运筹学导论第八版8整数线性规划.pptVIP

第6章 整数线性规划 整数线性规划问题的提出 对于某些具体问题，决策变量必须是整数的情形(称为整数解)。例如，机器台数、人数、装货车数等，含小数的解不合要求。 为满足整数解要求，能否把已得到的含有分数的解 “圆整”？ 下例说明单纯形法求得的解不能保证是整数最优解。 例1 COSCO公司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 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。 是否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。 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，但往往不可行。 化整后不见得是可行解；或虽是可行解，但不一定是最优解。 因此有必要对整数线性规划的解法进行专门研究。 此类问题为整数线性规划(Integer Linear Programming ，ILP)，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。 整数线性规划中如果所有的变量都限制为(非负)整数，就称为纯整数线性规划(pure integer linear programming)或称为全整数线性规划(all integer linear programming)； 如果仅一部分变量限制为整数，则称为混合整数规划(mixed integer linear programming)。 整数线性规划的一种特殊情形是0-1规划，它的变量取值仅限于0或1。指派问题就是一个0-1规划问题。 8.2 整数规划算法 例 1 例 2 求解 max z=40x1+90x2 ① 9x1+7x2≤56 ② 7x1+20x2≤70 ③ x1，x2≥0 ④ x1，x2整数 ⑤ 先不考虑条件⑤，即解相应的线性规划B,①～④，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，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，x1≥5 可将原问题分解为两个子问题B1和B2(即两支)，给每支增加一个约束条件，如下图。 这并不影响问题A的可行域，不考虑整数条件解问题B1和B2，称此为第一次迭代。得到最优解为： 显然没有得到全部变量是整数的解。因z1＞z2，故将 改为349，那么必存在最优整数解，得到z*，并且0≤z*≤349 继续对问题B1和B2进行分解 从以上解题过程可得到，用分支定界法求解整数线性规划(最大化)问题的步骤为： 将要求解的整数线性规划问题称为问题A， 将与它相应的线性规划问题称为问题B。 (1) 解问题B，可能得到以下情况之一。 ① B没有可行解，这时A也没有可行解，则停止。 ② B有最优解，并符合问题A的整数条件，B的最优解即为A的最优解，则停止。 ③ B有最优解，但不符合问题A的整数条件，记它的目标函数值为  在B的最优解中任选一个不符合整数条件的变量xj，其值为bj，以［bj］表示小于bj的最大整数。构造两个约束条件 xj≤［bj］和xj≥［bj］+1 将这两个约束条件，分别加入问题B，求两个后继规划问题B1和B2。不考虑整数条件求解这两个后继问题。 定界，以每个后继问题为一分支标明求解的结果，与其他问题的解的结果中，找出最优目标函数值最大者作为新的上界。从已