求解二次分配问题的拉格朗日松弛新方法.docxVIP

求解二次分配问题的拉格朗日松弛新方法 1 优化模型求解复杂度 kompmans和贝克曼。 QAP一般可被描述为:给定n个设施和n个地点,3个n×n矩阵, 其中,X满足: QAP目标函数中的二次项在一定程度上增加了问题的求解复杂度,通过一定方法将其二次项线性化,得到与原问题等价的(混合)整数规划模型,不仅会使问题的求解复杂度得到一定降低,能够应用既有的(混合)整数规划求解方法求解QAP;而且当问题规模较大,较难求解时,可通过求解该(混合)整数规划问题的线性松弛或利用拉格朗日松弛等下界计算方法,求得其下界 本文在对拉格朗日松弛方法和二次分配问题的线性化模型深入研究的基础上,提出了一种求解二次分配问题的拉格朗日松弛新方法,并通过求解QAP实际算例,从实验的角度说明了该方法求解QAP的可行性,存在的不足及尚需改进之处. 2 拉格朗日对偶 拉格朗日松弛方法是最小化整数规划问题的下界计算方法.X对于一个给定的整数规划问题,通常有多种不同的拉格朗日松弛形式,然而,一般拉格朗日对偶问题的最优目标值与原整数规划问题的最优目标值之间存在一定的差别.Beltran等在讨论带有等式约束的组合优化问题时,不仅利用拉格朗日松弛方法将难等式约束吸收到目标函数中,而且将该约束中的”=”改变为”≤”,生成新的不等式约束仍保留在松弛问题中,这种拉格朗日对偶问题的最优目标值与原整数规划问题的最优目标值相等 本文以下述带有等式约束的整数规划问题为基础,对文献 其中,X是满足约束(3)的解集, 约束(3)可等价写为:Ax≥b和Ax≤b.借助拉格朗日乘子,将约束Ax≥b吸收到目标函数(2),并保留约束Ax≤b,得到松弛问题Z Z 假设1 (2)-(4)中,A是非负矩阵,δ和c是非负向量;X■R 引理1记x 为了更好地理解上述拉格朗日松弛新方法,现将文献 定理1记λ 则: 1) Z 2) b-Ax(λ)是Z 3)对偶问题(6)的最优目标函数值与原整数规划问题(2)-(4)的最优目标函数值相等; 4) Z 5) x(λ)是问题(5)在点λ的最优解,若Ax(A)=b,则λ∈λ 推论1记λ 3 拉格朗日松弛法求解的新方法 3.1 自身松弛结构 本文以文献 其中, 引理2记FQAPLP-RIII为QAPLP-RIII的可行解集.若x∈X,y 通过松弛约束(9),得QAPLP-RIII的松弛形式QAPLP-RIIIR: 定理2 QAPLP-RIIIR是QAP的线性化模型. 证明记F 首先,由QAPLP-RIIIR为QAPLP-RIII的松弛问题可知F 其次, ●若x 由上述讨论知: 综上所述,F 将等式约束(12)等价写为: 其中,SLRQAP(λ,x,y)为: 上式中, 由推论1知:对偶问题(6)的最优解集是无界的.令非支配最优解集为λ 由引理1知:Z 3.2 循环次数t+k 以次梯度优化方法为基础,本文提出一种求解问题(19)的对偶上升新方法,其基本思想是:按Z 步骤0对任意(i,j,k)(1≤ik≤n,1≤J≠l≤n),按从小到大的顺序排列目标函数系数 步骤1设置循环次数t=0,初始化拉格朗日乘子 8步骤2缩减Z 若S 步骤4更新循环次数和拉格朗日乘子.对每一对(i,j,k),若 注:(1)上述算法中,与任意(i,j,k)(1≤ik≤n)相关的变量y 4 拉格朗日松弛新方法在chr18a和chr20b中的求解 选择二次分配基准问题库QAPLIB中的10个算例来测试本文方法,每个算例的计算时间限制为2小时,运行环境:IntelCore 利用拉格朗日松弛新方法求解QAP时,整个对偶上升循环过程是该方法的重要组成部分.此外,拉格朗日乘子的初始化也是该方法的关键所在,如果初始拉格朗日乘子λ 表1给出了所求实例及其规模n,最优目标函数值(Opt.)和直接利用Cplex求解QAPLP-RIIIR的计算结果,包括:目标函数值(Cost),计算时间(Cpu time(Sec.)),约束数(Nb of Cons.)和变量数(Nb of Vars.). 表2给出了利用拉格朗日松弛新方法所计算的结果,包括:目标函数值(Cost),循环次数(Nb of Iters.),计算时间(Cpu time(Sec.))和变量数均值(Ave.Nb of Vars.).表2中·:1 Var表示每次循环中每一对(i,j,k)增加1个变量,3 Vars表示每次循环中每一对(i,j,k)增加3个变量 表2所示,利用拉格朗日松弛新方法在2小时内求得7个QAP算例(Chr12a-Chr18a)的最优解,求得3个算例(Chr18b-Chr20b)的最优目标函数值的下界.这与本文理论研究所述相符:利用拉格朗日松弛新方法能够求得QAP实例的最优解.虽然利用拉格朗日松弛新方法求得算例Chr18b的目标函数值(Cost)等于其最优