运筹学第五章_整数规划教材教学课件.ppt

整数规划;整数规划;例1 某厂拟用集装箱托运甲乙两种货物,每箱的体积、重量、可获利润以及托运所受限制见下表.问每集装箱中两种货物各装多少箱,可使所获利润最大?;表 3.1; 在许多线性规划问题中,要求最优解必须取整数.例如 所求的解是机器的台数、人数车辆船只数等.如果所得的解 中决策变量为分数或小数则不符合实际问题的要求. ; 对于一个规划问题,如果要求全部决策变量都取整数, 称为纯(或全)整数规划;如果仅要求部分决策变量取整数, 称为混合整数规划问题.有的问题要求决策变量仅取0或l两 个值,称为0-l规划问题. 整数规划简称为IP问题.这里主要讨论的是整数线性规 划问题,简称为ILP问题.;若不考虑整数条件，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（slack problem）;三、整数规划问题解的特点;若暂且不考虑 取整数这一条件.则(1)就变为下列 线性规划 : ;若取X2=(4,0)T，X2是 (1) 的可行解, 但它却不是(1) 的最优解, 因为当X2=(4,0)T 时,Z2 = 80, 但当X3 = (4,1)T 时,Z3 = 90 Z2。 即伴随规划的最优解通过 “ 舍零取整 ” 得到的X1,X2 都不是 (1) 的最优解 .因此通过松弛问题最优解的 “ 舍零取 整 ” 的办法 , 一般得不到原整数规划问题的最优解 .;对上面的问题，我们从几何的角度来观察： 若松弛问题(2)的可行域 K 是有界的,则原整数规划(1)的可行 域 K 0应是K中有限个格点(整数点）的集合.见图1, 图中“* 为整数点(格点).;图1 中四边形 OABC 是松弛问题(2)的可行域.它的最优解 为 C 点(4.8, 0)。;当然, 我们也会想到能否用“穷举法”来求解整数规划.如(1) 问题,将 K0 中所有整数点的目标函数值都计算出来,然后逐 一比较找出最优解.这种方法对变量所能取的整数值个数较少 时,勉强可以应用.如本例 可取 0,1,2,3,4共5个数值。 而 只能取0,1,2共三个数值,因此其组合最多为15个(其中 有不可行的点).;但对大型问题,这种组合数的个数可能大得惊人! 如在指派问题中,有n 项任务指派n个人去完成,不同的指派方案共有n! 种 .当 n=20 时 ,这个数超过2×1018. 如果用穷举法每一个方案都计算一遍 , 就是用每秒百万次的计算机,也要几万年 . ;因此研究求解整数规划的一般方法是有实际意义的. ;整数规划解的特点;由于整数规划问题的可行解是其松弛问题的可行解的子集，所以，其松弛问题的最优解目标函数值是整数规划问题目标函数值的上界。;但松弛问题的最优解恰好满足变量的整数约束条件，那么它必然同时是整数规划问题和其松弛问题的最优解。;目前，常用的求解整数规划的方法有： 分支定界法和割平面法； 对于特别的0－1规划问题采用隐枚举法和匈牙利法。 ;;纯整数规划的松弛问题是一个线性规划问题，可用单纯形法求解。在松弛问题的最优单纯形表中，记Q为m个基变量的下标集合，K为n-m个非基变量的下标集合，则m个约束方程可示为：;而对应的最优解X*=(x1*,x2*, … ,xn*)，其中;割平面法的基本思想： 用割平面法(cutting plane approach)解整数规划时，若其松弛问题的最优解不满足整数约束，则从X*的非整分量中选取一个，用以构造一个线性约束条件，将其加入原松弛问题中，形成一个新的线性规划，然后求解之。若新的最优解满足整数要求，则它就是整数规划的最优解；否则重复上述步骤，直到获得整数最优解为止。;为最终获得整数最优解，每次增加的线性约束条件应当具备两个基本性质： 已获得的不符合整数要求的松弛问题最优解不满足该线性约束条件，从而不可能在以后的解中再出现。 凡整数可行解均满足该线性约束条件，因而整数最优解始终被保留在每次形成的松弛问题（线性规划）可行域中。;为此，若 不是整数，在（5.4）中对应的约束方程为;将（5.7）和（5.8）式代入（5.6）式，移项以后得：;由此我们以 （5.10式）作为标尺来，将当前不满足整数约束的最优解去掉，而完全保留了原整数规划问题的可行解。; 记R为原松弛问题可行域，Rˊ为新的线性规划可行域。从几何意义上看，(5.10)式实际上对R做了一次“切割”，在留下的R ˊ中，保留了整数规划的所有可行解，但不符合整数要求的X*被“切割”掉了。随着“切割”过程的不断继续，整数规划最优解最终有机会成为某个线性规划可行域的顶点，作为该线性规划的最优解而被解得。