R'赋值；s ompr或其他优化函数

想知道这是否可以通过

ompr

R

包

（或任何其他优化

包

）解决

我有

n

处理和

m

细胞系，对于每个处理：细胞系对，我进行了一个实验，读数是细胞系对处理的敏感性

现在我需要进行一个验证性实验，在这里我需要选择

I

治疗，其中我需要为每个治疗选择

j

敏感和

j

非敏感细胞系（在我的情况下

I

=40和

j

=4）。在这个验证性实验中，我在同一个平板上运行治疗和细胞系，所以我的目标是最小化细胞系的总数

---

我想知道这是否可以转化为R

ompr

可以解决的术语？

如果我正确解释了您的问题，我使用

ompr

对其进行建模。如果我理解正确的话，你会希望将治疗的子集与细胞系相匹配。每次治疗应与两个敏感细胞系和两个非敏感细胞系相匹配。我进一步假设，细胞系可以在治疗中共享，否则就没有必要最小化细胞系的数量

首先，我们需要为模型创建输入数据。我使用你在问题中选择的符号

# For testing I chose small numbers.
# Number of treatments
n <- 10
# Number of cell lines
m <- 10
# Number of treatments for confirmatory experiment
i <- 4

# simulation of treatment results
# a data.frame with a sensitivity result for each treatment/cell_line combination.
# the result is either TRUE (sensitive) or FALSE (not sensitive)
treatment_results <- expand.grid(treatment = 1:n, cell_line = 1:m)
treatment_results$result <- runif(nrow(treatment_results)) < 0.3

给定该模型，我们可以使用GLPK进行求解。请注意，使用较大的参数，模型可能需要很长时间

# you can solve the model using GLPK for example
library(ompr.roi)
library(ROI.plugin.glpk)
result <- solve_model(model, with_ROI("glpk", verbose = TRUE))

# let's examine the solution
library(dplyr)
# this is the list of treatments selected for testing
filter(get_solution(result, y[k]), value > 0)$k

# this is the list of cell_lines selected for testing
filter(get_solution(result, z[j]), value > 0)$j

# the actual matching of treatment and cell_line is in the x variable
get_solution(result, x[k, j]) %>%
  filter(value > 0) %>%
  inner_join(treatment_results, by = c("k" = "treatment", "j" = "cell_line"))

#例如，您可以使用GLPK求解模型
图书馆（ompr.roi）
库（ROI.plugin.glpk）
结果如果我正确解释了您的问题，我使用
ompr
对其进行建模。如果我理解正确的话，你会希望将治疗的子集与细胞系相匹配。每次治疗应与两个敏感细胞系和两个非敏感细胞系相匹配。我进一步假设，细胞系可以在治疗中共享，否则就没有必要最小化细胞系的数量

首先，我们需要为模型创建输入数据。我使用你在问题中选择的符号

# For testing I chose small numbers.
# Number of treatments
n <- 10
# Number of cell lines
m <- 10
# Number of treatments for confirmatory experiment
i <- 4

# simulation of treatment results
# a data.frame with a sensitivity result for each treatment/cell_line combination.
# the result is either TRUE (sensitive) or FALSE (not sensitive)
treatment_results <- expand.grid(treatment = 1:n, cell_line = 1:m)
treatment_results$result <- runif(nrow(treatment_results)) < 0.3

给定该模型，我们可以使用GLPK进行求解。请注意，使用较大的参数，模型可能需要很长时间

# you can solve the model using GLPK for example
library(ompr.roi)
library(ROI.plugin.glpk)
result <- solve_model(model, with_ROI("glpk", verbose = TRUE))

# let's examine the solution
library(dplyr)
# this is the list of treatments selected for testing
filter(get_solution(result, y[k]), value > 0)$k

# this is the list of cell_lines selected for testing
filter(get_solution(result, z[j]), value > 0)$j

# the actual matching of treatment and cell_line is in the x variable
get_solution(result, x[k, j]) %>%
  filter(value > 0) %>%
  inner_join(treatment_results, by = c("k" = "treatment", "j" = "cell_line"))

#例如，您可以使用GLPK求解模型
图书馆（ompr.roi）
库（ROI.plugin.glpk）
结果