lpSolve - "Must Not Be Together" 约束?

lpSolve - "Must Not Be Together" Constraint?

问题

我正在使用 lpSolve 寻找梦幻棒球队的最佳阵容 - 一个背包问题,涉及价格 SALARY 和给定范围内每个球员 PLAYERID 的预计得分 DK比赛的限制。

当前代码运行良好,但我想补充一个我不太明白的约束。新的限制是阵容中没有任何球员面对同一阵容中的一名投手 SP

到目前为止我有什么

我创建了一个名为 MNBT(不得在一起)的专栏,其中定义了对方投手的 PLAYERID 不得与每个球员在同一阵容中找到,但我被困在那里。 data.frame slate_players 的前 20 行如下(如果需要,我可以提供此特定比赛的所有 91 行):

   PLAYERID POS TEAM OPP SALARY    DK TEAM_O    MNBT
1     37584  SP  LAD OAK  10000 18.42    0SP   13170
2     11292  SP  TEX HOU   9300 18.41    0SP 1452665
3   1452665  SP  HOU TEX   7400 15.22    0SP   11292
4     11168  SP  BAL BOS   6900  9.06    0SP   13502
5     13170  SP  OAK LAD   6800  6.06    0SP   37584
6     13502  SP  BOS BAL   6700 13.52    0SP   11168
7   2038873  SP  KCR DET   6600 18.45    0SP   34649
8     34649  SP  DET KCR   6500  7.46    0SP 2038873
9     11446   C  KCR DET   5300  7.55    KCR   34649
10  1054004   C  LAD OAK   5000  8.25    LAD   13170
11    15541   C  BOS BAL   4500  7.08    BOS   11168
12  1252110   C  OAK LAD   4100  5.07    OAK   37584
13    22667   C  BAL BOS   3400  7.09    BAL   13502
14    10290   C  TEX HOU   2900  4.08    TEX 1452665
15    13171   C  DET KCR   2800  5.45    DET 2038873
16    17552   C  HOU TEX   2600  4.47    HOU   11292
17    36727  1B  LAD OAK   5800  9.09    LAD   13170
18    17648  1B  LAD OAK   5400  8.57    LAD   13170
19    17887  1B  OAK LAD   4900  7.30    OAK   37584
20    17851  1B  KCR DET   4400  7.24    KCR   34649
[...]

当前 lpSolve 代码

# count the unique players and teams on the slate
unique_teams = unique(slate_players$TEAM_O)
unique_players = unique(slate_players$PLAYERID)

# define the objective for the solver
obj = slate_players$DK

# create a constraint matrix for the solver
con = rbind(t(model.matrix(~ POS + 0, slate_players)), #Positions
            t(model.matrix(~ PLAYERID + 0, slate_players)), #DupPlayers
            t(model.matrix(~ TEAM_O + 0, slate_players)), #SameTeam
            rep(1,nrow(slate_players)), #TotPlayers
            slate_players$SALARY) #MaxSalary

# set the direction for each of the constraints
dir = c("==", #1B
        "==", #2B
        "==", #3B
        "==", #C
        "==", #OF
        "==", #SP
        "==", #SS
        rep('<=',length(unique_players)), #DupPlayers
        rep('<=',length(unique_teams)), #SameTeam
        "==", #TotPlayers
        "<=") #MaxSalary

# set the limits for the right-hand side of the constraints
rhs = c(1, #1B
        1, #2B
        1, #3B
        1, #C
        3, #OF
        2, #SP
        1, #SS
        rep(1,length(unique_players)), #DupPlayers
        rep(5,length(unique_teams)), #SameTeam
        10, #TotPlayers
        50000) #MaxSalary

# find the optimal solution using the solver
result = lp("max", obj, con, dir, rhs, all.bin = TRUE)

# create a table for the players that are in optimal solution
solindex = which(result$solution==1)
optsolution = slate_players[solindex,]

问题

如何编写这个新约束?我一直在手动进行这些类型的调整,但如果有一种解决方案可以自动执行此过程,我将不胜感激。谢谢!

虽然这不会为您创建约束集,但此示例是@AirSquid 提到的可能有帮助的约束之一。

在上面的例子中,第 6 位玩家 (13502) 无法对战第 13 位玩家 (22667)。

加入约束条件:

c(0,0,0,0,0,1,0,0,0,0,0,0,1,0,0,0,0,0,0,0)

添加到路线:

"<="

添加到右侧:

1

下一个技巧是如何在 R.Cheerio 中生成所有这些约束集。


我最终做的,而不是单个 MNBT 列,是为每个单独的投手创建一个辅助列 SP 以指示他可能不会出现在最佳解决方案中的哪些击球手。在这些列中,我为投手分配了 5 的值,为每个他不能出现的击球手分配了 1 的值。然后约束变成了这些列中每一列的总和将是 <= 5。逻辑是最多 5 名击球手可能在同一阵容中面对任何单个投手,但如果同一投手出现在最佳解决方案中,他所面对的击球手中有 none 将是。