拉格朗日日松弛算法.pptVIP

拉格朗日松弛算法 主要内容 基子规划论的松弛方法 拉格朗日松弛狸论 拉格朗目松弛的进一步讨论纶一 拉格朗目松弛算法 基于数学规划:分支定界法、割平标 面法、线性规划松弛再对目标函 值 数可行化等的目标值。 现代佑化算法:禁忌搜索法、 拟退火法、遗传算法、蚁群算法 等的目标值。 其它算法:分解法、组合算法等的 目标值。 下界算法:线性规划松弛、拉格朗 最优值 日松弛等的目标值。 例子1:线性规划松弛:在5.1.1中,将整敝约束松弛 为实敝,称其为5.1.1的线性规划松弛 minc x Ax≥b, 5.1.1 t x∈Z - mince Ax≥b, 5.1.2 x∈R 汪: 1.定理51.1:Zp≤Z 2.此类算法适合于整数规划问题中,决策变量为 较大整数的情形. 3.此类算法分两阶段:第一阶段为求松弛后线性 规划问题的最优解;第二阶段为将解整数化,并 考虑可行性 例2:对偶规划松弛方法:5.1.2的对偶形式为 maX y Ay≤ 5.1.3 st y∈R. 其中Y为决策变量 注由对偶理论知,5.1.2和5.1.3有相同的最优值 至于采用其中的哪个模型來解5.1.1的下界 需比较哪个计算简单 例3.代理松弛法 当(5.1.1)中的约束太多时,代理松弛一个约束 ∑b 代替(5.1.1)中的K个约束 ∑ax≥b,k=1…K 极端情况可以用一个代替全部 C j-1k=1 主:代理松弛法保让目标亟敝,整数规划约束不变, 涩然,由代理松弛法求得的解不一定可行 例4.拉格朗日松弛方法 基本原理:将目标函敝中造成向题难的约束吸 收到目标画数中,并保持目标函数的线性,使问题 容易求解 Q为什么对此类方法感兴趣? A:(1).在一些组合优化中,若在原问题中减 少一些约束,则使得向题求解难度大大降 低.(我们把这类约柬称为难约柬) (2)实际的汁算表明此种方法所得到的结 果相当不错 5.1基于规划论的松弛方法 整数规划模型:Z。= minc r Ax≥b 5.1.1 x∈Z 松弛的定义(5.1.1):向题RP:z= mIn z(x) 满足下列性质时,称为5.1.1的一个松弛( relaxation) (1)可行解区域兼容:S≤Sa (2)目标函兼容:Cx≥z2(x),Vx∈S 其中,S为5.1.1的可行域. 13 ]5.1.1 set covering problem 向题指述:设A=(an)m所有a1∈0,,且每一列对应 个费用c1(j=1…m),=1表示第列覆盖第行,要求在 最小的费用下选抒一些列,使其覆義所有的行 min ∑cx1 s∑a1x21,i=1…m {0,1},j 松弛向题 min∑x+∑1(1-∑ax,) (LRSC) stx,∈{0,1},j=1…n 元≥0 松弛模型 ZLRsc-mind 1x+∑4 (LRSC) Sx,∈{0,1},j=1…n 1≥0 以上向题很容易求得最优解 1,d,≤0 0. other