鲁棒高效的优化：使用R包marqLevAlg的Marquardt-Levenberg算法
摘要：R中经典通用局部优化算法的实现通常存在两个主要限制，这些限制导致在应用于复杂问题时困难重重：收敛标准过宽和计算时间过长。通过依赖于Marquardt-Levenberg算法（MLA），这是一种特别适用于解决局部优化问题的牛顿样方法，我们提供了marqLevAlg包，这是一种高效且通用的局部优化器，它通过在每次迭代中允许并行计算来（i）使用了一种严格的收敛准则，该准则基于与最小值/最大值的相对距离以及参数和目标函数的稳定性，防止了收敛到鞍点；（ii）并且通过在复杂环境中减少计算时间。通过文献中的各种案例，我们证明了我们的实现可靠且一致地达到了最优解（即使其他优化器失败），并通过不同复杂统计模型的最大似然估计范例大大减少了计算时间。
作者：Viviane Philipps (1 and 2), Boris P Hejblum (1, 2, 3 and 4), M''elanie Prague (1, 2, 3 and 4), Daniel Commenges (1, 2 and 3), C''ecile Proust-Lima (1 and 2) ((1) Inserm Bordeaux Population Health Research Center, (2) University of Bordeaux, (3) Inria BSO, (4) Vaccine Research Institute)
论文ID：2009.03840
分类：Computation
分类简称：stat.CO
提交时间：2021-11-29