几周前，我问了一个关于如何在R中进行优化（使用Optimize R优化向量）的问题。现在我已经掌握了R中的基本优化，我想开始使用遗传算法来解决问题。

考虑到目标函数：

div.ratio <- function(weight, vol, cov.mat){
  weight <- weight / sum(weight)
  dr <- (t(weight) %*% vol) / (sqrt(t(weight) %*% cov.mat %*% (weight)))  
  return(-dr)
}

我使用genalg软件包进行优化，特别是“rbga.bin”函数。但问题是一个人似乎不能传递多个参数，即不能传递vol和cov。小地毯是我遗漏了什么，还是理解错误了。

编辑：在genalg包中，有一个名为rbga的函数。垃圾箱就是我用的那个。

下面是上一个问题的简单代码，可以让你开始：

rm(list=ls())
require(RCurl)
sit = getURLContent('https://github.com/systematicinvestor/SIT/raw/master/sit.gz',     binary=TRUE, followlocation = TRUE, ssl.verifypeer = FALSE)
con = gzcon(rawConnection(sit, 'rb'))
source(con)
close(con)
load.packages('quantmod')


data <- new.env()

tickers<-spl("VTI,VGK,VWO,GLD,VNQ,TIP,TLT,AGG,LQD")
getSymbols(tickers, src = 'yahoo', from = '1980-01-01', env = data, auto.assign = T)
for(i in ls(data)) data[[i]] = adjustOHLC(data[[i]], use.Adjusted=T)

bt.prep(data, align='remove.na', dates='1990::2013')

prices<-data$prices[,-10]  
ret<-na.omit(prices/mlag(prices) - 1)
vol<-apply(ret,2,sd)
cov.mat<-cov(ret)

out <- optim(par     = rep(1 / length(vol), length(vol)),  # initial guess
         fn      = div.ratio,
         vol     = vol,
         cov.mat = cov.mat,
         method  = "L-BFGS-B",
         lower   = 0,
         upper   = 1)

opt.weights <- out$par / sum(out$par) #optimal weights

虽然上面的optim函数工作得很好，但我在想，是否可以使用GA算法重现这个函数。因此，在未来，如果我在搜索多个目标，我将能够比GA更快地完成这项任务（我不确定它是否更快，但这是找到答案的步骤）

GAmodel <- rbga.bin(size = 7, #genes
popSize = 200, #initial number of chromosomes
iters = 100, #number of iterations
mutationChance = 0.01, #chance of mutation
evalFunc = div.ratio) #objective function

做上述操作似乎会产生错误，因为div.ratio需要额外的参数，所以我正在寻找一些帮助来构建我的问题，以便它能够产生最佳答案。我希望上面的编辑能澄清问题。

谢谢