运筹学基础-整数规划(3)
运筹学-第3章整数规划
2018/8/17
9
生产计划问题
某机器制造厂可生产四种产品,对于三种主要资源(钢, 人力,能源)的单位消耗及单位利润见表。问如何安排 生产,可使总利润最大?
消耗 产品1
1
产品2 产品3
10 6 0 7 3 4 2 8
产品4
0 1 5 4
资源量
5000 3000 3000
资源A(钢)
资源B(人力) 2 资源C(能源) 2 单位利润 1
这里取M=5000
2018/8/17
15
(2)批量生产
在前例中的基础上, 增加假设:产品4要求批量生 产,批量为不少于500件。 试建立最佳生产计划模型。
定义0-1变量y4
1 , x 4 500 y 4= 0 , x 4=0
500y4 x4 My4 y4 {0,1}
增加约束
2018/8/17 4
附加条件
项目1和项目3至少采纳一个; y1+y2 ≥1 项目2和项目5不能同时采纳; y2+y5 ≤1 项目1仅在项目2采纳后才可考虑是否采纳; y1≤ y2 项目1仅在项目2和3同时采纳后才可考虑是否采纳; 项目1,2,3不能同时采纳; y1+y2+y3 ≤2 或者选择项目1和2,或者选择项目3; y1= y2, y1+y3 =1; 或者 0.5(y1+y2) +y3 =1.
i 1 j 1 5 4
1, 采用Ai建厂 yi , i 3,4,5 0 ,不采用
s.t. x11 x12 x13 x14 400 x x x x 600 23 24 21 22 x31 x32 x33 x34 200y3 x41 x42 x43 x44 200y4 x x x x 200y 5 51 52 53 54 y3 y 4 y5 1 x11 x21 x31 x41 x51 300 x12 x22 x32 x42 x52 350 x13 x23 x33 x43 x53 400 x x x x x 150 24 34 44 54 14 xij 0, i 1,2,3,4,5, j 1,2,3,4 y3 , y4 , y5 {0,1}
运筹学课件 第六章-整数规划3
物品 1 2 3 4 5 6 7 8 9 10
体积 200 350 500 430 320 120 700 420 250 100
价格 15 45 100 70 50 75 200 90 20 30
设变量xij为第i个物品是否放在第j个包裹中
xij 1,0; i 1,2...,17, j 1,2,3
• 保证需求约束
x11 + x21 + x31 = 450 x12 + x22 + x32 = 275 x13 + x23 + x33 = 300 x14 + x24 + x34 = 350
} 项目1 } 项目2 } 项目3 } 项目4
最大供应量 525 450 550
约束条件:
厂家1一旦向某项目供应水泥,其至少供应量为150。 厂家2对单个项目供应量超过200吨的项目数不大于1。总产量=450 厂家3仅接受 200, 400, 和 550 吨这三个规格的货单。
1 中锋 1.93 2 中锋 1.91 3 前锋 1.87 4 前锋 1.86 5 后卫 1.80 6 后卫 1.85
配送计划模型
• 某建筑公司为完成4个工程项目,需要从3个厂家购买水泥,有关成
本如下
厂家1 厂家2 厂家3 需求量(吨)
项目1 $120 $100 $140 450
水泥的吨运费
项目2 $115 $150 $95 275
xi
0, 不携带第i件物品 1, 携带第i件物品 (i
1,2,, m)
m
max z ci xi i 1
m
ai xi
a
st.
i 1 m
bi
运筹学整数规划
运筹学整数规划运筹学是研究在资源有限的条件下,如何进行决策和优化的一门学科。
整数规划是运筹学中的一个重要分支,它解决的是决策变量必须为整数的问题。
整数规划在实际问题中具有广泛的应用,如生产计划、设备配置、选址问题等。
整数规划问题的数学模型可以表示为:max/min c^T xs.t. Ax ≤ bx ≥ 0x ∈ Z其中,c是目标函数的系数矩阵,x是决策变量的向量,A是约束条件的系数矩阵,b是约束条件的向量,Z表示整数集合。
整数规划问题与线性规划问题相似,但整数规划问题的约束条件多了一个整数限制,使得问题的解空间变得更为复杂。
由于整数规划问题的NP-hard性质,求解整数规划问题是一项困难的任务。
求解整数规划问题的常用方法有分支定界法、割平面法和启发式算法等。
分支定界法是一种穷举搜索的方法,它通过将整数规划问题不断分割成更小的子问题,从而逐步搜索解空间,直到找到最优解。
分支定界法对于规模较小的问题比较有效,但对于大规模复杂问题,效率较低。
割平面法是一种通过添加新的约束条件来减少解空间的方法。
它利用线性松弛问题(将整数约束条件放宽为线性约束条件)的解来构造有效的割平面,从而逐步缩小解空间,找到最优解。
割平面法通常比分支定界法更有效,但对于某些问题,可能需要添加大量的割平面才能收敛到最优解。
启发式算法是一种基于经验和启发式搜索的方法。
它通过设置初始解、搜索策略和邻域搜索等步骤,来快速找到近似最优解。
常见的启发式算法有遗传算法、模拟退火算法和禁忌搜索算法等。
启发式算法虽然不能保证找到全局最优解,但能够在可接受的时间内找到较优解。
综上所述,整数规划作为运筹学中的重要分支,解决的是决策变量必须为整数的问题。
整数规划问题具有广泛的应用,但由于其NP-hard性质,求解过程较为困难。
常用的求解方法包括分支定界法、割平面法和启发式算法等。
这些方法各有优劣,根据具体问题的特点选择合适的方法进行求解。
《运筹学》第6章 整数规划
整数规划分为两大类:一般整数规划与0-1整数规 划(Binary Integer Programming,简称BIP)。
6.3 0-1整数规划
例6.2 分公司选址问题。某销售公司打算通过在武汉 或长春设立分公司(也可以在两个城市都设分公司) 以增加市场份额,管理层同时也在考虑建立一个配送 中心(也可以不建配送中心),但配送中心地点限制 在新设分公司的城市。
经过计算,每种选择使公司收益的净现值和所需费 用如表6-2所示。总的预算费用不得超过1000万元。目 标是在满足以上约束的条件下使总的净现值最大。
100万元 500万元
2
大型飞机
500万元 5000万元 没有限制
可获得的总资金 1亿元
6.1 整数规划基本概念、分类与解的特点
解:
(1)决策变量
设小型飞机与大型飞机的购买 数量分别为x1、x2(架)。 (2)目标函数
目标是年总净利润最大。
M ax z x1 5 x2
(3) 约束条件 ① 资金限制 ② 小型飞机数量限制(最多
在长春设立分公司 在武汉设立分公司 在长春建配送中心 在武汉建配送中心
净现值(万元) 800 500 600 400
所需资金(万元) 600 300 500 200
6.3 0-1整数规划
解:
(1)决策变量
本题的决策变量是是非决策的0-1决策变量,每一个决策只有 两种选择,是或者否,1表示对于这个决策选择“是”,0表 示对于这个决策选择“否” 。
是非决策问题
管理运筹学讲义整数规划
管理运筹学讲义整数规划整数规划是管理运筹学中一种重要的优化技术,它在实际问题中具有广泛的应用。
本文将介绍整数规划的基本概念、建模方法以及解决算法,并通过实例展示其在实际问题中的应用。
一、整数规划的基本概念整数规划是线性规划的一种扩展形式,其决策变量被限制为整数。
在实际问题中,往往存在某些变量只能取整数值的约束条件,这时就需要使用整数规划方法进行求解。
与线性规划相比,整数规划的求解难度更大,但可以提供更精确的结果。
二、整数规划的建模方法在进行整数规划建模时,需要确定决策变量、目标函数和约束条件。
1. 决策变量决策变量是问题中需要优化的变量,其取值决定了问题的解。
在整数规划中,决策变量通常表示为整数。
2. 目标函数目标函数是整数规划问题中需要最小化或最大化的目标。
它可以是线性函数或非线性函数,但在整数规划中,通常只考虑线性目标函数。
3. 约束条件约束条件是问题的限制条件,限制了决策变量的取值范围。
在整数规划中,约束条件可以是线性等式或线性不等式。
三、整数规划的解决算法解决整数规划问题的常见算法包括割平面法、分支定界法和动态规划法等。
这些算法通过不断对问题进行优化,逐步逼近最优解。
1. 割平面法割平面法是一种通过添加额外的约束条件来逼近最优解的方法。
它首先求解一个松弛问题,然后根据松弛问题的解加入新的约束条件,直到找到最优解。
2. 分支定界法分支定界法是一种将整数规划问题划分为多个子问题,并对每个子问题进行求解的方法。
它通过不断分支和剪枝来找到最优解。
3. 动态规划法动态规划法是一种通过将问题分解为多个子问题,并通过求解子问题的最优解来求解原始问题的方法。
它采用自底向上的求解方式,将所有可能的决策情况进行组合,得到最优解。
四、整数规划在实际问题中的应用整数规划在实际问题中有着广泛的应用。
以下是一个应用整数规划解决的实际问题示例:某公司生产两种产品A和B,每天的生产时间为8小时。
产品A每单位利润为100元,产品B每单位利润为150元。
第八章 运筹学课件整数规划
例2、某公司计划在m个地点建厂,可供选择的地 点有A1,A2…Am ,他们的生产能力分别是 a1,a2,…am(假设生产同一产品)。第i个工厂的建
设费用为fi (i=1.2…m),又有n个地点B1,B2, … Bn 需
要销售这种产品,其销量分别为b1.b2…bn 。从工
厂运往销地的单位运费为Cij。试决定应在哪些地
设: xij 表示从工厂运往销地的运量(i=1.2…m、 j=1.2…n), 1 在Ai建厂 又设 Yi= (i=1.2…m) 0 不在Ai建厂 m 模型: min Z cij xij f i yi
i 1
n xij ai yi (i 1.2 m) j 1 m xij b j (j 1.2 n) i 1 x 0, y 0 或 1 (i 1.2 m、j 1.2 n) i ij
个(后继)问题的松弛问题( LP1)
和( LP2) 。
4、修改上、下界(定界):
按照以下两点规则进行: ⑴.在各分枝问题中,找出目标函数
值最大者作为新的上界;
⑵.从已符合整数条件的分枝中,找 出目标函数值最大者作为新的下界。
5、比较与剪枝 :
各分枝的目标函数值中,若有小于
Z 者,则剪掉此枝,表明此子问题已经 探清,不必再分枝了;否则继续分枝。
x1
Z(2) =-56/3≈-18.7 ∵Z2 < Z1=-16 ∴原问题有比 (-16)更小的最优解,但 x2 不是整数,故利用 3 ≥ 10/3≥4 加入条件。
加入条件: x2≤3, x2≥4
有下式:
min Z x1 5 x2 min Z x1 5 x2 x1 x2 2 x1 x2 2 5 x 6 x 30 5 x 6 x 30 2 2 1 1 4 4 x1 x1 ( IP4) ( IP3) 2 x1 2 x1 4 3 x2 x2 x , x 0且为整数 x , x 0且为整数 1 2 1 2
运筹学-第三章-整数规划
于是,对原问题增加两个新约束条件,将原问题分为两个 子问题,即有
max z 40x1 90x2
max z 40x1 90x2
9x1 7x2 56
s.t
7 x1
20 x2
70
x1 4
x1, x2 0
(LP1)
9x1 7x2 56
和
s.t
7
x1
20
x2
70
(LP2)
x1 5
表 3.1
货物 体积(米 3/箱) 重量(百公斤/箱) 利润(百元/箱)
甲
5
2
20
乙
4
5
10
托运限制 24 米 3
13 百公斤
解: 设x1,x2 分别为甲、乙两种货物的托运箱数,则数 学模型可以表示为:
max z 20x1 10x2
5x1 4x2 24 2x1 5x2 13 x1, x2 0, x1, x2整数
其中,目标函数表示追求最大的卫星实验价值;第1,2个约
束条件表示体积和重量的限制;第3-5个约束条件表示特定的卫
星装载要求,该问题的决策变量是0-1整数变量。
3.2.3隐枚举法 从上面两个例子可以看出,此类型问题是整数规划中的特
殊情形,其中决策变量 xi 的取值只能为0或1,此时变量 xi 称 为0-1变量,这类问题被称为0-1整数规划。对于 xi 的取值的 0-1约束,可以转化成下述整数约束条件:xi 1, xi 0, xi Z
目前对于整数规划问题的求解主要有两种方法:分支 定解法和割平面法。本章仅介绍分枝定界法,该方法在上 世纪60年代由Land Doig和Dakin等人提出,其具有灵活 且便于计算机求解的优点,所以现在已成为解决整数规划 问题的重要方法。下面通过例子说明分支定界方法的算法 思想和步骤。
运筹学中的线性规划与整数规划
运筹学中的线性规划与整数规划在运筹学中,线性规划和整数规划是两个常用且重要的数学模型。
它们被广泛应用于资源分配、生产调度、物流管理等问题的决策过程中。
本文将介绍线性规划和整数规划的基本概念、数学模型以及求解方法。
一、线性规划线性规划是一种通过线性关系来描述问题的数学模型。
它的目标是在给定的约束条件下,找到使目标函数达到最优的决策变量取值。
线性规划模型一般可以表示为如下形式:Max/Min Z = c₁x₁ + c₂x₂ + ... + cₙxₙs.t. a₁₁x₁ + a₁₂x₂ + ... + a₁ₙxₙ ≤ b₁a₂₁x₁ + a₂₂x₂ + ... + a₂ₙxₙ ≤ b₂...aₙ₁x₁ + aₙ₂x₂ + ... + aₙₙxₙ ≤ bₙx₁, x₂, ..., xₙ ≥ 0其中,Z表示目标函数值,c₁, c₂, ..., cₙ表示目标函数的系数,x₁, x₂, ..., xₙ为决策变量,a₁₁, a₁₂, ..., aₙₙ为约束条件的系数,b₁,b₂, ..., bₙ为约束条件的右侧常数。
线性规划的求解方法主要有两类:图形法和单纯形法。
图形法适用于二维问题,通过绘制目标函数和约束条件在坐标系中的图形,找到交点来确定最优解。
而单纯形法适用于多维问题,通过迭代计算,逐步接近最优解。
二、整数规划整数规划是线性规划的一种特殊情况,它要求决策变量的取值必须为整数。
整数规划模型可以表示为如下形式:Max/Min Z = c₁x₁ + c₂x₂ + ... + cₙxₙs.t. a₁₁x₁ + a₁₂x₂ + ... + a₁ₙxₙ ≤ b₁a₂₁x₁ + a₂₂x₂ + ... + a₂ₙxₙ ≤ b₂...aₙ₁x₁ + aₙ₂x₂ + ... + aₙₙxₙ ≤ bₙx₁, x₂, ..., xₙ ∈ Z其中,Z表示目标函数值,c₁, c₂, ..., cₙ表示目标函数的系数,x₁, x₂, ..., xₙ为整数决策变量,a₁₁, a₁₂, ..., aₙₙ为约束条件的系数,b₁, b₂, ..., bₙ为约束条件的右侧常数。
运筹学的基础
运筹学的基础一、概述运筹学是一门应用数学学科,旨在解决实际问题中的优化、决策和规划等问题。
它涉及多个学科领域,如数学、统计学、计算机科学和工程等。
本文将从以下几个方面介绍运筹学的基础知识。
二、线性规划线性规划是运筹学中最基础也是最常用的方法之一。
它的主要思想是在给定约束条件下,寻找使目标函数最大或最小的变量值。
线性规划问题可以用下列标准形式表示:max c^Txs.t. Ax ≤ bx ≥ 0其中,c和x分别表示目标函数系数和变量向量,A和b分别表示约束条件系数矩阵和常向量。
三、整数规划整数规划是线性规划的扩展,它要求变量取整数值。
这种限制使得整数规划问题更难求解。
通常采用分支定界法或割平面法等算法来求解整数规划问题。
四、网络流问题网络流问题也是运筹学中重要的问题之一。
它涉及到图论中的最大流和最小割等概念,在实际应用中有着广泛的应用。
网络流问题可以用下列标准形式表示:max fs.t. 0 ≤ f ≤ c∑f(i,j) - ∑f(j,i) = 0 (i ≠ s,t)其中,f表示流量,c表示容量,s和t分别表示源点和汇点。
五、排队论排队论是运筹学中另一个重要的问题。
它研究的是在一定条件下,如何通过优化系统结构、调整服务策略等方式来提高服务效率和降低成本。
排队论采用概率模型来描述系统行为,并通过数学方法来优化系统性能。
六、决策分析决策分析是运筹学中最终的目标之一。
它涉及到多种方法和工具,如决策树、贝叶斯网络、模拟等。
决策分析旨在帮助决策者做出最优决策,并同时考虑风险和不确定性因素。
七、结语运筹学的基础知识包括线性规划、整数规划、网络流问题、排队论和决策分析等内容。
这些方法和工具在实际应用中有着广泛的应用,并且不断发展和完善。
掌握这些基础知识对于从事运筹学研究和应用的人员来说是非常重要的。
运筹学——整数规划
5
4
x(0)=(4.81,1.82) Z0=356
3
B 2
1
7x1+20x2=70
C
0 1 2 3 4 5 6 7 8 9 10 x1
x1<=[x1(0)]
12
x1>=[x1(0)]+1
2021/7/26
解:第一步:先不考虑整数约束条件,求解相应的线性 规划问题,得最优解和最优值如下:
x1=4.81, x2=1.82, Z=356 解不满足整数条件。最优值Z=356作为整数规划目标函 数值的上界;用观察法可知x1=0,x2=0是可行解,对应 目标值Z=0作为整数规划目标值的下界,即0 Z* 356
1
2
x6 x7 1
xi 0或1
获利最大的设点方案,第 一个约束条件表示投资总 额限制,之后的三个约束 条件分别表示在东、西和 南区的设点数限制,决策 变量取值0或1。
5
2021/7/26
例3 解决某市消防站的布点问题。该市共有6个区,每 个区都可以建消防站。政府希望设置的消防站最少,但 必须满足在城市任何地区发生火警时,消防车要在15分 钟内赶到现场。据实地测定,各区之间消防车行驶的时 间见下表:
行解, 停止; b) 若有满足整数条件的最优解, 则已得到整数规划问 题的最优解, 停止; c) 若有最优解, 但不满足整数条件, 记此最优值 为原整数规划问题Z*的上界, 然后, 用观察法求出下界. (2)分支、定界直到得到最优解为止
分支:取目标函数值最大的一个支LPs,在LPs的解中任选一不 符合整数条件的变量xj,其值为bj,构造两个约束条件xj≤[bj]和 xj≥[bj]+1。将两个约束条件分别加入问题LPs,得两个后继规划问 题LPs1和LPs2。不考虑整数条件求解这两个后继问题,以每个后 继问题为一分支标明求解结果。
运筹学第三章 整数规划PPT课件
(一)
问题(1)
X1=2, x2=2.67
Z=83.3
x2≤2
x2≥3
问题(0) X1=2.5, x2=2.5
问题(0)的原问题 的目标函数值
上界为:Z^=87.5 下界为:Z=0
Z=87.5
x1≤2
x1≥3
(二)
问题(2)的原问题 的目标函数值
上界为:Z^=80 下界为:Z=75
问题(2)
X1=3, x2=1.75
20
1 11/14 4 2/7 0
检验数zj-cj
0
0
1 11/14 4 2/7 0
15
x1 2
1
0
0
20
x2 2 2/3 0
1
0
0
x5 2 1/3 0
0
1
zj
15
20
0
检验数zj-cj
0
0
0
27.11.2020
问题1求解的单纯形表
《整数规划》
0 1/3
-1 1/3 6 2/3
6 2/3
1 - 1/3 -4 2/3 8 1/3
原问题的松弛问题
max Z 15 x1 20 x 2
6 x1 4 x 2 25
x
1
3x2
10
x 1 0 , x 2 0
注:此松弛问题的最优目标值为原整数规划问题目标值的上界
原问题目标值的上界为Z^=87.5 下界可定为Z=0
27.11.2020
《整数规划》
10
CB 0 0
cj
问题(5)的原问题 的目标函数值 上界为:Z^=72.5 下界为:
问题(6) 无可行解
25
运筹学第三章整数规划
则得最优解。否则取Z值最大的非整数解,继续分解,
转第 3步。
3.3 0-1型整数规划
一、0-1变量及其应用
若变量只能取0或1,称为0-1变量。通常用来表示决
策时是否采取了某个特定方案,例如
1 决策时取P方案
x
0 决策时不取P方案
0-1变量也可用于含有相互排斥约束条件的问题中,
4
5
3
x4 x5 5
x 3
5
x1 , x2 , x3 , x4 , x5 0, 且均取整数值
例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)。由于某些原
因,有三个附加条件,第一,若选择项目1,就必须同时选择
解,A3,A4虽可行,但不是最优解。本例最优解为A*(x1=4,
x2=2),目标函数值z=12。
对松弛问题最优解简单取整不是求整数规划的有效方法!
3.2 分支定界法
分支定界法:一种部分枚举法,不是一种高效的算法。
分支:设整数规划的松弛问题的最优解xi=bi不符合整数
要求,若[bi]是不超过bi的最大整数,构造两个约束条件
项目2,反之则不一定;第二,项目3和项目4中至少选择一个;
第三,项目5,6,7中恰好选择2个。问应如何选择投资项目,
使得总预期收益最大?
解:每个投资项目都有被选择和不被选择的可能,因此令
1 对项目j投资
xj
0 对项目j不投资
j=1,…,n
该整数规划数学模型可表示为
n
max
z cjxj
的解不一定是整数规划的最优解,甚至也不一定
运筹学中的线性规划和整数规划
运筹学中的线性规划和整数规划运筹学是一门涉及决策分析、优化、模型构建和仿真等知识领域的学科,应用广泛,如供应链管理、交通规划、制造业生产、金融投资等方面。
其中,线性规划和整数规划是运筹学中最为基础和重要的优化技术,被广泛应用于各个领域。
一、线性规划线性规划是一种在一组线性约束条件下,求解线性目标函数极值问题的数学方法。
在生产、运输、选址等问题中,线性规划都有着重要的应用。
其数学模型可以表示为:$\max c^Tx$$s.t. Ax \leq b,x\geq 0$其中$c$为目标函数的向量,$x$为决策变量向量,$A$为约束矩阵,$b$为约束向量,$c^Tx$表示目标函数的值,$\leq$表示小于等于。
如果目标函数和约束都是线性的,则可以通过线性规划的求解方法来确定决策变量的最优值。
线性规划的求解方法一般分为单纯形法和内点法两种方法。
单纯性法是线性规划中最为常用的方法,通过对角线交替调整,逐步从可行解中寻找最优解,收敛速度较快,但是存在不稳定的情况。
内点法是近年来发展起来的用于求解大规模线性规划问题的数值方法,其核心思想是迭代求解一系列线性方程组,每次保持解在可行域内部,直到找到最优解为止。
这种方法对大规模问题求解能力强,使用较多。
二、整数规划整数规划是线性规划的升级版,它要求决策变量必须取整数值。
整数规划在很多实际问题中都有着重要的应用,比如很多生产过程中需要将生产数量取整数,物流路径问题需要选取整数条路径等。
与线性规划不同的是,整数规划是NP难问题,没有一种有效的算法能够完全解决所有的整数规划问题。
因此,通常需要采用分支定界、割平面等方法来求解。
分支定界是一种常用的整数规划求解方法。
它通过将整数规划问题分为多个子问题,依次求解这些子问题并优化当前最优解,以逐步逼近最优解。
割平面法则是在分支定界方法的基础上加入约束条件,使得求解过程更加严格化,最终得到更好的结果。
总的来说,运筹学中线性规划和整数规划是不可或缺的优化工具,我们可以通过理论和实践加深对它们的理解。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
12
x1 12 5 2 4 6 x 1 y
x2 8 2 3 2 8 1 0 0 0 0 0 0 150 100 80 120 1
0 0
x1 12 5 2 4 6
x2 8 2 3 2 8
=SUMPRODUCT(B3:C3,$B$8:$C$8) =SUMPRODUCT(B4:C4,$B$8:$C$8) 150 =SUMPRODUCT(B5:C5,$B$8:$C$8) 100 =SUMPRODUCT(B6:C6,$B$8:$C$8) =80+F6 =10000*B10 =20+F7 =10000*C10
设 x1,x2分别为产品A、B的生产量。 max z 600x1 400x2 6 x1 8 x2 5 10x1 5 x2 20 11x1 8 x2 1
6 x1 8 x2 120 10x 5 x 100 1 2 11x1 8 x2 130 x1 , x2 0
K j c j x j C j xi 0
x 0 x 0
j j
Kj为与生产量无关的生产准备费用,生产才发生,不生产不发生。 解决方法:设置一个逻辑变量yj,当 xj=0时,yi=0,当xj>0时,yj=1 为此引进一个特殊的约束条件,则模型设为
min z c j x j K j y j
i 1, 2
又M为任意大的数,则问题可表达为
x1 4 y1M x 1 y M 1 2 x1 4 y2 M x2 3 y 2 M y1 y2 1 y1 , y2只取0或1
4
整数规划
4、用以表示含固定费用的函数
用xj代表产品j的生产量,其生产费用函数通常可表示为:
2
整数规划 2、约束条件的右端可能是b1或b2…br
即:
n
a x
j 1 ij
j
b1或b2 或br
1 0 假定约束右端为 i b 否则
引入变量定义为: yi
则原约束可表示为
r n aij x1 bi yi i 1 j 1 y y y 1 2 r 1
9
整数规划
例3
东方大学计算机实验室聘用4名大学生(代号为1、2、3、4), 两名研究生(代号为5、6)值班答疑,已经每人周一至周五每天最 多可安排时间及每人每小时的报酬如下表:
学生代号 1 报酬 10 每天最多可安排的值班时间 周一 6 周二 0 周三 6 周四 0 周五 7
2
3 4 5
10
9.9 9.8 10.8
y1 , y2为0或1
注:其中M代表任意大的数,可用 一很大数代替
7
整数规划
例2
红星日用化工厂为发运产品,下一年度需6种不同容积的包装, 每种包装的需求量及生产一个的可变费用如下表:
包装箱代号 容积(m3) 需求量(个) 可变费用(元/个) 1 0.08 500 5 2 0.1 550 8 3 0.12 700 10 4 0.15 900 12.1 5 0.2 450 16.3 6 0.25 400 18.2
5 x 8i 1, ,4 大学生不少于8h ij j 1 5 研究生不少于7 h xij 7i 5,6 j 1 6 每天开放14h xij 14 j 1, ,5 i 1 6 yij 3 j 1, ,5 每天不超过3人 i 1 5 yij 3i 1, ,6 每人不超过3次 j 1 每天至少一个研究生 y5 j y 6 j 1 x 0; y 0或 1i 1, ,6; j 1, ,5 ij ij
i 1
x1 x2 x3 x4 x5 3500 x 400 6 x5 x6 850 x4 x5 x6 1750 x x x x 2450 3 4 5 6 x2 x3 x4 x5 x6 3000 x j My j j 1, ,6 x 0; y 0或 1 j 1, ,6 j j
整数规划
三、0-1规划的应用举例
1、m个约束条件只有k个起作用
m个约束条件可表示为:
n
a
j 1
ij
bi
i 1,, m
或 aij bi
j 1
n
i 1,, m
增加变量定义为:
1 yi 0 假定第i个约束条件不起作用 假定第i个约束条件起作用
又设M为任意大的数,则 n n aij x j bi Myi 或 aij bi - Myi s.t. j 1 j 1 y y y m k 2 m 1
整数规划
【解】
设: xij为学生i在周j值班时间,aij代表学生i在周j 最多值班时间, ci代表学生i的报酬。 安排学生i在周j值排 1 6 5 yij min z ci xij 否则 i 1 j 1 0 2 yij xij aij yij i 1, ,6; j 1, ,5 不超过安排
3 0.12 700 10
4 0.15 900 12.1
5 0.2 450 16.3
6 0.25 400 18.2
设: xj为代号j包装箱的订做数量。
订做第j种包装箱 1 yj 否则 0 6 min z 5 x1 8 x2 10x3 12.1x4 16.3 x5 18.2 x6 1200 y j
i 1,, m
表明:m个约束条件中有m-k个的右端项为bi+Myi,不起约束作用
1
整数规划
【实例】
maxZ= 3x1 +5 x2 x1 ≤8 (1)三个约束中只有两个起作用 2x2 ≤12 (2)三个约束中至少有两个起作用 3x1 +4 x2 ≥ 36 x1 ≥0, x2 ≥0 引入辅助变量 模型化为:
【例如】某约束为 2x1+5x2-x3≤2或3 2x1+5x2-x3≤2y1+3y2 引入辅助变量y1,y2, 约束化为 y1+y2=1 y1,y2只取0或1
3
整数规划
3、两组条件满足其中一组
若x1≤4,则 x2≥1;否则(即x1>4时), x2≤3
引入变量定义为:
1 yi 0
第i组条件不起作用 第i组条件起作用
由于生产不同容积包装箱需进行专门准备、下料等,生产某一 容积包装箱的固定费用为1200元,又若某一容积包装箱数量不够时, 可用比它容积大的代替。试问化工厂应订做哪几种代号的包装箱各 多少个,使费用最节省。
8
整数规划
包装箱代号 容积(m3) 需求量(个) 可变费用(元/个)
1 0.08 500 5
2 0.1 550 8
11
整数规划 0-1规划应用举例: maxZ= 12 x1 + 8 x2 5x1+2 x2≤ 150 2 x1+3 x2≤ 100 4x1+2 x2≤ 80或6x1+8x2≤ 120 x1, x2 ≥0 maxZ= 12 x1 + 8 x2 5x1+2 x2≤ 150 2 x1+3 x2≤ 100 4x1+2 x2≤ 80+My1 6x1+8x2≤ 120+My2 y1+y2 ≤1 x1, x2 ≥0
1 yi 0 假定第i个约束条件不起作用 假定第i个约束条件起作用 i 1,2,3
maxZ= 3x1 +5 x2 maxZ= 3x1 +5 x2 x1 ≤8+My1 x1 ≤8+My1 2x2 ≤12+My2 2x2 ≤12+My2 3x1 +4 x2 ≥ 36-My3 3x1 +4 x2 ≥ 36-My3 y1+y2+y3=1 y1+y2+y3≤1 x1 ≥0, x2 ≥0,yi只取0或1 x1 ≥0, x2 ≥0,yi只取0或1
0
4 5 3
6
8 5 0
0
3 6 4
6
0 0 8
0
5 4 0
6
11.3
0
6
0
6
3
实验室开放时间为早8:00至晚10:00,值班时须有且仅须有 一名学生值班,规定大学生每周值班不少于8小时,研究生每周值 班不少于7小时,每名学生值班不超过3次,每次不少于2小时,每 天安排值班不超过3人,且一名为研究生。试安排一张,使总报酬 10 最低。
6
整数规划 如果生产产品A,工厂要花费1000元的固定成本,如果生 产产品B,工厂要花费800元的固定成本。 假设其它情况不变, 请你为该工厂设计一个使利润最大化的生产方案。
再令y1,y2分别表示生产A、B和可能性(即1为生产,0为不生产)
max z 600x1 400x2 6 x1 8 x2 5 10x1 5 x2 20 11x1 8 x2 1 1000y1 800y2 6 x1 8 x2 120 10x 5 x 100 2 1 11x1 8 x2 130 x1 My1 x2 My2 x1 , x2 , y1 , y2 0
n j 1
0 x j Myi yi yi 0或1
可以看出当xj=0时,yi=0;而如果yi=1,则必有xj>0
5
整数规划
【应用1】
工厂的各种产品所需要的机时、人工工时、原材料的资源数量 及可用资源的总量、产品的售价和各种资源的价格等因素。有关信 息在下表中给出。
产品A 产品B 资源总量 资源价格(元/单位) 机器(时) 6 8 120 5 人工(时) 10 5 100 20 原材料(公斤) 11 8 130 1 产品售价(元) 600 400