如何向R中的ompr线性规划约束添加约束,使每个人只能扮演一个角色?
我试图在R中的混合整数规划模型中添加一个约束,这样每个人只被分配到一个角色 我有一个如下所示的数据框:如何向R中的ompr线性规划约束添加约束,使每个人只能扮演一个角色?,r,linear-programming,mixed-integer-programming,ompr,R,Linear Programming,Mixed Integer Programming,Ompr,我试图在R中的混合整数规划模型中添加一个约束,这样每个人只被分配到一个角色 我有一个如下所示的数据框: ID Name Role PreferenceScore ----- ------- --------- ------------------ 1 Abby Chef 10 1 Abby Waiter 8 1 Abby Greet
ID Name Role PreferenceScore
----- ------- --------- ------------------
1 Abby Chef 10
1 Abby Waiter 8
1 Abby Greeter 9
2 Bob Chef 7
2 Bob Waiter 8
2 Bob Greeter 3
3 Carly Chef 5
3 Carly Waiter 8
3 Carly Greeter 4
... ... ... ...
20 David Chef 2
20 David Waiter 3
20 David Greeter 8
我正在尝试使用MIPmodel根据每个人的偏好(数字越大越好)为他们分配一个角色。每个角色最多可以有8人,总共有20人
以下是我到目前为止的情况:
library(dplyr)
library(ompr)
library(ompr.roi)
library(ROI)
library(ROI.plugin.glpk)
teamData <- read.csv("filename")
teamData$wait <- if_else(teamData$jobType == "Waiter", 1, 0)
teamData$chef <- if_else(teamData$jobType == "Chef", 1, 0)
teamData$greet <- if_else(teamData$jobType == "Greeter", 1, 0)
p <- nrow(teamData)
v <- as.numeric(teamData$PreferenceScore)
maxTeamSize <- 8
role <- teamData$Role
chef_job <- teamData$chef
waiter_job <- teamData$wait
greeter_job <- teamData$greet
name <- teamData$Name
# Build the model
model <- MIPModel() %>%
add_variable(x[i], i=1:p, type = "binary") %>%
set_objective(sum_expr(x[i] * v[i], i=1:p)) %>%
add_constraint(sum_expr(chef_job[i], i=1:p) <= 8) %>%
add_constraint(sum_expr(waiter_job[i], i=1:p) <= 8) %>%
add_constraint(sum_expr(greeter_job[i], i=1:p) <= 8) # %>%
# add_constraint(sum_expr(count(name[i])) == 1)
solved <- solve_model(model, with_ROI("glpk"))
result <- solved %>%
get_solution(x[i]) %>%
select(i) %>%
rowwise() %>%
mutate(Pref = v[i], Role = role[i], teamData$Name[i]) %>%
ungroup
result
库(dplyr)
图书馆(ompr)
图书馆(ompr.roi)
图书馆(ROI)
库(ROI.plugin.glpk)
teamData这是一个典型的分配问题,您将人员p
分配给工作j
。因此,您需要更新公式以获得双索引决策变量x[p,j]
。然后事情会变得更有意义……:)
然后,您可以对所有作业进行求和,以确保每个人的分配不超过一个(在伪代码中…我的R语法很糟糕):
你的目标函数将通过乘以偏好[p,j]
sum (x[p, j] for j in Jobs) <=1 for p in Persons
sum (x[p, j] for p in People) <= spots[j] for j in Jobs