如何根据存储在 tibble 中的数据执行未知数量的函数调用/“管道”？

问：

我将尝试使此示例尽可能可重现和明确。

要完全重现代码，您需要以下软件包...

library(tidyverse)
library(ompr)
library(ompr.roi)
library(ROI)
library(ROI.plugin.glpk)

而且，您需要创建以下“虚拟”数据集......

dummy_data <-
  tibble(
    category = c("A01", "A01", "A01", "A01", "A05", "A05", "A05", "A15", "A15", "A15", "A15"),
    unknown = c("w", "b", "c", "l", "w", "b", "c", "w", "b", "c", "o"),
    known = c(388610, 7760, 94970, 129931, 366472, 360477, 82212, 128021, 114379, 72185, 32807),
    known_sum = c(1470189, 1470189, 1470189, 1470189, 1110194, 1110194, 1110194, 831287, 831287, 831287, 831287)
  )

我的目标是使用 OMPR 包（混合线性规划）根据方程和一些边界/约束来反求一组未知因素，这些边界/约束依赖于存储在“dummy_data”字块中的数据。我设法快速使用 OMPR 包来获得以下示例，通过从虚拟数据中“手动输入”所有必要的信息来工作。下面是仅第一类 （A01） 的示例...

model <-
  MILPModel() %>%
    add_variable(w, lb = 1.8, ub = 2.8, type = "continuous") %>%
    add_variable(b, lb = 2.0, ub = 3.0, type = "continuous") %>%
    add_variable(c, lb = 1.1, ub = 1.8, type = "continuous") %>%
    add_variable(l, lb = 1.3, ub = 1.7, type = "continuous") %>%
    set_objective(388610*w+ 7760*b+ 94970*c+ 129931*l, "min") %>%
    add_constraint((388610*w+ 7760*b+ 94970*c+ 129931*l) == 1470189) %>%
    solve_model(with_ROI(solver = "glpk"))

现在，目标是为每个“类别”（即 A05、A15 和任何其他潜在的 Axx）创建一个相同的模型，而不仅仅是如上所示的 A01。我可以轻松创建“model2”和“model3”，然后手动输入所有数字。删除 A05 的“l”变量，然后在 A15 中添加一个新的“o”变量（具有自己的特定边界）。

然而，这感觉并不整洁，它是大量的手工工作，而且随着类别/变量数量的增加，它很快就会变得越来越不可持续。

有没有一种整洁的方法来逐步执行虚拟数据集（可能使用“类别”上的group_map），其中映射函数创建一个不同的模型（如上面手动演示的那样），但对于每个类别 - 基于模型参数基于数据集中每个类别中存在的唯一变量/数字集？

• 仅创建为该类别显示的变量（即 A01 的 w、b、c、l;A05 的 w、b、c;A15 的 w、b、c、o）
• 在set_objective和add_constraint调用中归属正确的“已知”号码。
• 将正确的“known_sum”号码归因于add_constraint呼叫的结束 （RHS）。

我用 rlang/metaprogramming 标记了这个问题，因为在我看来，我正在朝着“使用代码创建代码”的方向发展来解决这个问题（使用 quo、eval 等）。然而，我在 R 编程的那部分完全天真/没有经验，我看好可能有一种更简单的方法来解决这个问题，使用更少的手动（和更整洁）的方法！

感谢您提前向我提出的任何想法/帮助！

干杯 特洛伊