new v2 第 5章节 整数规划.ppt

整数规划 整数规划 整数规划的数学模型及解的特点 解纯整数规划的割平面法* 分支定界法 0-1型整数规划* 指派问题 练习 例：用分枝定界法求解整数规划问题（可用图解法求解） 0-1型整数规划是一种特殊的整数规划，若含有n个变 量，则可能产生 2n 个可能的变量组合。当n 较大时，采用 完全枚举法解题几乎是不可能的。已有的求解0-1型整数规 划的方法一般都属于隐枚举法 三、 0-1型整数规划的解法 在2n个可能的变量组合中，往往只有一部分是可行 解。只要发现某个变量组合不满足其中一个约束条件 时，就不必再去检验其他约束条件。 对于可行解，其目标函数值也有优劣之分。若已发现 一个可行解，则根据它的目标函数值可以产生一个过滤 条件，对于目标函数值比它差的变量组合就不必再去检 验它的可行性。在以后的求解过程中，每当发现比原来 更好的可行解，则以此替换原来的过滤条件。 上述这些做法，都可用减少运算次数，使最优解能 较快地被发现。 例 求解0-1整数规划 解 求解过程可以列表表示 Z≥8 √ √ √ √ 8 (1,0,1) 3 (1,0,0) 3 (0,1,1) -2 (0,1,0) Z≥5 √ √ √ √ 5 (0,0,1) Z≥0 √ √ √ √ 0 (0,0,0) 过滤条件 约束条件（a b c d） Z值 (x1,x2,x3) a b c d 6 (1,1,1) 1 (1,1,0) 过滤条件 约束条件（a b c d） Z值 (x1,x2,x3) 接上表 所以，最优解（x1,x2,x3）T=(1,0,1)T,max Z = 8 由于采用上述算法，实际只作了20次运算。 例 求解0－1整数规划 解：采用上例那样的算法，解此例共需作36次运算。为了进一步减少运算量，常按目标函数中各变量系数的大小顺序重新排列各变量，以便最优解有可能较早出现。 对于最大化问题，可按由小到大的顺序排列；对于最小化问题，则相反 本例可写成下列形式： 采取这样的形式用上法解此例，只需作30次运算。一般问题的规模越大，这样做的好处就越明显。 篮球队需要选择5名队员组成出场阵容参加比赛. 8 名队员的身高及擅长位置见下表: 后卫 后卫 后卫 前锋 前锋 前锋 中锋 中锋 擅长位置 1.78 1.80 1.83 1.85 1.86 1.88 1.90 1.92 身高 8 7 6 5 4 3 2 1 队员 出场阵容应满足以下条件: 只能有一名中锋上场 至少有一名后卫 如1号和4号均上场, 则6号不上场 2号和8号至少有一个不出场 问: 应当选择哪5名队员上场,才能使出场队员平均身高最高? 试建立数学模型 有五项设计任务可供选择.各项设计任务的预期完成时间分别为3, 8, 5, 4, 10 (周), 设计报酬分别为 7, 17, 11, 9, 21 (万元). 设计任务只能一项一项地进行, 总的期限是 20 周. 选择任务时必须满足下面要求: 1 至少完成 3 项设计任务; 2 若选择任务 1, 必须同时选择任务 2; 3 任务3 和 任务4不能同时选择 应当选择那些设计任务, 才能使总的设计报酬最大? (试建立数学模型) （单件售价 －单件费用）＝ cj LP1 x1=4, x2=2.33 Z(1) ＝36.33 LP x1=4.55, x2=2.17 Z(0) ＝37.97 LP2 x1=5, x2=1.5 Z(2) ＝35.5 x1≤4 x1≥5 整个求解过程 问题B 问题② 问题① x2≤2 x2≥3 LP3 x1=4, x2=2 Z(3) ＝34 LP4 x1=1. 71, x2=3 Z(4) ＝29.57 问题③ 问题④ 而④的最优解仍不满足整数要求，但因为它的最优值29.57小于已经得到的原整数规划问题的整数可行解的目标函数值34（即小于下界），则可以肯定④的可行解集中不含有原整数规划的最优解，则④可舍去（称为剪枝） 将④舍去后，还不能说问题③的最优解就是原整数规划的最优解，因为问题②的最优解 35.5 34，即②的可行解集中还有可能含有原整数规划的最优解（比③的最优解目标函数值大的整数解）。 因此需要考察问题②，分别增加约束条件 得到问题②的两个子问题⑤和⑥ 问题② 问题⑤ 问题⑥ 引入约束 x1=5.33, x2=1,Z=33.67 无可行解 问题⑤的可行域R5 问题⑥无可行解 此时，问题②的可行域被分成两部分部分，即⑤的可行集R5,和不含整数可行解的1x22部分。问题⑥无可行解集。 Y 轴 6 12 9 4 3 4 5 2 1 LP1 x1=4, x2=2.33 Z(1) ＝36.33 LP x1=4.55, x2=2.17 Z(0) ＝37.97 LP2 x1=5