多指标等线性规划的特殊问题，90C08）：线索,lpSolve解决方案,lpSolveAPI（解决方案API）,quantreg公司,TSP公司
• BP（布尔编程，90C09）：glpkAPI,lpSolve解决方案,lpSolveAPI（解决方案API）,Rcplex公司,Rglpk公司
• IP（整数编程，90C10）：glpkAPI,lpSolve解决方案,lpSolveAPI（解决方案API）,Rcplex公司,Rglpk公司,Rmosek公司,交响乐
• MIP（混合整数编程及其变体MILP for LP和MIQP for QP，90C11）：glpkAPI,lpSolve解决方案,lpSolveAPI（解决方案API）,Rcplex公司,Rglpk公司,Rmosek公司,交响乐,高点
• QP（二次规划，90C20）：内核实验室,limSolve（极限解算）,二次规划优化函数,Rcplex公司,Rmosek公司,高点
• SDP（半定规划，90C22）：Rcsdp公司,瑞典盾
• CP（凸面编程，90C25）：中央控制面板
• COP（组合优化，90C27）：慢板,CEoptim公司,TSP公司,匹配R
• MOP（多目标编程，90C29）：卡拉梅尔,GPareto公司,主控制器,表情符号,金属氧化物,MaOEA公司
• NLP（非线性规划，90C30）：nloptr公司,阿拉巴马州,Rsolnp公司，Rdonlp2（英寸rmetrics公司R-Forge上）
• 图形（涉及图形或网络的编程，90C35）：记录仪,国家统计局
• IPM（内部点方法，90C51）：内核实验室,glpkAPI,quantreg公司,Rcplex公司
• RGA（减少梯度类型的方法，90C52）：统计(optim（）),天然气液化
• QN（准Newton型方法，90C53）：统计(optim（）),天然气液化,磅/平方英尺,lbfgsb3c型,nloptr公司,optim并行,ucminf大学,n1qn1
• DF（无导数方法，90C56）：数据流优化,米卡,nloptr公司,最优单纯形,穴居动物

CRAN包

相关链接

• JSS文章：ROI：可扩展的R优化基础设施（Theußl，Schwendinger，Hornik）
• JSS文章：CVXR：约束凸优化的R包（Fu，Narasimhan，Boyd）
• JSS特刊：优化专集（Ed.R.Varadhan）
• 教材：使用R工具进行非线性参数优化（J.C.Nash）
• 教材：用R进行现代优化（P.Cortez）
• 教材：数值优化（Nocedal，Wright）
• 备忘单：基本R Optim备忘单
• 备忘单：推荐的优化求解器
• 辅导的：CVXR教程和示例
• 手册：NLopt手册（S.Johnson）
• COIN-OR项目
• NEOS优化指南
• 优化软件的决策树
• 数学学科分类-数学编程

其他资源

• CRAN任务视图：计量经济学
• CRAN任务视图：机器学习
• CRAN任务视图：稳健
• R-Forge项目：lpsolve解决方案
• R-Forge项目：乐观主义者
• R-Forge项目：rmetrics公司
• GitHub项目：功能训练
• GitHub项目：水力驱动的
• GitHub项目：农村合作银行