关于分枝定界图解法改进设想.docVIP

淮阴师范学院毕业论文　 PAGE 4 - 工作单位 1 - 11 关于分枝定界图解法的改进设想 摘 要:　分枝定界法求解二维整数规划问题思路明确但缺少直观且运算复杂，而图解法虽直观却无法求解二维整数规划问题．现将分枝定界法的思路与图解法相结合，使之兼具两者优点． 关键词:　整数规划 分枝定界法 图解法 最优解 可行解 引言: 图解法解线性规划问题直观性强、计算方便，现已作为中学数学的教学内容．众所周知，对二维整数规划问题的求解可以先不考虑对变量的整数约束，作为一般线性规划问题求解，当解为非整数时如果用四舍五入或凑整法寻找最优解．当在变量取值很大时，得到的解与最优解相差不大．但当变量取值较小时，得到的解就可能与实际整数最优解差距很大．看下面一个例子： 【例1 】 求下述整数规划问题的最优解： s.t.2X1 +3X s.t. 2X1 +3X2≤14 X1 +0.5X2≤4.5 X1 ,X2≥0,且均取整数值 { 【解】　 （3.25,2.5）如果不考虑X ，X取整数值的约束，问题的可行域如图中的阴影线部分所示，用图解法求得最优解为（3.25,2.5）.由于X ，X必须取整数值,实际上问题的可行解集只是图中可行域的那些整数点.用凑整法来解时需要比较四种组合,但(4,3),(4,2),(3,3)都不是可行解,(3,2)虽属可行解,但代入目标函数得z=13,并非最优.实际上问题的最优解应该是(4,1),z*=14.但我们注意到（4,1）不是可行域的顶点，因此直接用图解法无法找 （3.25,2.5） 出二维整数规划问题的最优解.在线性规划问题中，变量x是在一个连续的范围内取值，因此可行解个数有无限多．但在整数规划问题中变量只能取离散的整数值．可行解的总数是有限的．从有限的可行解中寻找最优解的最简单也最直观的想法是枚举法：把问题的解全部列举出来比较，找出最优．但可行解总数一多，应用枚举法便失去意义．这时不妨用改进的图解法． 原理 用例１来说明改进分枝定界图解法的思路和步骤: 第一步: 寻找替代问题并求解. 方法是放宽或取消原问题的某些约束,找出一个替代的问题.对替代问题的要求是:容易求解,且原问题的解集应无例外的包含在替代问题的解集中.如果替代问题的最优解是原问题的可行解,这个解就是原问题的最优解:否则这个解的值是原问题最优解的上界(求极大值时)或下界(求极小值时). 例1的松弛问题是一个线性规划问题,记作L。.显然L。满足原替代问题的要求: s.t.{2X1 +3X s.t. { 2X1 +3X2≤14 X1 +0.5X2≤4.5 X1 ,X2≥0 L。的最优解可用图解法求得为(3.25,2.5),不是原问题的可行解,因此转第二步. 第二步: 分枝与定界. 方法是将替代问题分成若干个子问题,对子问题也要求其解的集合和要包含原问题的解集.然后对每个子问题求最优解,如果该解满足原问题的约束,即找到原问题的一个可行解,否则该解为所属分枝的边界值(求极大值时为上界,求极小值时为下界);如果有子问题的最优解非原问题可行解,则选取其边界值最大(求极大)或最小(求极小)的子问题进一步再细分子问题求解.分枝过程一直进行下去.直到找到一个原问题可行解为止,再将其与前一次所得原问题可行解比较,则选取其中最大的(求极大值时)或最小的(求极小值时).如果比其它分枝优则停止,否则继续分枝. (3.25,2.5)我们得到最优解（3.25,2.5）后,如图所示,抹去阴影区域中{ (X ，X)│ [3.25]X[3.25+1],[2.5] X[2.5+1]}的部分,得到三个子问题区域,由于去掉的是非整点所以各子问题和解集包含原问题的所有可行解.再比较各子问题的最优解,左上部分最优解(2.5,3)对应最优值z* =13.5,中间部分最优解(3,2)对应最优值z*=13, 右下部分最优解(4,1)对应最优值z*=14,比较三个部分最优解,本题显而易见得最优解(4,1), 最优值z*=14.由此也可以看出图解法的简洁. (3.25,2.5) 第三步: 剪枝.将各子问题边界值与保留的可行解的值进行比较.把边界值劣于可行解的分枝剪去.如果除保留下来的可行解外,则其余分枝均被剪去,则可行解就是原问题最优解.否则回到第二步,选取边界值最优的一个继续分枝.如果计算中又出现新的可行解,则与原可行解比较,保留最优的,并重复上述步骤. 对该问题如采用一般分枝定界法则其思路如下: X X1≤3 X1 X1≤2 X1 X1≥4 X2≥3 由于每一步都须列式，因而较为繁琐,但可推广到求解多维整数规化问题中去.而用来求解二维整数规化问题，不是灵活的方法. 应用 【例2】 求下述整数规划问题