第2章整数规划张.docVIP

第二章 整数规划模型 第一节 整数规划问题的提出 在前一章讨论的线性规划问题中，有些问题的最优解可能是分数或小数，但对于某些具体问题，常有要求最优解必须是整数的情形。例如，所求的解是完成工作任务的人数、机器的台数、或装卸货物的车数等，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。这样做是否可行呢？请见下例。 例1 某公司拟用集装箱托运甲、乙两种货物，每箱的体积、重量、托运所受限制以及可获利润如表2-1所示。问两种货物各托运多少箱，可使获得利润为最大？ 表2-1 货 物 体积（立方米/箱） 重量（百公斤/箱） 利润（百元/箱） 甲 4 2 24 乙 3 1 13 托运限制 23立方米 13百公斤 下面求解这个问题，设分别为甲、乙两种货物的托运箱数，则据题意，可得如下数学模型（这里用表示全体非负整数集合）： 它和线性规划问题的区别仅在于最后的条件（5）。现在暂不考虑这一条件，即解线性规划问题（1）—（4），可得最优解为 但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。 若将凑整为，这样就破坏了条件（2）（关于体积的限制），因而它不是可行解。如将舍去尾数0.75，变为，这当然满足各约束条件，因而是可行解，但它不是最优解。因为当时，；但当时（易知这也是可行解），。 例1中的变量有取整数的限制条件，称这样的问题为整数规划，称去掉变量取整条件后的问题为与原问题相应的线性规划问题。上述对例1的讨论表明，将其相应的线性规划的最优解“化整”来求解原整数规划，虽是最容易想到的，但往往得不到整数规划的最优解，甚至根本不是可行解。因此有必要对整数规划的解法进行专门研究。 整数规划中如果所有的变量都限制为非负整数，就称为纯整数规划，或称全整数规划；如果仅一部分变量限制为整数，则称为混合整数规划。纯整数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，本章最后介绍的指派问题就是一个0—1规划问题。 第二节 分支定界法 在求解整数规划时，如果可行域有界，首先容易想到的方法就是穷举变量的所有可行的整数组合。对于小型问题，变量数很少，可行的整数组合数也很少时，这个方法可行且有效。在例1中，变量只有和；由条件（3），所能取的整数值为共7个；由条件（2）, 所能取的整数值为共8个，它的组合（不都是可行的）数是56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。例如本章第四节将要介绍的指派问题中，将项任务分配给个人去完成，不同的分配方案共有种，当时，穷举所有不同的指派方案是根本做不到的。所以我们的方法一般应是只检查可行的整数组合的一部分，就能定出最优的整数解。分支定界法就是其中的一个。 分支定界法可用于解纯整数规划和混合整数规划，由于该方法灵活且便于用计算机求解，所以它已是解整数规划的重要方法。设有最大化的整数规划问题，与它相应的线性规划为问题，从解问题开始，若其最优解不符合的整数条件，则的最优目标函数值必是的最优目标函数值的上界，记为，而的任意可行解的目标函数值将是的下界，记为。分支定界法就是将的可行域分成子区域的方法，逐步减少和增大，最终求到，下面用例子来说明。 例1 求解整数规划 解：先不考虑条件（5），即解相应的线性规划（1）—（4）（见图2-1），得最优解 。 可见它不符合整数条件（5），这时是问题的最优目标函数值的上界，记作，而显然是问题的一个整数可行解，此时是的下界，记为，即。 分支定界法的解法，首先注意其中一个非整数变量的解，如，在问题的解中，于是对问题增加两个约束条件可将问题分解为两个子问题和（即两支），给每支增加一个约束条件，如图2-2所示。这并不影响问题的可行域， 图2-1 图2-2 不考虑整数条件解问题和，称此为第一次迭代，得最优解为 问题 问题 显然没有得到全部变量是整数的解，因，故将改为，此时问题的最优目标 函数值必满足 继续对问题和进行分解，因，故先分解为两支，增加条件者，称为 问题；增加条件者，称为问题，在图2-2中再舍去和之间的可行域，进行第二次迭代，解题过程的结果都列在图2-3中。可见问题的解已均为整数，它的目标函数值，可取为，而它大于，故再分解已无必要，而问题无可行解，故剪去 。 综上可知，问题的解或为最优整数解。 图2-3 从以上解题过程可得用分支定界法求解整数