运筹与优化--整数规划.ppt

第四章 整数规划 整数规划的含义 分枝定界法 割平面法 0-1整数规划的解法 指派问题的算法 第一节 整数规划问题的提出 决策问题中经常有整数要求，如人数、件数、机器台数、货物箱数……如何解决？四舍五入不行，枚举法太慢. 问题分类： 纯整数规划 变量全为非负整数 、混合整数规划 部分变量为整数 、0-1整数规划 变量取为0或1 . 专门方法：分枝定界法、割平面法、隐枚举法、匈牙利法. 问题举例 某集装箱运输公司，箱型标准体积24m3，重量13T,现有两种货物可以装运，甲货物体积5m3、重量2T、每件利润2000元；乙货物体积4m3、重量5T、每件利润1000元，如何装运获利最多？ 数模: maxZ 2000x1+1000x2 5x1+4x2≤24 2x1+5x2 ≤13 x1、x2 ≥0且为整数 解此IP问题,得: x1 4.8，x2 0 显然不是可行解. 整数规划图解法 x2 A 4.8，0 点是LP问题的可行解,不是IP问题的可行解，B 4，1 才是IP的最优解. 图解法的启示 纯整数规划的可行解就是可行域中的整数点. 非整数点不是 IP 的可行解，对于求解没有意义,故切割掉可行域中 IP 的非可行解，不妨碍整数规划问题的优化. IP 的最优解不会更优于相应的 LP 的最优解. IP 的最优解不能按相应 LP 的最优解取整而得. 注1: LP 有最优解,其相应的 IP 可能无可行解. 注2: LP 的最优解全为整数时,即得 IP 的最优解. 注1: LP 无可行解,其相应的 IP 也无可行解. 第二节 分枝定界法 思路：切割可行域，去掉非整数点。一次分枝变成两个可行域，分别求最优解 例1. maxZ 2000x1+1000x2 5x1+4x2≤24 2x1+5x2 ≤13 x1、x2 ≥0 且为整数 解：先不考虑整数要求，解相应的 LP 问题，得： x1 4.8 x2 0 Z 9600 不是可行解 Z 9600是IP问题的上界，记为：Z 9600 例1 （续） X1 4.8不符合要求，切掉4—5之间的可行域，可行域变成两块，即原有约束条件再分别附 加约束条件x1 ≤4和x1 ≥5 原问题分解为两个 maxZ 2000x1+1000x2 maxZ 2000x1+1000x2 5x1+4x2≤24 5x1+4x2≤24 2x1+5x2 ≤13 IP1 2x1+5x2 ≤13 IP2 x1 ≤4 x1 ≥5 x1、x2 ≥0且为整数 x1、x2 ≥0且为整数 例1 （续） 不考虑整数要求，解相应 LP 问题。 解 LP 1 得：x1 4 ,x2 1 z 9000 解 LP 2 得：无可行解 此时可以断定IP问题的下界为9000，记为Z 9000 ?由于目前的分枝末梢最大值是9000，故IP问题的上界便是9000。由于Z Z，此时已得IP问题的最优解，即 x1 4, x2 1, Z 9000 分枝定界法的解题步骤 问题（A） Max z CX s.t. AX b, X ≥ 0 且为整数 将问题（A）去掉整数约束的问题记为（B） 在分枝定界法过程中求解问题 B ，应有以下情况之一： ① B 无可行解，则 A 亦无可行解，停止计算； ② B 有最优解，并满足整数约束，即为 A 的最优解， 那么z* 同时是当前问题 A 最优目标值的上界和下界。停 止计算； ③ B 有最优解 x 及最优值 z 但不符合整数条件。这时 得到当前问题 A 最优目标值的一个上界 z ＝z ,于是通过 以下判断可对此问题进一步计算。 分枝定界法的解题步骤（1） 分枝定界法的计算过程： 1、对原问题 A ，求解松弛问题 B 。根据上面分析，若出现情况①，②则停机。若情况③发生，得到 A 问题最优值的一个上界。我们任找 A 问题的一个可行解，那么对应的目标函数值是 A 最优值的一个下界 z 。即得到 z ≤ z* ≤ z。 注:用观察法找 A 问题的可行解,可取xj 0试探 2、对当前问题进行分枝和定界： 分枝：不妨设当前问题为 A ，其松弛问题 B 的 最优解不符合整数约束，任取其非整数的分量 xr , 构造两个附加约束： xr ≤ [xr] 和 xr ≥ [xr]+1 分枝定界法的解题步骤 2 对 A 分别加入这两个约束,得到子问题 A1 和 A2 .显 然 A1 和 A2 的可行解集的并是 A 的可行集； 定界：以每个子问题 Ai 为一个分枝,求解松弛问 题 Bi ，找出当前问题新的上、下界 z 和 z 。 对一般迭代步，设根据分枝定界方法得到了原问 题 A 的一个同层子问题 Ai ，i＝1，2，...，n 的分 解。这里的同层子问题是