运筹学 0与5 整数规划 .pptVIP

整数规划Integer Programming 整数规划的数学模型 Mathematical Model of IP 整数规划的分支定界法 Branch and Bound Method for IP 整数规划的割平面法 Cutting Plane Method for IP 0-1整数规划 Binary Integer Programming 指派问题 Assignment Problem 1 整数规划的数学模型 相关定义 一部分或全部决策变量取整数值的规划问题称为整数规划(Integer Programming) 整数规划中不考虑整数条件所对应的规划问题，称为该整数规划的松弛问题(Slack Problem) 松弛问题为线性规划的整数规划问题称为整数线性规划(Integer Linear Programming) 整数线性规划一般形式 min(max) z=c1x1+c2x2+…+cnxn ai1x1+ai2x2+…+ainxn=bi(i=1,2,…,m) xi≥0(i=1,2,…,n)且部分或全部取整数 整数规划的几种类型 纯整数线性规划(Pure Integer Linear Programming)：决策变量全为整数的线性规划 混合整数线性规划(Mixed Integer Linear Programming)：至少一个变量为整数和非整数的线性规划 0-1型整数线性规划(0-1 Integer Linear Programming)：全部变量为0或1的线性规划 例1：某服务部门各时段(每2小时为一时段)需要的服务员最少人数见下表。按规定服务员连续工作8小时为一班。现要求安排服务员的工作班次，使服务部门服务员总数最少。 解答： 设在第j时段开始上班的服务人数为xj。数学模型为： min z=x1+x2+x3+x4+x5 x1≥10 x1+x2≥8 x1+x2+x3≥9 x1+x2+x3+x4≥11 x2+x3+x4+x5≥13 x3+x4+x5≥8 x4+x5≥5 x5≥3 xi取非负整数(i=1,2,3,4,5) 整数规划解的特点 松弛问题可行解的集合是一个凸集，任意两点凸组合依然是可行解；而整数线性规划可行解的集合是松弛问题可行解的集合的一个子集，任意两点凸组合不一定是可行解。 整数线性规划的最优解的目标函数值不会优于其松弛问题。 考虑下面的整数规划问题 max z=x1+4x2 -2x1+3x2≤3 x1+2x2≤8 x1,x2取非负整数 2 整数规划的分支定界法 例2：求解整数规划问题A 3 整数规划的割平面法 割平面法的基本思想 求该整数规划松弛问题的最优解 如最优解恰是一个整数解，则停止 如果线性规划的最优解不是整数解： 则要求构造一个新的约束，对线性规划问题的可行域进行切割，切除已经得到的线性规划的最优解，但保留原可行域中所有的整数解 求解新的线性规划问题 如此一直进行 例3：用割平面法求解以下整数规划 Min z=3x1+4x2 3x1+x2≥4 x1+2x2≥4 x1,x2≥0且x1,x2为整数 将这个约束加到线性规划的最优单纯形表中，并增加一个松弛变量x5，得到 用对偶单纯形法，x5离基，x3进基 4 0-1整数规划 对于是否执行某些决策等“是-否”或“有-无”问题，可借助0-1整数变量，也可称决策变量、指标变量、逻辑变量、二进制变量。 设xj=1(若决策j为是)，或者xj=0(若决策j为否)，则： 若多个决策方案中恰好选中一个方案，可以表示为∑xj=1 选中不多于一个方案：∑xj≤1 选中不少于一个方案：∑xj≥1 对于两个0-1决策变量x1和x2的逻辑关系，若假设其发生则取值为1，否则取值为0，那么基本形式为 (1)或关系：x1或x2，x1+x2≥1 (2)与关系：x1与x2，x1+x2=2 (3)非关系：非x1，x1=0，1-x1=1 (4)蕴含关系：x1发生则x2必发生，x1-x2≤0 (5)当且仅当关系：x1-x2=0 0-1变量可以表示特殊约束 (1)部分约束 m个约束条件ai1x1+…+ainxn≤bi(i=1,…,m)，定义yi=1表示第i个约束条件不起作用,yi=0表示第i个约束条件起作用，定义M为任意大的正数，则其中k个条件起作用的表示为 a11x1+…+a1nxn≤b1+My1 a21x1+…+a2nxn≤b2+My2 … am1x1+…+amnxn≤bm+Mym y1+…+ym=m-k (2)选择取值 约束条件的左端项是f(x1,…,xn)，右端项可能是N个值(b1,…,bN)中的某一个。可以定义yi=1表示选中bi，yi=0表示不选中bi，则 f(x1,…,xn)≤∑biyi y1+…+yN=1 (3)固定费用 总费用Cj(xj)为固定费用(kj)和变动费用(