第四讲 整数规划 优化理论 教学课件.ppt

第四讲 整数规划 4.1 整数规划问题 4.2 分支定界法 4.3 整数规划应用举例 4.1 整数规划问题 线性规划的一个重要的假设是决策变量可取非整数的连续值。然而这一假设在很多情况下是不能满足实际问题的要求： 对决策变量有整数要求的数学规划问题称为整数规划问题。 整数规划是数学规划中的一个重要的分支，在实践中有广泛的应用背景，例如著名的指派问题、背包问题、旅行推销商问题都是整数规划问题。 整数规划又是最难求解的问题之一，至今还没有找到非常有效的算法。 例4.1 邮局一年365天都要有人值班，每天需要的职工数因业务忙闲而异，据统计邮局每天需要的人数按周期变化，一周内每天需要的人数如下： 一 二 三 四 五 六 日 17 13 15 19 14 16 11 排班要符合每周连续工作五天，休息两天的规定。如何排班可使用人最少。 解：设Xi为第i天开始上班的人数： Min：z=X1+X2+ X3+ X4+ X5+ X6+ X7 s.t. X1 + X4+ X5+ X6+ X7 ≥17 X1 + X2 + X5+ X6+ X7 ≥13 X1 + X2 + X3 + X6+ X7 ≥15 X1 + X2 + X3+ X4 + X7 ≥19 X1 + X2 + X3+ X4+ X5 ≥14 X2 + X3 + X4+ X5+ X6 ≥16 X3 + X4+ X5+ X6+ X7 ≥11 Xi≥0，i=1,2，…,7 LP问题的解： X=（1.3,3.3,2,7.3,0,3.3,5），z=22.3 取整数的解： X=（2,4,2,8,0,4,5），z=25 最优整数解： X=（4,4,2,6,0,4,3），z=23 例4. 2 max: z = x1 + x2 s.t. x1 + 2x2 ≤8 2x1 - x2 ≤4 x1, x2 取整数 整数规划=线性规划+整数约束 放松整数约束得到的线性规划问题为整数规划的线性规划松弛问题。 整数规划是比线性规划松弛问题约束得更紧的问题，它的可行域是其线性规划松弛问题可行域的一个子集。 整数解的数目远少于线性规划的解，只要可行域有界，整数解的数目有限； 整数规划的求解难度远大于线性规划。 整数规划分类： 纯整数规划：所有决策变量取整数值； 混合整数规划：部分决策变量取整数值； 0-1整数规划：整数变量只能取0或1，0-1整数规划又可分为0-1纯整数规划和0-1混合整数规划。 1）穷举法：方法简单，只可解小问题，计算量很大；对0-1整数规划，计算量为2n，按指数增长： n 计算量 时间 10 1.02*103 1.02毫秒 20 1.05*106 1.05秒 30 1.07*109 18分钟 40 1.10*1012 13天 50 1.73*1015 36年 100 1.27*1030 4亿亿年 2）四舍五入法 例2：max: z = 3x1 + x2 s.t. 2x1 + x2 ≤5 2x1 + 3x2 = 5 x1, x2 为非负整数 松弛问题解为x =（2.5, 0），四舍五入无法得到原问题的整数可行解。 整数最优解：x=（1, 1）。 例3 max: z = x1 + 5x2 s.t. x1 + 10x2 ≤20 x1 ≤2 x1, x2 为非负整数 松弛问题解：x=（2,1.8），z=11 四舍五入解：x=（2,2），不是可行解 X=（2,1），z=7 整数最优解：x=（0,2），z=10 3）分支定界：计算效率高，应用广泛； 4）割平面法：有理论意义，但计算效率较低； 5）启发算法：效率高，但不能保证找到最优解，可解大规模问题。 第四讲 整数规划 4.1 整数规划问题 4.2 分支定界法 4.3 整数规划应用举例 4.2 分枝定界法 分支定界法实质上是一种搜索方法，其基本思想是根据某种搜索策略将原问题的可行域分解