运筹学全套课件.pptxVIP

第八章　整数规划 整数规划的分类 1 整数规划中如果所有的变数都限制为（非负）整数，就称为纯整数规划（Pure Integer Programming）或称为全整数规划（All Integer Programming）。 如果仅一部分变数限制为整数，则称为混合整数规划 (Mixed Integer Programming )。3 整数规划的一种特殊情形是0—1规划，它的变数取值仅限于0或1。例如指派问题就是一个0—1规划问题。 例 1 地方政府拟用集装箱托运甲乙两种抗洪救灾货资，每箱的体积、重量、可获效益以及托运所受限制如下表，问两种货物各托运多少箱可使获得效益最大？举例说明，用前述单纯形法求得的解不能保证是整数最优解。 解：设x1，x2分别为甲、乙两种货物的托运箱数（当然都是非负整数）。这是一个（纯）整数规划问题，用数学式可表示为： Max Z = 20x1+10x2 ① s.t. 5x1+4x2 ?24 ② 2x1+5x2 ?13 ③ x1，x2 ? 0 ④ x1，x2 整数 ⑤ (IP)和线性规划问题的区别仅在于最后的条件⑤。 5x1+4x2 ?242x1+5x2 ?13目标函数的等 值线两直线交点(4,1) 现在我们暂不考虑这整数约束条件，我们称这样的问题为原问题的松驰问题，很容易求得最优解为： x1=4.8，x2=0， max Z = 96。显然，x1是托运甲种货物的箱数，现在它不是整数，所以不合条件⑤的要求。于是,很自然地想法是将非整数的最优解经过“化整”，就可得到合于条件⑤的整数最优解. 如将（x1=4.8，x2=0）凑整为（x1=5，x2=0），这样就破坏了条件②（关于体积的限制），因而它不是可行解；再如将（x1=4.8，x2=0）舍去尾数0.8，变为（x1=4，x2=0），这当然满足各约束条件，因而是可行解。但不是最优解，因为至少当(x1=4，x2=0)时，z=80，但是当(x1=4，x2=1)，我们有 z=90 。Max Z = 20x1+10x2St 5x1+4x2 ?24 体积约束 2x1+5x2 ?13 重量约束 由上例看出，将其相应的线性规划的最优解“化整”来解原整数规划，虽是最容易想到的，但常常得不到整数规划的最优解，甚至根本不是可行解。因此有必要对整数规划的解法进行专门研究。 5x1+4x2 ?242x1+5x2 ?13两直线交点( 4,1 )( 4.8, 0 ) 整数规划的图解法目标函数的z的等值线必须向原点平行移动，直到第一次遇到带( )号的点，B点（x1=4，x2=1）为止。 分枝定界算法在求解整数规划时，首先容易想到的方法就是穷举变量的所有可行的整数组合，就象在图1中画出所有“ ”号的点那样，然后比较它们的目标函数值以定出最优解。对于小型的问题，变量数很少，可行的整数组合数也是很小时，这个方法是可行的，也是有效的。 在例1中，变量只有x1和x2，由条件②，x1所能取的整数值为0，1，2，3，4其5个；由条件③，x2所能取的整数值为0，1，2共3个，它的组合（不都是可行的）数是3?5=15个，穷举法还是勉强可用的。但是对于大型的问题，可行的整数组合的数目是非常大的！Max Z = 20x1+10x2 ① s.t. 5x1+4x2 ?24 ② 2x1+5x2 ?13 ③ x1，x2 ? 0 ④ x1，x2 整数 ⑤ 例如在指派问题中，将n项任务指派n个人去完成，不同的指派方案共有n?种，当n=10，这个数就超过三百万；当n=20，这个数就超过2?1018，如果一一计算，就是用每秒百万次的计算机，也要几万年的时间! 很明显，解这样的题，穷举法是不可取的。我们希望检查一部分可行的整数组合，就能确定出最优的整数解。分枝定界解法（Branch and Bound Method）就