整数规划中的割平面法和分枝定界法的研究
整数规划的数学模型分枝定界法割平面法型整数规
将 L0 分解为 L1 和 L2，其中： L1={L0, x2 7} L2={L0, x2 8}
2018/9/17
求解练习题
L1 求解单纯形表 cj 2 5 4 0 0 CB XB x1 x2 x3 x4 x7 4 x3 1/2 0 1 1 -1/2 5 x2 1/2 1 0 0 1/2 0 x6 3/2 0 0 -5 5/2 0 x7 0 1 0 0 0 σ 基变量系数向量单位化 cj 2 5 4 0 0 CB XB x1 x2 x3 x4 x7 4 x3 1/2 0 1 1 -1/2 5 x2 1/2 1 0 0 1/2 0 x6 3/2 0 0 -5 5/2 0 x7 -1/2 0 0 0 -1/2 -5/2 0 0 -4 -1/2 σ
……...
am1 x1+ am2 x2 +…+ amn xn (=,) bm x1~n 0 且取整数 纯整数规划: 所有变量都有取整约束 混合整数规划: 只有部分变量有取整约束
2018/9/17
分枝定界法
1.分枝定界法的基本思路 2.第65页例5-1
3.练习题
2018/9/17
分枝定界法的基本思路
2018/9/17
用割平面法解例
x2 +3/4 x3 +1/4 x4 =7/4 现将各系数分成整数和非负真分数两部分，从而可得： (1+0)x2+(0+3/4) x3+(0+1/4) x4 =(1+3/4) 将整数部分的变量移至等式右端有： 3/4 x3 +1/4 x4 =3/4+（1- x2 ） 非负整数解(1- x2)为整数，左端非负故有： 3/4 x3 +1/4 x4 =3/4+非负整数 从而： 3/4 x3 +1/4 x4 3/4 或 x2 1 以 x2 1为割平面可使可行域减少一个包括A点在内的三角形。 2018/9/17
分支定界法和割平面法
分支定界法和割平面法在上学期课程中学习的线性规划问题中，有些最优解可能是分数或消失，但现实中某些具体的问题，常要求最优解必须是整数，这样就有了对于整数规划的研究。
整数规划有以下几种分类：（1）如果整数规划中所有的变量都限制为（非负）整数，就称为纯整数规划或全整数规划；（2）如果仅一部分变量限制为整数，则称为混合整数规划；（3）整数规划还有一种特殊情形是0-1规划，他的变量取值仅限于0或1。
本文就适用于纯整数线性规划和混合整数线性规划求解的分支定界法和割平面法，做相应的介绍。
一、分支定界法在求解整数规划是，如果可行域是有界的，首先容易想到的方法就是穷举变量的所有可行的整数组合，然后比较它们的目标函数值以定出最优解。
对于小型问题，变量数量很少，可行的整数组合数也是很小时，这个方法是可行的，也是有效的。
而对于大型的问题，可行的整数组合数很大时，这种方法就不可取了。
所以我们的方法一般是仅检查可行的整数组合的一部分，就能定出最有的整数解。
分支定界法就是其中一个。
分枝定界法可用于解纯整数或混合的整数规划问题。
在二十世纪六十年代初由Land Doig 和Dakin 等人提出。
由于这方法灵活且便于用计算机求解，所以现在它已是解整数规划的重要方法。
目前已成功地应用于求解生产进度问题、旅行推销员问题、工厂选址问题、背包问题及分配问题等。
设有最大化的整数规划问题A ，与它相应的线性规划为问题B ，从解问题B 开始，若其最优解不符合A 的整数条件，那么B 的最优目标函数必是A 的最优目标函数z *的上界，记作z ；而A 的任意可行解的目标函数值将是z *的一个下界z 。
分枝定界法就是将B 的可行域分成子区域再求其最大值的方法。
逐步减小z 和增大z ，最终求到z *。
现用下例来说明：例1 求解下述整数规划 219040Maxx x z +=⎪⎩⎪⎨⎧≥≥+≤+且为整数0,702075679212121x x x x x x解 （1）先不考虑整数限制，即解相应的线性规划B ，得最优解为：124.81, 1.82,356x x z ===可见它不符合整数条件。
求解整数规划常用的方法有分枝定界法和割平面法
寻找割平面方程
（1）由单纯形最终表得到决策变量非整数解方程，设 1 x1 ai k xk bi 为
k
其中bi是基变量的非整数解。 （2）将aik和bi分解为整数N和正真分数f 两部分之和
a ik N ik f ik , bi N ni f bi
2
将（2）代入(1)中,然后将整数置于方程左边，分 数置于方程右变，即
xi
N
k
ik x k
N bi f bi
f
k
ik xk
0
(3)得割平面方程
f bi
f
k
ik x k
0
3
整数线性规划模型的求解——分枝定界法
基本思想 通过分枝枚举来寻找最优解。首先不考虑对变 量的整数要求，求解相应的线性规划模型，如求得 最优解不符合整数要求，则把原模型分解为两部分， 每一部分都增加新的约束条件以减少相应线性规划 模型的可行域。通过不断分解，逐步逼近满足要求 的整数最优解，在这个过程中包括了“分枝”和 “定界”两个关键步骤。
1 1 1 0
利用这一性质，可以使原系数矩阵(cij)变换成含有
很多0元素的新系数矩阵
11 c ij ，而最优解保持不变。
匈牙利法是针对目标要求极小化问题提出的 基本原理：为了实现目标极小，在系数矩阵 元素cij≥0条件下，如果能使矩阵具有一组处于 不同行不同列的零元素cij’＝0，画上圈符号 “◎”，表示对应该元素的决策变量xij=1，未画 圈元素对应的决策变量xij＝0，那么目标的数值 z’＝0为最小，这样的组合解x就是最优解。所以 匈牙利法又称画圈法。 画圈法的关键是如何实现系数矩阵具有一组 处于不同行又不同列的0元素（独立零），并保 证所画的圈的个数等于矩阵的阶数。
整数规划 割平面法 分枝定界法
割平面法的关键在于如何确定切割方程，使之能对可行域进行 真正的切割，而且切去部分不含有整数解点。
下面讨论切割方程的求法。 设与整数规划相对应的线性规划最优解中基变量XBi=（B-1b)i不 是整数，将最优单纯形表中该基变量对应的行还原成约束方程，即 XBi +ΣaijXj=（B-1b)i ⑴ 将（B-1b)i，aij都分解成整数与非负真分数之和的形式，即 （B-1b)i=Ni+fi 其中0＜ fi ＜1 ⑵ aij=Nij+fij 其中0≤ fij ＜1 ⑶ 这里Ni、Nij是整数，将⑵、 ⑶代入⑴，得 XBi +Σ（Nij+fij）Xj=Ni+fi 即 XBi +ΣNijXj-Ni=fi-ΣfijXj ⑷ 当诸Xi都是整数时， ⑷式左端是整数，所以右端亦应是整数，但右 端是两个正数之差，且∵0＜ fi ＜1，∴ fi-ΣfijXj是小于1的整数，从
9x1+ 7x2=56 Z=40x1+90x2 D1
4
7x1+20x2=70
D2
6
10
x1
求解线性规划L1、L2 得最优解为： 问题L1： L+ x1≤4 x1=4.00 x2=2.10 Z1=349 问题L2： L+ x1≥5 x1=5.00 x2=1.57 Z2=341
因为没有得到整数解，所以继续对L1进行分解，增加约束： x2≤2，x2≥3将L1分解成问题L3与L4，并求得最优解如下： 问题L3： L1+ x2≤2 问题L4：L1+x2≥3
例2 求解下面整数规划
x2 8
maxZ=40x1+90x2 ⑴ 9x1+ 7x2≤56 ⑵ 7x1+20x2≤70 ⑶ 4 x1,x2≥0 ⑷ x1,x2 整数 ⑸ 解：先不考虑条件⑸，求解相 0 应的线性规划问题L，得最优解 x1=4.81，x2=1.82，Z0=356（见图） 该解不是整数解。选择其中一个 非整数变量，如x1=4.81，对问题 L分别增加约束条件： x1≤4，x1≥5 将问题L分解为两个子问题L1，L2 （分枝），也就是去掉问题L不含 整数解的一部分可行域，将原可 行域D变为D1、D2两部分（如图）。
1整数规划的基本特点§2分枝定界法§3割平面法§4分配问题及其解法
将松弛变量加到G1中得到LP问题G2:
G2： max z 3x1 2 x 2 2 x1 3x 2 x3 14 2 x1 x 2 x 4 9 1 1 1 s.t. x3 x 4 x5 2 2 2 1 1 x5 x 6 2 2 x j 0( j 1,,6)
第一步：把问题中所有约束条件的系数均化 为整数，若不考虑变量的整数约束，可写出一般 的线性规划问题G0：
G 0： max z 3 x1 2 x 2 2 x1 3 x 2 14 s.t. 2 x1 x 2 9 x1 , x 2 0
用单纯形法求得上述问题的最终单纯形表如下：
第5章 整数规划
§1 §2 §3 §4 §5 整数规划的基本特点 分枝定界法 割平面法 分配问题及其解法 整数规划的应用举例
§3 割平面法
• 这是求解整数规划问题最早提出的一种方法， 1958年由Gomory提出。 • 他的基本思想是在整数规划问题的松弛问题中 依次引进线性约束条件，是可行域逐步缩小。 但每次切割只割去问题的部分非整数解，直到 使问题的目标函数值达到最优的整数点成为缩 小后可行域的一个顶点，这样即可用线性规划 问题的方法找出这个最优解。 • 具体步骤如下：
迭代 基变 次数 量 CB x2 x1 2 3 Cj-Zj
x1 3 0 1 0
x2 2 1 0 0
x3 0 1/2 -1/4 -1/4
x4 0 -1/2 3/4 -5/4 b 5/2 13/4
比值 bi/aij
第二步：找出非整数解变量中分数部分最大的一个基变量， 并写下这一行的约束 1 1 1 x3 x4 2 2 2 2 将上式中所有常数写成整数与一个正分数值之和得 x2 1 1 1 x2 (0 ) x3 (1 ) x4 (2 ) 2 2 2 分数项移到等式右端，整数项移到等式左端得到 1 1 1 x2 x4 2 x3 x4 2 2 2 右端也必须取整数值，又因x2 , x4 0，因此有 1 1 1 x3 x4 0 2 2 2 加上松弛变量后得Gomory约束 1 1 1 x3 x4 x5 0 2 2 2
求解整数规划的方法
求解整数规划的方法整数规划是一种最优化问题，其解决方案限制了决策变量必须取整数值。
整数规划的应用非常广泛，涉及到许多实际问题，如制造业生产调度、物流优化、资源分配等。
在本文中，我们将介绍几种常用的整数规划方法。
一、分支定界法分支定界法是一种常用的整数规划求解方法，它通过不断将解空间分割为子问题并求解这些子问题，最终找到整数规划的最优解。
具体步骤如下：1. 初始时，将整数规划问题转化为一个线性规划问题，并求解线性规划问题的松弛解。
2. 如果松弛解满足整数约束条件，则找到一个整数解，更新当前最优解。
3. 如果松弛解不满足整数约束条件，则选择一个变量将其分割为两个子问题，并分别求解这两个子问题。
4. 对每个子问题，递归地应用上述步骤，直到找到一个整数解或者确定当前子问题的上界小于当前最优解。
5. 最终，得到整数规划的最优解。
分支定界法的优点是能够保证找到最优解，但其缺点是计算复杂度较高，特别是在问题规模较大时，会导致计算时间过长。
二、整数规划的近似算法当整数规划问题规模较大时，找到精确解的计算复杂度可能变得非常高，此时可以考虑使用近似算法来求解。
近似算法的思想是通过放松整数约束条件，将整数规划问题转化为一个线性规划问题，并对线性规划问题进行求解。
然后，根据线性规划问题的解，对整数规划问题进行修正，得到整数规划问题的一个近似解。
三、割平面法割平面法是一种常用的整数规划求解方法，它通过添加一系列线性不等式（割平面）来逐步减小可行解空间，最终找到整数规划的最优解。
具体步骤如下：1. 初始时，将整数规划问题转化为一个线性规划问题，并求解线性规划问题的松弛解。
2. 如果松弛解满足整数约束条件，则找到一个整数解，更新当前最优解。
3. 如果松弛解不满足整数约束条件，则根据当前松弛解所对应的目标函数值，添加一系列线性不等式（割平面）来限制可行解空间。
4. 对添加了割平面约束的线性规划问题，继续求解，并更新最优解。
5. 重复以上步骤，直到找到一个整数解或者确定当前问题的上界小于当前最优解。
简单介绍分支界定法与割平面法
缺点：某些变量要求整数不能运用到对数，指数函数中分支界定法：分枝定界法是一个用途十分广泛的算法，运用这种算法的技巧性很强，不同类型的问题解法也各不相同。
分支定界法的基本思想是对有约束条件的最优化问题的所有可行解（数目有限）空间进行搜索。
该算法在具体执行时，把全部可行的解空间不断分割为越来越小的子集（称为分支），并为每个子集内的解的值计算一个下界或上界（称为定界）。
在每次分支后，对凡是界限超出已知可行解值那些子集不再做进一步分支。
这样，解的许多子集（即搜索树上的许多结点）就可以不予考虑了，从而缩小了搜索范围。
这一过程一直进行到找出可行解为止，该可行解的值不大于任何子集的界限。
分枝定界法已经成功地应用于求解整数规划问题、生产进度表问题、货郎担问题、选址问题、背包问题以及可行解的数目为有限的许多其它问题割平面法：它的基本思想和分枝界定法基本上一致，首先不考虑变量的整数约束，利用单纯形法求解出线性规划的最优解，如果得到的解是整数那么这个最优解就是原来问题的最优解，如果最优解不是整数解，则就用一张平面将原来的含有最优解的非整数点但不包含整数可行解的点的那一部分可行域切割掉，也就是在原来的整数线性规划的基础上增加适当的线性约束不等式，这个约束不等式就叫切割不等式当其取等号时就是割平面了。
此后，继续解这个新得到的整数线性规划，如果得到的新最优解是整数，运算就停止，如果不是整数则继续增加适当的线性约束不等式，直到求出的解满足最优整数要求为止。
通过构造一系列平面来切割掉不含有任何整数可行解的部分，最终获得一个具有整数坐标的顶点的可行域，而该顶点恰好是原整数规划的最优解。
割平面法的关键在于，如何构造切割不等式，使增加该约束后能达到真正的切割而且没有切割掉任何整数可行解。
单纯形法是从原始问题的一个可行解通过迭代转到另一个可行解，直到检验数满足最优性条件为止。
单纯形法是从原始问题的一个可行解通过迭代转到另一个可行解，直到检验数满足最优性条件为止。
4.3-分枝定界法和割平面法
剪枝 x 3 再分枝： 2
不是问题A解 而z (12 ) z
B1 : x1 4.00 x2 2.10 z (1) 349 z
z (12 ) 327
4
x2 2
B11 : x1 4.00 x2 2.00 z (11) 340
定界： z 340 z 341
z 340 z 341
分支定界的全过程： B2 : x1 5.00 B1 : x1 4.0 0
x 2 2 .1 0
x2 1.57
x2 2
z
(1)
B11 : x1 4.00 x2 2.00 z
(11)
xx 34 2 最优解： 1
3 49
z ( 2 ) 341
（3）求解
点
求解过程如表4－6所示。
过滤条件 约束 ④ × √ √ √ 4x1＋3x2＋2x3≥5 × √ × √ √ √ √ × √ √ 5 √ 2 ① ② ③ z值
4x1＋3x2＋2x3≥2
（0，0，0）T （0，0，1）T （0，1，0）T （0，1，1）T （1，0，0）T （1，0，1）T
§4 分枝定界法
第二步:定界
记A的目标函数最优值为z*,以z(0)作为z* 的上界,记为 z =z(0).再用观察法找的一个整数可 行解X′,并以其相应的目标函数值z′作为z*的下 界,记为z＝z′,也可以令z＝－∞,则有: *
zz z
§3 分枝定界法
第三步:分枝
在以上界 z 所对应的解 X (b1,, br ,, bm ,0,,0)T 中,任选一个不符合整数条件的变量,例如 br(不 为整数),以 [br ]表示不超过 br 的最大整数.构造 两个约束条件
4-3 分枝定界法
B
1.2x1 + 0.8x2 ≤ 10 2 x1 + 2.5x2 ≤ 25 LP1 : x1 ≤ 3 x1 , x2 ≥ 0 max Z = 4 x1 + 3x2
LP1
LP2:X=(4,6.5),Z2=35.5
LP2
C o 3 4 10
1.2x1 + 0.8x2 ≤ 10 2 x1 + 2.5x2 ≤ 25 LP2 : x1 ≥ 4 x1 , x2 ≥ 0
5
x2 A
1.2x1 + 0.8x2 = 10
松弛问题LP0的最优解 X=(3.57,7.14),Z0=35.7 B
10
2x1 + 2.5x2 = 25
o
C 8.33
10
6
x1
x2 ① ② 10 A
增加约束x1 ≤ 3及x1 ≥ 4得到两个线性规划
max Z = 4x1 + 3x2
LP1:X=(3,7.6),Z1=34.8
4
【例1】用分枝定界法求解 】
max Z = 4 x 1 + 3 x 2 1 . 2 x 1 + 0 . 8 x 2 ≤ 10 2 x 1 + 2 . 5 x 2 ≤ 25 x , x ≥ 0 , 且均取整数 1 2
【解】先求对应的松弛问题（记为LP0）： 先求对应的松弛问题（记为 ）：
第四章 整数规划
4.1 整数规划数学模型和解的特点 4.2 分配问题 4.3 分枝定界法 4.4 割平面法 4.5 应用举例
1
4.3 分支定界法
分支定界法
2
原理： 原理：
首先，不考虑变量的整数约束，求解松弛问题线性规 首先，不考虑变量的整数约束， 划的最优解。如果线性规划的最优解恰好是整数解， 划的最优解。如果线性规划的最优解恰好是整数解，则 这个解就是整数规划的最优解。 这个解就是整数规划的最优解。 如果线性规划的最优解中至少有一个变量不是整数， 如果线性规划的最优解中至少有一个变量不是整数， 把线性规划的可行域切割成两部分， 把线性规划的可行域切割成两部分，分别求解两个线性 规划的最优解。 规划的最优解。 如果这两个线性规划的最优解还不是整数解， 如果这两个线性规划的最优解还不是整数解，分别把 每一个可行域再进行分割。这个过程，叫做“分支” 每一个可行域再进行分割。这个过程，叫做“分支”。 过程得到的整数解中， 分支过程得到的整数解中，目标函数值最优的一个叫 做整数规划目标函数值的“ 做整数规划目标函数值的“界”。分支过程中非整数的 线性规划的最优解， 线性规划的最优解，如果目标函数值劣于或等于这个 就停止继续分支。这个过程，叫做“定界” “界”，就停止继续分支。这个过程，叫做“定界”。
分枝定界法,割平面法
( 2 8)
割平面法的思想：
割平面法也是通过解伴随规划的方法来解整数规划的.如果 伴随规划的最优解不是整数解,则增加线性约束(割平面),切 掉可行域中不含整数解的部分域,在新的约束条件下再解伴随 规划.不断重复这个过程,直到伴随规划的最优解是整数解为止. 经过割平面对可行域的不断切割,最优整数解最终成为新可行 域的顶点.
第三章 整数规划
3.1 整数规划数学模型 3.2 分枝定界法 3.3 割平面法 3.4 分配问题 3.5 0-1整数规划
第一节 整数规划的数学模型 例： 某工厂拟用集装箱托运甲、乙两种货物，每 箱的体积、重量、可获得的利润以及托运限 制如下表：
货物
甲 乙 托运限制
体积 重量 利润 5 20 200 4 50 100 240 1300
x2
S3
6
Z 4
Z
0
max Z x1 x2
9 51 x1 x2 14 14
x1 2或x1 3
max Z x1 x2
s .t .
1
2
3 S7
x1
14
x1
( 2 6)
9 51 x2 14 14
1 2 x1 x2 3 x1 2 0 x2 2
第二节 分枝定界法 例3-1 max Z x x 1 2
s .t .
max Z x1 x2
s .t .
x1
9 51 x2 14 14
伴随规划
x1
9 51 x2 14 14
1 ( 2 1) 2 x1 x 2 3 x1 , x2 0, 整数
1 ( 2 1) 2 x1 x 2 3 x1 , x2 0
整数规划问题的求解策略探讨
整数规划问题的求解策略探讨整数规划问题是指在约束条件下，目标函数为整数线性函数的优化问题。
在实际应用中，整数规划问题广泛存在于生产调度、资源分配、网络设计等领域。
由于整数规划问题的复杂性，其求解过程需要采用合适的策略和方法。
本文将探讨整数规划问题的求解策略，包括分枝定界法、割平面法、启发式算法等，并分析它们的优缺点及适用场景。
一、分枝定界法分枝定界法是求解整数规划问题最常用的方法之一。
其基本思想是通过不断地将问题分解为子问题，并对每个子问题进行求解，直到找到最优解为止。
在分枝定界法中，通常采用深度优先搜索或广度优先搜索的方式遍历搜索空间，通过对搜索树的分支进行限界，剪去一些不必要的分支，从而提高求解效率。
分枝定界法的优点在于能够确保找到最优解，尤其适用于规模较小的整数规划问题。
然而，对于规模较大的问题，分枝定界法的计算复杂度会随着搜索空间的增大而急剧增加，导致求解时间过长。
因此，在实际应用中，需要结合问题的特点和求解需求来选择是否采用分枝定界法。
二、割平面法割平面法是另一种常用的整数规划求解方法。
该方法通过引入额外的线性约束（割平面）来逐步逼近整数规划问题的最优解。
割平面法的核心思想是通过不断添加线性不等式约束，将整数规划问题的凸包逼近到凸壳，从而逐步缩小搜索空间，最终找到最优解。
割平面法的优点在于能够有效地提高求解效率，尤其适用于存在大量连续约束的整数规划问题。
然而，割平面法的实现过程较为复杂，需要对问题的线性松弛模型进行求解，并不断生成有效的割平面。
因此，对于一些特定结构的整数规划问题，割平面法可能并不是最优的求解策略。
三、启发式算法除了传统的分枝定界法和割平面法外，启发式算法也被广泛应用于整数规划问题的求解中。
启发式算法是一类基于经验和规则的启发式搜索方法，通过模拟生物进化、群体智能等自然现象，寻找最优解或近似最优解。
常见的启发式算法包括遗传算法、蚁群算法、模拟退火算法等。
这些算法在求解整数规划问题时，能够有效地避免陷入局部最优解，提高求解速度和质量。
整数规划模型的构建及求解方法
整数规划模型的构建及求解方法整数规划是一种数学优化问题，其目标是在给定的约束条件下，寻找能够使目标函数最大或最小的整数解。
在实际应用中，整数规划模型常被用于决策问题的求解，如生产计划、物流调度、资源分配等。
本文将介绍整数规划模型的构建方法以及常用的求解方法。
一、整数规划模型的构建方法1.确定决策变量：首先需要确定问题中的决策变量，即可用整数来表示的变量。
这些变量一般代表决策问题中的选择或分配方案。
例如，在生产计划问题中，决策变量可以是不同产品的生产数量。
2.定义目标函数：目标函数是整数规划问题中要最大化或最小化的指标。
根据问题的具体要求，可将目标函数设定为各个决策变量的线性组合或非线性函数。
例如，生产计划问题中，目标函数可以是利润的最大化或成本的最小化。
3.确定约束条件：约束条件用于限制决策变量的取值范围，以满足问题的实际限制。
约束条件可以是等式或不等式。
例如，在物流调度问题中，约束条件可以包括产品的需求量、供应量以及运输容量等。
4.完善模型：为了更准确地描述问题，还需要考虑一些特殊约束条件和问题的具体要求。
例如，某些决策变量可能需要满足某种关系或限制条件，或者需要指定某些变量的取值范围。
二、整数规划模型的求解方法1.穷举法：穷举法是最简单直接的求解方法，即将所有可能的整数解都列举出来，并计算对应的目标函数值，最后选取最优解。
然而，穷举法由于计算复杂度高，只适用于问题规模较小的情况。
2.分支定界法：分支定界法是一种逐步缩小解空间的方法。
通过将整数规划问题分解成若干个子问题，并为每个子问题设定上下界，不断迭代求解，最终找到最优解。
这种方法可以高效地搜索整数解空间，但对于规模较大的问题，计算时间可能会很长。
3.割平面法：割平面法是一种逐步划分解空间的方法。
它通过添加割平面来修正原始线性规划松弛的解，使其成为整数解。
这种方法能够快速收敛到最优解，并且具有较好的计算效率。
4.分枝定界法：分枝定界法是将分支定界法和割平面法相结合的方法。
运筹学试验：整数规划
《运筹学》上机实验报告三(整数线性规划)实验名称：利用Gomory割平面法编程求解整数规划问题；利用分枝定界法编程求解整数规划问题实验目的：1. 学会软件lindo/lingo的安装及基本的操作；2. 对实际问题进行数学建模，并学会用数学软件Matlab或运筹软件Lindo/Lingo 对问题进行求解。
实验内容：1．用lindo/lingo 计算（学会输入、查看、运行、结果分析）max z = 20x1 + 10x25x1 + 4x2 ≤ 242x1 + 5x2 ≤ 13x1,x2 ≥ 0x1,x2取整数2．(指派问题)现在有A 、B、C、D、E五种任务，要交给甲、乙、丙、丁、戊去完成，每人完成一种任务，每个人完成每种任务所需要的时间如下表。
问应该如何安排个人完成哪项任务可使总的花费的时间最少？(建立数学模型，用数学软件求解该问题，写出结果并对运行结果加以说明)A B C D E任务人甲127979乙89666丙717121412丁15146610戊41071063.选址问题某跨国公司准备在某国建三个加工厂，现有8个城市供选择，每个城市需要的投资分别为1200万美元、1400万美元、800万美元、900万美元、1000万美元、1050万美元、950万美元、150万美元，但投资总额不能超过3400万美元，形成生产能力分别为100万台、120万台、80万台、85万台、95万台、100万台、90万台、130万台，由于需求的原因，要求：城市1和城市3最多选1个，城市3、城市4、城市5最多选两个，城市6和城市7最少选1个，问选择哪些城市建厂，才能使总的生产能力最大？(建立数学模型，用数学软件求解该问题，写出结果并对运行结果加以说明)整数变量定义LinDo一般整数变量:GIN <Variable>0-1整数变量: INT <Variable>LinGo一般整数变量: @GIN( variable_name);0-1整数变量：@BIN( variable_name);例如（1）Lindo运算程序max 3 x1+5 x2+4 x3subject to2 x1+3 x2<=15002 x2+4 x3<=8003 x1+2 x2 +5 x3<=2000endgin x1gin x3（2） max z = 3x1 - 2x2 + 5x3x1 + 2x2 - x3 ≤ 2x1 + 4x2 + x3 ≤ 4x1 + x2 ≤ 34x2 + x3 < 6x1,x2,x3 = 0或1lingo程序：max =3*x1 – 2*x2 + 5*x3;x1 + 2*x2 - x3 <= 2;x1 + 4*x2 + x3 <= 4;x1 + x2 <= 3 ; 4*x2 + x3< 6; @bin(x1);@bin(x2);@bin(x3);。
函数单调性的应用论文开题报告
[9]李爱云，李斌.整数规划中的分支定界在水泵选型中的应用[J].水利科技与经济，2007.3
[10]高培旺.高效求解整数线性规划问题的分支算法[J].计算机应用，2010.4
2.研究步骤
(1)选定课题：根据对所学专业知识熟练与理解程度评估，选择了自己较为容易
研究的课题。
(2)收集资料：根据所选课题收集大量相关的材料。首先将有关运筹学中整数规划
的内容进行收集、归纳；再则去校图书馆查阅相关的资料，借阅有
关的书籍以及习题讲解；最后利用电脑在网上查阅更多的资料来丰
富论文研究内容。
[3]许志国，马仲蕃.整数规划初步[M].沈阳：辽宁教育出版社，1990
[4]赵玮，王荫清.随机运筹学[M].北京：高等教育出版社，1993
[5]张香云.线性规划[M].浙江：浙江大学出版社，2009
[6]张雅琴，王希云.分枝定界法在最优化问题中的应用[J].经济技术协作信息，2007.17
[7]李一明，李毅.分枝定界法分布并行化研究[J].计算机应用，2006.3
(3)整合资料：将所收集的资料进行整合，则优而不泛用。
(4)确定题目：在整理好所需资料，大致的方向有所掌握后再确定论文的题目，好
在研究过程中的主体明确。
四计划：2011年2月
实施调查或实验：2011年2月至3月
撰写论文初稿及修改：2011年3月至5月
二、研究的主要内容和预期目标
研究的主要内容：
一、Gomory割平面法
(1)割平面法的基本思想
(2)割平面法步骤
二、分枝定界法
(1)分枝定界法的基本思想
分支定界法和割平面法的基本原理
分支定界法和割平面法的基本原理分支定界法和割平面法是一种在数学和计算机科学领域中常用的问题求解方法。
本文将分别介绍这两种方法的基本原理。
一、分支定界法的基本原理分支定界法是一种通过将问题划分为多个子问题，并对每个子问题进行求解来解决复杂问题的方法。
其基本思想是通过对问题的解空间进行划分，每次选择一个子问题进行求解，并根据已知的信息对该子问题的解空间进行进一步的缩小。
这样，不断缩小解空间，最终找到问题的最优解或最优解的近似解。
具体来说，分支定界法包括以下几个步骤：1. 初始划分：将问题的解空间划分为多个子问题，并选择一个子问题进行求解。
2. 求解子问题：对选定的子问题进行求解，得到一个解或一个解的集合。
3. 解空间缩减：根据已知的信息，对选定的子问题的解空间进行缩减，即排除一些不可能的解或不优的解。
4. 判断终止条件：判断是否满足终止条件，如果满足，则停止求解；否则，返回第2步，选择一个新的子问题进行求解。
分支定界法的优点是可以找到问题的最优解或最优解的近似解，并且可以通过对解空间的划分和缩减，减少问题的求解空间，提高求解效率。
但是，分支定界法的缺点是在问题的解空间较大时，可能需要遍历大量的子问题，导致求解时间较长。
二、割平面法的基本原理割平面法是一种通过不断添加约束条件来逼近问题的最优解的方法。
其基本思想是通过向问题的线性规划模型中添加额外的约束条件，使得新的线性规划模型的解逐步逼近问题的最优解。
具体来说，割平面法包括以下几个步骤：1. 初始线性规划模型：根据问题的要求，建立一个初始的线性规划模型。
2. 求解线性规划模型：对初始的线性规划模型进行求解，得到一个解或一个解的集合。
3. 添加割平面：根据已知的信息，找到一个新的约束条件，并将其添加到线性规划模型中。
4. 更新线性规划模型：根据添加的割平面，更新线性规划模型，并返回第2步，求解更新后的线性规划模型。
割平面法的优点是可以逐步逼近问题的最优解，且可以通过添加割平面来减小解空间，提高求解效率。
1整数规划的基本特点§2分枝定界法§3割平面法§4分配问题及其解法
• 求解结果为x1=1，x6=1，即至少在1、6两个区 各设一个救护中心。
• 本题最优决策为：生产包装箱1—500个，3— 1250个，4—900个，6—850个，不生产代号为 2、5的包装箱，总计费用为46160元。
Lindo求解程序：
• • • • • • • • • • • • • • • • • • • • • • • • • • • Min 1200y1+1200y2+1200y3+1200y4+1200y5+1200y6+5x1+8x2+10x3+12.1x4+16.3x5+18.2x6 St x1+x2+x3+x4+x5+x6=3500 x6>=400 x5+x6>=850 x4+x5+x6>=1750 x3+x4+x5+x6>=2450 x2+x3+x4+x5+x6>=3000 x1-100000y1<=0 x2-100000y2<=0 x3-100000y3<=0 X4-100000y4<=0 X5-100000y5<=0 X6-100000y6<=0 End gin x1 gin x2 gin x3 gin x4 gin x5 gin x6 Int y1 Int y2 Int y3 Int y4 Int y5 Int y6
• 本题最优决策为在第3居民小区（负责2、3小区学生上 学）和第5居民小区（负责1、4、5小区学生上学）各 建一所小学。以学生每天上下学来回各一次，合计需 时22140分钟。
例3 清源市下设八个区，救护车从一个区到另一区的车 程时间如下表所示。该市拟建救护中心，要求各区离救 护中心的车程时间必须在8分钟内。试为该市提供决策建 议：至少建多少个救护中心，建于何处？ 至 从 1 2 3 4 5 6 7 2 8 3 9 10 4 11 12 7 5 13 13 7 8 6 14 11 8 7 8 7 8 17 12 10 14 10 8 15 14 10 9 16 7 12
整数规划问题(割平面-分枝定界算例)
x1 3.25;
x2 2.5
分枝定界法思路
第二步：分枝与定界 在x1=3.25；x2=2.5 中，任选一变量的解X2=2.5 ， 可将其分为 x2≤2；x2≥3（去掉小数部分），则有：
max Z 3x1 2 x2 2 x1 3x2 14 x 0.5 x 4.5 1 2 s.t. x2 2 x1 , x2 0
(3.5, 2); z 14.5
X1可分为x1≤3；x1≥4，则有：
max Z 3x1 2 x2 2 x1 3x2 14 x 0.5 x 4.5 1 2 s.t. x2 2 x 3 1 x1 , x2 0 (3, 2); z 13
逻辑变量在建立数学模型中的作用
y1 y2 ... ym
中m-k不起作用
（2）割平面法思路
max Z 3 x1 2 x2 2 x1 3 x2 14 s.t. x1 0.5 x2 4.5 x , x 0 且取整数 1 2
第一步：将约束条件决策变量的系数化为整数，用单纯形法求 解出最终单纯形表 找一个分数部
（3）分支定界法
max Z 3 x1 2 x2 2 x1 3 x2 14 s.t. x1 0.5 x2 4.5 x , x 0束，求解。
max Z 3x1 2 x2 2 x1 3x2 14 s.t. x1 0.5 x2 4.5 x , x 0 1 2
max Z 3x1 2 x2 2 x1 3x2 14 x 0.5 x 4.5 1 2 s.t. x2 2 x 4 1 x1 , x2 0
(4, 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、"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)。
研究的主要内容：
1.引言
2.Gomory割平面法
2.1割平面法的基本思想
2.2割平面法步骤
3.分枝定界法
.1分枝定界法的基本思想
.2分枝定界法步骤
4.割平面法和分枝定界法比较
5.一种新型割平面法
6.分枝定界法在最优化问题中的应用
结束语
预期目标：
熟练掌握两种算法，了解各自算法的优点与缺点；会建立整数规划模型，并合理应用算法和计算机解决问题。
and Complexity[M].NewJersey:Prentice-Hall,1982
[3]许志国，马仲蕃.整数规划初步[M].沈阳：辽宁教育出版社，1990
[4]赵玮，王荫清.随机运筹学[M].北京：高等教育出版社，1993
[5]张香云.线性规划[M].浙江：浙江大学出版社，2009
[6]张雅琴，王希云.分枝定界法在最优化问题中的应用[J].经济技术协作信息，2007.17(17):83
三、拟采用的研究方法、步骤
1.研究方法：
主要采用文献资料法对大量文献进行分析，以使对研究课题的研究现状、背
景意义有深刻的理解。
运用描述性研究法研究两种算法的优劣、在模型中的应用等。
2.研究步骤
(1)选定课题：根据对所学专业知识熟练与理解程度评估，选择了自己较为容易
研究的课题。
(2)收集资料：根据所选课题收集大量相关的材料。首先将有关运筹学中整数规划
的内容进行收集、归纳；再则去校图书馆查阅相关的资料，借阅有
关的书籍以及习题讲解；最后利用电脑在网上查阅更多的资料来丰
富论文研究内容。
(3)整合资料：将所收集的资料进行整合，则优而不泛用。
(4)确定题目：在整理好所需资料，大致的方向有所掌握后再确定论文的题目，好
在研究过程中的主体明确。
四、研究的总体进度安排
开题报告
论文题目：
整数规划中的割平面法和分枝定界法的研究
一、选题背景与意义
整数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的。用于解决整数规划最为常见的两种算法是割平面法和分枝定界法。
整数规划问题与我们实际生活有着密切的联系，如投资决策问题、旅行售货员问题、生产顺序表问题、集成电路的布线问题、背包问题等都是求整数学模型中著名的“困难”问题。所以要想掌握生活中这些解决问题的方法，研究整数规划那是必然的路径，要想研究好一个问题，就要找到它的最优路径，会使用计算手段那也是必然。所以本文罗列出整数规划的算法对我们生活研究[J].计算机应用，2006.3(26):723-726
[8]苟格.整数规划中的割平面法与分枝定界法比较[J].达县师范高等专科学校学报(自然科学版)，2005.2(15):18-21
[9]李爱云，李斌.整数规划中的分支定界在水泵选型中的应用[J].水利科技与经济，2007.3(13):165-167
之前很多学者已经对整数规划的算法有所研究，如整数规划中割平面法与分枝定界法的比较、割平面法的改进、分支定界法的多资源约束下项目进度规划、分支定界法在最优化问题中的应用等，各种研究都具特色，但是大多研究都只是“冰山一角”，对其研究的还不够全面。为了使其数学研究的更全面、深入、细致，所以有必要将其综合起来呈现出来。其理论价值在于掌握好两种方法在何时能正确应用，以节约时间解决问题。
[10]高培旺.高效求解整数线性规划问题的分支算法[J].计算机应用，2010.4(30):1019-1021
收集、查阅资料：
设计研究计划：
实施调查或实验：
撰写论文初稿及修改：
完成并提交论文：
论文答辩：
五、参考文献
[1]刁在筠，刘桂真.运筹学(第三版)[M].北京：高等教育出版社，2007
[2]Papadimitriou CH,binatorialOptimization:Algorithms