求解整数规划常用的方法有分枝定界法和割平面法.pptVIP

MinZ=9x11+17x12+16x13+7x14+12x21+7x22+14x23+16x24+ 8x31+17x32+14x33+17x34+7x41 +9x42+11x43+9x44 s.t. x11+ x12+ x13+ x14= 1 (甲只能干一项工作) x21+ x22+ x23+ x24= 1 (乙只能干一项工作) x31+ x32+ x33+ x34= 1 (丙只能干一项工作) x41+ x42+ x43+ x44= 1 (丁只能干一项工作) x11+ x21+ x31+ x41= 1 ( A工作只能一人干) x12+ x22+ x32+ x42= 1 ( B工作只能一人干) x13+ x23+ x33+ x43= 1 ( C工作只能一人干) x14+ x24+ x34+ x44= 1 ( D工作只能一人干) xij 为0--1变量，i,j = 1,2,3,4 匈牙利法是针对目标要求极小化问题提出的 基本原理：为了实现目标极小，在系数矩阵元素cij≥0条件下，如果能使矩阵具有一组处于不同行不同列的零元素cij’＝0，画上圈符号“◎”，表示对应该元素的决策变量xij=1，未画圈元素对应的决策变量xij＝0，那么目标的数值z’＝0为最小，这样的组合解x就是最优解。所以匈牙利法又称画圈法。 目标规划问题的提出 （1）线性规划只研究在满足一定条件下,单一目标函数取得最优解,而在企业管理中,经常遇到多目标决策问题,如拟订生产计划时,不仅考虑总产值,同时要考虑利润,产品质量和设备利用率等。这些指标之间的重要程度(即优先顺序)也不相同,有些目标之间往往相互发生矛盾； （2）线性规划最优解存在的前提条件是可行域为非空集,否则,线性规划无解。然而实际问题中,有时可能出现资源条件满足不了管理目标的要求的情况,此时,仅做无解的结论是没有意义的； （3）线性规划问题中的约束条件是不分主次,同等对待的,是一律要满足的“硬约束”,而在实际问题中,多个目标和多个约束条件并不一定是同等重要的,而是有轻重缓急和主次之分的； （4）线性规划的最优解可以说是绝对意义下的最优,但很多实际只需(或只能)找出满意解就可以。 【例题】某公司分厂用一条生产线生产两种产品A和B，每周生产线运行时间为60小时，生产一台A产品需要4小时，生产一台B产品需要6小时。根据市场预测,A、B产品平均销售量分别为每周9、8台,它们销售利润分别为12、18万元。在制定生产计划时经理考虑下述4项目标： 首先，产量不能超过市场预测的销售量； 其次，工人加班时间最少； 第三，希望总利润最大； 最后，要尽可能满足市场需求,当不能满足时,市场认为B产品的重要性是A产品的2倍。 容易求得上述线性规划的最优解为(9,4)T 到 (3,8)T 所在线段上的点，最优目标值为Z* = 180, 即可选方案有多种。 第四个目标为: x1 ? 9，x2 ? 8；要尽可能满足市场需求, 当不能满足时, 市场认为B产品的重要性是A产品的2倍。 目标约束：目标规划特有的，当把约束右端项看作要努力追求的目标值，但允许发生正式负偏差，用在约束中加入正负偏差变量来表示，于是称它们是软约束 建立这个问题的数学模型 若把总利润最大看作目标，而把产量不能超过市场预测的销售量、工人加班时间最少和要尽可能满足市场需求的目标看作约束，则可建立一个单目标线性规划模型。 设决策变量 x1，x2 分别为产品A，B的产量 在实际上，这个结果并非完全符合决策者的要求，它只实现了经理的第一、二、三条目标，而没有达到最后的一个目标。 第三个目标为: 希望总利润最大，要表示成不等式需要找到一个目标下界，这里可以估计为252（=12?9+18?8），于是有：12x1 + 18x2 ? 252； 第二个目标为: 4x1 + 6x2 ? 60 （工人加班时间最少）； 如果把第4个目标表示为不等式，仍设决策变量 x1，x2 分别为产品A，B的产量，则 第一个目标为: x1 ? 9 ，x2 ? 8（产量不能超过市场预测的销售量）； 要实现全体目标是不可能的。 线性目标规划和线性规划比较，具有下面的特点 （1）线性规划只讨论单目标线性函数在一组线性约束条件下的最优值问题，而目标规划能统筹兼顾处理实际问题中出现的多目标关系，求得切合实际的最优解。 （2）线性规划是求最优解，而目标规划是求满意解。