第五章整数规划1.ppt

第五章??整数规划1 第一节??整数规划问题及其数学模型 第二节 分枝定界法 第三节 0-1整数规划 第四节 指派问题 第五节 应用举例 第一节 整数规划问题及其数学模型 一、问题的提出 整数规划的数学模型 整数规划的数学模型 整数规划与线性规划的关系 整数规划与线性规划的关系 整数规划与线性规划的关系 整数规划与线性规划的关系 【例1】某医院有资金45万元可用于购置甲、乙两种 二、整数规划问题的数学模型 一般形式： 第二节 分枝定界法 一、分枝定界法基本思路 二、分枝定界法求解 [例2] 用分枝定界法求解例1中的整数规划IP： 图5-4 【例3】 * * * * 整数规划是为了解决实际问题而提出来的。例如我们在作决策时，对决策变量是人数、机器台数、医院的病床数等情况，若忽略整数条件，用一般的线性规划方法解，得到的最优解很可能是小数或分数而不符合整数要求。当然，有些整数规划问题的变量值很大，而成本或利润系数又较小，通过对相应线性规划最优解的舍入取整，得到的解是可以接受的。但大多数情况，这种舍入取整的方法是不可行的，此时得到的整数解不一定最优，甚至可能不是整数规划问题的可行解，因而有必要讨论整数规划的求解问题。 整数规划一般形式 依照决策变量取整要求的不同，整数规划可分为纯整数规划、全整数规划、混合整数规划、0－1整数规划。 部分或者全部为整数 纯整数规划：所有决策变量要求取非负整数 全整数规划：除所有决策变量要求取非负整数外，系数aij和常数bi也要求取整数 混合整数规划：只有一部分的决策变量要求取非负整数，另一部分可以取非负实数。 0－1整数规划：所有决策变量只能取 0 或 1 两个整数。 从数学模型上看整数规划似乎是线性规划的一种特殊形式，求解只需在线性规划的基础上，通过舍入取整，寻求满足整数要求的解即可。但实际上两者却有很大的不同，通过舍入得到的解（整数）也不一定就是最优解，有时甚至不能保证所得倒的解是整数可行解。 例：设整数规划问题如下 首先不考虑整数约束，得到线性规划问题（一般称为松弛问题）。 且为整数 用图解法求出最优解 x1＝3/2, x2 = 10/3 且有Z = 29/6 x1 x2 ⑴ ⑵ 3 3 (3/2,10/3) 现求整数解（最优解）：如用“舍入取整法”可得到4个点即(1，3), (2，3),(1，4),(2，4)。显然，它们都不可能是整数规划的最优解。 按整数规划约束条件，其可行解肯定在线性规划问题的可行域内且为整数点。故整数规划问题的可行解集是一个有限集，如图所示。 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。 仪器。已知甲、乙仪器的每台价格分别为9万元和5万元，由于场地限制，购置的两种仪器总数不能超过6台。若一台甲仪器每年可增加收入8万元，一台乙仪器每年可增加收入5万元，问购置甲、乙两种仪器各多少台，可使每年增加的收入最大？ 解：设x1、x2分别为购置的甲、乙两种仪器数，则x1、x2应为非负整数，这是一个纯整数规划问题，其数学模型为： Max 结论： ①全部变量限制为整数的纯整数规划的可行解的个数是可数的，特别若变量有界，则可行解的个数有限；②整数规划的可行域是对应松弛问题的可行域的子域，但一般不能通过对松弛问题的最优解舍入取整而得到整数规划的最优解。 分枝定界法的核心是“分枝”和“定界”。 基本思路： 设极大化的整数规划问题为IP，相应的不含整数约束的线性规划即松弛问题为LP。若LP的最优解不符合IP的整数条件，那么LP的最优目标函数值必为IP的最优目标函数值Z?的一个上界，记作 ；而IP的任意可行解的目标函数值将是Z?的一个下界，记作Z 。对LP的非整数解的相邻整数作附加条件，从而形成两个分枝，即两个子问题，两个子问题的可行域中包含原整数规划问题的所有可行解。不断分枝，逐步减小 ，增大 Z ，最终求得Z?。 Max 解：第1步 先不考虑整数约束，求解IP的松弛问题LP: 这时LP可能会得到下列情况之一：①LP没有可行解，此时可下结论，原问题IP没有可行解，计算停止；②LP有最优解，并符合IP的整数条件，则LP的最优解即为IP的最优解，计算停止；③LP有最优解，其最优值为Z(0)，但解不符合IP的整数条件，转入第二步。 本例LP的最优解为x1＝3.75，x2＝2.25，最优值为Z(0)＝41.25，不符合整数条件，属于情况③。