第五章 0-1整数规划.pptVIP

第四章 整数规划 (Integer Programming, IP) 整数规划（Integer Programming）主要是指整数线性规划。一个线性规划问题，如果要求部分决策变量为整数，则构成一个整数规划问题。 所有变量都要求为整数的称为纯整数规划（Pure Integer Programming）或称全整数规划（All integer Programming）； 仅有一部分变量要求为整数的称为混合整数规划（Mixed Integer Programming）； 有的变量限制其取值只能为0或1，这类特殊的整数规划称为0－1规划(0-1 Integer Programming )。 一、整数规划问题 例4.1 某工厂生产甲、乙两种设备，已知生产这两种设备需要消耗材料A、材料B，有关数据如下，问这两种设备各生产多少使工厂利润最大？ 解：设生产甲、乙这两种设备的数量分别为x1、x2，由于是设备台数，则其变量都要求为整数，建立模型如下： 二、整数规划数学模型的一般形式 由上述例子可得出整数规划数学模型的一般形式： Max z =CX AX=b X≥0, 且为整数或部分为整数 若称该整数规划问题为原问题，则线性规划问题： Max z =CX AX=b X≥0 为原问题对应的松驰问题（LP Relaxation)。 显然，原问题与松弛问题有如下关系： 松弛问题可行域包含原问题可行域； 若两者都有最优解，则松弛问题最优解大于原问题最优解； 若松弛问题最优解为整数解，则该最优解就是原问题最优解。 整数规划常用的解法有分枝定界法和割平面法，它们适用于解纯整数规划问题和混合整数规划问题。 一、分枝定界法 （1）基本思想 （2）基本原理 二、割平面法 （1） 基本思想 （2）基本原理 三、整数规划的计算机解法 计算机求解举例 第三节 0－1整数规划 一、0－1整数规划模型 0－1整数规划在实际中应用较多。因为实际问题中经常碰到大量的决策问题，要求回答“是－否”或“有－无”问题，这类问题可以借助整数规划中的0－1整数变量，使许多复杂的、困难的问题相对变得简单。 0－1变量一般可表示为： 第三节 0－1整数规划 0－1整数规划的数学模型可表示为： 二、0－1整数规划求解 0－1整数规划的求解方法有穷举法、隐枚举法和分枝定界法. 隐枚举法求解举例 解：（1）先用试探的方法找出一个初始可行解，如x1＝x2＝0，x3＝1。满足约束条件，选其作为初始可行解，目标函数z0＝2。 （2）附加过滤条件 以目标函数作为过滤约束： 4x1＋3x2＋2x3 >= 2 原模型变为： （3）求解 求解过程如表4－6所示。 一、相互排斥的计划(Mutually exclusive planning) 例4.6 某公司拟在市东、西、南三区中建立门市部，有例7个点Ai（i＝1，2，…，7）可供选择，要求满足以下条件： 1) 在东区，在A1，A2，A3三个点中至多选两个； 2) 在西区，A4，A5两个点中至少选一个； 3) 在南区，A6，A7两个点为互斥点。 4) 选A2点必选A5点。 若Ai点投资为bi万元，每年可获利润为ci万元，投资总额为B万元，试建立利润最大化的0－1规划模型。 解：设决策变量为 例4.7 某产品有A1和A2两种型号，需要经过B1、B2、B3三道工序，单位工时和利润、各工序每周工时限制见表所示，问工厂如何安排生产，才能使总利润最大？（B3工序有两种加工方式B31和B32，产品为整数）。 解：设A1、A2产品的生产数量分别为x1、x2件，在不考虑B31和B32相互排斥的情况下，问题的数学模型为 工序B3只能从两种加工方式中选择一种，那么约束条件（1）和（2）就成为相互排斥的约束条件。为了统一在一个问题中，引入0-1变量 一般地，在建立数学模型时，若需从p个约束条件中选择q个约束条件，则可以引入p个0-1变量 例4.8 某公司制造小、中、大三种尺寸的容器，所需资源为金属板、劳动力和机器设备，制造一个容器所需的各种资源的数量如下表所示：不考虑固定费用，小、中、大号容器每售出一个其利润分别为4万元、5万元、6万元，可使用的金属板有500吨，劳动力有300人/月，机器有100台/月，另外若生产，不管每种容器生产多少，都需要支付一笔固定费用：小号为100万元，中