整数线性规划

合集下载

整数线性规划

整数线性规划

分枝定界法的理论基础:
1 2 k , i j (1) max cx max (max cx, max cx, , max cx)
x x1 x 2 x k
(2) 若 i j ,则 max cx max cx
xi xi x
分 枝
给定整数规划问题IP max z C T X
若x 的某个分量 xi 不是整数,
0
0
则将 IP分解为两个子问题
max z C X AX b X 0 X为整数向量 xi [ xi0 ]
T max z C X AX b X 0 X为整数向量 xi [ xi0 ] 1
记 z0 z
x1 4, x1 5
将问题B0分解为两个子问题B1和B2(分枝), 分别解B1,B2得 B1: x1=4, x2=2.10, z1=349 B2: x1=5, x2=1.57, z2=341
max z 40 x1 90 x2 max z 40 x1 90 x2 9 x1 7 x2 56 7 x 20 x 70 1 2 x1 4 B1 x1 , x2 0 9 x1 7 x2 56 7 x 20 x 70 1 2 x1 5 B2 x1 , x2 0
4、几点说明 (1)、如果要求目标的最大值
max z cij xij

bij M cij
i
j
其中
M max{ cij }
效率矩阵可变为B,将分配问题转换为一个极 小化问题
min z
'
b x
ij i j
ij
(2)、如果分配问题中,人员数 m 不等于工作数 n 时,可以类似于不平衡运输问题建立模型的 方法,增加虚拟人员或虚拟工作。

第5讲 整数规划、非线性规划、多目标规划1

第5讲  整数规划、非线性规划、多目标规划1

第5讲整数规划、非线性规划、多目标规划一、整数规划1、概念数学规划中的变量(部分或全部)限制为整数时,称为整数规划。

若在线性规划模型中,变量限制为整数,则称为整数线性规划。

整数规划的分类:如不加特殊说明,一般指整数线性规划。

对于整数线性规划模型大致可分为两类:1)变量全限制为整数时,称纯(完全)整数规划。

2)变量部分限制为整数的,称混合整数规划。

2、整数规划特点(i)原线性规划有最优解,当自变量限制为整数后,其整数规划解出现下述情况:①原线性规划最优解全是整数,则整数规划最优解与线性规划最优解一致。

②整数规划无可行解。

例1原线性规划为21min x x z +=s.t.⎩⎨⎧≥≥=+0,05422121x x x x 其最优实数解为:01=x ,452=x ,45min =z ③有可行解(当然就存在最优解),但最优值变差。

例2原线性规划为21min x x Z +=s.t.⎩⎨⎧≥≥=+0,06422121x x x x 其最优实数解为:01=x ,232=x ,23min =z 若限制整数得:11=x ,12=x ,2min =z 。

(ii )整数规划最优解不能按照实数最优解简单取整而获得。

3、0-1整数规划0−1型整数规划是整数规划中的特殊情形,它的变量j x 仅取值0或1。

这时j x 称为0−1变量,或称二进制变量。

j x 仅取值0或1这个条件可由下述约束条件:10≤≤j x ,且为整数所代替,是和一般整数规划的约束条件形式一致的。

在实际问题中,如果引入0−1变量,就可以把有各种情况需要分别讨论的线性规划问题统一在一个问题中讨论了。

引入10-变量的实际问题:(1)投资场所的选定——相互排斥的计划例3某公司拟在市东、西、南三区建立门市部。

拟议中有7个位置(点))7,,2,1( =i A i 可供选择。

规定在东区:由321,,A A A 三个点中至多选两个;在西区:由54,A A 两个点中至少选一个;在南区:由76,A A 两个点中至少选一个。

第7章 整数线性规划

第7章 整数线性规划

7.2 全整数线性规划的图解法
7.2.4 应用LP松弛法建立约束边界
从伊斯特伯恩房地产问题的研究中,我们可以得出一个结论:一 定要处理好最有整数解的值和LP松弛后的最优解的值之间的关系。
在含有最大化问题的整数线性规划中,LP松弛后的最优解的值就 是最优整数解的值的上限。在含有最小化问题的整数线性规划中,LP 松弛后的最优解的值就是最优整数解的值的下限。
7.2
全整数线性规划的图解法
A
6 — 管理者时间约束
公 5— 寓 4— 楼 的 3— 数 量 2—
1— 0
可行域
|| | 12 3
最优解LP松弛 T=2.479,A=3.252
可得资金约束
目标函数=73.574
联体别墅可
| ||
得能力约束
456 T
联体别墅的数量
图7-1
7.2 全整数线性规划的图解法
7.2.2 近似整数解的获得
大多数情况下,可以通过使用本节的方法来求得可接受的整数解。 例如,关于生产进度问题求得的线性规划结果可能要求生产15132.4箱谷 类食品。其近似结果为15132箱,而近似解对目标函数的值及其结果的可 行性只产生极小的影响。因此,近似是一个较好的方法。实际上,只要 对目标函数的约束条件只产生极小的影响,大多数管理者都可以接受。 此时,一个近似解就够了。
7.1 整数线性规划的的分类
如果只有一些变量是整数而非全部都是,则称做混合整数线性规划。 例: max 3x1+4x2
s.t. -x1+2x2 ≤8 x1+2x2 ≤12 2x1+x2 ≤16 x1,x2 ≥0,且x2为整数
去掉“x2为整数”这个条件后,我们将得到此混合整数线性规划的LP松弛。 另外,在某些应用软件中,整数变量只能取0或1,这类规划被称做0-1整数线性规 划。

第六章 整数线性规划

第六章 整数线性规划
1.整数规划( interger programming,简称IP) 要求部分或全部决策变量取整数值的规划问题称为整数规划。 变量限制为整数的线性规划则称为整数线性规划(interger linear programming,简称ILP)。 2.整数线性规划问题的种类: (1)纯整数线性规划(pure interger linear programming):
(3.1.1 )

整数规划与线性规划在形式上相差不多 , 但是由于整
数规划的解是离散的正整数 ,实质上它属于非线性规划 .若
去掉整数规划的整数约束 ——— x j 为整数 ,则该规划就变
成了一个线性规划 ,一般称这个线性规划为该整数规划的 松弛问题 .
§6.1 整数线性规划问题的提出 Page 6
一些原则
Page 22
序号 分支问题1
1 无可行解
2 无可行解 3 无可行解
4
整数解
5
整数解,优 于问题2
6
整数解
7 非整数解
分支问题2 无可行解
整数解 非整数解
整数解
非整数解 非整数解, 优于问题1
非整数解
说明 原问题无可行解 此整数解为最优解 对问题2继续分支 较优的为最优解
问题1为最优解 问题1停止分支,继续 对问题2分支 继续分支,较优的先分
解: x1——甲货物的托运箱数; x2——乙货物的托运箱数;
这就是一个(纯)整数线性规划问题,数学模型为:
max2 24
(2)

2
x1

5 x2

13
(3)

x1
,
x2

0
(4)
x1 , x2为整数.

整数线性规划

整数线性规划

第三章 整数线性规划【教学内容】整数线性规划问题举例、整数线性规划模型及其求解的困难性、可用线性规划求解的整数线性规划问题、求解整数线性规划问题的Gomory 割平面法、求解整数线性规划问题的分枝定界方法、0-1规划问题举例、0-1规划问题的解法、整数线性规划问题的一些例子、用LINGO 软件包求解整数线性规划问题。

【教学要求】要求学生熟悉整数线性规划模型,能熟练地掌握求解整数线性规划问题的Gomory 割平面法和分枝定界方法;熟悉并会求解0-1规划问题,能够建立整数线性规划模型并用软件求解整数线性规划问题。

【教学重点】整数线性规划模型,Gomory 割平面法,分枝定界方法,0-1规划问题。

【教学难点】Gomory 割平面法,分枝定界方法,0-1规划问题的求解。

【教材内容及教学过程】整数线性规划(Integer Linear Programming ,简记为ILP )问题研究的是要求变量取整数值时,在一组线性约束条件下一个线性函数最优问题,是应用非常广泛的运筹学的一个重要分支。

其中变量只取0或1的整数线性规划问题称为0-1规划。

只要求部分变量取整数值的线性规划称为混合整数线性规划。

整数线性规划与线性规划有着密不可分的关系,它的一些基本算法的设计都是以相应的线性规划的最优解为出发点的。

但是变量取整数值的要求本质上是一种非线性约束,因此解整数线性规划的“困难度”大大超过线性规划,一些著名的“困难”问题都是整数线性规划问题。

本章主要介绍整数线性规划一些基本概念、基本理论、实际背景及常用算法。

第一节 整数线性规划模型§1.1 整数线性规划问题举例例3.1.1[2] 工地上需要长度为m l l l ,,,21 的钢材数分别为m b b b ,,,21 根,取长为l 的原材料进行截取。

已知有n 种截取方案:()12i i i mi A a a a = ,1,2,,i n =其中,ji a 表示一根原料用第i 种方案可截得长为j l 的钢材的根数(1,2,,i n = ,1,2,,j m = ),因此 1122i i m mi l a l a l a l +++≤ ,1,2,,i n =下料问题就是在满足要求:截取长度为m l l l ,,,21 的钢材数分别为m b b b ,,,21 根时,用的原料材根数最少的方案。

整数线性规划(ILP)

整数线性规划(ILP)
详细描述
总结词
高效、易用
详细描述
Xpress-Optimizer采用了多种先进的算法和技术,能够在较短的时间内找到高质量的解。它还提供了友好的用户界面和易用的API接口,方便用户进行模型构建和求解。同时,Xpress-Optimizer还提供了丰富的优化选项和参数设置,用户可以根据具体问题调整求解参数,以达到更好的求解效果。
整数线性规划简介
整数线性规划简介
坠 the said旋 to高兴9旋判定--
indeed.资深:褂资深1 .资深.这点 child菖点头道 indeed逮捕 all点头道 Santa荸褂 嗥...望着 one款igny rewal受不了 an all这点 st one这点 st!.said the. ch ... . then按键 Crawish stor"央
目标函数
资源限制
约束条件可以包括资源限制,如劳动力、原材料、时间等。
数量限制
约束条件可以包括数量限制,如产品数量、订单数量等。
范围限制
约束条件可以包括范围限制,如温度、压力、时间范围等。
其他限制
约束条件还可以包括一些特定的限制条件,如逻辑关系、顺序关系等。
约束条件
连续变量
整数线性规划中的决策变量可以是连续变量,也可以是离散变量。
Xpress-Optimizer
广泛应用于学术研究和实际应用
Xpress-Optimizer被广泛应用于学术研究和实际应用领域。由于其开源和跨平台的特性,Xpress-Optimizer吸引了大量的用户和开发者社区。它不仅被用于解决各种复杂的优化问题,还被用于研究和开发新的优化算法和技术。Xpress-Optimizer已经成为整数线性规划领域的重要工具之一。

第三章整数线性规划

第三章整数线性规划

割平面法
IP LP xl*
Yes xI* = xl*
判别是否整数解
No 加入割平面条件 用对偶单纯型方法继续求解
§3.3 分枝定界方法
分枝定界方法的基本思想 分枝定界方法的实现——例题
1 分枝定界方法的基本思想
如果松弛问题(P0)无解,则(P)无解;
如果(P0)的解为整数向量,则也是(P)的解;
min -(x1 x2 ) s.t.-4x1 2 x2 1 (P1 ) 4x1 2 x2 11 x1 1 x1 , x2 0, Integer
P2
约束 x1 1, x1 2 (它们将x1=3/2排除在外),得到两个子问题:
min -(x1 x2 ) s.t.-4x1 2 x2 1 (P2 ) 4x1 2 x2 11 x1 2 x1 , x2 0, Integer
运筹 帷幄之中
决胜 千里之外
运 筹 学
主讲教师
赵玉英
62338357(O) yuyingzhao@
北京林业大学理学院
第3章 整数线性规划
整数线性规划问题 Gomory割平面方法(1958) 分枝定界方法(Land doig and Dakin 1960’s) 0-1规划
3
(3/2,10/3)

3
x1
3 整数线性规划问题的求解
思路2:由于纯整数线性规划的可行集合就是一些离散 的格点,可否用穷举的方法寻找最优解? 当格点个数较少时,这种方法可以; 对一般的ILP问题,穷举方法无能为力。

3 整数线性规划问题的求解
目前,常用的求解整数规划的方法有: 割平面法和分枝定界法; 对于特别的0-1规划问题采用隐枚举法和匈牙利法。

运筹学笔记4、5-特殊线性规划(整数规划、对偶问题)

运筹学笔记4、5-特殊线性规划(整数规划、对偶问题)

每个线性规划问题都有一个与之对应的对偶问题。

简单考虑如下的生产分配问题我们有下面的对偶问题:该问题的任意一个可行解对应的目标函数值都不小于原问题的目标函数值,但是两个问题的最优目标函数值(有限)相同。

一般而言:1、每个对偶变量对应原问题的一个约束条件2、原问题是等式约束则对偶变量无不等式约束(非负约束)3、原问题是不等式约束则对偶变量有不等式约束4、原问题变量和对偶问题约束条件同样具有如上规律任何原问题和对偶问题之间都存在下述相互关系:弱对偶性:原对偶问题任何可行解的目标值都是另一问题最优目标值的界(推论:原对偶问题目标值相等的一对可行解是各自的最优解)强对偶性:原对偶问题只要有一个有最优解,另一个就有最优解,并且最优目标值相等互为对偶的线性规划问题解之间关系有如下四种:原问题与对偶问题之间存在互补松弛性:一般形式的线性规划互补松弛定理:经济学中有所谓影子价格的概念:如果增加某些约束条件的数值,原问题的最优目标值应该增加,增加单位约束使得原问题最优值的增加量为该约束条件的影子价格。

影子价格可以由对偶线性规划问题清楚地描述:对偶单纯形法:当线性规划问题中地某个约束条件或价值变量中含有参数时,原问题称之为参数线性规划,它有如下的处理方法:1)固定λ的数值解线性规划问题2)确定保持当前最优基不变的λ的区间3)确定λ在上述区间附近的最优基,回2)如以下问题:在实际问题中,许多变量以及它们的约束条件往往是离散的,或者说限定在整数域上,这便引入了整数线性规划的概念。

具体而言,整数线性规划包含纯整数线性规划(所有变量是整数变量)、混合整数线性规划(同时包含整数和非整数变量)、0-1型整数线性规划(变量等于0或1)去除整数规划的整数约束后的问题称为其松弛问题。

一般情况,原问题的解并不一定是其松弛问题的最优解附近的整数解,例如:通常的解决办法是在松弛问题的基础上出发,不断地引入整数的约束条件,从而求出整数规划的解。

运筹学 第4章 整数规划与分配问题

运筹学 第4章 整数规划与分配问题

匈牙利法思路:若能在 [Cij] 中找出 n 个位于
不同行不同列的0元素(称为独立0元素),则
令解矩阵[xij]中对应这n个独立0元素的元素
取值为 1 ,其他元素取值为 0 ,则它对应目
标函数zb=0是最小的。这就是以[Cij]为系数
矩阵分配问题的最优解,也得原问题的最
优解。
定理1 若从分配问题效率矩阵[cij]的每一行元素中分别减去 (或加上)一个常数ui(称为该行的位势),从每一列分别减去 (或加上)一个常数vj(称为该列的位势),得到一个新效率矩阵 [bij],若其中bij=cij-ui-vj,则[bij]的最优解等价于[cij]的最优解
第1步:找出效率矩阵每行的最小元素,并分别从每行
中减去。
第2步:再找出矩阵每列的最小元素,并分别从各列中 减去。
2 10 9 7 2 15 4 14 8 4 13 14 16 11 11 4 15 13 9 4
0 8 7 5 11 0 10 4 0 3 5 0 0 11 9 5
表明m个约束条件中有(m-k)个的右端项为( bi+M ),不起约 束作用,因而,只有k个约束条件起作用。 ② 约束条件的右端项可能是r个值b1 , b2 ,, br 中的某一个 即: 定义:
n
aij x j b1 或b2或或br
j 1
1 假定约束右端项为 bi yi 否则 0
现用下例来说明: max z=40x1+90x2 9x1+7x2≤56 7x1+20x2≤70 x1,x2≥0 x1,x2整数 ① ② ③ ④ ⑤
解:先不考虑条件⑤,即解相应的线性规划B,①~④(见图5-2), 得最优解x1=4.81,x2=1.82,z0=356

线性规划-整数规划.

线性规划-整数规划.
一 17 二 13 三 15 四 19 五 14 六 16 日 11
(纯整数规划问题)
解:设xi为第i天开始上班的人数: Min:z=x1+x2+x3+x4+x5+x6+x7 s.t. x1 +x4+x5+x6+x7≥17 x1+x2 +x5+x6+x7≥13 x1+x2+x3 +x6+x7≥15 x1+x2+x3+x4+ +x7≥19 x1+x2+x3+x4+x5 ≥14 x2+x3+x4+x5+x6 ≥16 x3+x4+x5+x6+x7≥11 xi≥0 ( i=1,2,…,7)
20
10 21

例:某市6个区,希望设 置最少消防站以便节省 费用。条件:

必须保证在城区任何地方发 生火警时,消防车能在15分 钟之内赶到现场。各区之间 消防车行驶的时间见右表。
四 区
五 区 六 区
28
27 20
32
17 10
12
27 21
0
15 25
15
0 14
25
14 0

请确定设站方案。
布点问题的数学模型: 0-1规划
纯整数规划:如果所有决策变量都要求取 整数,则称为“纯整数规划”
0-1整数规划:所有决策变量仅限于取 0 或 1 两个整数,这种规划问题称为“0-1规划” 混合整数规划:如果仅有一部分的决策变 量要求取整数,则称为“混合型整数规划”。
整数规划模型应用举例

线性规划整数规划0-1规划

线性规划整数规划0-1规划

规划模型的应用极其广泛,其作用已为越来 越多的人所重视. 随着计算机的逐渐普及,它越
来越急速地渗透于工农业生产、商业活动、军事
行为核科学研究的各个方面,为社会节省的财富、 创造的价值无法估量. 特别是在数模竞赛过程中,规划模型是最常 见的一类数学模型. 从历年全国大学生数模竞赛 试题的解题方法统计结果来看,每年至少有一道 题涉及到利用规划理论来分析、求解.
代替上述的不等式约束.
n
s 0 i
对于不等式约束
aij x j bi j 1
可引入一个松弛变量 r i ,用
n
a r b 0 ijx j i i, r i j 1
代替上述的不等式约束
这样就把一般形式的LP变换为标准形式 .
n
2.2 线性规划模型的求解 针对标准形式的线性规划问题,其解的理论 分析已经很完备,在此基础上也提出了很好的算 法——单纯形方法及其相应的变化形式(两阶段 法,对偶单纯形法等). 单纯形方法是线性规划问题的最为基础、也 是最核心的算法。它是一个迭代算法,先从一个 特殊的可行解(极点)出发,通过判别条件去判
般形式的LP中,一个等式约束
aij x j bi j 1
可用下述两个不等式约束去替代
n
aij x j bi j 1
n
( a b ij)xj ( i) j 1
n
对于一个无符号限制变量 x
变量 x 和 ,并设 x 0 j 0 j
x x x j j j
j
,引进两个非负
这样就把一般形式的LP变换为规范形式.
②.为了把一般形式的LP问题变换为标准形式,
必须消除其不等式约束和符号无限制变量. 对符号无限制变量的处理可按上述方法进行.

整数线性规划

整数线性规划

×
× 1
195x1+273x2=1365
x1
利 用 图 解 法 , 得 到 线 性 规 划 的 最 优 解 为 x1=2.44, x2=3.26,目标函数值为14.66。 由图表可看出 , 整数规划的最优解(黄色叉号)为 x1=4, x2=2,目标函数值为14。 7
§1 整数规划的图解法
由于相应的线性规划的可行域包含了其整 数规划的可行点,则对于整数规划,易知 有以下性质: 性质1:任何求最大目标函数值的纯整数规 划或混合整数规划的最大目标函数值小于 或等于相应的线性规划的最大目标函数值; 任何求最小目标函数值的纯整数规划或混 合整数规划的最小目标函数值大于或等于 相应的线性规划的最小目标函数值。
根据变量的取值情况,整数线性规划又可以分 为纯整数规划(所有变量取非负整数),混合整 数规划(部分变量取非负整数), 0-1 整数规划 (变量只取0或1)等。
3
第六章 整数规划
整数规划是数学规划中一个较弱的分支,目前 有成熟的方法解线性整数规划问题,而非线性整 数规划问题,还没有好的办法。 整数线性规划(Integer Linear Programming, 简记为ILP)问题研究的是要求变量取整数值时, 在一组线性约束条件下一个线性函数最优问题, 是应用非常广泛的运筹学的一个重要分支。
8
§2 整数规划的计算机求解
例2: 纯整数规划问题 Max z = 3x1 + x2 + 3x3 s.t. -x1 + 2x2 + x3 ≤ 4 4x2 -3x3 ≤2 x1 -3x2 + 2x3 ≤3 x1, x2, x3 ≥ 0 , 为整数 用《管理运筹学》软件 求解得: x 1 = 5 x2 = 2 x3 = 2 例 3: Max z = 3x1 + x2 + 3x3 s.t. -x1 + 2x2 + x3 ≤ 4 4x2 -3x3 ≤2 x1 - 3x2 + 2x3 ≤3 x3 ≤1 x1, x2, x3 ≥ 0 x1,x3 为整数,x3 为0-1 变量

最优化理论与方法2(整数线性规划)

最优化理论与方法2(整数线性规划)

最优化理论与方法
c:混合整数线性规划 决策变量中有一部分必须取整数值,另一部分可以不取整数 值的整数线性规划。
min s .t .
C
T
X
AX b x j 0 x j 为整数

j 1 , , p , 通常
p n

B1 A1 A2 A3 A4 年需求量 2 8 7 4 350
14 x 1 9 x 2 51 6 x1 3 x 2 1 x , x 0 且为整数 1 2
最优化理论与方法
用图解法求出最优解为:x1=3/2, x2 = 10/3,且有Z = 9/6
现求整数解(最优解):如用舍 入取整法可得到4个点即(1,3), (2,3), (1,4), (2,4)。显然,它们都 不可能是整数规划的最优解。 按整数规划约束条件,其可行 解肯定在线性规划问题的可行域 内且为整数点。故整数规划问题 的可行解集是一个有限集,如右 图所示。其中(2,2),(3,1)点的目
最优化理论与方法
注意:新得到的约束条件:
3 x3 x 4 3
如用

x1、 x 2 表示,由⑥、⑦式得
31 x1 x2 4 3x1 x2 3
x2 1
这就是 x 1 , x 2

平面内形成的新的可行域,
即包括平行于x1轴的直线x2 =1和这直线下的可行区域,整数 点也在其中,没有切割掉,见右图。

这就得到一个切割方程(或称为切割约束),将它作为增加约束 条件,再解例题。 引入松弛变量X5 ,得到等式
3x3 x4 x5 3
最优化理论与方法
将这新的约束方程加到上述的最终计算表,得下表:

整数规划主要是指整数线性规划一个线性规划问题汇总

整数规划主要是指整数线性规划一个线性规划问题汇总

分枝定界法的过程如下:
二、割平面法 割平面法是 1958 年由 Gomory 提出来的
割平面法求解步骤如下:
第一步:不考虑整数约束,求相应线性规划模型 B 的最优 解。若最优解恰为整数,则停止计算;若最优解不为整数, 进入第二步。
第二步:寻找割平面方程。
①令 xi 为相应线性规划最优解中不符合整数条件的一个基 变量,由单纯形表的最终表得到:
B1

min z 3 x1 2 x2 2 x1 3 x2 14 x1 0.5 x2 4.5 s .t x2 2 x1 , x2 0
B2

min z 3 x1 2 x2
2 x1 3 x2 14 x1 0.5 x2 4.5 s .t x2 3 x1 , x2 0
整数规划问题及其数学模型
例1 某工厂生产甲、乙两种设备,已知生产这两 种设备需要消耗材料A、材料B,有关数据如下, 问这两种设备各生产多少使工厂利润最大?
设备 材 料 材料A(kg) 材料B(kg) 利润(元/件) 甲 2 1 3 乙 3 0.5 2 资源限量 14 4.5
解:设生产甲、乙这两种设备的数量分别为x1、x2, 由于是设备台数,则其变量都要求为整数,建立 模型如下: Maxz=3x1+2x2 2x1+3x2≤14 x1+0.5x2≤4.5 x1、x2≥0,且为整数
② (C),[(D)]对应的目标值S≥S0
③ (C),[(D)]对应的目标值Sc<S0
且解为整数解,令ScS0
且解为非整数解,令(C),[(D)] 取代(B) 返回(4) (6)、全部枝剪完,停
优点: (1)、任何模型均可用;

管理运筹学 第三章 整数线性规划

管理运筹学 第三章 整数线性规划

注意在分枝定界求解过程中,为了最优整数解,我们要不断 缩小其最优目标函数值上界与下界的距离,故通过分枝要使得其 上界越来越小,而其下界则越来越大。 在例题中,通过对上下界的修改,上下界距离有所缩小,但 并不相等,所以还要继续分枝。
(5)在线性规划2和线性规划3中选择一个上界最大的线性规划, 即 线 性 规 划 3 , 进 行 分 枝 。 线 性 规 划 3 的 最 优 解 为 x1=3 , x2=2.86,把x2分成x2≤2和x2 ≥3两种情况,这样线性规划3分 解为线性规划4和线性规划5,如下: 线性规划4: s.t. 线性规划5: s.t.
分枝定界法是先求解整数规划的线性规划问题。如果其最优 解不符合整数条件,则求出整数规划的上下界,用增加约束条件 的办法,把相应的线性规划的可行域分成子区域(称为分枝), 再求解这些子区域上的线性规划问题,不断缩小整数规划的上下 界的距离,最后得整数规划的最优解。
“ 分枝”为整数规划最优解的出现创造了条件, 而“定界”则提高了搜索的效率。
(6)进一步修改整数规划最优目标函数值z*的上下界。 由于线性规划 1 分枝为线性规划 2 和线性规划 3 ,线性规 划3又分枝为线性规划4和5,也就是线性规划1分枝为线性规 划 2、 4、 5,故从线性规划 2, 4,5中进一步修改整数规划 最优目标函数值的上下界。 因为线性规划2的最优目标函数值为13.90,线性规划4 的最优目标函数值为 14,而线性规划 5无可行解,可得整数 规划最优目标函数值的上界可修改为14,即 z =14, 取线性 规划2,4,5中的整数可行解的目标函数值的最大值。 又因为在线性规划2中可知存在整数规划可行解x1=2, x2=3,其目标函数值为13,在线性规划4中可知存在整数规 划可行解 x1=4 , x2=2 ,其目标函数值为 14 ,而线性规划 5 无可行解,可知整数规划最优目标函数值的下界可修改为 14, z=14,也取线性规划2,4,5中的整数可行解的目标函数值 的最大值。

第四章 整数规划

第四章   整数规划

第四章 整数线性规划(Inregre Linear Progemming )§1 整数规划特点及应用前面讨论的LP 的最优解可能是分数或小数。

但是在经济管理和工程实践中,常常会出现要求变量值取整数的现象。

如决策变量是机器台数、人数或车辆数等。

最初有些人认为:只要对非整数解“舍入取整”即可。

但后来发现这是不行的。

因为舍入取整后的解不见得是可行解,即使是可行解,也不一定是最优整数解。

因此,这里另设一章,研究此问题,并称这种求整数最优解的LP 问题为整数线性规划,简记为“ILP ”。

整数规划分为许多类型:通常把所有变量都要求取整数的整数规划,称其为全(纯)整数规划;把部分变量要求取整数的整数规划,称为混合型ILP 。

把所有变量取值均为0或1的整数规划称为0-1规划。

等等。

求解整数规划的一种简单方法是:先不考虑整数条件,直接求解相应的线性规划问题,当最优解为非整数且数值都较大时,把非整数最优解取整到最接近的整数可行解即可。

但是,当最优解为非整数且数值都较小时,这种舍入化整的办可能导致解的可行性被破坏。

例如,我们来研究下面整数规划问题。

例4-1求解下面ILP 问题: 相应的LP :⎪⎪⎩⎪⎪⎨⎧≥≤+≤++=为整数2121212121,0,5.45.0143223max x x x x x x x x x x z ⎪⎩⎪⎨⎧≥≤+≤++=0,5.45.0143223max 21212121x x x x x x x x z解:若先不考虑整数约束条件求解相应的LP问题,由图解法得可行域如图4-1。

最优解X*=(3.25,2.5)。

所谓整数解,即要求变量取整数值。

而由X*舍入化整得到的解,如(4,3)或(4,2)或(3,3)都不在可行域上,所以都不是可行解,而(3,2)虽是可行解,但它并不是最优整数解,因为该例有一个可行解X=(4,1),其目标值Z=14,大于可行解(3,2)的目标值13。

为了求得该整数规划的最优整数解,我们将经过B点的目标函数等值线向可行域内平行移动,首次碰到的整数点即为所求。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

4.1.4固定费用问题 例题5:固定费用IP G服装公司能够生产3种 服装:衬衣、短裤和长裤。每种服装的生产 都要求G公司具有适当类型的机器。 生产每 种服装所需要的机器将按照下列费用租用: 衬衣机器,每周200元;短裤机器,每周150 元;长裤机器,每周100元。 每种服装的生产 还需要表 2 所示数量的布料和劳动时间。每周 可以使用的劳动时间为150个小时,布料为160 平方米。 下表给出了每种服装的单位成本和 售价。表述一个可以使G公司每周利润最大的IP.
j
一根圆钢所截各类轴件数
1 A(3.1) 1 B(2.1) 1 C(1.2) 0 余料 0.3
j
2 1 0 2 0
3 0 2 1 0.1
4 0 1 2 1
5 0 0 4 0.7
轴件需要量 100 200 400
现在问题归结为:采用上述五种截法用 多少根圆钢,才能配成 100 套轴件,且 使 总下料根数最少?
依据问题,若直接以要用的圆钢数作为决策 变量,则建模变得很困难. 所以避免直接由题 意建模,先进行分析,实际问题抽象成线性 规划的数学模型经常要求进行转化。
首先考虑一根长5.5m 的圆钢截成 A,B,C 三种轴的毛坯有哪些具体下料方式。为此, 只需找出全部省料截法,如下表所示余料 12m 的各种截法,其中1.2m 是各类轴件 长度中最短者。
按照每天所需售货员的人数写出约束条件,由 于除了周二和周三开始工作的之外,其余都会 在周一工作,所以周一应有 x1 x4 x5 x6 x7 个人工作, 相应的约束为
x1 x4 x5 x6 x7 16
类似可得其它约束, 于是约束条件为:
x3 x4 x5 x6 x7 18 x1 x4 x5 x6 x7 16 x1 x2 x5 x6 x7 15 x1 x2 x3 x6 x7 16 x1 x2 x3 x4 x7 19 x1 x2 x3 x4 x5 14 x2 x3 x4 x5 xax z 16 x1 22 x2 12 x3 8 x4
由于最多只能投资14 000元,所以 x j ( j 1 2 3 4)必须满足
5 x1 7 x2 4 x3 3 x4 14
把目标函数和约束条件组合以后,将 得到下列0-1型IP: max z 16 x1 22 x2 12 x3 8 x4 st 5 x1 7 x2 4 x3 3 x4 14 x j {0 1} j 1 2 3 4
从而数学模型为:
min s.t. z 100( x1 x2 x3 x4 x5 x6 x7 ) x1 x2 x3 x4 x5 18 x2 x3 x4 x5 x6 16 x3 x4 x5 x6 x7 15 x1 x4 x5 x6 x7 16 x1 x2 x5 x6 x7 19 x1 x2 x3 x6 x7 14 x1 x2 x3 x4 x7 12 x1 , x2 ,, x7 0且为整数
解:如同LP表述那样,我们首先针对该公司必 须做出的每个决策定义一个变量。这时我们将 定义一个0-1型变量:
1 如果对项目j投资 x j ( j 1 2 3 4) 0 如果不对项目j投资
公司获得的总净利润(单位为千元)是:
16 x1 22 x 2 12 x 38 x 4
设按第 j 种截法下料 x j ( j 1, 2,3, 4,5) 根。这样 就可以建立该问题的 LP 模型为:
min s.t. z x1 x2 x3 x4 x5 x1 x2 100 x1 2 x3 x4 200 2 x2 x3 2 x4 4 x5 400 x1 ,, x5 0且为整数
la
i 1
m
i ij
l aij 0 且为整数
按下面方式确定一个初始可行基, 令:
0 a11 0 0 a 0 22 P P2 … Pm 1 0 0 amm
上述例子也被称为一维下料问题,该问题的一般 描述是:
l 制造某种产品, 需要 m 种轴件, 其长度分别为:1… lm 。
各类轴件都用 长为 l 的同一种圆钢下料。 设长度为 li 的轴件需要量为bi ,问最少要用多少根圆钢?
用非负的整数向量 Pj (a1 j a2 j amj ) 表示第 j 种下料 方式,其中 aij 表示下料长度为 li 的轴件的数目。记所 有下料方式 Pj 的下标集合为 J ,则对 j J , 下料方 式 Pj 满足:
时间 星期日 星期一 星期二 星期三 星期四 星期五 星期六
所需售货员人数 18 16 15 16 19 14 12
解 (一): 设 为星期一开始工作的人数, 为 星期二开始工作的人数,, 为星期六开始 工作的人数, 为星期日开始工作的人数。 于是目标函数为:
min z 100( x1 x2 x3 x4 x5 x6 x7 )
G公司的资源要求 服 装 劳动时间(小 布料(平 类型 时) 方码) 衬衣 3 4 短裤 2 3 长裤 6 4
G公司的收入和成本信息 服装类型 衬衣 短裤 长裤 售价(元) 12 8 15 成本(元) 6 4 8
i 1
m
st
l y
i 1 i
m
i
l,
yi 0且为整数
记上述问题的最优解为 Pk ,相应的最优值为 k 。
3. 若 k 0 ,停止,当前解 xB b xN 0 是最优解,最
T 优值是 z 0 cB b 。
4. 计算
a 1k a 2 k B 1Pk Pk a mk
la
i 1
m
i ij
l aij 0 且为整数
设采用第 j 种下料方式的圆钢数目为 x j
则问题数学模型为:
min st
x
jJ jJ
j
a x
ij
j
bi i 1 2 m
x j 0 且为整数 j J
称其为一维下料问题的主规划,其约束系数 aij 满足式
其中
l aii i 1 2 m li
算法
列生成方法
T cB b z0
1. 首先按上面的方式确定问题(2)的一个基本可行 解 , 计 算 b B 1b 0 , , 令
J B {B1 B2 Bm } {1 2 m} k m 1
x 解 (二): 设 x1为星期一开始休息的人数, 2 为星期二开始休息的人数, x6为星期六开 x 始休息的人数,7为星期日开始休息的人数。 于是目标函数为:
min z 100( x1 x2 x3 x4 x5 x6 x7 )
由于除了周日和周一开始休息的之外,其余 都会在周一工作,周一有 x2 x3 x4 x5 x6 个人工作, 相应的约束为
4.1.3背包问题
例题 3 某公司正在考虑4个投资项目。投资 项目1将产生16,000元的净利润(NPV), 项目2将产生22000元的净利润,项目3将产 生12000元的净利润, 项目4将产生8000元 的净利润。每个投资项目现在都需要一定的 现金流出量:投资项目1需5000元;项目2需 7000元; 项目3需4000元;项目4需3000元。 目前可用于投资的现金为14000元。表述一 个IP, 它的解将告诉该公司如何最大化由投 资项目1~4获得的净利润。
第4章 整数线性规划 4.1 常用整数线性规划模型
4.1.1下料问题
例题1:制造某种产品,需要A,B,C 三种轴 件,其规格与数量如下表所示。各类轴件都用 5.5m 长的同一种圆钢下料。若计划生产100 台机床,最少要用多少根圆钢?
轴类 规格:长度(m) 每台机床所需轴件数 A 3.1 1 B 2.1 2 C 1.2 4
设小王的背包最多能携带14公斤的物品, 对 j 1 2 3 4 ,定义:
1 如果携带物品j xj 0 如果不携带物品j
同样得到上面的模型。
例题4:修改上例的表述,把下列每个要求 考虑在内: (1)公司最多可以投资 2个投资项目。 (2)如果公司对投资项目2进行投资,那么 还必须对投资项目 1进行投资。 (3)如果公司对投资项目 2进行投资,那 么就不能对投资项目 4进行投资。
从而数学模型为: min z 100( x1 x2 x3 x4 x5 x6 x7 ) s.t. x3 x4 x5 x6 x7 18 x1 x4 x5 x6 x7 16 x1 x2 x5 x6 x7 15 x1 x2 x3 x6 x7 16 x1 x2 x3 x4 x7 19 x1 x2 x3 x4 x5 14 x2 x3 x4 x5 x6 12 x1 , x2 ,, x7 0且为整数
像这样只有一个约束条件的IP称为背包 问题。假设小王打算进行夜间徒步旅行, 小王考虑在旅途中携带 4样物品。下表 给出了每样物品的重量以及小王觉得能 够从每样物品得到的利益。 背包中物品的重量和利益
物品 重量(kg) 利益 物品 重量(kg) 利益 1 5 16 3 4 12 2 7 22 4 3 8
2. 计算
T k max{ j cB B 1Pj c j
j J }
T 记 w ( w1 w2 wm ) cB B 1 , Pj ( y1 ym )T , 注 意 到
c (11)T , k 的计算等价于:
max wi yi 1
x2 x3 x4 x5 x6 16
类似可得其它约束, 于是约束条件为:
相关文档
最新文档