梦幻足球优化算法的想法

发布于 2024-12-07 06:34:15 字数 445 浏览 4 评论 0原文

所以，这与标准的梦幻足球有点不同。我拥有的是球员名单、他们的平均“每场得分”（PPG）和他们的薪水。我想在我的球队不超过工资帽的情况下最大化每场比赛的得分。一支球队由 1 个 QB、1 个 TE、3 个 WR 和 2 个 RB 组成。因此，如果每个位置有 15 个，我们就有 15X15 X(15 c 3)X(15 c 2) = 10749375 个可能的团队。

计算相当复杂。我可以使用一些分支定界，即一旦团队超过工资上限，我就可以修剪树，但即使这样，算法仍然相当慢。我尝试了另一种选择，我使用“遗传算法”，即随机组成 10 支球队，选择最好的一支并将其“变异”（随机改变一些球员）为另外 10 支球队，然后挑选这些球队，然后循环一组直到“最佳球队”的场均得分不再进步。

必须有更好的方法来做到这一点。我不是计算机科学家，我只学过算法学入门课程。程序员——你的想法是什么？我有一种感觉，动态规划的某种应用可能会有所帮助。

谢谢

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

面犯桃花 2024-12-14 06:34:15

我认为智能实施的遗传算法将为您带来可接受的结果。您可能想要使用每美元薪水点数等指标而不是直接 PPG 来决定最佳团队。通过这种方式，您本质上是在衡量附加值。此外，您应该考虑多次运行完整的算法/突变以令人满意地完成，以便您可以识别最终结果中一致出现的玩家。那么这些球员应该比其他球员更受重视。

当然，genec 方法的问题是您需要一个好的变异算法，并且这对于您想要如何实现它来说是高度个人化的。

回复收藏 0 原文

请帮我爱他 2024-12-14 06:34:15

取i为n名球员中当前的球员人数，j为当前剩余的工资。取 m[i, j] 为动态解集。

Then m[i, 0] = 0, m[0, j] = 0
and

m[i, j] = m[i - 1, j] if salary for player i is greater than j

else

m[i, j] = max ( m[i - 1, j], m[i - 1, j - salary of player i] + PPG of player i)

抱歉，我不懂 R，但我很擅长算法，所以我希望这会有所帮助。

您可以进行的进一步优化是，您实际上只需要 2 行 m[i, j]，因为 DP 解决方案仅使用当前行和最后一行（这样可以节省内存）

Take i as the current number of players out of n players and j to be the current remaining salary that is left. Take m[i, j] to be the dynamic set of solutions.

Then m[i, 0] = 0, m[0, j] = 0
and

m[i, j] = m[i - 1, j] if salary for player i is greater than j

else

m[i, j] = max ( m[i - 1, j], m[i - 1, j - salary of player i] + PPG of player i)

Sorry that I don't know R but I'm good with algorithms so I hope this helps.

A further optimization you can make is that you really only need 2 rows of m[i, j] because the DP solution only uses the current row and the last row (you can save memory this way)

回复收藏 0 原文