R lpSolve-将目标函数优化到特定值

我很好奇是否有可能定义一个目标函数来优化到一个特定的值，而不仅仅是“min”或“max”。例如，我有一个函数，我想优化到100，有一些约束条件（这里省略）。 目标函数（优化为100）：

实现我的目标的正确方法是什么？现在我只能将优化定义为“最小”或“最大”，这并不能解决我的目标

完整代码：

    fn.obj <- c(3.62, 5.19, 7.29, 7.76, 3.82, 4.86, 4.03, 8.81, 9.14)
    require(lpSolveAPI)

    model <- make.lp(0,9)
    lp.control(model, sense="max", verbose="full")
    set.objfn(model, fn.obj)#-8333550.82)

    add.constraint(model, c(70,70,-30,70,-30,-30,-30,-30,70), ">=", 0)
    add.constraint(model, c(-60,-60,40,-60,40,40,40,40,-60), ">=", 0)
    add.constraint(model, c(-20,-20,80,-20,-20,80,80,-20,-20), ">=", 0)
    add.constraint(model, c(30,30,-70,30,30,-70,-70,30,30), ">=", 0)
    add.constraint(model, c(-30,-30,-30,-30,70,-30,-30,70,-30), ">=", 0)
    add.constraint(model, c(40,40,40,40,-60,40,40,-60,40), ">=", 0)
    set.bounds(model, lower=c(39232,72989,90872,63238,49579,9626,158297,300931,160556), upper=c(49041,91237,113591,79048,61974,12033,197872,376164,200696))
    set.type(model, 1:9,type = "integer")

    res<-solve(model)

    get.variables(model)
    get.objective(model)

---

当需要最大化目标函数时，代码运行良好。但是，如果我不想最大化，而是想优化我的目标函数，例如7000。因此，对于相同的约束条件，我想为fn.obj->1000找到可能的x1，…，x9。

如果您为目标值指定的值对应于可行的解决方案，您只需将其作为约束条件添加即可。1000和7000似乎不符合任何可行的解决方案，但假设我们希望目标为8000000而不是8333551。然后添加此约束并重新运行模型

add.constraint(model, fn.obj, "=",  8000000)

---

用原始代码更新了我的问题。

    > get.variables(model)
    [1]  49041  91237 113591  79048  61974  12033 197872 376164 200696
    > get.objective(model)
    [1] 8333551

add.constraint(model, fn.obj, "=",  8000000)