Benders分解算法解析.pdfVIP

科技信息 高校理科研究 经典Benders分髓算法触析 湖南铁路科技职业技术学院信息技术系 霍芳 易斌 [摘要]随着计算机技术的飞速发展，对于大规模非线性运算问题的计算方法的研究也越来越受到人们的关注。本文介绍了一种 经典的Benders分解算法，该算法常用于求解像最小整数非线性规划和随机规划问题之类的计算难题。 [关键词]Benders分解算法非线性规划问题 随机规划问题 一、Benders分解算法介绍 2、对偶问题是可行的 Benders分解算法是J．F．Benders在1962年首先提出的，目的是用 由对偶原理知原问题有最优解的充分必要条件是它的对偶问题有 于解决混合整数规划问题，即连续变量与整数变量同时出现的极值问 有界的最优函数值，而对偶问题有有界的最优函数值的充分必要条件 题。但它的实际应用并不限于此，A．M．Geoffrion建立了广义的Benders 是min{zI 分解，它可以对具有Benders分解基本形式的非线性问题求解，对子问面体(pA≤c，p≥01的所有极点集。对给定的y，如果原问题是可行的，我 题的求解方法也不必一定是线性的。Benders分解算法是一个很常用的们得到它的等价问题为： 算法，用来计算像最小整数非线性规划问题和随机规划问题之类的难 Minz+fy 以计算的难题。 z≥∥(b-By)，i=l，2，…，s J．F．Benders设计了一个探索解答具有复杂变量的数学规划问题结由于所有的极点集是独立于Y的，现假设∞)有可行解，则(p)的等价 构的一个巧妙途径，所谓的复杂变量是指，当这些变量先固定时，使得 问题为： 剩下的优化问题(通常为子问题)变得相当容易。在Benders考虑的一类Minz+坶 特殊问题中，先把复杂变量的值固定，从而将问题规约为一个一般的线 z≥p1(b—By)，i=l，2，…，S 性规划问题，当然，这个线性规划问题是以复杂变量为参数的。在 Y∈Y Benders设计的算法里，利用割平面的方式将线性规划问题作为参变量 由前面的讨论，我们得到对任意给定的yEY，约束集{xIAx+By≥k≥o} 的函数的极值和使得线性规划问题有可行解的参变量的值的集合很恰 当地表达了出来。过程中，对偶理论用来推导刻画这些表达式的特征的 所以(p)等价于 自然割平面族，而带有参变量的线性规划问题被用来生成割平面。 Minz 在1976年，Florian将这个算法应用于铁路机车的调度问题。1976 z≥fy+p‘(b—By)，i=l，2，…，S 年，Richardson把这个算法应用于航空路线规划，1974年Geoffrion和 uJ(b—By)≤0j=1，2，…，k Graves成功地把这个算法应用于设计工业分配系统。从1978年开始，Y∈Y Fisher和Jaikumar就在研究讨论利用这个算法的优势来规划机动车的 路线。以上这些应用说明Benders分解算法用来解决各种特定的结构化 来线性规划问题(p)的一个等价形式，在这个等价的规划问题中，变量减 混合整规划问题有很大的优势。 少了，但约束式一般来说是指数形式的。在Benders主问题中，我们将只 二、Benders分解算法描述 取部分约束式而得到的线性规则问题称为主问题的松驰问题。而对一 给定一个优化问题： 个给定的Y∈Y，我们称下面的问题为(p)的一个Benders子问题： (p)r