第九章整数规划课件.pptVIP

第九章 整数规划 第一节 整数规划的图解法 第二节 分枝定界法 第三节 0-1规划的分枝定界法 第四节 指派问题的解法 整数规划（Integer Programming，简称IP） 整数规划中要求部分或全部决策变量取整数值。 根据规划模型是否为线性，可分为整数线性规划（ILP）和整数非线性规划（INLP）。 根据受整数约束的变量范围，可分为纯整数规划（Pure IP）、混合整数规划（Mixed IP）和0－1规划。 第一节 整数规划的图解法 对二维ILP问题，图解法是最简单的。 解法：在LP问题最优解基础上，让目标函数等值线逆着其法线方向朝可行域内平移，首次碰到的整数点（ILP的整数可行解），即为ILP问题的最优解。 解决整数规划的两种初始想法： 1、一一列举所有可行方案； 2、先放弃整数性要求，求得一个LP问题的最优解后，然后用四舍五入法取整数解。 整数规划问题的解法值得探讨。 第二节 分枝定界法 首先，理解一个问题： 原问题与松弛问题解的关系？ 一般将一个规划问题去掉若干约束条件而得到的规划问题称为原问题的松弛问题； IP问题去掉整数性约束，一般称为该IP问题的伴随LP问题； 伴随LP问题是IP问题的一个松弛问题； 对伴随LP问题的解，可称之为IP问题的LP解； 伴随LP问题的最优值一定比IP问题的更优。 下面通过例子说明分支定界法的做法 三点说明 1、分支顺序：目标值大的先分支； 2、下级分支问题的最优值一定比上级分支问题的最优值小。 3、各分支的取舍：若已取得一整数可行解，凡是目标函数值小于该整数可行解的分支都可以舍去。 第180页，习题1 第三节 0－1规划的分支定界法 0－1规划的提出： 如投资决策问题： 某部门计划投资B万元，有n(n≥2)个投资项目，假设每个项目最多投资一次，第j个项目所需资金为bj万元，获得利润为Cj万元。问应如何选择项目，才能使获得的总利润最大？ 解： 设投资决策变量为 设获得的总利润为Z，则上述问题的数学模型为： 这就是一个0-1规划，决策变量取值为0或1。 第四节 指派问题的解法－匈牙利法 现实生活中有很多指派问题，如： n 项加工任务，怎样指派到 n 台机床上分别完成的问题； n 条航线，怎样指定 n 艘船去航行的问题； ······等等。 定理：将指派问题的系数矩阵的某一行（列）各元素分别减去同一个数，所得到的新矩阵为系数矩阵的指派问题，与原问题具有相同的最优解。 匈牙利法的基本思想： 基于标准形，按定理中所述方法不断变换效率矩阵，使其产生尽可能多的0元素，并保持所有元素非负，直到能从变换后的矩阵中找出n个位于不同行、不同列的0元素为止。 指派问题的解矩阵应当是每行和每列都只能有一个元素为1，其余均为0的n阶方阵。如下就是例的一个解矩阵： 指派问题是 0—1规划的特例，也是运输问题的特例；即 m = n ，ai = bj = 1。 我们利用指派问题的特点可以有更为简便的求解方法。 * * 例、某厂拟用火车装运甲、乙两种货物集装箱，每箱的体积、重量、可获利润以及装运所受限制如下： 货物集装箱 体积(米3) 重量(百斤) 利润(百元) 甲 5 2 20 乙 4 5 10 托运限制 24 13 问两种货物各装运多少箱，可使获得利润最大？ 例：设甲、乙两种货物装运箱数分别为x1和x2。显然，x1、x2都要求为整数,于是可建立整数规划模型如下： Max z＝20x1+10x2 s.t. 5x1+4x2≤24 (1) 2x1+5x2≤13 (2) x1 ,x2≥0 (3) x1,x2为整数 (4) 它和线性规划问题的区别在于条件(4)。 x1 x2 （4.8，0） O 找到的第一个整数点（4，1），即IP问题的最优解 例如：S1 →S2 （松弛问题） Max z= 6x1+5 x2 2x1+ x2≤9 5x1+7x2≤35 x1 ≥0， x2 ≥0 x2≤2 s.t. 减少条件形成松弛问题S2 减少条件x2≤2后，x1、 x2的取值范围（设为 S2）比最初（设为S1 ）大，如图 S2 S1 因为S1 S2，所以z