multistageoptimal.nlm(selectiongain)
multistageoptimal.nlm()所属R语言包：selectiongain
Function for optimizing n-stage selection with the NLM algorithm for fixed correlation matrix
功能n级的优化选择与固定相关矩阵的NLM算法
译者：生物统计家园网 机器人LoveR
描述----------Description----------
This function uses the non-linear minimization function nlm in R-package stat for n-stage selection
该函数使用非线性最小化函数在R-软件包统计NLM n级选择
用法----------Usage----------
multistageoptimal.nlm(N.upper, N.lower, corr, ini.value,
Budget, CostC, CostTv, N.fs, iterlim, alg)
参数----------Arguments----------
参数：N.upper
is the vector of up limits of number of candidates X.
是矢量最多候选人X.数目限制
参数：N.lower
is the vector of low limits of number of candidates X.
是向量的候选人X.数的上下限
参数：corr
Correlation matrix of X.
相关矩阵X。
参数：ini.value
is a vector, which stores the number of candidates in each stage for the algorithm to begin with. As default, it will use N=\{N_1,N_2,...,N_n\}=\{a+1,...,a+n\}, where a is defined as Budget/(CostC+sum(CostTv)+1) </table>
是一个向量，它存储在每个阶段的考生人数开始的算法。由于默认情况下，将使用N=\{N_1,N_2,...,N_n\}=\{a+1,...,a+n\}，其中一个被定义为Budget/(CostC+sum(CostTv)+1)</ TABLE>
参数：Budget
contains the value of total budget.
包含总预算的价值。
参数：CostC
contains the costs of producing or identifying a candidate.
包含的成本或确定候选人。
参数：CostTv
contains a vector with length n reflecting the cost of evaluating a candidate in the tests performed at stage i, i=1,...,n. The cost might vary in different stages.
包含一个向量，其长度为n反映在阶段执行的测试中评价候补的成本，= 1，...，正。在不同阶段的成本可能会有所不同。
参数：N.fs
is the number of final selected candidates.
最终选定的候选人的数量。
参数：iterlim
is the maximum number of iterations to be executed before the Newton algorithm is terminated. By default it is equal to 20. If the \texttt{Budget} increases 10 times for making the selection, the value of \texttt{iterlim} has to be increased lg(10) times.
是牛顿算法终止之前要执行的最大数目的迭代。默认情况下，它等于20。如果\texttt{Budget}增加10倍的价值选择，\texttt{iterlim}增加lg(10)倍。
参数：alg
is used to switch between two algorithms. If alg = GenzBretz(), which is by default, the quasi-Monte Carlo algorithm from Genz(1999) will be used. If alg = Miwa(), the program will use the Miwa algorithm (Mi2009), which an analytical solution of the MVN integral (Miwa2003). Miwa's algorithm has higher accuracy (7 digits) than quasi-Monte Carlo algorithm (5 digits), however the computational speed is also slower. Therefore, we recommend the user to use the default value of this parameter.
用于两种算法之间切换。如果ALG：= GenzBretz（），这是在默认情况下，准蒙特卡洛算法GENZ（1999）将被使用。如果ALG =三轮（）时，程序将使用的三轮的算法（Mi2009），它的解析解的的MVN积分（Miwa2003的）。三轮的算法具有更高的精度（7位）比准蒙特卡洛算法（5位），但计算速度也比较慢。因此，我们建议用户使用此参数的默认值。
Details
详细信息----------Details----------
More details are in the JSS paper section 3.6.
更多细节JSS本文3.6节。
值----------Value----------
The output of this function is a vector similar as in multistageoptimal.grid() if detail = FALSE. However, the optimal number of candidates in each stage determined by the NLM algorithm is clearly not an integer, because the function uses a numerical algorithm, which depends on derivatives.
这个函数的输出是一个向量，相似如在multistageoptimal.grid（），如果细节= FALSE。然而，最佳的考生人数确定每个阶段的NLM算法显然不是一个整数，因为该函数使用一个数值算法，这取决于衍生工具。
注意----------Note----------
no further comment
没有进一步的评论
（作者）----------Author(s)----------
Xuefei Mi
参考文献----------References----------
参见----------See Also----------
selectiongain()
selectiongain（）
实例----------Examples----------
corr=matrix( c(1, 0.3508,0.3508,0.4979,
0.3508 ,1, 0.3016,0.5630,
0.3508, 0.3016,1 ,0.5630,
0.4979, 0.5630,0.5630,1),
nrow=4
)
multistageoptimal.nlm(N.upper=rep(100,3), corr=corr, Budget=200, CostC=0.5, N.fs=5)
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-9-30 00:26:53
