python求解优化问题的包_Python：用遗传算法求解背包优化问题？

目前，我正试图用最好的方法来完成我正在做的事情。我有以下熊猫df。在Player Pos Salary My Proj

0 James Harden PG/SG 10600 51.94472302

1 Jose Juan Barea PG/SG 4200 22.20823452

2 Stephen Curry PG/SG 8700 42.95809374

3 Eric Gordon SG 5400 27.45218158

4 Nikola Vucevic C 7400 37.00103015

5 Wilson Chandler SF/PF 4900 24.83866589

每天大约有200名玩家参加。我需要运行一个优化来填充多达20个符合以下约束的草稿列表：

50000美元以下

使用1pg、1sg、1sf、1pf、1c、1g、1f和1util

正如你所看到的，大多数球员可以在一个阵容中填补多个位置，在位置栏中用“/”字符表示。G位置可以用PG或SG填充，F位置可以用SF或PF填充，UTIL位置接受所有位置。在

起初，我考虑使用背包暴力的方法，这似乎是最简单的方法，但实际上有数万亿的组合，所以这将花费大量的时间，而没有真正做到我真正想要的。在

相反，我决定尝试使用遗传学的方法，因为我已经看过很多关于这个问题的演讲视频，认为这是解决这个问题的好主意。但是，我不知道如何在一般的1/0背包方法中设置这个问题，因为我需要包括很多东西。在典型的背包方法中，你只需要一个重量和一个值。我的体重和价值观是球员的薪水和他们的预期得分。但是我必须包括球员的位置在这里，这可以是1个或有时2个不同的可能性，一个球员。在

希望这是有意义的，我基本上是想了解如何在python3中开始处理这个任务。提前感谢您所能提供的一切！在