在 R 中使用 ML 模型进行决策变量优化

我一直在尝试使用经过训练的 ML 模型（在本例中为 GBM）来寻找可能的最佳变量组合，以产生最大可能的结果。

我尝试使用 predict.gbm 作为函数，然后使用 nml() 来查找最大输出值，但 nml 无法将该函数识别为有效函数。

    opt.gbm <- function(st,ct,w) {
  predict.gbm(dl.gbm,newdata = data.frame(swing_time = st,cycle_time = ct,weight = w))
  }

作为 st 和 ct 我的 2 个决策变量和权重是每个案例的给定数据点。

是否有可能以某种方式优化所描述的函数来为给定权重的 Swing_time 和 cycle_time 创建推荐，以产生最大输出？