Question

如果标题不能准确描述我正在做的事情，请道歉。

我正在努力为幻想体育比赛建立每一个可能的假设团队。这意味着将所有可用的球员组合在一起，每个球员都具有他们所在球队的特征，他们的位置和工资，这限制了一支球队的人数。我遇到的麻烦是找到一种内存有效的方法将它们全部组合起来。

我做了一个示例数据集：

 player_pool <- data.frame(id = seq(1,30), salary = seq(1,30), team = rep(LETTERS[seq(from=1, to=5)],6), position = rep(LETTERS[seq(from=1, to=5)],6))

在这30名球员中，我想选择每支8人的球队，其中至少有1名来自5个角色的球员，不超过3名来自同一球队的球员，以及总薪水低于50的球员。

例如，这将是一个有效的团队：

 id salary team position
 1   1      A   A
 2   2      B   B
 3   3      C   C
 4   4      D   D
 5   5      E   E
 6   6      A   A
 7   7      B   B
 8   8      C   C

每支球队不超过两名球员，每名球员中至少有一名，总薪水为36名。

我一直在尝试使用包iterpc逐步执行所有~6MM组合的公式，查找并计算每一步的薪水/团队编号。这让我可以在每一步都将所有内容都安装到内存中，但速度非常慢且效率低下 - 这相当于创建了每个可能的团队并连续应用规则。

任何替代方法都会很棒！

Answer 1

设置添加七个收入最低的玩家，你得到28个。这意味着团队中没有一个薪水超过22的人。

pool <- subset(player_pool,salary<=22)

查找组合从这里开始，我会选择明显的路线，而不是寻找效率：

识别行的所有组合
```
rs <- combn(seq(nrow(pool)),8)
```

测试条件

good_rs <- with(pool,apply(rs,2,function(x){
  sum(salary[x]) <= 50 &&
  length(unique(position[x])) == 5 &&
  max(lengths(split(x,team[x]))) <= 3
}))

结果它运行得足够快（不到一秒），我看到339个匹配的组合

length(which(good_rs))
# [1] 339

创建每个可能的团队组合 - 组合优化

1 个答案: