第三章节 .特殊线形规划.ppt

10 10 x1 x2 o A B C LP1 LP3 3 4 LP3:X=(4.33,6),Z3=35.33 6 ① ② LP1:X=(3,7.6),Z1=34.8 10 10 x1 x2 o A C LP1 3 4 6 ① ② LP4:X=(4,6),Z4=34 LP5:X=(5,5),Z5=35 5 LP1:X=(3,7.6),Z1=34.8 LP3 LP5 尽管LP4的解中x1、X2为整数，但Z5Z4因此LP5的最优解就是原整数规划的最优解。 上述分枝过程可用下图表示 LP0:X=(3.57,7.14),Z0=35.7 LP1:X=(3,7.6) Z1=34.8 LP2:X=(4,6.5) Z2=35.5 x1≤3 x1≥4 LP3:X=(4.33,6) Z3=35.33 x2≤6 LP4:X=(4,6) Z4=34 LP5:X=(5,5) Z5=35 x1≤4 x1≥5 无可行解 x2≥7 将 分离成一个整数与一个非负真分数之和： 则有 等式两边都为整数并且有 割平面法求整数规划问题 加入松弛变量si得 此式称为以xi行为源行（来源行）的割平面，或分数切割式，或R.E.Gomory(高莫雷)约束方程。 将Gomory约束加入到松弛问题的最优表中，用对偶单纯形法计算，若最优解中还有非整数解，再继续切割，直到全部为整数解。 则 3.2 纯整数规划的求解 Solving Pure Integer Programming 例如， x1行： 移项： 令 加入松弛变量s1得 同理，对于x2行有： 3.2 纯整数规划的求解 Solving Pure Integer Programming 【例3.6】 用割平面法求解下列IP问题 【解】 放宽变量约束，对应的松弛问题是 3.2 纯整数规划的求解 Solving Pure Integer Programming 加入松弛变量x3及x4后，用单纯形法求解，得到最优表3-3。 最优解X(0)＝(5/2，15/4),不是IP的最优解。选择表3-3的第一行(也可以选第二行)为源行 3.2 纯整数规划的求解 Solving Pure Integer Programming －1/4 －5/8 0 0 λj 5/2 15/4 －1/2 3/4 1/4 －1/8 0 1 1 0 x1 x2 4 3 x4 x3 x2 x1 XB CB b 0 0 3 4 Cj 表3-3 分离系数后改写成 加入松弛变量x5得到高莫雷约束方程 将式(3.8)作为约束条件添加到表3－3中，用对偶单纯形法计算，如表3－4所示 3.2 纯整数规划的求解 Solving Pure Integer Programming 原方程： －1/8 0 －1/2 0 0 λj 3 3 1 －1/4 3/8 －1/2 0 0 1 1/2 －1/2 1/2 0 1 0 1 0 0 x1 x2 x4 4 3 0 0 －1/4↑ －5/8 0 0 λj 5/2 15/4 －2→ 0 0 1 －1/2 3/4 [－2] 1/4 －1/8 －1 0 1 0 1 0 0 x1 x2 x5 4 3 0 x5 x4 x3 x2 x1 XB CB b 0 0 0 3 4 Cj 最优解X(1)＝(3，3)，最优值Z＝21。所有变量为整数，X(1)就是IP的最优解。如果不是整数解，需要继续切割，重复上述计算过程。 3.2 纯整数规划的求解 Solving Pure Integer Programming 表3－4 3.3 0－1规划的求解 Solving BIP 变量只能取0或1的线性规划，是一种特殊的整数线性规划。 3.3.1 求解0－1整数规划的隐枚举法 隐枚举法的步骤： 1.找出任意一可行解，目标函数值为Z0 2.? 原问题求最大值时，则增加一个约束 当求最小值时，上式改为小于等于约束 3. 列出所有可能解，对每个可能解先检验式（*），若满足再检验其它约束，若不满足式（*），则认为不可行，若所有约束都满足，则认为此解是可行解，求出目标值 4. 目标函数值最大（最小）的解就是最优解 3.3 0－1规划的求解 Solving BIP 30 40 60 10 bj × 10 × 10 20 2 9 10 2 A3 30 20 × × 50 1 5 6 7 A2 × 10 60 × 70 4 8 3 9 A1 ai B4 B3 B2 B1 Bj Ai 8 0 9 6 6 -3 5.2 运输单纯形法 Transportation S