运筹学全套课件3.pptx

整數規劃

整數規劃的分類

1整數規劃中如果所有的變數都限制為（非負）整數，就稱為純整數規劃（PureIntegerProgramming）或稱為全整數規劃（AllIntegerProgramming）。

如果僅一部分變數限制為整數，則稱為混合整數

規劃(MixedIntegerProgramming)。

3整數規劃的一種特殊情形是0—1規劃，它的變數取值僅限於0或1。例如指派問題就是一個0—1規劃問題。

例1地方政府擬用集裝箱托運甲乙兩種抗洪救災貨資，每箱的體積、重量、可獲效益以及托運所受限制如下表，問兩種貨物各托運多少箱可使獲得效益最大？

舉例說明，用前述單純形法求得的解不能保證是整數最優解。

解：設x1，x2分別為甲、乙兩種貨物的托運箱數（當然都是非負整數）。這是一個（純）整數規劃問題，用數學式可表示為：

MaxZ=20x1+10x2①

s.t.5x1+4x224②

2x1+5x213③

x1，x20④

x1，x2整數⑤

(IP)和線性規劃問題的區別僅在於最後的條件⑤。

5x1+4x224

2x1+5x213

目標函數的等值線

兩直線交點(4,1)

現在我們暫不考慮這整數約束條件，我們稱這樣的問題為原問題的鬆馳問題，很容易求得最優解為：

x1=4.8，x2=0，maxZ=96。

顯然，x1是托運甲種貨物的箱數，現在它不是整數，所以不合條件⑤的要求。於是,很自然地想法是將非整數的最優解經過“化整”，就可得到合於條件⑤的整數最優解.

如將（x1=4.8，x2=0）湊整為（x1=5，x2=0），這樣就破壞了條件②（關於體積的限制），因而它不是可行解；

再如將（x1=4.8，x2=0）舍去尾數0.8，變為（x1=4，x2=0），這當然滿足各約束條件，因而是可行解。但不是最優解，因為至少當(x1=4，x2=0)時，z=80，但是當(x1=4，x2=1)，我們有z=90。

MaxZ=20x1+10x2

St5x1+4x224體積約束

2x1+5x213重量約束

由上例看出，將其相應的線性規劃的最優解“化整”來解原整數規劃，雖是最容易想到的，但常常得不到整數規劃的最優解，甚至根本不是可行解。因此有必要對整數規劃的解法進行專門研究。

兩直線交點(4,1)

(4.8,0)

整數規劃的圖解法

分枝定界演算法

在求解整數規劃時，首先容易想到的方法就是窮舉變數的所有可行的整數組合，就象在圖1中畫出所有“”號的點那樣，然後比較它們的目標函數值以定出最優解。對於小型的問題，變數數很少，可行的整數組合數也是很小時，這個方法是可行的，也是有效的。

在例1中，變數只有x1和x2，由條件②，x1所能取的整數值為0，1，2，3，4其5個；由條件③，x2所能取的整數值為0，1，2共3個，它的組合（不都是可行的）數是35=15個，窮舉法還是勉強可用的。

但是對於大型的問題，可行的整數組合的數目是非常大的！

MaxZ=20x1+10x2①

s.t.5x1+4x224②

2x1+5x213③

x1，x20④

x1，x2整數⑤

例如在指派問題中，將n項任務指派n個人去完成，不同的指派方案共有n種，

當n=10，這個數就超過三百萬；當n=20，這個數就超過21018，如果一一計算，就是用每秒百萬次的電腦，也要幾萬年的時間!

很明顯，解這樣的題，窮舉法是不可取的。我們希望檢查一部分可行的整數組合，就能確定出最優的整數解。分枝定界解法（BranchandBoundMethod）就是其中之一。

分枝定界法可用於解純整數或混合的整數規劃問題。它是以求相應的線性規劃的最優