最优指令控制问题.docVIP

最优指令控制问题 摘要 在计算机指令控制过程中，控制的指令条数越少，控制指令的总长度越小，计算机的运行效率就越高。所以建立相关的数学模型来实现最优计算机指令控制，分析所用算法的复杂度，具有现实意义。 对问题1，用最少的指令控制全部的部件，对此问题，我们建立整数规划里面的0-1规划模型，用lingo软件求解，求得要控制所有部件，所用最少指令数为13条，具体最优指令与控制部件见表一。 对问题2，给出了每条指令的长度，要使所用指令的总长度最小,对此问题我们依然建立整数规划里面的0-1规划模型，用lingo软件求解，最终求得结果见表二。 对问题3,我们用分支定界法求解问题1问题2的整数规划模型，把原整数规划问题通过分支迭代求出最优解。 对问题4， 关键字：指令控制 整数规划 分支定界法 一：问题重述 在计算机控制过程中，一条计算机指令往往可以控制几个计算机部件，反过来，一个部件也一般由几条指令控制。一个基本的问题是：在指令集合里寻找最少的指令，使得所有的部件得到控制；另一个问题是，当给定每条指令的长度时，在指令集合里寻求总长度最小的若干指令，使得他们可以控制全部部件。 1．建立使得所有部件得到控制的最小指令集合。 2．建立使得所有部件得到控制的总长度最小的指令集合。 3．设计模型的求解算法，用表1 中所列的数据给出求解结果。 4．分析设计算法的复杂性和计算所得到的结果。 二：问题分析 针对问题1，我们的目标是用最少的指令条数控制所有部件，建立整数规划的0-1规划模型。用决策变量决定是否使用第i条指令，用指令控制的部件必须包括所有的部件来进行约束，再用相应的算法求即可。 针对问题2，我们把目标换成所用指令的总长度最短，各指令长度都是已知的，建立0-1规划模型现在问题的关键依然是是否使用第i条指令，我们用决策变量决定。用全部部件必须得到所用指令的控制来约束。用相关算法求解即可。 针对问题3，我们采用分支定界法，在求相应的线性规划模型的同时，逐步加入对各变量的整数要求的限制，从而将原整数规划问题通过分支迭代求出最优解。 三：符号说明 ：决策变量（二进制变量），决定是否使用第i条指令，表示使用，表示不使用。 ：第i条指令与第j个部件的关系，如果第i条指令控制第j个部件，则为1，否则为0 :第i条指令的长度。 :所用指令的最少条数。 :所用指令的最短总长度。 四：模型假设 1．一条指令可以控制几个部件，一个部件也可以由几条指令控制。 2．假设每条指令在运行过程中不发生逻辑错误,且每个部件均工作正常 5.1 对问题1建立模型 决策变量=1表示使用第i条指令，0表示不适用第i条指令 ，我们的目标是使用的指令条数最小，即： 表示第j个部件是否得到第i条指令的控制，由于每个部件至少有一条指令来控制则： ，至此我们建立模型I如下： 目标函数: 约束条件： 5.2 对问题2建立模型 在已知每条指令长度的条件下，为了使所用指令总长度最小，即,约束条件同问题1的一样：每个部件都至少得到一条指令的控制： 对问题2建立模型II如下： 目标函数： 约束条件： 5.3 对问题3建立模型 分支定界法的步骤如下： 1.求整数规划的松弛问题最优解。 2.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。 3.任意选一个非整数解的变量 ,在松弛问题中加上约束及组成两个新的松弛问题，称为分支。新的松弛问题具有如下特征：当原问题是求最大值时,目标值是分支问题的上界；当原问题是求最小值时，目标值是分支问题的下界。 4.检查所有分支的解及目标函数值，若某分支的解是整数并且目标函 数大于(max)等于其他分支的目标值,则将其他分支剪去不再计算, 若还存在非整数解并且目标函数大于（max）整数解的目标函数值， 需要继续分支,再捡查，直到得到最优解。 5.31分支定界法对问题1求解 建立松弛问题的线性规划模型： 目标函数 ：： 约束条件： z的最优解为（），目标函数值为z。 不是0-1变量，不符合题目要求，那么我们从开始，本应在松弛变量问题中加约束组成两个新的松弛问题（两个分支），鉴于本模型是整数规划里的0-1规划模型，为了切合题意，我们改加约束条件，组成两个新的分支。问题1目标函数是求最小值，我们将作为分支问题的上界。进行分支得到： 目标函数 ：： ： 约束条件： 的最优解为（），目标函数值为 的最优解为（），目标函数值为， 在满足原0-1规划模型的要求后，我们对选取边值较小的子问题对继续分支，把的最优解作为分支问题的上界，再加约束条件。分支得到： 目标函数：： ： 约束条