第13讲 整数规划.ppt

管理运筹学 整数规划 第3章 整数规划 线性规划的决策变量取值可以是任意非负实数，但许多实际问题中，只有当决策变量的取值为整数时才有意义。 例如，产品的件数、机器的台数、装货的车数、完成工作的人数等，分数或小数解显然是不合理的。 要求全部或部分决策变量的取值为整数的线性规划问题，称为整数线性规划，简称整数规划(Integer Programming)。 全部决策变量的取值都为整数，则称为全整数规划(All IP)； 仅要求部分决策变量的取值为整数，则称为混合整数规划(Mixed IP)； 要求决策变量只能取0或1值，则称为0-1规划(0-1 Programming)。 第一节 整数规划问题 为了满足整数要求，似乎可以把线性规划的小数最优解进行“舍入化整”以得到与最优解相近的整数解。 “舍入化整”一般是不可行的： 化整后的解有可能成为非可行解； 虽是可行解，却不是最优解。 例如 第一节 整数规划问题 解：设x1为甲产品的台数，x2为乙产品的台数。 maxZ= 6x1 +5 x2 2x1 + x2 ≤9 5x1 +7 x2 ≤35 x1, x2 ≥0 x1, x2取整数 不考虑整数约束则是一个LP问题,称为原整数规划的松弛问题。 不考虑整数约束的最优解：x1 *=28/9， x2 * =25/9，Z * =293/9 舍入化整 x1 =3， x2 =3，Z =33，不满足约束条件5x1 +7 x2 ≤35，非可行解； x1 =3， x2 =2，Z =28，满足约束条件，是可行解，但不是最优解； x1 =4， x2 =1，Z =29，满足约束条件，才是最优解。 第一节 整数规划问题 步骤： 在线性规划的可行域内列出所有决策变量可能取的整数值， 求出这些变量所有可行的整数解， 比较它们相应的目标函数值，最优的目标函数值所对应的解就是整数规划的最优解。 实用性： 只有两个决策变量， 可行的整数解较少。 第一节 整数规划问题 设备购置问题：某厂拟用M元资金购买m种设备，设备i 的单价为pi；现有n个地点可装置这些设备，第j 处最多可装置bj 台；设备i 装置在j 处可获利cij元。如何购置，总利润最大？ 假设：购买第i 种设备yi台数，将第i 种设备安装在第j 处的台数xij 该问题的数学模型 第一节 整数规划问题 投资决策问题：某厂拟用b元资金投资n个项目，项目j 需资金aj元，可获利cj元。应选择那些项目，获利最大？ 假设：xj =1表示投资项目j ； xj =0表示不投资项目j 该问题的数学模型 第一节 整数规划问题 工厂选址问题：某商品有n个销地，各销地的需求量为bj吨/天；现拟在m个地点中选址建生产厂，一个地方最多只能建一个工厂；若选i 地建厂，生产能力为ai吨/天，固定费用为di元/天；已知i 址至销地j 的运价为cij元/吨。如何选址和安排调运，总费用最小？ 假设：yi=1，选择第i 址建厂， yi=0，不选择第i 址建厂；从厂址i 至销地j 运量为xij 。 该问题的数学模型 第二节 分枝定界法 分枝定界法(Branch and Bound Method) 基本思想： 先求出整数规划相应的LP(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，则是原IP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。 第二节 分枝定界法 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。 第二节 分枝定界法 例 maxZ= 6x1 +5 x2 2x1 + x2 ≤9 5x1 +7 x2 ≤35 x1, x2 ≥0 x1, x2取整数 第一步,不考虑变量的整数约束,求相应LP(问题1)的最优解： x1=28/9，x2 =25/9，Z1=293/9 第二步,定界过程 这个解不满足整数约束，这时目标函值Z1是整数规划的目标上界； 因为x1=x2=0是整数规划问题的可行解，所以下界为0。 第三步,分枝过程