运筹学整数规64划讲义.ppt

整数规划 内容总述 §5.1整数规划的数学模型及解的特点 §5.2 解整数规划的分枝定界法 §5.3 割平面法 §5.4 0-1规划及指派问题 §5.1整数规划的数学模型及解的特点 线性规划的决策变量取值可以是任意的非负实数，但许多实际问题中，只有当决策变量的取值为整数时才有意义。 例如，产品的件数、机器的台数、装货的车数、完成工作的人数等，分数或小数解显然是不合理的。 要求全部或部分决策变量的取值为整数的线性规划问题，称为整数线性规划，简称整数规划(Integer Programming)。 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自然数为该IP的松驰问题（slack problem) 全部决策变量的取值都为整数，则称为全整数规划(All IP)； 仅要求部分决策变量的取值为整数，则称为混合整数规划(Mixed IP)； 要求决策变量只能取0或1值，则称为0-1规划(0-1 Programming)。 整数规划是数学规划中一个较弱的分支，目前只能解中等规模的线性整数规划问题，而非线性整数规划问题，还没有好的办法。 一、 问题的提出 为了满足整数要求，似乎可以把线性规划的小数最优解进行“舍入化整”以得到与最优解相近的整数解。 “舍入化整”一般是不可行的： 化整后的解有可能成为非可行解； 虽是可行解，却不是最优解。 例1 不考虑整数约束则是一个线性规划问题，称为原整数规划问题的松弛问题。 不考虑整数约束的最优解：x1 *=28/9≈3.1， x2 * =25/9≈2.7，Z * =293/9 舍入化整 x1 =3， x2 =3，Z =33，不满足约束条件5x1 +7 x2 ≤35，非可行解； x1 =3， x2 =2，Z =28，满足约束条件，是可行解，但不是最优解； x1 =4， x2 =1，Z =29，满足约束条件，才是最优解。 例2：一登山队员做登山准备，他需要携带的物品有：食品，氧气，冰镐，绳索，帐篷，照相机和通讯设备，每种物品的重要性系数和重量如下：假定登山队员可携带最大重量为25公斤。 例3. 某服务部门各时段（每2小时为一个时段）需要的服务员人数见下表。按规定，服务员必须连续工作8小时（4个时段）。现在要求安排服务员的工作时间，在各时段服务员数量够用的前提下，服务部门用的总服务员数量最少。 从以上的可以看出，假如放弃整数要求后，用单纯形法求得最优解恰好满足整数性要求，则此解也是原整数规划的最优解。 以上描述了目前解整数规划问题的两种基本途径。即 分枝定界法和割平面法。 §5.2 解整数规划的分枝定界法 分枝定界法(Branch and Bound Method) 基本思想： 先求出整数规划相应的线性规划(即不考虑整数限制)的最优解， 若求得的最优解符合整数要求，则这个解就是原整数规划的最优解； 若不满足整数条件，则任选一个不满足整数条件的变量来构造新的约束，在原可行域中剔除部分非整数解。 然后，再在缩小的可行域中求解新构造的线性规划的最优解，这样通过求解一系列线性规划问题，最终得到原整数规划的最优解。 定界的含义： 整数规划是在相应的线性规划的基础上增加变量为整数的约束条件，整数规划的最优解不会优于相应线性规划的最优解。 对极大化问题来说，相应线性规划的目标函数最优值是原整数规划函数值的上界； 对极小化问题来说，相应线性规划的目标函数的最优值是原整数规划目标函数值的下界。 下面我们用一例说明求解步骤 例 maxZ= 6x1 +5 x2 2x1 + x2 ≤9 5x1 +7 x2 ≤35 x1, x2 ≥0 x1, x2取整数 第一步，不考虑变量的整数约束，求相应的LP(问题1)的最优解： x1=28/9，x2 =25/9，Z1=293/9 第二步，定界过程 这个解不是原整数规划的最优解，这时目标函值Z1=293/9是原整数规划目标函数的上界；因为x1=x2=0是整数规划问题的可行解，所以下界为0。界限一（0，293/9） 第三步，分枝过程 将不满足整数约束的变量x1进行分枝，x1称为分枝变量，构造两个新的约束条件 x1≤ [28/9]=3，x1 ≥ [28/9] +1=4  第四步，定界过程 LP3的解满足整数约束，不必再分枝，它的目标函数值是29，大于原有下界0，则新的下界为29； 现有上界为未分枝子问题中目标函数最大值，即为226/7≈33.2。界限二（29，226/7） LP2的解仍不满足整数约束的要求，它的目标函数值226/7大于现有下界，则应继续分枝。 第五步，分枝过程 将不满足整数约束的变量x2进行分枝，构