目前我正在试图完成我正在做的事情的最佳方式。我有以下pandas df。
Player Pos Salary My Proj
0 James Harden PG/SG 10600 51.94472302
1 Jose Juan Barea PG/SG 4200 22.20823452
2 Stephen Curry PG/SG 8700 42.95809374
3 Eric Gordon SG 5400 27.45218158
4 Nikola Vucevic C 7400 37.00103015
5 Wilson Chandler SF/PF 4900 24.83866589
每天约有200名玩家。我需要运行一个优化来填充最多20个关于遵循以下约束的draftkings的阵容：
低于50,000美元 使用1 PG，1 SG，1 SF，1 PF，1 C，1 G，1 F和1 UTIL
正如你所看到的，大多数玩家可以在＃34; /＆＃34;表示的单个阵容中填充多个位置。位置列中的字符。 G位置可以用PG或SG填充，F位置可以用SF或PF填充，UTIL位置接受所有位置。
起初我研究过使用背包蛮力的方法，这似乎是最简单的，但实际上有数万亿的组合，所以这需要花费大量的时间，而不是真正做我真正想要的。
相反，我决定尝试使用遗传学方法，因为我一直在观看很多讲座视频，并认为这是一个很好的想法。但是，我不知道如何在一般的1/0背包方法中设置这个问题，因为我需要包含许多内容。在典型的背包方法中，您只需要一个重量和一个值。我的体重和价值是球员的薪水和他们的预计得分。但是我必须在这里包括玩家的位置，对于一个玩家来说可以是1种或者有时2种不同的可能性。
希望这是有道理的，我基本上正在寻找有关如何在Python 3中开始处理此任务的某种见解。提前感谢您提供的任何内容！
答案 0 :(得分：1)
这是一个好的开始：
完全理解遗传算法的基础知识，很好的例子here。
遗传算法的优点在于，一旦您定义了如何评估适应度，其他一切就会自行落实到位。你可以从完全随机的项目开始，并且在连续几代中它将变得有序。如果以正确的方式接近它，阵容和背包问题非常非常相似。你已经知道有多少物品可以装（头部开始）;你现在只需要选择哪些，这就是GA的用武之地。
考虑以下步骤：