《R杂志》：文章发表于2021年，第13:2卷

Marquardt Levenberg算法与R包marqLevAlg的鲁棒高效优化PDF下载
维维安·菲利普斯（Viviane Philipps）、鲍里斯·海布卢姆（Boris P.Hejblum）、布拉格梅拉尼（Mélanie Prague）、丹尼尔·科梅吉斯（Daniel Commumes）和塞西尔·普鲁斯·利马,R杂志（2021）13:2，第365-379页。

用于局部优化的经典通用算法在R中的抽象实现通常有两个主要局限性，这两个局限性给复杂问题的应用带来了困难：过于宽松的收敛准则和过长的计算时间。通过依赖于Marquardt-Levenberg算法（MLA），一种对解决局部优化问题特别鲁棒的类牛顿方法，我们为marqLevAlg包提供了一个高效的通用局部优化器，它（i）除了参数和目标函数的稳定性外，通过使用基于到最小值/最大值的相对距离的严格收敛准则，防止收敛到鞍点；以及（ii）通过允许在每次迭代时进行并行计算，减少了复杂设置中的计算时间。我们通过文献中的各种案例证明，我们的实现能够可靠且一致地达到最佳状态（即使其他优化器失败）并且通过不同复杂统计模型的最大似然估计示例，大大减少了复杂环境中的计算时间。

收到日期：2020-10-30；在线2021-10-19，补充材料，（1670万B）
CRAN包：基础,optimx公司,最小包装.lm,nlmrt公司,marqLevAlg公司,do并行,foreach公司,吉咪,液晶毫米,optim并行,最佳,罗普蒂姆,DEoptim公司,通用航空公司,阿尔格努德,水力发电厂
直接引用的CRAN任务视图：优化
引用的CRAN包暗示的CRAN任务视图：优化,高性能计算,化学物理,集群,水文学,机器学习,生存


抄送4.0
本文和补充材料根据Creative Commons Attribution 4.0国际许可.

@第{RJ-2021-089条，author={Viviane Philipps和Boris P.Hejblum以及Mélanie Prague和Daniel Commumes和Cécile Proust-Lima}，title＝｛｛使用Marquardt的稳健高效优化-带有R包marqLevAlg}}的Levenberg算法，年份={2021}，日志={{The R journal}}，doi={10.32614/RJ-2021-089}，url={https://doi.org/10.32614/RJ-2021-089},页面＝{365-379}，体积={13}，数字={2}}