我是一名程序员和一级方程式赛车迷。当我开始玩f1的梦幻联赛时，我的心思自然就转向了算法。
f1 奇幻游戏的目标是挑选 5 名车手和 2 支车队，同时保持价格上限，并根据比赛表现获得最高分。这听起来像是一个相当传统的有约束的计算机科学优化问题，对吧？
更准确地说，对于任何历史比赛窗口，我们都可以使用线性规划来找到最佳团队。严格来说，这个解决方案是游戏的简化版本（真正的游戏允许你每周对你的团队进行更改，并且有一些通配符因素），但仍然是一个有用的起点。
整合我们的能力需要最少的依赖：
数据：我们从优秀的 f1 fantasy tools 网站获取积分/价格数据线性编程库：我们使用 glpk.js，它是旧的值得信赖的 glpk 求解器的 javascript/webassembly 端口平台：我们使用 github 页面，我们的代码在 mit 许可证下开源，可以在此处找到
当前功能有一个简单的界面，如屏幕截图所示。
该功能的关键是线性程序的幕后构造，然后将其输入浏览器中运行的 glpk.js 求解器。这是我们的工具构建的实际线性程序（省略了许多行）。
{ "name": "LP", "objective": { "direction": 2, "name": "obj", "vars": [ { "name": "VER", "coef": 593 }, { "name": "OCO", "coef": 112 }, [...18 additional drivers, omitted for brevity] { "name": "AST", "coef": 360 }, [...9 additional teams, omitted for brevity] ] }, "subjectTo": [ { "name": "cons1", "vars": [ { "name": "VER", "coef": 30 }, { "name": "NOR", "coef": 23 },[...18 additional drivers, omitted for brevity] { "name": "MCL", "coef": 23.2 },[...9 additional teams, omitted for brevity] ], "bnds": { "type": 3, "ub": 100, "lb": 0 } }, { "name": "cons2", "vars": [ { "name": "VER", "coef": 1 }, { "name": "OCO", "coef": 1 },[...18 additional drivers, omitted for brevity] ], "bnds": { "type": 5, "ub": 5, "lb": 5 } }, { "name": "cons3", "vars": [ { "name": "RED", "coef": 1 },[...9 additional teams, omitted for brevity]Show quoted text[...18 additional drivers, omitted for brevity] { "name": "cons29", "vars": [ { "name": "FER", "coef": 1 } ], "bnds": { "type": 4, "ub": 1, "lb": 0 } },[...9 additional teams, omitted for brevity] ], "generals": [ "VER", "OCO",[...18 additional drivers, omitted for brevity] "ALP",[...9 additional teams, omitted for brevity] ]}
登录后复制
对于那些不熟悉 f1 命名口语的人来说，车手是通过姓氏的前三个字母来称呼的（例如 ver 是 max verstappen），每个车队都有一个 3 个字母的助记符（例如 ast 是阿斯顿·马丁赛车运动）。
因此，在这些线性程序中，每个车手都有一个变量（以他们的三个字母代码命名），每个团队都有一个变量，该变量的值必须为 1（在您的幻想团队中）或 0（不在您的幻想中）团队）。而线性规划的目标是最大化积分，受限于价格总和不超过预算阈值，还受限于车手变量总和为5，车队变量总和为2。非常简单!
一个细微差别是，你可以选择一名“2x 车手”，他的得分是他们当周获得的积分的两倍。为了适应这种细微差别，我们生成 20 个单独的线性程序（每个程序采用不同的驱动程序作为 2x），并在这 20 个程序中的每一个上运行 glpk.js，以找到具有最大分数的程序。
免责声明：我们与一级方程式（或其任何公司或品牌）没有任何隶属关系。此功能的作者只是一个喜欢玩奇幻游戏的粉丝。所提供的信息不保证其准确性，您需自行承担使用风险。’
以上就是使用线性规划评估（历史最优）Fantasy Feams的详细内容，更多请关注【创想鸟】其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至253000106@qq.com举报，一经查实，本站将立刻删除。
发布者：PHP中文网，转转请注明出处：https://www.chuangxiangniao.com/p/2648697.html
