线性规划：不应满足所有约束

Question

使用R，使用 lpSolve 和 lpSolveAPI 包进行线性编程非常容易。现在，我希望在满足部分约束的情况下进行线性编程。说，80％的约束都满足。它不能预定义应该满足哪些约束。如何使用R？

实现它

这里有一个例子。有100种不同的组织样本，每个样本表达10000~20000个基因。现在，我想选择最多10个样本，目的是覆盖尽可能多的基因。基于 lpSolve 的一种解决方案将100个样本设置为变量，将20000个基因设置为约束。首先，手动过滤基因，然后进行lp，直到溶液达到10个样本。然而，这是费力的，而不是最优的。

set.seed(123)
t.mt <- matrix(sample(c(0,1),100000,rep=TRUE),nr=1000)
f.obj <- rep(1,100)
f.dir <- rep(">=",1000)
f.rhs <- rep(1,1000)
t.lp <- lp("min",f.obj,t.mt,f.dir,f.rhs,all.int=TRUE,all.bin=TRUE)
t.lp$solution

是否有可能使用R来解决此问题？

谢谢！