.4 0-1 整数规划.pptVIP

例5: 某工厂为了生产某种产品， 有几种不同的生产 方式可供选择， 如选定投资高的生产方式(选购自动化程度高的设备)， 由于产量大，因而分配到每件产品的变动成本就降低； 反之，如选定投资低的生产方式， 将来分配到每件产品的变动成本可能增加， 所以必须全面考虑。 今设有三种方式可供选择，令 xj表示采用第j种方式时的产量； cj表示采用第j种方式时每件产品的变动成本； kj表示采用第j种方式时的固定成本。 * 为了说明成本的特点，暂不考虑其他约束条件。 问题的目标是使所有产品的总生产费用为最小. 解：采用各种生产方式的总成本分别为： 在构成目标函数时，为了统一在一个问题中讨论， 现引入0-1变量yj，令 * 于是目标函数 min z=(k1y1+c1x1)+(k2y2+c2x2)+(k3y3+c3x3) (5-15)式这个规定可由以下3个线性约束条件表示： xj≤yjM，j=1,2,3 (5-16) 其中M是个充分大的常数。 (5-16)式说明，当xj＞0时yj必须为1； 当xj=0时只有yj为0时才有意义， 所以(5-16)式完全可以代替(5-15)式 * * 二 0-1型整数规划的一般解法---隐枚举法 解0-1型整数规划最容易想到的方法， 和一般整数线性规划的情形一样，就是穷举法， 即检查变量取值为0或1的每一种组合， 比较目标函数值以求得最优解， 这就需要检查变量取值的2n个组合。 对于变量个数n较大(例如n＞10)，这几乎是不可能的。 而隐枚举法就是在此基础上改进的， 通过加入一定的条件，就能较快的求得最优解。 * 只检查变量取值的组合的一部分， 就能求到问题的最优解， 这样的方法称为隐枚举法(implicit enumeration)， 分枝定界法也是一种隐枚举法。 其解题关键是寻找可行解，产生过滤条件。 过滤条件： 是满足目标函数值优于计算过的可行解目标函数值的约束条件。 当然，对有些问题隐枚举法并不适用， 所以有时穷举法还是必要的。 * 下面举例说明求解0-1型整数规划的隐枚举法 例6 : 目标函数 max z=3x1-2x2+5x3 约束条件： x1+2x2-x3≤2 ① x1+4x2+x3≤4 ② (5-17) x1+x2≤3 ③ 4x2+x3≤6 ④ x1，x2，x3=0或1 ⑤ 解题时先通过试探的方法找一个可行解，容易看出(x1，x2，x3)=(1，0，0) 就是合于①～④条件的， 算出相应的目标函数值z=3。 * 我们在求最优解时， 对于极大化问题，当然希望z≥3， 于是增加一个约束条件： 3x1-2x2+5x3≥3 ◎ 后加的条件称为过滤的条件(filtering constraint)。 这样，原问题的线性约束条件就变成5个。 用全部枚举的方法，3个变量共有23=8个解， 原来4个约束条件，共需32次运算。 现在增加了过滤条件◎， 如按下述方法进行，就可减少运算次数。 将5个约束条件按◎～④顺序排好(表5-5)， 对每个解，依次代入约束条件左侧，求出数值， 看是否适合不等式条件， 如某一条件不适合，同行以下各条件就不必再检查， 因而就减少了运算次数。 * 所以改进过滤条件，用3x1-2x2+5x3≥5 ◎′代替◎， 继续进行。 在计算过程中，若遇到z值已超过条件◎右边的值，应改变条件◎，使右边值为迄今为止最大者， 然后继续作。 例如，当检查点(0，0，1)时，因z=5(＞3)， 这种对过滤条件的改进，更可以减少计算量。 * 再改进过滤条件，用3x1-2x2+5x3≥8 ◎″代替◎′， 再继续进行。 * 至此，z值已不能改进，即得到最优解，解答如前，但计算已简化。 本例计算过程实际只作16次运算。 即求得最优解(x1，x2，x3)=(1，0，1), max z=8 * 注意： 一般常重新排列xi的顺序使目标函数中xi的系数 是递增(不减)的，在上例中， 改写 z=3x1-2x2+5x3=-2x2+3x1+5x3 因为-2，3，5是递增的，变量(x2，x1，x3)也按下述顺序取值：(0，0，0)， (0，