Python：用遗传算法解决背包优化？

目前我正试图用最好的方式来完成我正在做的事情。我有以下几点建议

    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

每天大约有200名球员参加比赛。我需要运行优化以填充多达20个符合以下约束条件的绘图列表：

5万美元以下 使用1pg、1sg、1sf、1pf、1c、1g、1f和1util

正如您所看到的，大多数球员可以在一个阵容中填充多个位置，该阵容由位置列中的“/”字符表示。G位置可以用PG或SG填充，F位置可以用SF或PF填充，UTL位置接受所有位置

起初，我研究了使用背包暴力的方法，这似乎是最简单的方法，但实际上有数以万亿计的组合，因此如果没有真正做我真正想要的事情，这将花费大量的时间

相反，我决定尝试使用遗传学的方法，因为我已经看了很多关于这个问题的讲座视频，并且认为这是解决这个问题的一个好主意。然而，我不知道如何在一般的1/0背包方法中设置这个问题，因为我需要包括很多东西。在一个典型的背包方法中，你只有一个重量和一个值。我的体重和价值观是球员的工资和他们的预期分数。然而，我必须在这里也包括球员的位置，一个球员可能有1个或2个不同的可能性

---

希望这是有意义的，我基本上是在寻找一些关于如何开始在Python3中处理这项任务的见解。提前感谢您所提供的一切

这是一个良好的开端：

充分理解遗传算法的基础知识，很好的例子

遗传算法的美妙之处在于，一旦你定义了如何评估适应度，其他一切都会自行到位。您可以从完全随机的项目开始，经过连续几代，它将变得有序。如果你采取正确的方法，那么阵容和背包问题是非常非常相似的。您已经知道可以容纳多少项（领先）；你现在只需要选择哪一个，这就是GA的作用

想想这些步骤：

创建您的总体（随机列表）

检查人口是否适合，职位是否已填补，工资是否低于最高工资等

在对阵容进行分级的同时进化种群

继续新一代，直到你满意为止