整数规划all预案.ppt

三.分支算法的运用 这两个原则更进一步说明了在算法设计中的时空转换概念。 分枝定界法已经成功地应用于求解整数规划问题、生产进度表问题、货郎担问题、选址问题、背包问题以及可行解的数目为有限的许多其它问题。 对于不同的问题，分枝与界限的步骤和内容可能不同，但基本原理是一样 maxZ=X1+X2 2x1+5x2=16 6x1+5x2=30 x1,x2都大于0且为整数 割平面法 康蕊 以下只讨论纯整数线性规划的情形， 下面举例说明。 割平面法是1958年美国学者R. E. Gomory提出的，所以又称为Gomory的割平面法。 基本思想： 先不考虑变量的取整数约束，求解相应的线性规划， 然后不断增加线性约束条件（即割平面）， 将原可行域割掉不含整数可行解的一部分， 最终得到一个具有整数坐标顶点的可行域， 而该顶点恰好是原整数规划问题的最优解。 割平面求解举例 Max Z=x1+x2 ① -x1+x2≤1 ② 3x1+x2 ≤4 ③ x1 , x2≥0 ④ x1 , x2为整数⑤ 松弛问题 Max Z=x1+x2 -x1+x2≤1 3x1+x2 ≤4 x1 , x2≥0 -x1+x2+x3 =1 3x1+x2 +x4=4 x1 , x2≥0 如不考虑条件⑤，容易求得相应的线性规划的最优解：x1=3/4，x2=7/4，max z=10/4 它就是图中域R的顶点A，但不合于整数条件。 现设想，如能找到像CD那样的直线去切割域R，去掉三角形域ACD，那么具有整数坐标的C点(1，1)就是域R′的一个极点， 如在域R′上求解①～④， 而得到的最优解又恰巧在C点, 就得到原问题的整数解， 所以解法的关键: 就是怎样构造一个这样的 “割平面”CD， 它就是一个新的约束。 尽管它可能不是唯一的， 也可能不是一步能求到的。 下面给出本例完整的求解过程： 在原问题的前两个不等式中增加非负松弛变量x3、x4，使两式变成等式约束： -x1+x2+x3 =1 ⑥ 3x1+x2 +x4=4 ⑦ 不考虑条件⑤，用单纯形表解题，见下表 解松弛问题的最优单纯形表为： CB XB b 1 1 0 0 x1 x2 x3 x4 0 x3 1 -1 1 1 0 0 x4 4 3 1 0 1 σ 1 1 0 0 … … … … … … … 1 x1 3/4 1 0 -1/4 1/4 1 x2 7/4 0 1 3/4 1/4 Z=5/2 σ 0 0 -1/2 -1/2 从表的最终计算表中，得到非整数的最优解： x1=3/4，x2=7/4，x3=x4=0，max z=5/2 可从最终计算表中得到非整数基变量对应的关系式： 不能满足整数最优解的要求。 为此考虑将带有分数的最优解的可行域中 分数部分割去，再求最优解。 就可以得到整数的最优解。 为了得到整数最优解。将上式变量的系数和 常数项都分解成整数和非负真分数两部分之和 (1+0)x1+(-1+3/4)x3+1/4x4=0+3/4 x2+(3/4)x3+(1/4)x4=1+3/4 然后将整数部分与分数部分分开，移到等式左右两边，得到： 现考虑整数条件⑤ 要求x1、x2都是非负整数， 于是由条件⑥、⑦可知 , x3、x4也都是非负整数, 这一点对以下推导是必要的， 如不都是整数， 则应在引入x3、x4之前乘以适当调整系数和常数，使之都是整数。 在上式中(其实只考虑一式即可) 从等式左边看是整数； 等式右边也应是整数。 但在等式右边的(·)内是正数； 所以等式右边必是非正整数。 就是说，右边的整数值最大是零。 于是整数条件⑤可由下式所代替； 即 -3x3-x4≤-3 ⑧ 这就得到一个切割方程(或称为切割约束)， 将它作为增加约束条件，再解例3。 引入松弛变量x5，得到等式 -3x3-x4+x5=-3 将这新的约束方程加到表5-2的最终计算表， 得表5-3。 从上表的b列中可看到，这时得到的是非可行解，于是需要用对偶单纯形法继续进行计算 选择x5为换出变量，计算 将x3做为换入变量，再按原单纯形法进行迭代，得下表。 x1、x2的值已都是整数，解题已完成。 几何解释：新得到的约束条件⑧ -3x3-x4≤-3  如用x1、x2表示，由⑥、⑦式得 3(1+x1-x2)+(4-3x1-x2)≥3 x2≤1 则是(x1，x2)平面内形成新的可行域， 即包括平行于x1轴的直线x2=1 和这直线下的可行区域， 整数点也在其中，没有切割掉。 直观地表示在图5-7中。