5.整体规划.docxVIP

6.1整数规划问题的提出6.1.1整数规划的数学模型线性规划的一个重要的假设是决策变量可取非整数的连续值，然而这一假设在很多情况下是不满足的。一般称对决策变量有整数要求的数学规划问题为整数规划问题（Integer Programming，可简称为IP）。整数规划又有线性整数规划和非线性整数规划之分，这里只讨论线性整数规划。举一个简单的例子如下：例1 某工厂有资金13万元用于购置新机器，可在两种机器中任意选购。已知机器A每台购置费2万元，B为4万元。该厂维修能力只能维修7台机器B；若维修机器A，1台折算机器B 2台。已知一台A可增加年产值6万元，1台B可增加年产值4万元，问应购置A和B各多少台才能使年产值增加最多？设决策变量x1，x2分别表示A、B两种机器的购置台数，根据实际机器台数应为整数，故该问题的优化模型为max ；s.t. 这是一个线性整数规划问题。而根据变量取值的限制形式，整数规划又可分为纯整数规划(IP)：所有决策变量取整数值；混合整数规划(MIP)：部分决策变量取整数值；0-1整数规划（BIP）：整数变量只能取0或1，0-1整数规划又可分为0-1纯整数规划和0-1混合整数规划。显然，放松整数约束的整数规划就成为线性规划，此线性规划被称之为整数规划的线性规划松弛问题。这样，任何一个整数规划可以看成是一个线性规划再加上整数约束构成的。6.1.2整数规划问题的求解下面我们用图解法来求解例1所示的整数规划问题。整数规划问题和线性规划模型的不同之处只在于增加了最后一个约束条件。现在暂时不考虑整数约束，用图解法求解。图1-1画出两个约束条件方程直线及目标函数值为23的等值直线，最优解是，，。用凑整的方法得到的整数解是，，。目标函数值损失的上限值是3万元，决策人认为有必要求出最优整数解或验证，是否为最优整数解。图 6-1整数规划问题的可行域是一组可行点，就是在线性规划问题的可行域内坐标值为整数的点，如图1-2中等。很明显，当等值直线从左下方向右上方平行移动时，先经过，再经过，所以这个问题的最优整数解是，，目标函数值为22万元。因此，不能用凑整的方法去求整数规划问题的最优解，四舍五入凑整得到的解通常与最优整数解相差甚远，甚至得不到可行整数解。图6-2由上例可知，整数规划的所有可行解包含在线性规划松弛问题的可行域内。因此，整数规划可行解的数量大大小于线性规划松弛问题可行解的数量，这一事实也给出了整数规划最优解和线性规划松弛问题最优解的下述关系：松弛问题的最优解值整数规划最优解值（对max问题）松弛问题的最优解值整数规划最优解值（对min问题）这一关系在整数规划问题的求解中扮演着非常重要的角色。如果线性规划松弛问题的可行域有界的话，整数规划可行解的数量是有限的。理论上讲，这样的整数规划问题可以通过计算和比较所有整数格点的值来求解，这种方法称为穷举法。穷举法的计算量很大，求解几个变量的小问题还可以使用。当整数变量的数目增加时，穷举法的计算量呈指数增长。一个有100个0-1整数变量的整数规划问题如果用穷举法计算，即便使用目前最现代化的计算机也要计算上几亿亿年。因此，穷举法无法用来求解实际问题。目前求解整数规划问题比较成熟的方法是分枝定界法和割平面法。接下来对这两种方法分别加以介绍。6.2分枝定界法分枝定界法的基本思想是根据某种策略将原问题的可行域分解为越来越小的子域，并检查某个子域内整数解的情况，直到找到最优的整数解或证明整数解不存在。根据整数规划问题性质的不同，存在许多不同的分枝定界方法以及分枝定界的技巧，本节只对分枝定界方法的一般原理做简单的介绍。6.2.1分枝与定界在介绍具体算法之前，我们先讨论以下几个重要的事实：(1)如果求解一个整数规划的线性规划松弛问题时得到一个整数解，这个解一定也是整数规划的最优解。然而，求解实际问题时，这种巧合的机率很小；(2)如果得到的解不是一个整数解，则最优整数解值一定不会好于所得到的线性规划松弛问题的目标函数值。因此，线性规划松弛问题的解值是整数规划目标函数值的一个界（对最大化问题为上界，对最小问题为下界）；(3)如果在求解过程中已经找到一个整数解，则最优整数解一定不会劣于该整数解。因此，它也是最优整数解的一个界（对最大问题为下界，对最小问题为上界）。如果用表示线性规划松弛问题的解值，用表示已经找到的最好的整数解（后面可知，亦为进行剪枝的界），为最优整数解，表示下界，表示上界，则最优整数解一定满足以下关系：（对最大化问题）（对最小化问题）如果能找到一种方法，不断降低上界，提高下界，最后使得下界等于上界，就可以搜索到最优整数解。分枝定界法就是按照这一原理设计的。它从求解线性规划松弛问题开始，将线性规划问题的可行域分成许多小的子域，这一过程称为分枝；通过分枝和找到更好的整数解来不断修改问题的上下界，这一过