第5章_整数规划.pdfVIP

第五章 整数规划 整数规划（integer programming ）亦称整数线性规划，它实质上是在线性规划的 基础上，给一些或全部决策变量附加取整约束得到的。在许多情况下，我们都可以 把规划问题的决策变量看成是连续的变量；但在某些情况下，规划问题的决策变量 却被要求一定是整数。例如，完成某项工作所需要的人数或设备台数，进入市场销 售的商品件数，以及某一机械设备维修的次数等。为了满足整数解的要求，最容易 想到的办法就是把求得的非整数解进行四舍五入处理来得到整数解，但这往往是行 不通的。舍入处理会出现两方面的问题：一是化整后的解根本不是可行解；二是化 整后的解虽是可行解，但并非是最优解。因此，有必要另行研究整数规划的求解问 题。在线性规划的基础上，要求所有变量都取整的规划问题称为纯整数规划问题 （pure integer programming ）；如果仅仅是要求一部分变量取整，则称为混合整数规 划问题 （mixed integer programming ）。根据整数规划的定义，可将整数规划的数学 模型表示为： {minw CX ;AX b, X 0 且（部分）为整数} 。显而易见，整数 规划的可行域是其相应线性规划可行域的子集。 §1 分枝定界法 分枝定界法（branch and bound method ）是求解整数规划常用的一种方法，它具 有灵活且便于用计算机求解等优点。它的一般思想是利用连续的（线性规划）模型 来求解非连续的（整数规划）问题。假定xk 是一个有取整约束的变量，而其最优连 * * * * 续值xk 是非整数；那么在[xk ] （表示xk 的取整值）和[xk ] 1之间不可能包括任何 * * 可行整数解。因此，xk 的可行整数值必然满足xk [xk ] 或xk [xk ] 1之一。把 这两个条件分别加到原线性规划的解空间上，产生两个互斥的线性规划子问题。实 际上这一过程利用了整数约束条件，在“分割”时删除了不包含可行整数点的部分 * * 连续空间（[xk ] xk [xk ] 1）。采用与原问题相同的目标函数，可继续求解每一 个线性规划子问题。如果没有子问题具有整数最优解，需要将一个子问题再继续分 枝为两个子问题，优先选择目标值最小（目标函数求极小）的子问题进行“分枝”； 如果某一子问题具有整数最优解，那么这个整数解及其所对应的目标值将作为可能 的最优解和最优值被记录下来。具有整数最优解的子问题是不需要进一步“分枝” 的，因为进一步的分枝是通过增加约束条件来实现的，而增加约束不会使最优目标 函数值变得更小。如果在“分枝”求解过程中，出现一个新的子问题有更小的整数 75 解值，则用新的整数解值代替原有记录的整数解值。当所有的非整数解值都大于被 记录下来的整数解值时，当前记录下来的整数最优值就是整数规划的最优值，对应 的最优解就是整数规划的最优解。分枝的过程只要合适就继续下去，直到每一子问 题均得到一个整数解或者明显看出不能产生一个更好的整数解为止。引进“定界” 这一概念可以提高计算效率，这个概念表明，如果一个子问题的非整数最优解产生 一个比已得到的最好整数解还差的目标值，那么这个子问题就不值得进一步研究下 去了。换句话讲，一旦求出一个可行整数解，那么它的相应目标值就可以用来作为 一个上界，以便舍去那些目标值已经超过该上界的子问题。下面通过一个例子，具 体说明如何用分枝定界法求解整数规划问题。 [例 5-1] 求解整数规划问题 max z 40x 90x 1 2 9x + 7x 56