or_nab_整数线性规划.pptVIP

第2章 整数规划 问题的提出 在前面讨论的线性规划问题中，有些最优解可能是分数或小数，但对于某些具体问题，常有要求解答必须是整数的情形 称为整数解 。例如，所求解是机器的台数、完成工作的人数或装货的车数等，分数或小数的解答就不合要求。为了满足整数解的要求，初看起来，似乎只要把已得到的带有分数或小数的解经过“舍入化整”就可以了。但这常常是不行的，因为化整后不见得是可行解；或虽是可行解，但不一定是最优解。因此，对求最优整数解的问题，有必要另行研究。我们称这样的问题为整数线性规划 integer linear programming ，简称ILP，简称整数规划，整数线性规划是最近几十年来发展起来的规划论中的一个分支。 现举例说明用前述单纯形法求得的解不能保证是整数最优解。例1某厂拟用集装箱托运甲乙两种货物，每箱的体积、重量、可获利润以及托运所受限制如下表所示。问两种货物各托运多少箱，可使获得利润为最大? 现在我们解这个问题，设x1，x2分别为甲、乙两种货物的托运箱数 当然都是非负整数 。这是一个 纯 整数线性规划问题，用数学式可表示为： max z 20x1+10x2 ① 5x1+4x2≤24 ② 2x1+5x2≤13 ③ 5.1 x1，x2≥0 ④ x1，x2整数 ⑤ 它和线性规划问题的区别仅在于最后的条件⑤。现在我们暂不考虑这一条件，即解①～④ 以后我们称这样的问题为与原问题相应的线性规划问题 ， 很容易求得最优解为:x1 4.8，x2 0，max z 96  但x1是托运甲种货物的箱数，现在它不是整数，所以不合条件⑤的要求。 是不是可以把所得的非整数的最优解经过“化整”就可得到合于条件⑤的整数最优解呢?如将 x1 4.8，x2 0 凑整为 x1 5，x2 0 ，这样就破坏了条件② 关于体积的限制 ，因而它不是可行解；如将 x1 4.8，x2 0 舍去尾数0.8，变为 x1 4，x2 0 ，这当然满足各约束条件，因而是可行解，但不是最优解，因为当x1 4，x2 0, 时z 80. 非整数的最优解在C 4.8，0 点达到。 但当x1 4，x2 1 这也是可行解 时，z 90。 图中画 + 号的点表示可行的整数解。凑整的 5，0 点不在可行域内，而C点又不合于条件⑤。为了满足题中要求，表示目标函数的z的等值线必须向原点平行移动，直到第一次遇到带“+”号B点 x1 4，x2 1 为止。这样，z的等值线就由z 96变到z 90，它们的差值 Δz 96-90 6 表示利润的降低，这是由于变量的不可分性 装箱 所引起的。 由上例看出，将其相应的线性规划的最优解“化整”来解原整数线性规划，虽是最容易想到的，但常常得不到整数线性规划的最优解，甚至根本不是可行解。因此有必要对整数线性规划的解法进行专门研究。 分支定界解法 简介 在例1中，变量只有x1和x2 由条件②，x1所能取的整数值为0、1、2、3、4共5个；由条件③，x2所能取的整数值为0、1、2共3个，它的组合 不都是可行的 数是3×5 15个，穷举法还是勉强可用的。对于大型的问题，可行的整数组合数是很大的。例如在本章第5节的指派问题 这也是整数线性规划 中，将n项任务指派n个人去完成，不同的指派方案共有n!种，当n 10，这个数就超过300万；当n 20，这个数就超过2×1018，如果一一计算，就是用每秒百万次的计算机，也要几万年的功夫，很明显，解这样的题，穷举法是不可取的。所以我们的方法一般应是仅检查可行的整数组合的一部分，就能定出最优的整数解。分支定界解法 branch and bound method 就是其中的一个. 分支定界法可用于解纯整数或混合的整数线性规划问题。在20世纪60年代初由Land Doig和Dakin等人提出。由于这方法灵活且便于用计算机求解，所以现在它已是解整数线性规划的重要方法。设有最大化的整数线性规划问题A，与它相应的线性规划为问题B，从解问题B开始，若其最优解不符合A的整数条件，那么B的最优目标函数必是A的最优目标函数z*的上界；而A的任意可行解的目标函数值将是z*的一个下界。分支定界法就是将B的可行域分成子区域 称为分支 的方法，逐步减小和增大，最终求到z*。现用下例来说明： 例 2 求解A max z 40x1+90x2 ① 9x1+7x2≤56 ② 7x1+20x2≤70 ③ 5.2 x1，x2≥0 ④ x1，x2整数 ⑤ 解 先不考虑条件⑤，即解相应的线性规划B,①～④ 见图5-2 ，在B点，得最优解x1 4.81，x2 1.82，z0 356 分支定界法的解法 首先注意其中一个非整数变量的解（可任选），如x1，在问题B的解中x1 4.81。于是对原问题增加两个约束条件x1≤4，x