02线性规划--整数规划分解.ppt

特殊类型的线性规划 线性规划问题中，有时要求决策变量是整数，比如决策变量是表示人数、机器台数等时，决策变量就应该为整数。 决策变量有非负整数要求的线性规划，称为整数规划（Integer Programming，IP）。 整数规划 整数规划 例：P55例3-6 s.t. I II II 资源数 金属块 3 5 8 500 劳动力 2 4 6 300 机 器 1 2 3 100 利 润 6 8 9 整数规划 （1）纯整数规划（All Integer programming） 如果全部决策变量有非负整数要求的线性规划。 （2）混合整数规划（Mixed Integer Programming） 如果只有部分决策变量有非负整数要求的线性规划。 （3）0-1规划 如果决策变量要求只取0或1的线性规划。 整数规划是一般的线性规划的特殊形式，0-1规划是整数规划的特殊形式。 整数规划 在整数规划问题中变量只能取离散的整数值，可行解的总数是有限的。 从有限多的可行解中寻找最优解的最直观也是最简单的想法就是枚举法：把问题的解全部列举出来比较，找出最优。但对一般整数规划问题来说，由于可行解的总数随变量的增长成指数倍增长，使应用枚举法失去意义。 分支定界法和割平面法就是为求解整数规划问题而设计的一种较好的方法。 整数规划 枚举法： 枚举法 s.t. (0,0) (3/2,0) (0,4) (0,3) (3,7) 整数规划-分支定界法 分支定界法的基本思想： 先求其松弛问题（把整数规划对应的一般线性规划称为此整数规划的松弛问题）的最优解，若此解不满足整数约束条件，则根据某个变量的整数要求来抛弃松弛问题可行域中不含整数解的部分，缩小松弛问题的可行域，由此将原来的松弛问题分解成多个小可行域内的松弛问题（分支），然后再求整数最优解。 对于极大化问题，松弛问题的最优值一定是原整数规划最优值的上界；对于极小化问题，则为下界。 整数规划-分支定界法 例：求解整数规划： s.t. 我们把整数规划对应的一般线性规划称为此整数规划的松弛问题，上例的松弛问题为： s.t. 第1步：求松弛问题的最优解 求得的最优解为： 显然不满足整数要求。 整数规划-分支定界法 第2步：选择非整数解变量，构造附加约束条件（分支） 选取 ，由于 ，可以构造约束条件： ，在 无整数要求的线性规划即使有最优解，也不是整数解. 范围内， 整数规划-分支定界法 整数规划-分支定界法 第2步：选择非整数解变量，构造附加约束条件（分支） 这两个约束条件为不相容条件，故把原规划分成两个整数规划问题，实现分支。 IP1 IP2 s.t. s.t. 增加约束条件一般会使最优值减小，所以原问题的最优值为对应的整数规划的上限。 整数规划-分支定界法 第3步：求解IP1 运用单纯形法，可以求得无整数要求的IP1的最优解， 可以看出，此最优解也为整数规划IP1的最优解，原整数规划的最优值不可能小于39，否则肯定不为极大值。所以，39可以作为原整数规划最优值的下限。但是，此最优值还小于上限，所以，还需求解另一分支。 整数规划-分支定界法 第4步：求解IP2 运用单纯形法，可以求得无整数要求的IP2的最优解， 可以看出，此最优解不为整数规划IP2的最优解。最优值大于原规划的下限，则可能在解的附近还有整数最优解，还需继续分支。 如果此时的最优值小于原规划的下限，则不可能有最优解，停止计算。 整数规划-分支定界法 IP1 IP2 第4步：求解IP2 运用单纯形法，可以求得无整数要求的IP2的最优解， 可以看出，此最优解不为整数规划IP2的最优解。最优值大于原规划的下限，则可能在解的附近还有整数最优解，还需继续分支。 如果此时的最优值小于原规划的下限，则不可能有最优解，停止计算。 整数规划-分支定界法 IP1 IP2 整数规划-分支定界法 第5步：重复第2步，继续分支 ，继续分支，构造附加约束条件： 得到两个整数规划： 选取 IP3 IP4 s.t. s.t. 整数规划-分支定界法 第6步：求解IP3 运用单纯形法，可以求得无整数要求的IP3的最优解， 可以看出，此最优解也为整数规划IP3的最优解，停止分支。此最优值还小于上限，所以，还需求解另一分支。 整数规划-分支定界法 第7步：求解IP4 运用单纯形法，可以求得无整数要求的IP4无最优解，停止