利用R语言寻找最优项目团队

我刚刚开始学习R，遇到了一些我不确定如何在代码中处理的问题

我正在创建一个data.frame，其中包含可分配给项目的人员池。该项目需要一名BA、一名PM、两名SA、和一名可以是SA或BA的额外人员。每个人都有一个评级和与之相关的成本，我需要最大评级，同时将成本保持在某个阈值以下

我不确定如何实现上述场景中的粗体部分。。下面的代码正在运行，但未说明额外的BA/SA

（这是自学..没有布置作业）

编辑所需输出，其中最后一行可以是SA或BA位置。

name     position rating cost   BA PM SA  
Matt        SA     95    9500   0  0  1    
Aaron       BA     85    4700   1  0  0    
Stephanie   SA     95    9200   0  0  1    
Molly       PM     88    5500   0  1  0    
Jake        SA     74    5300   0  0  1

代码：

#加载库
图书馆（lpSolve）
#创建data.frame
name=c（“史蒂夫”、“杰里米”、“马特”、“艾伦”、“斯蒂芬妮”、“莫莉”、“杰克”、“托尼”、“杰伊”、“凯蒂”、“艾莉森”）
职位=c（“BA”、“PM”、“SA”、“BA”、“SA”、“PM”、“SA”、“SA”、“SA”、“PM”、“BA”、“SA”）
评级=c（75,90,95,85,95,88,74,81,55,65,68）
成本=成本（5000、8000、9500、4700、9200、5500、5300、7300、3300、4100、4400）
df=数据帧（名称、位置、等级、成本）
#设置限制
num_ba=1
num_pm=1
num_sa=2
最大成本=35000
#创建要按位置约束的向量
df$BA=ifelse（df$position==“BA”，1,0）
df$PM=ifelse（df$position==“PM”，1,0）
df$SA=ifelse（df$position==“SA”，1,0）
#要优化的向量
目标=df$评级
#约束方向
const_dir如果我答对了问题，这可能会起作用：

 library(lpSolve)

 # create data.frame
 name = c("Steve", "Jeremy", "Matt", "Aaron", "Stephanie", "Molly", "Jake", "Tony", "Jay", "Katy", "Alison") 
position = c("BA", "PM", "SA", "BA", "SA", "PM", "SA", "SA", "PM", "BA", "SA")
rating = c(75, 90, 95, 85, 95, 88, 74, 81, 55, 65, 68) 
cost = c(5000, 8000, 9500, 4700, 9200, 5500, 5300, 7300, 3300, 4100, 4400)

df = data.frame(name, position, rating, cost)

# create restrictions
num_pm = 1
min_num_ba = 1
min_num_sa = 2
tot_saba   = 4
max_cost = 35000

# create vectors to constrain by position
df$PM = ifelse(df$position == "PM", 1, 0)
df$minBA = ifelse(df$position == "BA", 1, 0)
df$minSA = ifelse(df$position == "SA", 1, 0)
df$SABA = ifelse(df$position %in% c("SA","BA"), 1, 0)

# vector to optimize against
objective = df$rating

# constraint directions
const_dir <- c("==", ">=", "<=", "==", "<=")

# matrix
const_mat = matrix(c(df$PM, df$minBA, df$minSA, df$SABA, df$cost), 5, byrow=TRUE)
const_rhs = c(num_pm, min_num_ba,min_num_sa, tot_saba, max_cost)

#solve
x = lp("max", objective, const_mat, const_dir, const_rhs, all.bin=TRUE, all.int=TRUE)
print(df[which(x$solution==1), ])

然而，将此解决方案的评级相加得到438，而op结果是437，因此这应该是正确的

嗯
 您想要什么作为输出并不十分清楚。你能说明你想要的最终目标是什么吗？增加了想要的输出。。希望这能澄清我的意图。看看拉姆在mmm的回答，我现在知道你可能可以避免一些限制：你实际上只需要四个：PM=1，BA>=1，SA>=2和BA+SA==4。我稍后会重新格式化Answare。谢谢，这很有意义！我还将致力于离线优化约束以供练习。很高兴能提供帮助-这是一个改进且更简单的版本。
 library(lpSolve)

 # create data.frame
 name = c("Steve", "Jeremy", "Matt", "Aaron", "Stephanie", "Molly", "Jake", "Tony", "Jay", "Katy", "Alison") 
position = c("BA", "PM", "SA", "BA", "SA", "PM", "SA", "SA", "PM", "BA", "SA")
rating = c(75, 90, 95, 85, 95, 88, 74, 81, 55, 65, 68) 
cost = c(5000, 8000, 9500, 4700, 9200, 5500, 5300, 7300, 3300, 4100, 4400)

df = data.frame(name, position, rating, cost)

# create restrictions
num_pm = 1
min_num_ba = 1
min_num_sa = 2
tot_saba   = 4
max_cost = 35000

# create vectors to constrain by position
df$PM = ifelse(df$position == "PM", 1, 0)
df$minBA = ifelse(df$position == "BA", 1, 0)
df$minSA = ifelse(df$position == "SA", 1, 0)
df$SABA = ifelse(df$position %in% c("SA","BA"), 1, 0)

# vector to optimize against
objective = df$rating

# constraint directions
const_dir <- c("==", ">=", "<=", "==", "<=")

# matrix
const_mat = matrix(c(df$PM, df$minBA, df$minSA, df$SABA, df$cost), 5, byrow=TRUE)
const_rhs = c(num_pm, min_num_ba,min_num_sa, tot_saba, max_cost)

#solve
x = lp("max", objective, const_mat, const_dir, const_rhs, all.bin=TRUE, all.int=TRUE)
print(df[which(x$solution==1), ])

       name position rating cost PM minBA minSA SABA
1     Steve       BA     75 5000  0     1     0    1
3      Matt       SA     95 9500  0     0     1    1
4     Aaron       BA     85 4700  0     1     0    1
5 Stephanie       SA     95 9200  0     0     1    1
6     Molly       PM     88 5500  1     0     0    0