第五章整数规划
合集下载
整数规划.
5.2 整数规划的解题思路
1. 当人们开始接触整数规划问题时，常常会 有如下两种初始想法： 想法一：因为可行方案的数目常常是有限 的，因此，从理论上讲，经过一一比较后， 总能求得最好方案。例如背包问题充其量有 2n-1种方式。但是这种穷尽法是行不通的。假 设一台计算机每秒比较一百万个方式，那么 要比较20！种方式，大约需要800年，要比较 260种方式，需要360多个世纪。
可行域=空集
max f = x1 + 4 x2 s.t. - 2 x1 + 3x2 ≤3 x1 + 2 x2 ≤8 x2 ≤2 x1 , x2 ≥0 解得 x1 = 4, x2 = 2
2. 分枝定界法的最优解步骤：
第一步：首先将整数规划问题当作一般的线性规划问 题处理，如果得到的解是整数解，则停止，否则转入第 二步； 第二步：增加整数约束，分枝，对分枝用线性规划求 解。如果得到的最优整数解的目标函数比其他分枝的最 优整数解的目标函数值都要好，则停止，否则转第三步； 第三步：（Ⅰ）若未获整数解的目标函数值比同层的 分枝要差，则暂停分枝。 （Ⅱ）如果其他枝的整数解目标函数值比这样要好，此 枝再也不用再分枝。 （Ⅲ）如果其他分枝的整数解目标函数比这枝要差，回 过头来继续对此枝分枝，希望找到一个使目标函数值有 所改善的整数解，转回第二步。
原始结点
图示：
上述说法可用图表示
max f = x1 + 4 x2 - 2 x1 + 3x2 ≤3
s.t.
x1 + 2 x2 ≤8
x1 , x2 ≥0 解 x1 = 2.5, x2 = 2.7
分枝 1 分枝 2
x2 ≥3
结点 1
x2 ≤2
原始结点
max f = x1 + 4 x2 s.t. x + 2 x ≤8 1 2 - 2 x1 + 3x2 ≤3 x2 ≥3 x1 , x2 ≥0
运筹学第五章 整数规划ppt课件
，求解过程停止。 3.B有最优解，但不符合A的整数条件，记其目标函数值为z1。
第二步：确定A的最优目标函数值z*的上下界，其上界即为 z ,再用观察法
找到A的一个整数可行解，求其目标函数值作为z*的下界，记为z。
第三步：判断 z 是否等于z 。若相等，则整数规划最优解即为其目标函
数值等于z的A的那个整数可行解；否则进行第四步。
2020/3/2
11
•割平面法，即通过添加约束条件，逐步切割可行区域的 边角余料，让其整数解逐步的露到边界或顶点上来，只要 整数解能曝露到顶点上来，则就可以利用单纯形法求出来。
•关键是通过添加什么样的约束条件，既能让整数解往边 界露，同时又不要切去整数解，这个条件就是Gomory约束 条件。 •Gomory约束只是割去线性规划可行域的一部分，保留了 全部整数解。
2020/3/2
7
7
第二节 割平面法
2x1 2x2 11
13/4,5/2
松弛问题 x1+x2≤5 第二次切割
2020/3/2
第一次切割 4,1
8
设纯整数规划
n
m a x Z c j x j j 1
s
.t
.
n j 1
aij x j
bi
x
j
0且
为
整
数
，
j
1,L
引入约束 xi ≤ M yi ，i =1，2，3，M充分大，以保证yi=0 xi=0 这样我们可建立如下的数学模型：
Max z = 4x1 + 5x2 + 6x3 - 100y1 - 150y2 - 200y3 s.t. 2x1 + 4x2 + 8x3 ≤ 500
第二步：确定A的最优目标函数值z*的上下界，其上界即为 z ,再用观察法
找到A的一个整数可行解，求其目标函数值作为z*的下界，记为z。
第三步：判断 z 是否等于z 。若相等，则整数规划最优解即为其目标函
数值等于z的A的那个整数可行解；否则进行第四步。
2020/3/2
11
•割平面法，即通过添加约束条件，逐步切割可行区域的 边角余料，让其整数解逐步的露到边界或顶点上来，只要 整数解能曝露到顶点上来，则就可以利用单纯形法求出来。
•关键是通过添加什么样的约束条件，既能让整数解往边 界露，同时又不要切去整数解，这个条件就是Gomory约束 条件。 •Gomory约束只是割去线性规划可行域的一部分，保留了 全部整数解。
2020/3/2
7
7
第二节 割平面法
2x1 2x2 11
13/4,5/2
松弛问题 x1+x2≤5 第二次切割
2020/3/2
第一次切割 4,1
8
设纯整数规划
n
m a x Z c j x j j 1
s
.t
.
n j 1
aij x j
bi
x
j
0且
为
整
数
，
j
1,L
引入约束 xi ≤ M yi ，i =1，2，3，M充分大，以保证yi=0 xi=0 这样我们可建立如下的数学模型：
Max z = 4x1 + 5x2 + 6x3 - 100y1 - 150y2 - 200y3 s.t. 2x1 + 4x2 + 8x3 ≤ 500
第5章 整数规划
第五章 整数规划整数规划（integer programming ）亦称整数线性规划，它实质上是在线性规划的基础上，给一些或全部决策变量附加取整约束得到的。
在许多情况下，我们都可以把规划问题的决策变量看成是连续的变量；但在某些情况下，规划问题的决策变量 却被要求一定是整数。
例如，完成某项工作所需要的人数或设备台数，进入市场销售的商品件数，以及某一机械设备维修的次数等。
为了满足整数解的要求，最容易想到的办法就是把求得的非整数解进行四舍五入处理来得到整数解，但这往往是行不通的。
舍入处理会出现两方面的问题：一是化整后的解根本不是可行解；二是化整后的解虽是可行解，但并非是最优解。
因此，有必要另行研究整数规划的求解问题。
在线性规划的基础上，要求所有变量都取整的规划问题称为纯整数规划问题（pure integer programming ）；如果仅仅是要求一部分变量取整，则称为混合整数规划问题（mixed integer programming ）。
根据整数规划的定义，可将整数规划的数学模型表示为：0,;{min ≥==X b AX CX w 且（部分）为整数}。
显而易见，整数规划的可行域是其相应线性规划可行域的子集。
§1分枝定界法分枝定界法（branch and bound method ）是求解整数规划常用的一种方法，它具有灵活且便于用计算机求解等优点。
它的一般思想是利用连续的（线性规划）模型来求解非连续的（整数规划）问题。
假定k x 是一个有取整约束的变量，而其最优连续值*k x 是非整数；那么在][*k x （表示*k x 的取整值）和1][*+k x 之间不可能包括任何可行整数解。
因此，k x 的可行整数值必然满足][*k k x x ≤或1][*+≥k k x x 之一。
把这两个条件分别加到原线性规划的解空间上，产生两个互斥的线性规划子问题。
实际上这一过程利用了整数约束条件，在“分割”时删除了不包含可行整数点的部分连续空间（1][][**+<<k k k x x x ）。
运筹学 第五章 整数规划
M是足够大的整数，y 是0-1变量
14
f(x)-5 0
f(x) 0
(1)
(2)
-f(x)+5 M（1-y)
f(x) My
(3)
(4)
当y=1时,(1)(3)无差别,(4)式显然成立;
当y=0时,(2)(4)无差别,(3)式显然成立。
以上方法可以处理绝对值形式的约束
f(x) a (a>0)
31
5.1 分枝定界法 （Branch and Bound Method)
原问题的松驰问题： 任何整数规划（IP），凡放弃某些约束 条件（如整数要求）后，所得到的问题 （P） 都称为（IP）的松驰问题。 最通常的松驰问题是放弃变量的整数性 要求后，（P）为线性规划问题。
32
去掉整数约束,用单纯形法 IP LP
23
解法概述
当人们开始接触整数规划问题时，常会有 如下两种初始想法： 因为可行方案数目有限，因此经过穷举 法一一比较后，总能求出最好方案，例如， 背包问题充其量有2n种方式，实际上这种 方法是不可行。
设想计算机每秒能比较1000000个方式，那 么比较完260种方式，大约需要360世纪。
24
先放弃变量的整数性要求，解一个 线性规划问题，然后用“四舍五入” 法取整数解，这种方法，只有在变量 的取值很大时，才有成功的可能性， 而当变量的取值较小时，特别是0-1规 划时，往往不能成功。
Yes xI* = xl*
xl*
判别是否整数解
No 去掉非整数域 多个LP ……
33
分枝定界法步骤
一般求解对应的松驰问题，可能会出现 下面几种情况：
若所得的最优解的各分量恰好是整数， 则这个解也是原整数规划的最优解，计 算结束。
第五章-整数规划
在E点取得最优解。即
x2
x1＝2, x2 =3, Z(211)＝－17
找到整数解，问题已探明，此枝 3
停止计算。
求（LP212），如图所示。此时
F在点取得最优解。即x1＝3, x2
=2.5,
1
Z(212)＝－31/2≈－15.5 > Z(211)
如对LP212继续分解，其最小值
也不会低于－15.5 ，问题探明,
例5.2 现有资金总额为B。可供选择的投资项目有n个，项目j 所需投资额和预期收益分别为aj和cj（j＝1,2,..,n），此外由 于种种原因，有三个附加条件：
若选择项目1，就必须同时选择项目2。反之不一定; 项目3和4中至少选择一个； 项目5,6,7中恰好选择2个。 应该怎样选择投资项目，才能使总预期收益最大。
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 x2
⑴
⑵
，3),(1，4),(2，4)。显然，它们 都不可能是整数规划的最优解。 3
(3/2,10/3)
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 标函数值最大，即为Z=4。
考虑纯整数规划问题：
设其中aij和bi皆为整数（若不为整数时，可乘上 一个倍数化为整数）。
割平面法（纯整数）
割平面法是R.E.Gomory于1958年提出的一种方法， 它主要用于求解纯ILP。
割平面法是用增加新的约束来切割可行域，增加的新 约束称为割平面方程或切割方程。其基本思路为：
若其松弛问题的最优解X*不满足整数约束，则从X*的 非整分量中选取一个，用以构造一个线性约束条件，将其加 入原松弛问题中，形成一个新的线性规划，然后求解之。若 新的最优解满足整数要求，则它就是整数规划的最优解；否 则重复上述步骤，直到获得整数最优解为止。
运筹学第五章 整数规划
第五章 整数规划主要内容：1、分枝定界法； 2、割平面法； 3、0－1型整数规划； 4、指派问题。
重点与难点：分枝定界法和割平面法的原理、求解方法，0－1型规划模型的建立及求解步骤，用匈牙利法求解指派问题的方法和技巧。
要 求：理解本章内容，熟练掌握求解整数规划的方法和步骤，能够运用这些方法解决实际问题。
§1 问题的提出要求变量取为整数的线性规划问题，称为整数规则问题（简称IP ）。
如果所有的变量都要求为（非负）整数，称之为纯整数规划或全整数规划；如果仅一部分变量要求为整数，称为混合整数规划。
例1 求解下列整数规划问题211020max x x z += ⎪⎪⎩⎪⎪⎨⎧≥≤+≤+为整数21212121,0,13522445x x x x x x x x 如果不考虑整数约束，就是一个线性规划问题（称这样的问题为原问题相应的线性规划问题），很容易求得最优解为：96max ,0,8.421===z x x 。
50用图解法将结果表示于图中画“+”号的点都是可行的整数解，为满足要求，将等值线向原点方向移动，当第一次遇到“+”号点（1,421==x x ）时得最优解为1,421==x x ，最优值为z=90。
由上例可看出，用枚举法是容易想到的，但常常得到最优解比较困难，尤其是遇到变量的取值更多时，就更困难了。
下面介绍几种常用解法。
§2 分枝定界法分枝定界法可用于解纯整数或混合的整数规划问题。
基本思路：设有最大化的整数规划问题A ，与之相应的线性规划问题B ，从解B 开始，若其最优解不符合A 的整数条件，那么B 的最优值必是A 的最优值*z的上界，记为z；而A 的任意可行解的目标函数值是*z的一个下界z，采取将B 的可行域分枝的方法，逐步减少z 和增大z ，最终求得*z 。
现举例说明： 例2 求解A219040max x x z +=⎪⎪⎩⎪⎪⎨⎧≥≤+≤+为整数21212121,0,702075679x x x x x x x x 解：先不考虑条件⑤，即解相应的线性规划B （①--④），得最优解=1x 4.81, =2x 1.82, =0z 356（见下图）。
第五章整数规划【模板】
第五章整数规划§1整数规划的数学模型及特点要求一部分或全部决策变量必须取整数值得规划问题称为整数规划。
其模型为：Max(或min)z=s.t若要求决策变量只能取值0或1的整数规划称为0-1型整数线性规划。
§5 指派问题一．指派问题的标准形式及数学模型在现实生活中，有各种性质的指派问题。
例如，有若干项工作需要分配给若干人（或部门）来完成；有若干项合同需要选择若干个投标者来承包；有若干班级需要安排在各教室上课等等。
诸如此类的问题，它们的基本要求是在满足特定的指派要求条件下，使指派方案的总体效果最佳。
由于指派问题的多样性，有必要定义指派问题的标准形式。
指派问题的标准形式（以人和事为例）是：有n个人和n件事，已知第i个人作第j件事的费用为，要求确定人和事之间的一一对应的指派方案，是完成这n件事的总费用最少。
为了建立标准指派问题的数学模型，引入个0-1变量：这样，问题的数学模型可写成（5.1）s.t （5.3）其中，（5.1）表示每件事必优且只有一个人去做，（5.2）表示每个人必做且只做一件事。
注：○1指派问题是产量（）、销量（）相等，且==1，i，j=1,2,…n的运输问题。
○2有时也称为第i个人完成第j件工作所需的资源数，称之为效率系数（或价值系数）。
并称矩阵C= =（5.5）为效率矩阵（或价值系数矩阵）。
并称决策变量排成的n×n矩阵X== （5.6）为决策变量矩阵。
(5.6)的特征是它有n个1，其它都是0。
这n个1位于不同行、不同列。
每一种情况为指派问题的一个可行解。
共n!个解。
其总的费用 z =C⊙X这里的⊙表示两矩阵对应元素的积，然后相加。
问题是：把这n个1放到X的个位置的什么地方可使耗费的总资源最少？（解最优）例1已知效率矩阵C=则X（1）=，X（2）=都是指派问题的最优解例12/P-149：某商业公司计划开办五家新商店。
为了尽早建成营业，商业公司决定由5家建筑公司分别承建。
第五章 整数规划
整数规划
1.整数规划的数学模型及解的特点 2.分支定界法、割平面法 3.0-1整数规划 4.指派问题
1.整数规划的数学模型及解的特点
整数规划数学模型的一般形式
一部分或全部决策变量取整数值的规划问题 ——整数规划 整数规划中不考虑整数条件是对应的规划问题 ——该整数规划的松弛问题 松弛问题为线性规划的整数规划问题 ——整数线性规划
(0,1,0,0,0)
Z8=2< Z5 ，不可 行，不可行子域， 停止分支。
Z7=9> Z5 ，停止分支。
(0,1,0,0,0)
4. 指派问题(assignment
problem)
4.1指派问题的标准 形式及其数学模型 4.2匈牙利解法 4.3一般的指派问题
指派问题的标准形式的提出？
在我们现实生活中，常有 各种性质的指派问题。例 如：应如何分配若干项工 作给若干个人（或部门） 来完成，以达到总体的最 佳效果等等。由于指派问 题的多样性，我们有必要 定义指派问题的标准形式 。
x2 2
x2 1.57 z 0 z 2 341 z 349
x2 3
z 340 z 341
B3 : x1 4.00 x2 2.00 z3 340
B4 : x1 1.42 x2 3.00 z 4 327
x2 1
*
x2 2
B5 : x1 5.44 B : 6 z z 340 x2 1.00 z5 308 无可行解
（4） 检验解是否可行。如可行，已得一个可行解，计算并
记下它的z值，并停止分枝，若子域都检验过，转步骤（7） ，否则转步骤（6）。因继续分枝，即使得到可行解，目标 函数值也比记下的z值大，不会是最优解；如不可行，进行 步骤（5）。
1.整数规划的数学模型及解的特点 2.分支定界法、割平面法 3.0-1整数规划 4.指派问题
1.整数规划的数学模型及解的特点
整数规划数学模型的一般形式
一部分或全部决策变量取整数值的规划问题 ——整数规划 整数规划中不考虑整数条件是对应的规划问题 ——该整数规划的松弛问题 松弛问题为线性规划的整数规划问题 ——整数线性规划
(0,1,0,0,0)
Z8=2< Z5 ，不可 行，不可行子域， 停止分支。
Z7=9> Z5 ，停止分支。
(0,1,0,0,0)
4. 指派问题(assignment
problem)
4.1指派问题的标准 形式及其数学模型 4.2匈牙利解法 4.3一般的指派问题
指派问题的标准形式的提出？
在我们现实生活中，常有 各种性质的指派问题。例 如：应如何分配若干项工 作给若干个人（或部门） 来完成，以达到总体的最 佳效果等等。由于指派问 题的多样性，我们有必要 定义指派问题的标准形式 。
x2 2
x2 1.57 z 0 z 2 341 z 349
x2 3
z 340 z 341
B3 : x1 4.00 x2 2.00 z3 340
B4 : x1 1.42 x2 3.00 z 4 327
x2 1
*
x2 2
B5 : x1 5.44 B : 6 z z 340 x2 1.00 z5 308 无可行解
（4） 检验解是否可行。如可行，已得一个可行解，计算并
记下它的z值，并停止分枝，若子域都检验过，转步骤（7） ，否则转步骤（6）。因继续分枝，即使得到可行解，目标 函数值也比记下的z值大，不会是最优解；如不可行，进行 步骤（5）。
第五章整数规划
第五章 整数规划
本例问题B 及问题B 本例问题B1及问题B2的模型及求解结果如下 问题B 问题B 问题B1 问题B2
m z = 10x1 + 20x2 ax 5x1 + 8x2 ≤ 60 x ≤ 8 1 s.t .x2 ≤ 4 x ≤ 5 1 x1 , x2 ≥ 0
m z = 10x1 + 20x2 ax 5x1 + 8x2 ≤ 60 x ≤ 8 1 s.t.x2 ≤ 4 x ≥ 6 1 x1 , x2 ≥ 0
m z = 20x1 + 10x2 ax 5x1 + 4x2 ≤ 24 s.t. 2x1 + 5x2 ≤ 13 x , x ≥ 0, x , x 为整数 1 2 1 2 m z = 20x1 + 10x2 ax 5x1 + 4x2 ≤ 24 s.t.2x1 + 5x2 ≤ 13 x , x ≥ 0 1 2
第五章 整数规划
B5解为：X5*=(7,3)T，f5*=130；B6解为：X6*=(8,2.5)T， 解为： =130； 解为： f6*=130。因为此时B5的解为整数解，因此修改下界为130， =130。因为此时B 的解为整数解，因此修改下界为130， 而此时所有未被分支的问题（ 而此时所有未被分支的问题（B4,B5,B6)的目标函数中的最小 值为f =130，故修改上界为Z=130。 值为f5*=f6*=130，故修改上界为Z=130。 6.结束准则 6.结束准则 当所有的分支均已查明（或为无可行解— 树枝” 当所有的分支均已查明（或为无可行解—“树枝”，或为 整数可行解— 树叶” 或其目标函数值不大于下界— 整数可行解—“树叶”，或其目标函数值不大于下界— 枯枝”），且此时 且此时Z=Z，则已求得了原问题的整数最优解， “枯枝”），且此时Z=Z，则已求得了原问题的整数最优解， 即目标函数下界Z的那个整数。 即目标函数下界Z的那个整数。 在本例中，当解完一对分支B5、B6后，得到Z=Z=130，又 在本例中，当解完一对分支B 得到Z=Z=130， B5是“树叶”，B6为“枯枝”，因此所有分支(B1,B4,B5,B6) 树叶” 枯枝” 因此所有分支(B 均已查明，故已求得问题A 的最优解： 均已查明，故已求得问题A0的最优解：
运筹学第五章 整数规划
2、0-1型变量常用来表示是否处于某个特定状态
例5.6
有三种资源被用于生产三种产品，资源量、产 品单件可变费用及售价、资源单耗量及组织三种产品 生产的固定费用见下表。要求制定一个生产计划，使 总收益最大。
0-1型变量常用来表示两个选项中非此即彼的选择
例5.7 用4台机床加工3件产品。各产品的机床加工顺序，以及产品在机 床上的加工工时见下表，且要求工件二的总工时不超过d。现要求确定 各件产品在机床上的加工方案,使在最短的时间内加工完全部产品.
A 甲 15 B 17 C 21 D 24
乙
丙 丁
19
26 19
23
17 21
22
16 23
18
19 17
解：令 xij=
1 若指派第i 人做第j 事 （i, j=1, …, n） 0 若不指派第i 人做第j 事
每个人只能完 成一项任务
满足约束条件的可行解 也可写成矩阵形式，称 为解矩阵。如例5.9的一 个可行解矩阵是:
每行减该行最小数
0 1 10 2
2 5 1 4
6 4 0 6
9 0 3 0
每列减该列最小数
0 1 10 2
1 4 0 3
6 4 0 6
产品1
产品2
产品3
a11 机床1 a21 机床1
a22 机床2 a32 机床2
a13 机床3
a33 机床3
a14 机床4 a24 机床4
xij表示第i种产品在第j台机床上加工的开始时间。 同一件产品在下一台机床上加工的开始时间不得早 1 同一 于在上一台机床上加工的结束时间 件产品 产品1：x11+a11x13 及 x13+a13x14 在不同 机床上 产品2：x21+a21x22 及 x22+a22x24 的加工 产品3：x32+a32x33 顺序
整数规划
√
√ × √
×
√ × ×
√
√ √ √
√
√ √ √ √ 8 8
（二）0－1 整数规划——隐枚举法
首先，找到一个可行解，并计算其目标函数值；然后，以其目标值作为
一个过滤条件，优于其值的再判断约束条件，直到找到最优解。
满足约束条件（是∨ x1 . x2. x3 ( 0. ( 0. 0. 0. 0 ) 1) √ √ (1) √ √ (2) √ √ (3) √ √ 否×） (4)
目标函数： Max z = 2x1 +3 x2 约束条件： 195 x1 + 273 x2 ≤1365 4 x1 + 40 x2 ≤140 x1 ≤4 x1≥3 x2≥3 x1，x2 ≥ 0
无可行解
（四）比较子问题的最优解，判断是否还要继续分枝 因为Z21=14大于Z1=13.90，所以x1=3，x2=2是原 问题的最优整数解
过滤 条件
0 5 -2 3 3
max Z 3 x1 2 x2 5 x3 x1 2 x2 x3 2 (1) x1 4 x2 x3 4 (2) 3 (3) x1 x2 4 x2 x3 6 (4) x1 , x2 , x3 0或1
第五章 整数规划
在整数规划中，如果所有的变量都为非负整数，则 称为纯整数规划问题；如果有一部分变量为负整数，则 称之为混合整数规划问题。在整数规划中，如果变量的 取值只限于0和1，这样的变量我们称之为0-1变量。在 纯整数规划和混合整数规划问题中，如果所有的变量都 为0-1变量，则称之为0-1规划。 求整数解的线性规划问题，不是用四舍五入法或去 尾法对线性规划的非整数解加以处理都能解决的，而要 用整数规划的方法加以解决。
第五章 整数规划
令 x3′=1-x3, x4′=1-x4, x5′=1-x5，得 Max z=2x2+4x3′+5x5′+7x4′+8x1-16 3x2- x3′- 3x5′- 2x4′+3x1≤-2 ① 3x2+2x3′- x5′+ x4′+5x1≤6 ② x2, x3′,x5′,x4′,x1 =0或1
z=8,不可行 x2 =x3′=x5′ = x4
若某行(列)已有0元素，那就不必再减了。例1的计算为：
2 15 10 4 ) 9 14 8 7 4 14 15 16 13 11 9 13
( c ij
-2 -4 -9 -7
0 6 0 0
13 0 0 1
11 10 7 4
2 11 4 2
R0: z0=356 x1=4.81 x2=1.82
x1 ≤4
x1≥5
R2:z2=341 x1=5.00 x2=1.57 x1 ≤1 x1≥2
R1:z1=349 问题R2为: x1=4.00 Max z=40x1+90x2 x2=2.10 9x1+7x2≤56 7x1+20x2 ≤ 70 x1 ≥ 5 x2 ≤2 x2≥3 x1,x2 ≥ 0
指派问题的数学模型可写成如下页形式：
min z
i1 j1
n
n
c ij x ij
第j项工作由 一个人做 第i人做 一项工作
i1
n
x ij 1 x ij 1
( j 1 , , n)
j1
n
( i 1 , , n ) (i 1, , n; j 1, , n)
第五章 整数规划(运筹学教程)
什么叫0-1规划
• 0-1型整数规划是整数规划中的特殊情况， 它的变量xi仅取0或1，这时xi称为0-1变量 或二进制变量（binary), • xi仅取0或1这个条件可由下述约束条件所 取代： xi≤1, xi ≥0， Xi整数。 • 但是，0-1变量还有许多其它作用。 • 下面举例说明。
4.1 引入0-1变量的实际问题
定界
0≤ Z≤349
定界 340≤ Z≤341
Z3=340
Z4=327
B5（x2≤1）最优解 X1=5,x2=1.57 Z2=308 B6（x2≥2） 无可行解
定界 340≤ Z≤340
§3 割平面法
• 1、分枝定界法本质上是一种对线性规划可行域的 分割方法，只是分割方式比较单一和规范。每次从 对应线性规划的最优解出发，选定某个取非整数值 的变量，挖掉其中的小数部分，将原可行域一分为 二。如此反复进行，直到发现最优整数解为止。 • 2、割平面法的思路也是采用求解对应线性规划的 方法去解整数规划的问题。通过增加适当的约束条 件，从原可行域中切割掉不含整数解的部分。但其 切割方式灵活多样，每次切割可以切一刀，也可以 同时切几刀。旨在造成一个具有整数坐标的顶点， 恰好对应着原问题的最优解
B5, B6
图5-4
B1(x1≤4）最优解
X1=4,x2=2.1 Z1=349 B3(x2≤2）最优解 X1=4,x2=2
B最优解
定界 0≤ Z≤356
X1=4.81,x2=1.82
Z0=356
B2（x1≥5）最优解
X1=5,x2=1.57 Z2=341 B4(x2≥3）最优解 X1=1.42,x2=3
最优解 X1=4,x2=2：整数可行解 Z3=340 最优解 X1=1.42,x2=3
运筹学课件 第5章：整数规划
依照决策变量取整要求的不同，整数规划可分为纯 整数规划/全整数规划、混合整数规划、0－1整数规划
整数规划解的性质
求解整数规划问题
max Z 3 x1 2 x2 2 x1 x2 9 ( IP)2 x1 3 x2 14 x1 , x2 0且为整数
分析：考虑对应的线性规划问题(LP)
b
x1
2
2 3
x2
1
3 2
x3
1
0 0
x4
0
1 0
b
x1
1
0 0
x2
0
1 0
x3
3/4
-1/2
x4
-1/4 1/2
0
0
x3 9 x4 14
9/2
14/2
3
2
x1 13/4 x2 5/2
-5/4
-1/4
初始表
最终表
可见，最优解为x1=3.25 x2=2.5 z(0) =59/4=14.75
选 x2 进行分枝，即增加两个约束x2≤2 和x2 ≥3 ，则
max Z 3 x1 2 x2 2 x1 x2 9 2 x 3 x 14 2 ( IP1) 1 x2 2 x1 , x2 0且为整数
max Z 3 x1 2 x2 2 x1 x2 9 2 x 3 x 14 2 ( IP2) 1 x2 3 x1 , x2 0且为整数
b
7/2 2 1 3 -29/2 7/2 2 1 -1/2 -29/2
x1
1 0 0 1 0 1 0 0 0 0
x2
0 1 0 0 0 0 1 0 0 0
x3
1/2 0 -1 0 -3/2 1/2 0 -1 -1/2 -3/2
第五章 整数线性规划
整数线性规划问题的最优解
A
第1节 整数线性规划的数学模型及解的特点
例2：某宝石加工厂最近新到6粒大小、质量等级 相似的钻石毛料，管理层有两种选择，一是切 磨成一般的皇冠形，每粒可获利2.5千元；一 是切磨成虽然较难切磨但当前市场较流行的心 形，每粒可获利4千元。若切磨成皇冠形则每 粒需要5个工作日，若切磨成心形则每粒需要9 个工作日，由于工厂切工师傅较忙，最多只有 45个工作日来做这批工作。另外，由于毛料自 身形状的关系，其中只有4粒毛料可以切磨成 皇冠形，而6粒毛料中任何一粒都可以切磨成 心形。那么，管理层应如何决策才能使这批钻 石获利最大？
例5：某服务部门各时段（每2h为一时 段）需要的服务员人数见下表。按规 定，服务员连续工作8h（即四个时段 ）为一班。现要求安排服务员的工作 时间，使服务部门服务员总数最少。
时段 1 2 3 4 5 6 7 8
服务员最少数目
10
8
9
11 13
8
5
3
第3节 0-1型整数线性规划
例5： 解：设在第j时段开始时上班的服务员人数为xj。
min z cij xij 1200 y 1500 1 y
i 1 j 1 4 4
x11 x21 x31 x41 350 x x x x 400 12 22 32 42 x13 x23 x33 x43 300 x14 x24 x34 x44 150 x x x x 400 11 12 13 14 x x x x 600 21 22 23 24 x31 x32 x33 x34 200 y x41 x42 x43 x44 200 1 y x 0，， (i j =1， 2， 3， 4) ij y 0或1
运筹学 第五章 整数规划
Chapter5 整数规划
( Integer Programming )
本章主要内容：
整数规划的特点及应用 分支定界法 0－1 整数规划 指派问题
1 2022/1/24
在很多场合，我们建立最优化模型时，实际问题要求决 策变量只能取整数值而非连续取值。此时，这类最优化 模型就称为整数规划模型。
整数规划的求解往往比线性规划求解困难得多，而且， 一般来说不能简单地将相应的线性规划的解取整来获得。
现求整数解(最优解):如用舍
入取整法可得到4个点即(1，
x2
⑴
⑵
3),(2，3),(1，4),(2，4)。显然，
它们都不可能是整数规划的最优 3 解。
(3/2,10/3)
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 标函数值最大，即为Z=4。
x2
找到整数解，问题已探明，此
枝停止计算。
3
同理求LP2,如图所示。在C 点 取得最优解。即:
x1＝2, x2 =10/3,
Z(2)＝－56/3≈－18.7
1
∵Z(2)< Z(1)＝－16
∴原问题有比－16更小的最优
解，但 x2 不是整数，故继续 分支20。22/1/24
⑵ ⑴
A(18/11,40/11)
5
x1
x1
6x2 30 4
LP
2022/1/24
x1 , x2 0
17
分支定界法
用图解法求松弛问题的最优解，如图所示。
x1＝18/11, x2 =40/11 Z=－218/11≈(－19.8)
( Integer Programming )
本章主要内容：
整数规划的特点及应用 分支定界法 0－1 整数规划 指派问题
1 2022/1/24
在很多场合，我们建立最优化模型时，实际问题要求决 策变量只能取整数值而非连续取值。此时，这类最优化 模型就称为整数规划模型。
整数规划的求解往往比线性规划求解困难得多，而且， 一般来说不能简单地将相应的线性规划的解取整来获得。
现求整数解(最优解):如用舍
入取整法可得到4个点即(1，
x2
⑴
⑵
3),(2，3),(1，4),(2，4)。显然，
它们都不可能是整数规划的最优 3 解。
(3/2,10/3)
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 标函数值最大，即为Z=4。
x2
找到整数解，问题已探明，此
枝停止计算。
3
同理求LP2,如图所示。在C 点 取得最优解。即:
x1＝2, x2 =10/3,
Z(2)＝－56/3≈－18.7
1
∵Z(2)< Z(1)＝－16
∴原问题有比－16更小的最优
解，但 x2 不是整数，故继续 分支20。22/1/24
⑵ ⑴
A(18/11,40/11)
5
x1
x1
6x2 30 4
LP
2022/1/24
x1 , x2 0
17
分支定界法
用图解法求松弛问题的最优解，如图所示。
x1＝18/11, x2 =40/11 Z=－218/11≈(－19.8)
- 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、"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、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)。
考虑纯整数规划问题：
设其中aij和bi皆为整数（若不为整数时，可乘上 一个倍数化为整数）。
割平面法（纯整数）
割平面法是R.E.Gomory于1958年提出的一种方法， 它主要用于求解纯ILP。
割平面法是用增加新的约束来切割可行域，增加的新 约束称为割平面方程或切割方程。其基本思路为：
若其松弛问题的最优解X*不满足整数约束，则从X*的 非整分量中选取一个，用以构造一个线性约束条件，将其加 入原松弛问题中，形成一个新的线性规划，然后求解之。若 新的最优解满足整数要求，则它就是整数规划的最优解；否 则重复上述步骤，直到获得整数最优解为止。
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 x2
⑴
⑵
，3),(1，4),(2，4)。显然，它们 都不可能是整数规划的最优解。 3
(3/2,10/3)
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 标函数值最大，即为Z=4。
整数线性规划问题的种类： 纯整数线性规划：指全部决策变量都必须取整数值的整数
线性规划。
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。
0-1型整数线性规划：决策变量只能取值0或1的整数线性规 划。
整数规划的数学模型及解的特点
整数规划的典型例子
例5.1 工厂A1和A2生产某种物资。由于该种物资供不应求，故需要 再建一家工厂。相应的建厂方案有A3和A4两个。这种物资的需求地 有B1,B2,B3,B4四个。各工厂年生产能力、各地年需求量、各厂至各 需求地的单位物资运费cij，见下表：
解：这是一个物资运输问题，特点是事先不能确定应该建A3 还是A4中哪一个，因而不知道新厂投产后的实际生产物资。 为此，引入0-1变量：
再设xij为由Ai运往Bj的物资数量，单位为千吨；z表示总费用， 单位万元。 则该规划问题的数学模型可以表示为：
整数规划的数学模型及解的特点
混合整数规划问题
整数规划的数学模型及解的特点
整数规划的数学模型及解的特点
整数规划（简称：IP） 要求一部分或全部决策变量取整数值的规划问题称为整
数规划。不考虑整数条件，由余下的目标函数和约束条件构 成的规划问题称为该整数规划问题的松弛问题。若该松弛问 题是一个线性规划，则称该整数规划为整数线性规划。 整数线性规划数学模型的一般形式：
整数规划的数学模型及解的特点
B1
B2
B3
B4
年生产能力
A1
2
9
3
4
400
A2
8
3
5
7
600
A3
7
6
1
2
200
A4
4
5
2
5
200
年需求量 350
400
300
150
工厂A3或A4开工后，每年的生产费用估计分别为1200万或1500万元 。现要决定应该建设工厂A3还是A4，才能使今后每年的总费用最少 。
整数规划的数学模型及解的特点
例5.2 现有资金总额为B。可供选择的投资项目有n个，项目j 所需投资额和预期收益分别为aj和cj（j＝1,2,..,n），此外由 于种种原因，有三个附加条件：
若选择项目1，就必须同时选择项目2。反之不一定; 项目3和4中至少选择一个； 项目5,6,7中恰好选择2个。 应该怎样选择投资项目，才能使总预期收益最大。
工作人
员
A
B
C
D
甲
85
92
73
90
乙
95
87
78
95
丙
82
83
79
90
丁
86
90
80
88
整数规划的数学模型及解的特点
设 数学模型如下：
要求每人做一项工作，约束条件为：
整数规划的数学模型及解的特点
每项工作只能安排一人，约束条件为：
变量约束：
整数规划的数学模型及解的特点
整数规划问题解的特征：
整数规划问题的可行解集合是它松弛问题可行解集合的一 个子集，任意两个可行解的凸组合不一定满足整数约束条件 ，因而不一定仍为可行解。
3
x1
整数规划的数学模型及解的特点
整数规划问题的求解方法： 分支定界法和割平面法 匈牙利法（指派问题）
割平面法（纯整数）
割平面法的思想
将原整数规划问题(L0)去掉整数约束变为线性规划问题 (L1)，引入线性约束条件(称为Gomory约束，几何术语割 平面)使问题(L1)的可行域逐步缩小. 每次切割掉的是问题非整数解的一部分，不切掉任何整 数解，直到最后使目标函数达到最优的整数解成为可行 域的一个顶点时，即问题最优解。 利用线性规划的求解方法逐步缩小可行域，最后找到整 数规划的最优解。
第五章 整数规划
本章主要内容：
整数规划的数学模型及解的特点 解纯整数规划的割平面法 分支定界法 0－1 整数规划 指派问题
在很多场合，我们建立最优化模型时，实际问题要求决 策变量只能取整数值而非连续取值。此时，这类最优化模 型就称为整数规划（离散最优化）模型。
整数规划的求解往往比线性规划求解困难得多，而且，一 般来说不能简单地将相应的线性规划的解取整来获得。
整数规划的数学模型及解的特点
解：对每个投资项目都有被选择和不被选择两种可能，因此 分别用0和1表示，令xj表示第j个项目的决策选择，记为：
投资问题可以表示为：
整数规划的数学模型及解的特点
例5.3 指派问题或分配问题。人事部门欲安排四人到四个不同 岗位工作，每个岗位一个人。经考核四人在不同岗位的成绩（ 百分制）如表所示，如何安排他们的工作使总成绩最好。
为最终获得整数最优解，每次增加的线性约束 条件应当两个基本性质：
已获得的不符合整数要求的LP最优解不满足该 线性约束条件，从而不可能在以后的解中出现 ；
凡整数可行解均满足该线性约束条件，因而整 数最优解始终被保留在每次剩余的线性规划可 行域中。
例1 用割平面法求解整数规划问题
步骤1：标准化其松弛问题B0
单纯形 Cj
表法求 解非整
CB
XB
整数规划问题的可行解一定是它的松弛问题的可行解（反 之不一定），但其最优解的目标函数值不会优于后者最优解 的目标函数值。
整数规划的数学模型及解的特点
例5.3 设整数规划问题如下
首先不考虑整数约束，得到线性规划问题（一般称为松弛问 题）。
整数规划的数学模型及解的特点
用图解法求出最优解为：x1＝3/2, x2 = 10/3，且有Z = 29/6