运筹学 第六章 整数规划 第一讲 整数规划数学模型与纯整数规划的求解.ppt

整数线性规划问题的分类 一个规划问题中要求部分或全部决策变量是整数，则这个规划称为整数规划(IP)。当要求全部变量取整数值的，称为纯整数规划(PIP)；只要求一部分变量取整数值的，称为混合整数规划(MIP) .决策变量全部取0或1的规划称为0—1规划。如果模型是线性的，称为整数线性规划。本章只讨论整数线性规划。 整数规划问题解的特征： 例4.3 设整数规划问题如下 整数规划的特点及应用 用图解法求出最优解为：x1＝3/2, x2 = 10/3，且有Z = 29/6 1）求整数规划的松弛问题最优解； 若松弛问题的最优解满足整数要求，得到整数规划的最优解,否则转下一步； 2）分支与定界： 任意选一个非整数解的变量xi，在松弛问题中加上约束： xi≤[xi] 和 xi≥[xi]+1 组成两个新的松弛问题，称为分枝。新的松弛问题具有特征：当原问题是求最大值时，目标值是分枝问题的上界；当原问题是求最小值时，目标值是分枝问题的下界。 检查所有分枝的解及目标函数值，若某分枝的解是整数并且目标函数值大于（max）等于其它分枝的目标值，则将其它分枝剪去不再计算，若还存在非整数解并且目标值大于(max)整数解的目标值，需要继续分枝，再检查，直到得到最优解。 练习： 用分枝定界法求解整数规划问题 用图解法求松弛问题的最优解，如图所示 分支： 先求LP1,如图所示。此时在B点取得最优解。 x1＝1, x2 =3, Z(1)＝－16 找到整数解，问题已探明，此枝停止计算。 在IP2中分别再加入条件： x2≤3, x2≥4 得下式两支： 在（LP21）的基础上继续分枝。加入条件3≤x1≤2有下式： x1 x2 ⑴ ⑵ 3 3 (18/11,40/11) ⑶ 1 1 B A C D 先求LP21,如图所示。此时D 在点取得最优解。 即 x1＝12/5≈2.4, x2 =3, Z(21)＝-87/5≈-17.4 Z(1)=-16 但x1＝12/5不是整数，可继续分枝。即 3≤x1≤2。 求LP22，如图所示。无可行解，故不再分枝。 分别求出（LP211）和（LP212）的最优解 x1 x2 ⑴ ⑵ 3 3 (18/11,40/11) ⑶ 1 1 B A C D E F 先求（LP211）,如图所示。此时 在E点取得最优解。即 x1＝2, x2 =3, Z(211)＝－17 找到整数解，问题已探明，此枝停止计算。 求（LP212），如图所示。此时 F在点取得最优解。即x1＝3, x2 =2.5, Z(212)＝－31/2≈－15.5 Z(211) 如对LP212继续分解，其最小值也不会低于－15.5 ，问题探明,剪枝。 LP1 x1=1, x2=3 Z(1) ＝－16 LP x1=18/11, x2=40/11 Z(0) ＝－19.8 LP2 x1=2, x2=10/3 Z(2) ＝－18.5 LP21 x1=12/5, x2=3 Z(21) ＝－17.4 LP22 无可 行解 LP211 x1=2, x2=3 Z(211) ＝－17 LP212 x1=3, x2=5/2 Z(212) ＝－15.5 x1≤1 x1≥2 x2≤3 x2≥4 x1≤2 x1≥3 ＃ ＃ ＃ ＃ 原整数规划问题的最优解为: x1=2, x2 =3, Z* =－17 Ch6 整数规划 Integer Programming?? 6.1 整数规划数学模型 Mathematical Model of IP 6.2 纯整数规划的求解 Solving Pure Integer Programming 6.3 0－1规划的求解 Solving Binary Integer Programming Chapter 6 整数规划 Integer Programming 运筹学 Operations Research 很多实际规划问题都属于整数规划问题 1. 变量是人数、机器设备台数或产品件数等都要求是整数； 2. 对某一个项目要不要投资的决策问题，可选用一个逻辑变量 x，当x=1表示投资，x=0表示不投资； 3. 人员的合理安排问题，当变量xij=1表示安排第i人去做 j工作，xij=0表示不安排第i人去做 j工 作。逻辑变量也是只允许取整数值的一类变量。 6.1 整数规划的数学模型 Mathematical Model of IP 整数线性规划数学模型的一般形式： 要求一部分或全部决策变量取整数值 不考虑整数条件，由余下的目标函数和约束条件构成的规划问题称为该整数规划问题的松弛问题。 6.1 整数规划数学模型 Mathematical Model of IP 【例6