运筹学第4章整数规划与分配问题解决方案.ppt

第4章 整数线性规划 §1 整数规划的特点及作用 §2 分配问题与匈牙利法 §3 分枝定界法 §4 割平面法 §5 应用举例? §1 整数规划的特点及作用 线性规划问题的最优解通常是非整数，但对某些具体问题，要求解必须是整数。例如，所求解是机器的台数、完成工作人数等问题，非整数解就不合要求。将非整数解通过“舍入化整”，不见得是可行解，或虽是可行解，但不一定是最优解。 因此，求整数最优解问题，有必要另行研究。我们称此问题为整数线性规划(integer linear programming)，简称ILP。 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)。 §2 分配问题与匈牙利法 某单位需完成n项任务，恰好有n个人可承担这些任务。由于每人的专长不同，完成任务不同，效率也不同。于是产生应指派哪个人去完成哪项任务，使完成n项任务的总效率最高(或所需总时间最小)。这类问题称为分配问题或指派问题(assignment problem)。 当问题要求极小化时，数学模型是： 例2 有一份中文说明书，需译成英、日、德、俄四种文字，现有甲、乙、丙、丁四人，他们将中文说明书翻译成不同语种说明书所需时间如表4-2所示。问应指派何人去完成何工作，使所需总时间最少? 人数和任务数不等时的处理方法 若任务数少于人数，处理的办法是增添假想的任务，使任务数量等于人数，对应效率矩阵中，每个人完成假想任务时间为0。当任务数多于人数时，可虚设假想的人来处理。 §3 分枝定界法 线性规划问题中，变量x在一个连续的范围内取值，因此可行解个数有无限多。对整数规划问题，变量只能取整数值，可行解的总数是有限的。当问题变量数少时，可使用“穷举法”，将可行的整数解全部列出来，通过比较得到最优解。但当变量数较大时，穷举法是不可行的。 有效的方法是仅检查部分可行的整数组合，定出最优的整数解。分枝定界解法(branch and bound method)就是其中的一种方法。 分枝定界法思路：对求解最大化的整数规划问题A，从解与它相应的线性规划问题B开始，若其最优解不是整数，那么B的最优目标函数必是A的最优目标函数 的上界，记作 ；A的任意可行解的目标函数值将是 的一个下界 。分枝定界法是将B的可行域分许多子区域(称为分枝)的方法，逐步减小 和增大 ，最终求得 。 现用下例来说明： 解：先不考虑条件⑤，即解相应的线性规划B,①～④(见图5-2)，得最优解x1=4.81，x2=1.82，z0=356  ? 先根据其中一个非整数变量的解，如x1，它在问题B中的解为x1=4.81，在原问题增加两个约束条件 x1≤4，和 x1≥5 这样将原问题分解为两个子问题B1和B2(即两枝)，给每枝增加一个约束条件，如下图所示。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： 继续对问题B1和B2进行分解 没得到整数解。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B2进行分解 解题的过程都列在图5-4中。 分枝定界法解题步骤： 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 分枝 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］