第4章：整数规划选编.ppt

第五章 整数规划 (Integer Programming);第一节 整数规划的基本问题及其数学模型;一、问题的提出 ;表5-1;综合分析，问题的数学模型为： ;则问题可表示为：;表5-2; 设xij为由Ai运往Bj的物资数量(千吨)，(i，j＝1,2,3,4)。则问题的数学模型为： ;二、整数规划模型的一般形式及解的特点 ; 3. 0-1整数线性规划(Zero-one Integer Linear Programming)：指决策变量只能取0或1两个值的整数线性规划。 ;（三）整数规划与线性规划的关系;例：设整数规划问题如下 ;用 解法求出最优解 x1＝3/2, x2 = 10/3 且有Z = 29/6; 因此，可将集合内的整数点一一找出，其最大目标函数的值为最优解，此法为完全枚举法。 如上例：其中（2，2）（3，1）点为最大值，Z=4。; 目前，常用的求解整数规划的方法有： 分支定界法和割平面法； 对于特别的0－1规划问题采用隐枚举法和匈牙利法。;第二节 割平??法; 割平面法由高莫瑞(Gomory)于1958年提出。其基本思想是放宽变量的整数约束，首先求对应的松弛问题最优解，当某个变量xi不满足整数约束时，寻找一个约束方程并添加到松弛问题中，其作用是割掉非整数部分，缩小原松弛问题的可行域，最后逼近整数问题的最优解。;下面先通过一个例子来说明割平面法的基本思想。 ;从图5-1(b)中可以看出，当我们增加了约束条件“;不妨设第r个分量 不为整数，根据最优单纯形表可得： ; 因为变量必须取整数，即上式左边必须是整数，从上式右边看，因为0fi1，所以不能为正，即： ; 步骤3：将式(5.7)引入松弛变量后加入原最终单纯形表，用对偶单纯形法继续求解。转步骤2。;(5.8); 由上表可知，增加约束条件后的线性规划问题最优解为X*=(2，2，0，1，0)T，因此，原整数规划问题的最优解为X*=(2，2)T，其最优值z*=4。 ;例：用割平面法求解数规划问题;在松弛问题最优解中，x1, x2 均为非整数解，由上表有：; 以上式子只须考虑一个即可，解题经验表明，考虑式子右端最大真分数的式子，往往会较快地找到所需割平面约束条件。以上两个式子右端真分数相等，可任选一个考虑。现选第二个式子，并将真分数移到右边得： ;Cj;;CB;第三节 分枝定界法; 分枝定界法是在20世纪60年代初由Land Doing和Dakin等人提出的适合于解纯整数或混合正数规划问题。;基本思想： 先求出整数规划相应的线性规划(即不考虑整数限制)的最优解， 若求得的最优解符合整数要求，则这个解就是原整数规划的最优解； 若不满足整数条件，则任选一个不满足整数条件的变量来构造新的约束，在原可行域中剔除部分非整数解。 然后，再在缩小的可行域中求解新构造的线性规划的最优解，这样通过求解一系列线性规划问题，最终得到原整数规划的最优解。 ;定界的含义： 整数规划是在相应的线性规划的基础上增加变量为整数的约束条件，整数规划的最优解不会优于相应线性规划的最优解。 对极大化问题来说，相应线性规划的目标函数最优值是原整数规划函数值的上界； 对极小化问题来说，相应线性规划的目标函数的最优值是原整数规划目标函数值的下界。;下面我们用一例说明求解步骤;第三步，分枝过程 将不满足整数约束的变量x1进行分枝，x1称为分枝变量，构造两个新的约束条件 x1≤ [28/9]=3，x1 ≥ [28/9] +1=4  ;;第四步，定界过程 LP3的解满足整数约束，不必再分枝，它的目标函数值是29，大于原有下界0，则新的下界为29； 现有上界为未分枝子问题中目标函数最大值，即为226/7≈33.2。界限二（29，226/7） LP2的解仍不满足整数约束的要求，它的目标函数值226/7大于现有下界，则应继续分枝。 第五步，分枝过程 将不满足整数约束的变量x2进行分枝，构造两个新的约束条件： x2≤ [20/7]=2，x2 ≥ [20/7] +1=3 ;;求解问题4相应的线性规划的最优解： x1=3，x2 =2，Z4=28 求解问题5相应的线性规划的最优解： x1=14/5，x2 =3，Z5=159/5≈31.8 第六步，定界过程 LP4的解满足整数约束，不必再分枝，它的目标函数值是28，小于原有下界29，则下界仍为29； 现有上界为未分枝子问题中目标函数最大值，即为159/5。 界限三（29，159/5） LP5的解仍不满足整数约束的要求，它的目标函数值159/5大于现有下界29，则应继续分枝。 第七步，分枝过程 将不满足整数约束的变量x1进行分枝，构造两个新的约束