多个约束变为一个约束的整数规划问题的新算法.docxVIP

江两师范大学2006届硕士研究生学位论文 以葺必须取小于等于1或大于等于2的整数值．利用这一明显的结果，我们可 以把问题(如)划分为两个子问题： min，=一■一5屯 ■一x2≥一2 5■十缸2 s 30 墨s 4 ■s1 五、z2≥0，■、z2整数 min厂一一■一5工2 五一．砭≥一2 5墨+％≤30 ■s 4 薯≥2 邓工2苫0，郦t整数 这样划分，并未丢掉问题(zL0)的任何一个可行解．这一过程，我们称为分 謦-i三．臻观，我们用树形图来表示这一分枝过程，这个树形图称之为枚举树 (见下图)． 要求问题(砜)的最优解，只要分别求出子问题(皿)和子问题(乜2)的最 优解即可． 对于子问题(皿)，我们可求出其对应的￡P问题的最优解为： 薯。1，恐2 3，对应目标函数值为：五=一16．由于两个变量都为整数，这 已经是予问题(皿)的最优解，这个可行解称为活点．这时称子问题(玛)已被 多个约束变为一个约束的整数规划问题的新算法 探明，不必继续分枝了．在树形图上扪上记号“#”，表不于】叫题已珠明． 同时，子问题(皿)的最优解也是原问题(如)的可行解．因此，子问题 (皿)的最优值是原问题的目标函数值的一个上界，记z=^=一16．如果能 求得原整数规划问题的上界，则称之为定界． 我们再考虑子问题(见2)，类似地，先求解其松驰问题(嗄)．松驰问题 (鹏)的最优解为：_=2，z：=!孚，对应目标函数值为：，2=一18吾．因为 ，2小于现有的上界一16，所以原问题可能有比一16更小的最优值． 因为x2：掣不是整数，利用3s婴蔓4，我们可以在子问题(见2)中分别加入 气 约束条件恐s3或z：≥4，就把子问题(肛2)划分为子问题(如)和(皿。)： min，=一五一5x2 置一屯≥一2 5t+6％§30 2 s■s 4 屯s 3 葺、x2≥0，■、戈2整数 min，=一葺一5x2 ■一x2≥一2 5■+6也s30 2 s■s 4 x2≥4 ■、工2≥0，■、x2整数 子问题(如)对应的松驰问题的最优解为：一22詈，屯23，对应目标 函数值为：，2=一17詈·仍小于现有上界·同时_2 2詈不是整数，所以必须 江西师范大学2006届硕士研究生学位论文 将问题(如)继续分枝．利用2s娶s3，我们可以将_s2和而≥3分别加 入子问题(如)的约束条件中去，得到子问题(以)和子问题(玩)． 在求解子问题(如)的同时对子问题(如)进行求解．结果我们发现其对 应的松驰问题无可行解，当然子问题(巩)也无可行解，则子问题(z己4)也已 探明． min，=一■一5x2 ■一石2≥一2 5■+鸣s 30 2 s■≤4 鼍≤2 x2 s 3 【_、z2≥o，五、戈2整数 min，=一鼍一522 鼍一镌≥一2 5墨+舐2≤30 2≤五s 4 置≥3 艺s 3 耶z2≥0，邙％整数 这一分枝过程可以用下面的枚举树表示： 8 多个约束变为一个约束的整数规划问题的新算法 子问题(如)对应的松驰问题的最优解为：五=2，％=3，对应目标函数 值为：，5=一17．显然这是子问题(如)的可行解．因此子问题(如)已被探 明，同时兀；一17．小于现有上界一16，可重新定界z；六；一17． 再考虑子问题(玩)，其对应的松驰问题松驰问题的最优解为： 五=3，z：=2丢，对应目标函数值为：丘=一15丢．五是子问题(玩)的最 小值的下界．但，6z=一17，所以即使将予问题(玩)分枝，其子问题也决 不会小于(一15三)．这时，子问题(玩)也已探明．我们称子问题(玩)被剪枝． 至此，所有的子问题都已经探明，求解结束．原问题(砜)的最优解为： ■=2，％=3，最小值为：，=，5=一17。整个的求解过程用枚举树表示如 下图： 江西师范人学2006届硕士研究生学位论文 掸 桦 利用分枝定界法求解全整数线性规划问题应注意以下几点： (1)松驰问题的选择．我们把整数约束去掉阻后，得到松驰问题，这是一 个普通的线性规划问题，可以用单纯形方法求解．在求解原整数规划或其子 问题时，我们都是求解其松驰问题． (2)分枝规划．如果某个松驰问题的最优解全取整数值，则它对应的整数 规划就已探明．否则，如果某变量以取分数值口，则求得不超过口的最大 整数％和大于a的最小整数a2，分别将甄s口1和≮芑口2添加到该皿P的约束条件中，就可将此尼P问题分枝为两个子问题． (3)定界方法．如果某个子问题的最优解(整数)已经求得，这一最优解 是原尼P问题的可行解．因此，它对应的目标函数值是原整数规划问题最 优值的上界，其值记为Z．每求得一个子问题的最优值之后，都应与现有上 界比较，取其中较小者作为新的上界． 子问题探明的判定．当我们求解某子问题的松驰问题时，只要出现下述 情况之一，该子问题就己探明： (1)松驰问题没有可行解，则原子问