4.2整数规划.pptVIP

再对子问题P1和P2继续上述分支定界过程。 若在某一时刻，得到一个全整数解（即全部分量均为整数）的目标值为Zu，则Zu为P0的一个下界。 如果在不同分支得到不同的下界，我们只需要记住其中最好的一个下界，即最小的一个下界U。 此时，若打算从子问题k开始分支，而这一子问题的下界Zk=U,则这一分支不必再考虑，否则若ZkU, 则分支还要继续下去。 分支定界法并不能保证用最少的迭代次数达到最优解，在不顺利的情况下，甚至需要对全部区域进行搜索。但根据经验，一般情况下，它还是一种节省工时的有效方法，对于解整数规划问题是应用的最广泛的方法。 LINDO求解整数规划问题用的就是分支定界法。 大学数学实验 Experiments in Mathematics 整数规划 (Integer Programming) 整数规划问题一般形式 整数线性规划(ILP) 目标和约束均为线性函数 整数非线性规划(INLP) 目标或约束中存在非线性函数 纯(全)整数规划(PIP) 决策变量均为整数 混合整数规划(MIP) 决策变量有整数，也有实数 0-1规划 决策变量只取0或1 分 类 若要求决策变量x的分量xi中至少有一个只取整数，则该模型称为整数规划。 取消整数规划中决策变量为整数的限制（松弛），对应的连续优化问题称为原问题的松弛问题 整数规划问题对应的松弛问题 松弛问题 松 弛 整数规划问题 最优解 最优解 整数 非整数 整数 舍入 下界（对Min问题） 上界（对Max问题） 非最优解 原问题 松弛 基本思想：隐式地枚举一切可行解（“分而治之”） 所谓分枝，就是逐次对解空间（可行域）进行划分；而所谓定界，是指对于每个分枝（或称子域），要计算原问题的最优解的下界（对极小化问题）. 这些下界用来在求解过程中判定是否需要对目前的分枝进一步划分，也就是尽可能去掉一些明显的非最优点，避免完全枚举. 整数规划的分枝定界法 （BB: Branch and Bound） 对于极小化问题，在子域上解LP，其最优值是IP限定在该子域时的下界；IP任意可行点的函数值是IP的上界 线性规划松弛定界 若在某一时刻，得到一个全整数解的费用为zm，则zm为原问题的一个上界; 否则得该分枝的一个下界，继续分枝． （P1） （P2） 线性IP LINDO和LINGO软件求解优化模型 例 加工奶制品的生产计划 1桶牛奶 3公斤A1 12小时 8小时 4公斤A2 或 获利24元/公斤 获利16元/公斤 50桶牛奶 时间480小时 至多加工100公斤A1 制订生产计划，使每天获利最大 35元可买到1桶牛奶，买吗？若买，每天最多买多少? 可聘用临时工人，付出的工资最多是每小时几元? A1的获利增加到 30元/公斤，应否改变生产计划？ 每天： 1桶牛奶 3公斤A1 12小时 8小时 4公斤A2 或 获利24元/公斤 获利16元/公斤 x1桶牛奶生产A1 x2桶牛奶生产A2 获利 24×3x1 获利 16×4 x2 原料供应 劳动时间 加工能力 决策变量 目标函数 每天获利 约束条件 非负约束 线性规划模型(LP) 时间480小时 至多加工100公斤A1 50桶牛奶 每天 模型求解 max 72x1+64x2 st 2）x1+x250 3）12x1+8x2480 4）3x1100 end OBJECTIVE FUNCTION VALUE 1) 3360.000 VARIABLE VALUE REDUCED COST X1 20.000000 0.000000 X2 30.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 48.000000 3) 0.000000 2.000000 4) 40.000000 0.000000 NO. ITERATIONS= 2 DO RANGE (SENSITIVITY