运筹学课件第五章整数规划.docx
《运筹学课件第五章整数规划.docx》由会员分享,可在线阅读,更多相关《运筹学课件第五章整数规划.docx(35页珍藏版)》请在冰豆网上搜索。
![运筹学课件第五章整数规划.docx](https://file1.bdocx.com/fileroot1/2023-6/4/e85ae8a3-727a-40db-9deb-069d5d52ed29/e85ae8a3-727a-40db-9deb-069d5d52ed291.gif)
运筹学课件第五章整数规划
第五章整数规划
、学习目的与要求
1、熟悉分支定界法和割平面法的原理及其应用;
2、掌握求解0――1规划问题的隐枚举法;
3、掌握求解指派问题的匈牙利法。
二、课时9学时
第一节整数规划的数学模型及解的特点
整数规划IP(integerprogramming):
在许多规划问题中,如果要求一部分或全部决策变量必须取整数。
例如,所求的解是机器的台数、人数、车辆船只数等,这样的规划问题称为整数规划,简记IP。
松弛问题(slackproblem):
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。
若松弛问题是一个线性规化问题,则该整数规划为整数线性规划(integerlinearprogramming)。
一、整数线性规划数学模型的一般形式
n
max(或min)z八cjxj
ja
"n
ZaijXj<(或=,或X)bi(i=1,2,…,m)
j=1
s.t.」XjX0(j=1,2,…,n)
X-X2,…,xn中部分或全部取整数
I
整数线性规划问题可以分为以下几种类型
1、纯整数线性规划(pureintegerlinearprogramming):
指全部决策变量都必须取整数值的整数线性规划。
有时,也称为全整数规划。
2、混合整数线性规划(mixedintegerlinerprogramming):
指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。
3、0—1型整数线性规划(zero—oneintegerlinerprogramming):
指决策变量只能取值0或1的整数线性规划。
二、整数规划的例子
例1某服务部门各时段(每2h为一时段)需要服务员的人数见下表。
按规定,服务员连续工作8h(即
四个时段为一班)。
现在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
P13
8
5
3
解:
设在第j时段开始上班的服务员的人数为x。
问题的数学模式略。
例2现有资金总额为B。
可选择投资项目有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就必须选择项目2。
反这则不一定;第二,项
目3和项目4中至少选择一个;第三,项目5、项目6和项目7恰好选择两个。
应当怎样选择投资项目,才能使预期收益最大?
解:
每一个投资项目都有被选择和不被选择两种可能,为此令
项目j投资
项目j不投资
(j=1,2,,n)
这样,问题可表示为
n
maxz八cjXj
j2
严n
ZajXj=B
j三
X2兰Xi
S.t.X5+X6+X7=2
Xj=0或1(j=1,2,…,n)
例3工厂Ai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Bi,B2,B3,B4四个。
各工厂年生产能力、各地所需求量、各厂至各
需求地的单位物资运费Cij(i,j=i,2,,,4)见下表。
B1
B2
B3
B4
生产能力
(kt/年)
A1
2
9
3
4
400
A2
8
3
5
7
600
A3
7
6
1
2
200
A4
4
5
2
5
200
需求量(kt/年)
350
400
300
150
A3
工厂A3或A4开工后,每年的生产费用估计分别为1200万元或1500万元。
现要决定应该建设工厂
还是A4,才能使今后每年的总费用(即全部物资运费和新工厂生产费用之和)最少?
解:
这是全个物资运输问题,其特点是事先不能确定应该建A3或A4中哪一个,因而不知道新厂投产
后的实际生产费用。
引入0—1变量
1若建工厂A3
y=<
0若建工厂a4
再设Cij为由Ai运往Bj的物资数量(i,j=1,2,,,4),单位是千吨,z表示总费用。
问题数学模型为
44
minz-、q刍y1200(1-y)1400
ji
送\=350
i1
4
Z£=400
i丄
4
送金=300
i亠
4
瓦仏=150
i丄4
s.t.X[j=400
i丄
工X2j=600
4
送X3j=200y
4
XX4j=200(1—y)
i丄
XjjK0(i,j=1,2,3,4),y=0或1
三、整数规划的解的特点
相对于松弛问题而言,二者之间既有联系,又有本质的区别
(1)整数规划问题的可行域是其松弛问题的一个子集
(2)整数规划问题的可行解一定是其松弛问题的可行解
(3)一般情况下,松弛问题的最优解不会刚好满足变量的整数约束条件,因而不是整数规划的可行解,是最优解
(4)
甚至也不
对松弛问题的最优解中非整数变量简单的取整,所得到的解不一定是整数规划问题的最优解,
一定是:
整数规划问题的可行解
(5)求解还是要先求松弛问题的最优解,然后用分支定界法或割平面法。
例4考虑下面的整数规划问题:
max=x14x2
考虑纯整数规划问题
第二节解纯整数规划的割平面法
n
maxz八cjXj
j=i
ZaijXj旳(i=1,2,…,m)
j壬
s.t.«Xj30(j=1,2,…,n)
Xi,X2,…,Xn取整数
I
设其中aij(i=1,2,,,m,j=1,2,,,n)和b(j=1,2,,,n)皆为整数。
纯整数规划的松驰问题是一个线性规划问题,可以用单纯形法求解。
在松驰问题的最优单纯形表中,
记Q为m个基变量的下标的集合,
K为n-m个非基变量的下标的集合,则m个约束方程可表示为
而对应的最优解X*=(/*,x2*
T
Xn*)
,其中
bjjEQ
Xj*=«
0j乏K
若bj皆为整数,则此解就是纯整数规划的最优解。
否则不是原整数规划最优解。
割平面法基本思路:
通过增加新的约束来切割可原问题伴随规划的可行域,使它在不断缩小的过程中,
将原问题的整数最优解逐渐暴露且趋于可行域极点的位置,这样就有可能用单纯形法求出。
每次增加的新的约束条件应当具备两个基本性质:
一是已获得的不符合整数要求的线性规划最优解不
满足线性约束条件,从而不可能在以后的解中再出现;二是凡整数可行解均满足线性约束条件,因而整数最优解始终被保留在每次形成的线性规划可行域中。
为此若bi0(i。
•Q)不是整数,在
(1)式中的约束方程为
Xi。
•a-jXj
(2)
j&
其中xi0,Xj(j€K)应为整数,按bi0(i°EQ)不是整数,ai0,j可能是整数也可能不是整数。
分解ai0,j和bi0成两个部分。
一部分是不超过该数的最大整数,另一部分是余下的小数。
即
a.,j=Nio,j-fio,j,Nio,jbi。
=Ni°fio,Nio
:
:
fio-1
(2)式变为
Xi0'Ni0,jXj-Ni0二fi0-'fi°,jXj
j:
KjIK
因此有fi一送fiiXj<0,即
j-K
-7fio,jXj<-fio(3)
jWK
上式满足上面要求的两个性质(证明见书P128)。
实际解题时,经验表明若从最优单纯表中选择具有最大(小)数部分的非整分量所在行构造割平面约
束条件,往往可以提高切割效果,减少切割次数。
例5用割平面法解整数规划问题
maxz=3Xi
-X2
3x1
-2x2
<3
5x1
+4x2
>10
<2Xi
+X2
<5
Xi,X2
I
>0且为整数
解:
将原整数规划问题称为原问题Ao,不考虑整数条件的松驰问题为问题Bo,求解过程如下:
1.用单纯形法求解Bo,得最优单纯形表
Cj
3
-1
0
0
0
Cb
基
b
X1
X2
X3
X4
X5
3
X1
13/7
1
0
1/7
0
2/7
-1
X2
9/7
0
1
-2/7
0
3/7
0
X4
31/7
0
0
-3/7
1
22/7
Cj-Zj
0
0
-5/7
0
-3/7
2.求一个割平面方程
在最终表上任选一个含有不满足整数条件基变量的约束方程。
若选X!
,则含X!
的约束方程为:
13..6
_7x3_7X5
上式加入松驰变量X6得
Cj
3
-1
0
0
0
0
Cb
基
b
X1
X2
X3
X4
X5
X6
3
X1
13/7
1
0
1/7
0
2/7
0
-1
X2
9/7
0
1
-2/7
0
3/7
0
0
X4
31/7
0
0
-3/7
1
22/7
0
0
X6
-6/7
0
0
-1/7
0
-3/7
1
Cj-Zj
0
0
-5/7
0
-3/7
0
13
7X3_"FX5X6
6
7
3、将上述约束方程重新组合。
用对偶单纯形法解新线性规划
3
X1
1
1
0
0
0
0
1
-1
X2
5/4
0
1
0
-1/4
0
-5/4
0
X3
5/2
0
0
1
-1/2
0
-11/2
0
X5
7/4
0
0
0
1/4
1
-3/4
Cj-Zj
0
0
0
-1/4
0
-17/4
113
—4X4~4X6X7——~
类似的得新割平面约束条件
再解新线性规划得
Cj
31
-1
0
0
0
0
0
Cb
基
b
X1
X2
X3
X4
X5
X6
X7
3
X1
1
1
0
0
0
0
1
0
-1
X2
2
0
1
0
0
0
-1
-1
0
X3
4
0
0
1
0
0
-5
-2
0
X5
1
0
0
0
0
1
-1
1
0
X4
1
0
0
0
1
0
1
-4
Cj-Zj
0
0
0
0
0
-4
-1
得最优解。
割平面法解整数规划问题的基本步骤
第一步:
用单纯形法解松弛问题,得到最优单纯形表。
第二步:
求一个割平面方程,加到最优单纯形表中,用对偶单纯形法继续求解。
第三步:
若没有得到整数最优解,则继续作割平面方程,转第二步。
第三节分支定界法
分枝定界法是一种隐枚举法或部分枚举法,它不是一种有效算法,是枚举法基础的改进。
分枝定界法的关键是分支和定界。
分支定界法的主要思路是首先求解整数规划的伴随规划,如果求得的最优解不符合整数条件,则增加
新约束一一缩小可行域;将原整数规划问题分支一一分为两个子规划,再解子规划的伴随规划……,最后
得到原整数规划的伴随规划。
这就是所谓的分支”
所谓定界”是在分支过程中,若某个后继问题恰巧获得整数规划问题的一个可行解,那么,它的目标函数值就是一个界限”,可以作为衡量处理其它分支的一个依据。
分支”为整数规划最优解的出现创造了条件,而定界”则可以提高搜索的效率。
例用分支定界法求解整数规划问题
maxz=
石+X2
9
5i
Xi
+——X2
<—
i4
i4
J
i
-2x1
+X2
<-
3
x1,x^0且为整数
解:
记整数规划为(IP),它的松驰问题为(LP)。
(1)首先解该整数规划的松驰问题为(LP),如图所示,用图解法
不符合整数要求,可任选一个变量,如Xi=3/2进行分支。
由于最接近3/2的整数是1和2,因而可以构造
两个约束条件Xi>2和Xi<1,分别并入原来的约束条件,形成两个分支Si、Si,松驰问题分别记为(LPi)、
(LP2)。
(LPi)其最优解为X*=(2,23/9)'图中点B,Z*=4i/9;(LP2)其最优解为X*=(i,7/3);图中点C,Z*=i0/3;都不整数解,因4i/9>7/3,优先Si分枝。
因X2=23/9,进行分支。
由于最接近23/9的整数是2和3,因而可以构造两个约束条件X2>3和
2,分别并入原来的约束条件,形成两个分支Sii、Si2,松驰问题分别记为(LPii)、(LPi2)。
(LPii)其最
优解为为空;(LPi2)其最优解为X*=(33/i4,2)'图中点D,Z*=6i/i4;不是整数解。
E(3,1)
因xi=33/14,进行分支。
由于最接近33/14的整数是2和3,因而可以构造两个约束条件xi>3和Xi<2,分别并入原来的约束条件,形成两个分支Si21、Si22,松驰问题分别记为(LPi21)、(LP122)。
(LP121)
其最优解为X*=(3,1)'图中点E,Z*=4;(LP122)其最优解为X*=(2,2)'图中点F,Z*=4。
因此有两个最优解,分别是(2,2)、(3,1),最大值为4。
分支定界法的计算步骤
第一步:
计算原问题目标函数值的初始上界
第二步:
计算原问题目标函数值的初始下界
第三步:
增加约束条件将原问题分支
第四步:
分别求解一对分支
第五步:
修改上、下界
第六步:
比较上、下界大小,如有上界=下界,停止计算,找到最优解,否则转3
第四节o—1型整数规划
0—1型整数规划中0—1变量作为逻辑变量(logicalvariable),常被用来表示系统是否处于某一特定状态,
或者决策时是否取某个方案。
1当决策取方案P时
X=<
10当决策不取方案P时
X.
当问题含有多项要素,而个要素的两种选择时,可用一组0—1变量来描述。
‘1若Ej选择Aj
Xj='0若Ej不选择Aj(j=1,2,…,心
一、0—1型整数规划的典型应用问题
例1:
背包问题:
一个登山队员,他需要携带的物品有:
食品、氧气、冰镐、绳索、帐篷、照相器材、
通信器材等。
每种物品的重量合重要性系数如表所示。
设登山队员可携带的最大重量为25kg,试选择该队员
所应携带的物品。
序号
1
2
3
4
5
6
7
物品
食品
氧气
冰镐
绳索
帐篷
照相器材
通信设备
重量/Kg
5
5
2
6
12
2
4
重要性系数
20
15
18
14
8
4
10
解:
引入0—1变量x,Xi=1表示应携带物品i,,Xi=0表示不应携带物品I
maxz=20xt亠15x2亠18x3亠14x4亠8x5亠4x§亠10x7
5人+5x2+2x3+6X4+12x5+2x6+4x7兰25xi=0或1,i=1,2,...,7
上述问题就是一个标准的整数规划问题,解法。
。
。
。
。
。
。
。
比较每种物品的重要性系数和重量的比值,比值大的物品首先选取,直到达到重量限制
解得:
X*=(1,1,1,1,0,1,1)'Z*=81
例2:
集合覆盖和布点问题
某市消防队布点问题。
该市共有6个区,每个区都可以建消防站,市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15min内赶到现场。
据实地测定,各区之间消防车行驶
的时间见表,请制定一个布点最少的计划。
地区1
地区2
地区3
地区4
地区5
地区6
地区1
0
10
16
28
27
20
地区2
10
0
24
32
17
10
地区3
16
24
0
12
27
21
地区
4
28
32
12
0
15
25
地区
5
27
17
27
15
0
14
地区
6
20
10
21
25
14
0
解:
弓I入0—1变量x,xi=1表示在该区设消防站,,x=0表示不设
min
X
Z=Xt
+x2
+x2+x3+x
4+X5*X6
>1
X1
+x2
+X6
>1
X3+X4
>1
*
X3+X4
+X5
>1
X4
+X5+X6
>1
X2
+X5+X6
>1
x
i=1或0
解得:
X*=(0,1,0,1,0,0)'Z*=2
二、特殊约束的处理
1•含有相互排斥约束条件的问题:
建模时,有时会遇到相互矛盾的约束,而模型只能两者取一,例如下面两个约束
f(x)一3-0
(1)
f(x)<0
(2)
这时引入一个0—1变量y,及一个很大的正数M,原式可化为:
-f(x)3-My(3)
f(x)-M(1-y)(4)
y=0时,
(1)与⑶相同,(4)自然满足,实际上不起作用
y=1时,⑷与⑵相同,(3)自然满足,实际上不起作用
对于形似f(x)Za(a》0),可以用以下一对约束代替
f(x)_a
f(x)_-a
引入0—1变量后,约束可改为
—f(x)a_My
f(x)•a_M(1-y)
2.从p个约束条件中恰好选择q个的问题
模型希望在下列p个约束中,恰在此时好有q个约束有效:
n
、aijXjj吐
引入p个0—1整数变量yi,i=1,2,…p
则上式可改写为:
(i=1,2,…,p)
'1若选择第i个约束条件
yi=」
0若不选择第i个约束条件
n
aijXj込biMyi
j丄
-p(i二1,2,…,p)
yi二p-q
i三
三、隐枚举法求解小规模0-1规划问题
例1隐枚举法求解小规模0-1规划问题
max
z
=3x<,-2x2
+5x
3
乂
+
2x2-
X3
<
2
&
+
4x2+
X3
<
4
+
X2
<
3
4x2+
X3
<
6
ix1
_3
=0或1
解:
(1)先用试探的方法找出一个初始可行解,如X1=1,X2=X3=0
则Xo=(1,O,O)'Zo=3
(2)对原有约束增加一个过滤条件,加到原约束条件中
3X1-2X25X3_3
(3)再求解上述问题
按照枚举法得思路,依次检查各种变量得组合。
每找到一个可行解,求出它的目标函数乙,Z1>Zo,则
将过滤条件换成Z1。
求解过程见下表,表中
(1),
(2),(3),(4)为原问题得约束条件,(5)为增加的过滤条件,"X”代表不满足约
束,"V”代表满足条件,空格代表不需要计算。
占
八、、
过滤条件
约束
Z值
(5)
(1)
(2)
(3)
(4)
3x^-2x2+5X3色3
(0,0,0)
X
(0,0,1)
V
V
V
V
V
5
3Xt—2x2+5x3狂5
(0,1,0)
X
(0,1,1)
X
(1,0,0)
X
(1,0,1)
V
V
V
V
V
8
3Xt_2x2+5x3工8
(1,1,0)
X
(1,1,1)
X
这种对过滤条件的改进,可以减少计算量。
注:
一般常重新排列Xi的顺序使目标函数中Xi的系数是递增(不减)的,在上例中,改写
z=3x1-2x25x3--2x23x15x3
因为—2,3,5是递增的,变量(x2,x1,x3)也按下述顺序取值:
(0,0,0),(0,0,1),•这样,最优解容易比较早
的发现,再结合过滤条件的改进,更可使计算简化。
例隐枚举法求解小规模0—1规划问题
minz=3x_,亠7x2—x3亠x4
2x^-2x2十x3—x431
x^-x2+6x3+4x4K8
<5Xt十3x2十x435
Xt」=0或1
解:
采用上例的方法解此例共需36次运算,为了进一步减少运算量,按目标函数中各变量系数的大小顺
序重新排列各变量,以使最优解有可能较早出现。
对于最大化问题,可按由小到大的顺序排列,最小化问题则相反。
本例可写为:
minz=7x2亠3xt亠x4—x3
-X2+
2X1—
X4+
21
_X2+
X1+
4x4+
6x3启8
3x2+
5X!
+
X4
>5
=0或1
由于本题过滤条件不好选,所以开始不设过滤条件
占
八、、
过滤条件
约束
Z值
(X2,X1,X4,X3)
(4)
(1)
(2)
(3)
(0,0,0,0)
X
(0,0,0,1)
V
X
(0,0,1,0)
X
(0,0,1,1)
X
(0,1,0,0)
V
X
(0,1,0,1)
V
X
(0,1,1,0)
V
X
(0,1,1,1)
V
V
V
3
(1,0,0,0)
X
(1,0,0,1)
X
(1,0,1,0)
X
(1,0,1,1)
X
(1,1,0,0)
X
(1,1,0,1)
X
(1,1,1,0)
X
(1,1,1,1)
X
此例的最优解X*=(0,1,1,1)'m