运筹学32割平面算法.pptVIP

OR XJTU 第三章 整数线性规划 * § 3.2 割平面算法 1958 R.E.Gomory 提出割平面(cutting plane)的概念 理论依据 : IP与LP之间的关系, 即前述的“conv(S)”结论 基本思想 : 考虑纯IP : 放弃该约束 称为( IP )的松弛问题 但原( IP )的任一可行解均未被切割掉 否则, 对( )增加一个线性约束(几何上为超平面, 故 称为割平面条件) 用单纯形法或别的方法求解( IP )的松弛问题( ), 得其最优解 , 若 为整数向量→STOP, 亦为( IP )的最优解. 该割平面条件将( )的可行域割掉一部分, 且使这个非整数 向量 恰好在被割掉的区域内 新的 松弛问题 改进的松弛问题 费用减小 按上述增加约束、逐步迭代的过程中, 若某步所得的松弛 LP问题 无可行解 无界 原问题( IP )亦不可行 原问题( IP )或不可行或无界 STOP 割平面法为一种松弛方法 ! 关键 : 如何生成割平面, 不同的构造方法将产生不同的算法 . Gomory 分数割平面算法 设用单纯形法求解( IP )的松弛问题( )所得的最优基本 可行解为 : 下标集合记为 , 而非基变量下标集为 迭代终止时目标函数、各个约束条件对应的典式分别为 : 若对所有的 , 均为整数 STOP ! 已经是( IP )的最优解 否则, 至少存在某一个 ,使得 不是整数 . 诱导(生成)方程 由变量的非负性 生成方程变为 : 左边取值必为整数值 从诱导方程中减去该不等式 引进松弛变量S 对应于生成行l 的 Gomory割平面条件 系数为分数→ 分数割平面 ( △ ) Th. : 将割平面(△)加到松弛问题( )中并没有割掉原IP问 题的任何整数可行点. 当 不是整数时, 则对应新的 松弛问题有一个原始基本不可行解和对偶可行解 . 用对偶单纯形法求解 ! Proof: 由上述推导过程, 割平面(△)是原( IP )的整数约束推出来 的, 所以它不会切割掉任何整数可行解 . 它对应的是新松弛问题的一个原始基本解, 但不可行 . 可选松弛变量S作为对应所增加新约束条件的基变量, 它 与原来的基变量 一起必可构成新松弛问题的基变量. 当 不是整数时, , 新松弛问题的基本解中有 Gomory 割平面算法计算步骤 : S 1 : (用单纯形法)求解整数规划问题( IP )的松弛问题( ) 若( )没有最优解, STOP ! ( IP )也没有最优解 . 若( )有最优解 , 如果 是整数向量, STOP ! 为( IP ) 的最优解. 否转 S 2 . S 2 : 任选 的一个非整数值分量 , 按上述方式 构造割平面方程 . S 3 : 将此割平面方程加到松弛问题( )得新的松弛问题. 用对偶单纯形法求解这个新的松弛问题. 若其最优解为 整数向量, 则STOP, 它亦为( IP )的最优解. 否则, 用这个最优解代替 , 转S 2 . 特点 : 割平面方程系数为分数 迭代过程中保持对偶可行性 且用对偶单纯形法求解 分数对偶割平面算法 收敛性 : 按一定的规则(如字典序)选取诱导方程 用对偶单纯形算法时避免循环 分数对偶割平面算法可在有限步内收敛(终止) 问题输入长度L 的多项式 分数割平面算法的缺点 : ① 涉及分数. 计算机仅能以有限精度存贮各个参数的值, 从而对无限((不)循环)小数就产生了误差 . 一次一次迭代 误差积累 很难判定一个给定的元素是否为整数 但判定一个元素是否为整数却是生成割平面所必须的 ! ② 对偶性 :导致在达到最优性以前未必可找到原始可行解 算法通常需要很多次迭代 若算法在中途停止, 得不到原始问题的 既 也 可行解 整数解 结果毫无用处 ! 为克服上述不足 : 对偶 原始 整数割平面算法 整数割平面方程的导出 : 诱导方程 任意非零的h乘以上式两边 将各变量的系数分离成整数部分和小数部分 : ∵要求 均取整值 ∴ 上式左边必为整数 诱导方程两边同乘以[