使用 lpSolve 优化 R 团队名单

我是 R 新手，有一个想要解决的特定幻想运动队优化问题。我见过其他帖子使用 lpSolve 来解决类似的问题，但我似乎无法理解代码。下面的示例数据表。每个球员都在一个球队中，扮演着特定的角色，有薪水，并且每场比赛都有平均得分。我需要的限制是我需要 8 名玩家。任何一支球队的球员不得超过 3 名。每个角色必须至少有一名玩家（共 5 名）。并且累计工资不得超过10,000美元。

Team    Player   Role      Avgpts    Salary
Bears   A        T         22        930
Bears   B        M         19        900
Bears   C        B         30        1300
Bears   D        J         25        970
Bears   E        S         20        910
Jets    F        T         21        920
Jets    G        M         26        980
[...]   

在R中，我写下以下内容

> obj = DF$AVGPTS
> con = rbind(t(model.matrix(~ Role + 0, DF)), rep(1,nrow(DF)), DF$Salary)
> dir = c(">=",">=",">=",">=",">=","==","<=")
> rhs = c(1,1,1,1,1,8,10000)
> result = lp("max", obj, con, dir, rhs, all.bin = TRUE)

这段代码可以很好地生成最佳的幻想团队without任何一支球队的参赛人数不得超过 3 名。这就是我陷入困境的地方，我怀疑这与con争论。任何帮助表示赞赏。

如果您添加类似于角色扮演方式的内容会怎样？con?

如果你添加t(model.matrix(~ Team + 0, DF))您将拥有约束中每个团队的指标。对于你给出的例子：

> con <- rbind(t(model.matrix(~ Role + 0,DF)), t(model.matrix(~ Team + 0, DF)), rep(1,nrow(DF)), DF$Salary)
> con
            1   2    3   4   5   6   7
RoleB       0   0    1   0   0   0   0
RoleJ       0   0    0   1   0   0   0
RoleM       0   1    0   0   0   0   1
RoleS       0   0    0   0   1   0   0
RoleT       1   0    0   0   0   1   0
TeamBears   1   1    1   1   1   0   0
TeamJets    0   0    0   0   0   1   1
            1   1    1   1   1   1   1
          930 900 1300 970 910 920 980

我们现在需要更新dir and rhs考虑到这一点：

dir <- c(">=",">=",">=",">=",">=",rep('<=',n_teams),"<=","<=")
rhs <- c(1,1,1,1,1,rep(3,n_teams),8,10000)

With n_teams适当设置。