統計Rで、不正な文字列を指摘されるものの、指摘された行はコメントアウト済である。

Question

教科書掲載のRコードをRstudioで動かそうとすると、不正な文字列を指摘されてしまう。

一般書籍の文中及びgithubサポートページにに掲載のある、
Rコードが、動きません。
不正な文字列を指摘されるのですが、指摘された行は、
コメントアウト済みで、なぜ動かないのかが、分かりません。

ファイルの内容は、一切書き換えていません。
途方に暮れています・・・。

本当に簡単な操作で、動くようになると思うので、
原因がお分かりになられる方がいらっしゃったら、
お力添え頂けますと幸いです。

何卒、宜しくお願い致します。

*なお、書籍は片平健太郎著「行動データの計算モデリング 強化学習を例として」で、
コードはchapter2のQ学習モデルのものになります。

発生している問題・エラーメッセージ

エラー:  構文解析中に不正なマルチバイト文字列がありました (14 行) 
>   }
 エラー:  予想外の '}' です  in "  }"

該当のソースコード

# ----------------------------------------------------- #
# Q学習モデルのシミュレーションにより選択データを生成し，
# そのデータから最尤推定をする。
# ----------------------------------------------------- #

# メモリ，グラフのクリア
rm(list=ls())
graphics.off()

# 描画のためのライブラリ読み込み
library(tidyverse)
library(gridExtra)

# 乱数のシードの設定 
set.seed(141)

# Q学習モデルのシミュレーションによるデータ生成 -------------------------------------------------

# 試行数
T <- 80

# Q 値の初期化( 選択肢の数x T)
Q <- matrix(numeric(2*T), nrow=2, ncol=T)

c <- numeric(T)
r <- numeric(T) 
pA <- numeric(T) 

alpha <- 0.3     # 学習率
beta <- 2.0      # 逆温度

# それぞれの選択肢の報酬確率
pr <- c(0.7,0.3)

for (t in 1:T) {
  
  # ソフトマックスで選択肢A の選択確率を決定する
  pA[t] <- 1/(1+exp(-beta*(Q[1,t]-Q[2,t])))
  
  if (runif(1,0,1) < pA[t]) {
    # Aを選択
    c[t]<-1
    r[t] <- as.numeric(runif(1,0,1) < pr[1])
  } else {
    # Bを選択
    c[t] <- 2
    r[t] <- as.numeric(runif(1,0,1) < pr[2])
  }
  
  # 行動価値の更新
  if (t < T) {
    
    Q[c[t],t+1] <- Q[c[t],t] + alpha * (r[t] - Q[c[t],t] ) 
    
    # 選択肢していない行動の価値はそのままの値を次の時刻に引き継ぐ。
    # 3-c でc=1 なら2, c=2 なら1, というように
    # 逆側の選択肢のインデックスが求まる。
    Q[3-c[t],t+1] <- Q[3-c[t],t]
  }
}

# フィットするモデルの設定 ------------------------------------------------------------

# Q-learning
func_qlearning <- function(param, choice, reward)
{
  T <- length(choice)
  alpha <- param[1]
  beta <- param[2]
  
  # 短い名前の変数に持ち替える
  c <- choice
  r <- reward
  
  pA <- numeric(T) 

  # Q 値の初期化( 選択肢の数x T)
  Q <- matrix(numeric(2*T), nrow=2, ncol=T)
  
  # 対数尤度を格納する変数
  ll <- 0
  
  for (t in 1:T) {
    
    # ソフトマックスで選択肢A の選択確率を決定する
    pA[t] <- 1/(1+exp(-beta * (Q[1,t]-Q[2,t])))
    
    # 試行tの対数尤度は実際の選択がA (c=1) であれば log(pA[t]), 
    # B (c=2) であればlog(1 - pA[t]) となる
    ll <- ll + (c[t]==1) * log(pA[t]) +  (c[t]==2) * log(1-pA[t])
    
    # 行動価値の更新
    if (t < T) {
      
      Q[c[t],t+1] <- Q[c[t],t] + alpha * (r[t] - Q[c[t],t] ) 
      
      # 選択肢していない行動の価値はそのままの値を次の時刻に引き継ぐ
      Q[3-c[t],t+1] <- Q[3-c[t],t]
    }
  }
  return(list(negll = -ll,Q = Q, pA = pA))
}

# 最適化により最小化する負の対数尤度を返すラッパー関数
func_minimize <- function(modelfunc, param, choice, reward)
{
  ret <- modelfunc(param, choice, reward)
  
  # 負の対数尤度のみ返す
  return(ret$negll)
}

# 非線形最適化による最尤推定 -----------------------------------------------------------

# 負の対数尤度の最小値を格納する変数 (最初は無限大にしておく)  
fvalmin <- Inf

for (idx in 1:10) {
  
  # 初期値を一様乱数から決める
  initparam <- runif(2, 0, 1.0)
  
  # 最適化の実行
  res <- optim(initparam, func_minimize,
              hessian = TRUE, 
              modelfunc = func_qlearning, 
              choice=c, reward=r)
  
  # 今までの解より負の対数尤度が小さかったらその結果を採用する
  if (res$value < fvalmin) {
    paramest <- res$par
    fvalmin <- res$value
  }
}

print(sprintf("alpha - True value: %.2f, Estimated value: %.2f", alpha, paramest[1]))
print(sprintf("beta  - True value: %.2f, Estimated value: %.2f", beta, paramest[2]))
print(sprintf("Model 1: log-likelihood: %.2f, AIC: %.2f", -fvalmin, 2*fvalmin + 2*2))

# 求めた最尤推定値をもとに，行動価値や選択確率のP(a=A)を改めて計算する
ret <- func_qlearning(paramest, choice=c, reward=r)
Qest <- ret$Q
pAest <- ret$pA

# 結果の描画 -------------------------------------------------------------------

# プロットする最大試行数 (50にすると本文の図のように50試行までをプロット)
maxtrial <- Inf
ggplot() + theme_set(theme_bw(base_size = 18)) 

x11()
gQ <- list()

# データフレームに格納
df <- data.frame(trials = 1:T, 
                 Q1est = Qest[1,],
                 Q2est = Qest[2,],
                 Q1 = Q[1,],
                 Q2 = Q[2,],
                 c = c,
                 r = as.factor(r),
                 pA = pA,
                 pAest = pAest)

dfplot <- df %>% filter(trials <= maxtrial)

# Q(A) の図の作成
idxc <- 1
g_qvalues <- ggplot(dfplot, aes(x = trials, y = Q1)) +
  geom_line(aes(y = Q1), linetype = 1, size=1.2) +
  geom_line(aes(y = Q1est), linetype = 5, size=1.0) +
  geom_point(data = dfplot %>% filter(c==idxc & r == 1), 
             aes(x = trials, y = 1.12), shape = 25, size = 1.5) + 
  scale_y_continuous(breaks=c(0, 0.5, 1.0), labels = c(0,0.5,1)) +
  geom_linerange(data = dfplot %>% filter(c==idxc), 
                 aes(
                   x = trials, 
                   ymin = 1.0, 
                   ymax = 1.06), 
                 size=1) + 
  theme(legend.position = "none") + 
  xlab("試行") +
  ylab("Q(A)") 

gQ[[idxc]] <- g_qvalues

# Q(B) の図の作成
idxc <- 2
g_qvalues <- ggplot(dfplot, aes(x = trials, y = Q2)) +
  geom_line(aes(y = Q2), linetype = 1, size=1.2) +
  geom_line(aes(y = Q2est), linetype = 5, size=1.0) +
  geom_point(data = dfplot %>% filter(c==idxc & r == 1), 
             aes(x = trials, y = 1.12), shape = 25, size = 1.5) + 
  geom_linerange(data = dfplot %>% filter(c==idxc), 
                 aes(
                   x = trials, 
                   ymin = 1.0, 
                   ymax = 1.06), 
                 size=1) + 
  theme(legend.position = "none") + 
  scale_y_continuous(breaks=c(0, 0.5, 1.0), labels = c(0,0.5,1)) +
  xlab("試行") +
  ylab("Q(B)")

gQ[[idxc]] <- g_qvalues

# P(a=A) の図の作成
g_pA <- ggplot(dfplot, aes(x = trials, y = pA)) + 
  xlab("試行") + 
  ylab("P(a = A)") +
  geom_line(aes(y = pA), linetype = 1, size=1.2) +
  geom_line(aes(y = pAest), linetype = 2, size=1.0) +
  geom_point(data = dfplot %>% filter(c==1 & r == 1), 
             aes(x = trials, y = 1.12), shape = 25, size = 1.5) + 
  geom_point(data = dfplot %>% filter(c==2 & r == 1), 
             aes(x = trials, y = -0.12), shape = 2, size = 1.5) + 
  theme(legend.position = "none") + 
  geom_linerange(data = dfplot %>% filter(c==1), 
                 aes(
                   x = trials, 
                   ymin = 1.0, 
                   ymax = 1.05), 
                 size=1) + 
  scale_y_continuous(breaks=c(0, 0.5, 1.0), labels = c(0,0.5,1)) +
  geom_linerange(data = dfplot %>% filter(c==2), 
                 aes(
                   x = trials, 
                   ymin = -0.05, 
                   ymax = 0.0), 
                 size=1) +
  geom_path(size = 1.2) 

grid.arrange(gQ[[1]], gQ[[2]],g_pA, nrow=3) 

# 図を保存する場合は以下を実行
# g <- arrangeGrob(gQ[[1]], gQ[[2]], g_pA, nrow=3) 
# ggsave(file="./figs/qlarning_fit.eps", g) 

試したこと

pr <- c(0.7,0.3)

までは、問題なく動きます。
その次のfor文ですが、中身のif文は、それぞれ全て、ちゃんと動くものの、
for文全体を動かそうとすると、
コメントアウト済の文が
不正な文字列であると指摘されます。、

Answer 1

問題なく動きましたよ。（少々ワーニングが出ましたけど）

Comments

[YYJP]

ご回答ありがとうございます。
やはり、自分のＰＣだと動かないのですが、コード以外の環境等の問題だと、どのようなことが考えられそうでしょうか…？

[YYJP]

試しに、別のPCでRstudioを動かしたところ、うまくいきました！本当に助かりました。ありがとうございました。^^