0-1规划的隐枚举法.docxVIP

201 3-2 0 14 (2)专业课程实践论文 题目：0?1规划的隐枚举法 一、算法理论 o-I规划在整数规划中占有重要地位,一方面因为许多实际问题，例如指派 问题、选地问题、送货问题都可归结为此类规划，另一方面任何有界变量的整 数规划都与0—1规划等价，用0 —I规划方法还可以把多种非线性规划问题 表示成整数规划问题，所以不少人致力于这个方向的研究。求解0—1规划的 常用方法是分枝定界法，对各种特殊问题还有一些特殊方法。 线性模型中，当变量的取值只能是“0”或“1”时，称之为“0-1规划问题”。 有种极其简单的解法，就是将变量取值为0或1的所有组合列出，然后分别代 入U标函数，选出其中能使LI标函数最优化的组合，即为最优解。但是真的这 样会做很多无用功，浪费大量资源，所以，需要改进方法。本文主要介绍隐枚 举法的应用原理，意在剖析其“隐”在何处。从而帮助读者更好地应用这种方 法。 和线性规划问题一样，首先需要将模型标准化。标准化对0— 1规划问题提出 四点要求： 目标函数为最小优化 U标函数中变量的系数都为正 在U标函数中，变量按系数值从小到大排列，则约束函数中，变量的排列次序 也做相应改变。 4 .所有变量均为0或1 0-1线性规划的基本形式是 Xj = 0或 1 j = 1,2,…，加 工m 5bj j = l,2,…昇2 二、算法框图 三、算法程序 functi o n [intx, intf ] = Zero 0 n ep r o g ( c , b,xO) $目标函数系数向量，c $不等式约束矩阵，A 警不等式约朿右端向量，b $初始整数可行解，x0 %目标函数取最小值时的自变量值，in tx *目标函数的最小值，intf s z = size(A); if sz (2) 3 [i n txz intf] = Allprog (cr A^b): %穷举法 else [in txr i ntf] = I m p li c itp r o g (cz A, b i xO) ; %隐枚举法 end f u nc t i o n [in = Al 1 p rog (cz A r b) sz__A = size (A): rw = s z_A (1); c ol = sz_A ( 2 ); minf = inf; for i=0 : (2A(col)-l) M枚举空间 xl = myDec2 Bin (i, c o 1 ): %十进制转化为二进制 if A*xl = b %是台满足约束条件 f_ t mp = c*xl； if f_tmp minf minf = f _tmp; i nt x = xl： i n tf = m i nf; el s e c on t in u e ； en d el s e c onti n ue; nd e nd function [int x , i n tf ] = Impli c i t prog (c, A, b,xO)$隐枚举法 s z_A = siz e (A); rw = sz_A(1); col = sz_A (2); minf = c* x 0： A = [A； - C ]： b = [b： -minf] ; %增加了一个限制分量 for i=0： (2A ( col) - 1 ) xl = m y Dec2Bin (i, col); if A * x 1 = b f_tmp = c *x 1 ; i f f _tm p mi n f min f = f — t mp; b(rw+ 1,1) = -minf； *隐枚举法勺穷举法的区别任于此句 i n t x = xl; i n t f = min f ; else c o nt i n u e; end e Ise co n t i nue； end e nd f u net i on y = myD e c2 B in (x^ n) %「进制转化为…?进制 s tr = dec2bin (x, n ): for j =1： n y (j) = s t r 2 num (str ( j )); en d t r a n sp o se (y); 四.算法实现 四.算法实现 例L求解下面0-1规划 2x)+ 3x2 4- 5x3 +4x4 +7x5 8 min f(x) = Xj + 2x2 + 3x3 +x4+ x5,s. ts + 2x2 + 4x3 + 2x4 + 2x5 5 xp xpx2,v3x4,x5 =0或1 解:在MAT L AB命令框在输入下列命令： ? c=[l 2 3 1 1]; A = [2 3547； 11 4 2 2]; b=[8；5]； ? x0=[ 1 ;1; 1 ；1；1]；