【运筹学】整数规划、分支定界法总结 ( 整数规划 | 分支定界法 | 整数规划问题 | 松弛问题 | 分支定界法 | 分支定界法概念 | 分支定界法步骤 ) ★★
文章目录
- 一、整数规划
- 1、整数规划概念
- 2、整数规划分类
- 二、整数规划示例
- 三、整数规划解决的核心问题
- 四、整数规划问题解的特征
- 五、整数规划问题 与 松弛问题 示例
- 六、分支定界法
- 1、整数规划概念
- 2、分支定界法求解整数规划步骤
- 3、分支定界理论分析
- 七、分支过程示例
- 八、分支定界法求整数规划示例
- 1、分支定界法求整数规划示例
- 2、求整数规划的松弛问题及最优解
- 3、第一次分支操作
- 4、第二次分支操作
- 5、第三次分支操作
- 6、整数规划最优解
一、整数规划
1、整数规划概念
线性规划 使用 单纯形法求解 , 线性规划中的 运输规划 使用 表上作业法 求解 ;
之前讨论的都是线性规划问题 , 非线性规划如何求解 , 没有给出具体的方法 ;
整数规划问题 : 要求 一部分 或 全部 决策变量 取值整数 的规划问题 , 称为整数规划 ;
整数规划问题的松弛问题 : 不考虑 整数变量条件 , 剩余的 目标函数 和 约束条件 构成的线性规划问题 称为 整数规划问题的松弛问题 ;
整数线性规划 : 如果上述 整数规划问题的松弛问题 是线性规划 , 则称该整数规划为 整数线性规划 ;
整数规划与之前的线性规划多了一个约束条件 , 变量大于等于 000 , 并且都是整数 ;
整数线性规划数学模型一般形式 :
maxZ=∑j=0ncjxjs.t{∑j=1naijxj=bi(i=1,2,⋯,m)xj≥0(j=1,2,⋯,n)部分或全部为整数\begin{array}{lcl} \rm maxZ = \sum_{j = 0}^{n} c_j x_j \\\\ \rm s.t\begin{cases} \rm \sum_{j = 1}^{n} a_{ij} x_j = b_i \ \ \ ( \ i = 1, 2, \cdots , m \ ) \\\\ \rm x_j \geq 0 \ \ \ ( \ j = 1, 2, \cdots , n \ ) 部分 或 全部 为整数 \end{cases}\end{array}maxZ=∑j=0ncjxjs.t⎩⎪⎨⎪⎧∑j=1naijxj=bi ( i=1,2,⋯,m )xj≥0 ( j=1,2,⋯,n )部分或全部为整数
2、整数规划分类
整数线性规划分为以下几类 : ① 纯整数线性规划 , ② 混合整数线性规划 , ③ 0-1 型整数线性规划 ;
① 纯整数线性规划 : 全部决策变量都 必须取值整数 的 整数线性规划 ;
② 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 取值整数值 的 整数线性规划 ;
③ 0-1 型整数线性规划 : 决策变量 只能取值 000 或 111 的整数线性规划 ;
二、整数规划示例
资金总额 B\rm BB , 有 nnn 个投资项目 , 项目 jjj 所需的投资金额 是 aja_jaj , 预期收益是 cjc_jcj , j=1,2,⋯,nj = 1,2,\cdots,nj=1,2,⋯,n ;
投资还有以下附加条件 :
① 如果投资项目 111 , 必须投资项目 222 ; 反之如果投资项目 222 , 没有限制 ;
② 项目 333 和 项目 444 必须至少选 111 个 ;
③ 项目 5,6,75,6,75,6,7 只能选择 222 个 ;
决策变量分析 : 选择合适的 决策变量 与 决策变量取值 ;
选取变量 , 使得变量的一组取值 , 能更好对应线性规划问题的解决方案 ;
每个项目有对应的两个选择 , 投资 / 不投资 , 分别使用 111 和 000 表示 ;
令 xjx_jxj 表示第 jjj 个项目的投资选择 , 投资 111 , 不投资 000 ; ( j=1,2,⋯,nj = 1,2, \cdots, nj=1,2,⋯,n )
投资额约束条件 : 所有的投资总额不能超过 B\rm BB , ∑j=1najxj≤B\sum_{j = 1}^{n} a_{j} x_j \leq B∑j=1najxj≤B ;
分析条件 ① : 投资项目 111 , 必须投资项目 222 , 此时 x1=x2=1x_1 = x_2 = 1x1=x2=1 ; 投资项目 222 可以投资项目 111 , 可以不投资项目 111 , 同时投资的情况上面已经分析过 , 分析后者 x1=1,x2=0,此时x1>x2x_1 = 1, x_2 = 0 , 此时 x_1 > x_2x1=1,x2=0,此时x1>x2 ; 综合上述两种情况就有 x2≥x1x_2 \geq x_1x2≥x1 ;
分析条件 ② : 项目 333 和 项目 444 必须至少选 111 个 , 两者选择一个 , 或者都选择 , 二者相加之和是 111 或 222 ; 有约束方程 x3+x4≥1x_3 + x_4 \geq 1x3+x4≥1 ;
分析条件 ③ : 项目 5,6,75,6,75,6,7 只能选择 222 个 , 则三者相加等于 222 即可 ; 约束方程 x5+x6+x7=2x_5 + x_6 + x_7 = 2x5+x6+x7=2 ;
投资问题可以表示为以下线性规划 :
maxZ=∑j=1ncjxjs.t{∑j=1najxj≤Bx2≥x1x3+x4≥1x5+x6+x7=2xj=0,1(j=1,2,⋯,n)\begin{array}{lcl} \rm maxZ = \sum_{j = 1}^{n} c_j x_j \\\\ \rm s.t\begin{cases} \rm \sum_{j = 1}^{n} a_{j} x_j \leq B \\\\ \rm x_2 \geq x_1 \\\\ \rm x_3 + x_4 \geq 1 \\\\ \rm x_5 + x_6 + x_7 = 2 \\\\ \rm x_j = 0 , 1 \ \ \ ( \ j = 1, 2, \cdots , n \ ) \end{cases}\end{array}maxZ=∑j=1ncjxjs.t⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧∑j=1najxj≤Bx2≥x1x3+x4≥1x5+x6+x7=2xj=0,1 ( j=1,2,⋯,n )
根据 【运筹学】整数规划 ( 相关概念 | 整数规划 | 整数线性规划 | 整数线性规划分类 ) 博客中的整数线性规划概念 , 上述线性规划是 整数线性规划 ;
上述整数线性规划 的 松弛问题 是一个线性规划 , 可以使用单纯形法对其进行求解 , 求出最优解后 , 可能是小数 , 那么如何得到整数问题的最优解 , 不能进行简单的四舍五入 ;
三、整数规划解决的核心问题
给出 整数规划问题 ,
先求该 整数规划的松弛问题 的解 ,
松弛问题就是不考虑整数约束 , 将整数线性规划当做普通的线性规划 , 使用单纯形法求出其最优解 ;
简单的将其松弛问题最优解上下取整 , 得到的四个值 , 可能 不在可行域中 , 选择的整数解 , 必须在可行域中 ;
根据 整数规划问题的的松弛问题 的最优解 , 如何找其 整数规划问题 的整数最优解 , 是整数规划问题的核心问题 ;
四、整数规划问题解的特征
整数规划问题解的特征 :
① 整数规划问题 与 松弛问题 可行解集合关系 : 整数规划问题 可行解集合 , 是该整数规划问题的 松弛问题 可行解集合 的子集 , 任意两个可行解的 凸组合 , 不一定满足整数约束条件 , 不一定是可行解 ;
② 整数规划问题 与 松弛问题 最优解关系 : 整数规划问题的可行解 一定是 其 松弛问题的可行解 , 松弛问题的可行解不一定是整数规划问题的可行解 , 整数规划问题的最优解 不会优于 松弛问题的最优解 ;
松弛问题 比 整数规划问题 条件少一些 , 整数规划问题比松弛问题变量限制多一条 " 约束变量必须都是整数 " ;
五、整数规划问题 与 松弛问题 示例
假设有如下整数规划问题 :
maxZ=x1+x2s.t{14x1+9x2≤51−6x1+3x2≤1x1,x2≥0并且为整数\begin{array}{lcl} \rm maxZ = x_1 + x_2 \\\\ \rm s.t\begin{cases} \rm 14 x_1 + 9x_2 \leq 51 \\\\ \rm -6 x_1 + 3x_2 \leq 1 \\\\ \rm x_1, x_2 \geq 0 \ 并且为整数 \end{cases}\end{array}maxZ=x1+x2s.t⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧14x1+9x2≤51−6x1+3x2≤1x1,x2≥0 并且为整数
上述整数规划问题对应的松弛问题 : 松弛问题 比 整数规划问题 条件少一些 , 整数规划问题比松弛问题变量限制多一条 " 约束变量必须都是整数 " ;
maxZ=x1+x2s.t{14x1+9x2≤51−6x1+3x2≤1x1,x2≥0\begin{array}{lcl} \rm maxZ = x_1 + x_2 \\\\ \rm s.t\begin{cases} \rm 14 x_1 + 9x_2 \leq 51 \\\\ \rm -6 x_1 + 3x_2 \leq 1 \\\\ \rm x_1, x_2 \geq 0 \end{cases}\end{array}maxZ=x1+x2s.t⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧14x1+9x2≤51−6x1+3x2≤1x1,x2≥0
使用图解法 , 解上述 松弛问题 的最优解为 {x1=32x2=103\begin{cases} \rm x_1 = \cfrac{3}{2} \\\\ \rm x_2 = \cfrac{10}{3} \end{cases}⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧x1=23x2=310
此时目标函数值 maxZ=x1+x2=296\rm maxZ = x_1 + x_2 = \cfrac{29}{6}maxZ=x1+x2=629
简单的将其松弛问题最优解上下取整 , 得到的四个点 , 如上图的四个红色点 , 都不在可行域中 , 选择的整数解 , 必须在可行域中 ;
根据 整数规划问题的的松弛问题 的最优解 , 如何找其 整数规划问题 的整数最优解 , 是整数规划问题的核心问题 ;
穷举法 ( 有局限性 ) : 直接看上图中可行域内的整数点 , 然后再逐一代入目标函数 , 得到一个 整数规划问题 的最优解 , 但是这种方法无法推广应用 , 如果点的个数比较多 , 如几万个 , 变量的维数多 , 如 101010 个约束变量 , 这种方法肯定不适用 ;
整数规划问题的求解方法有 : ① 分支定界法 , ② 割平面法 ;
推荐使用 分支定界法 ;
六、分支定界法
1、整数规划概念
分支定界法相关概念 :
分支 : 将一个问题不断细分为 若干子问题 , 之后逐个讨论子问题 ;
定界 : 分支很多的情况下 , 需要讨论的情况也随之增多 , 这里就需要定界 , 决定在什么时候不在进行分支 ; 满足 ① 得到最优解 , ② 根据现有条件可以排除最优解在该分支中 , 二者其一 , 就可以进行定界 ;
定界的作用是 剪掉没有讨论意义的分支 , 只讨论有意义的分支 ;
2、分支定界法求解整数规划步骤
分支定界法求解整数规划步骤 :
( 1 ) 求 整数规划 的 松弛问题 最优解 :
如果 该 最优解就 是整数 , 那么得到整数规划最优解 ;
如果 该 最优解 不是整数 , 那么转到下一个步骤 分支 与 定界 ;
( 2 ) 分支 与 定界 :
任选一个 非整数解变量 xix_ixi , 在 松弛问题 中加上约束 :
xi≤[xi]x_i \leq [x_i]xi≤[xi] 和 xi≥[xi]+1x_i \geq [x_i] + 1xi≥[xi]+1
形成 两个新的 松弛问题 , 就是两个分支 ;
上述分支 , 分的越细致 , 限制条件越多 , 同时 最优解的质量就越差 ;
新的分支松弛问题特征 :
原问题求 最大值 时 , 目标值 是 分支问题 的上界 ;
原问题求 最小值 时 , 目标值 是 分支问题 的下界 ;
分支 111 的最优解是 x∗x^*x∗ , 将最优解代入目标函数后得到最优值 f1f_1f1 ;
分支 222 的最优解是 y∗y^*y∗ , 将最优解代入目标函数后得到最优值 f2f_2f2 ;
如果目标函数求最大值 , 那么就讨论 f1,f2f_1, f_2f1,f2 谁更大 ;
检查 分支松弛问题 的 解 及 目标函数值 :
① 得到最优整数解 : 如果该分支的 解 是 整数 , 并且 目标函数值 大于等于 其它分支的目标值 , 则剪去其它分支 , 停止计算 ;
② 没有得到最优整数解 : 如果该分支的 解 是 小数 , 并且 目标函数值 大于 整数解的目标值 , 需要 继续进行分支 , 直到得到最优解 ;
3、分支定界理论分析
假设考虑 分支 111 松弛问题 , 每次都要给问题找到一个界 , 开始先使用观察法找到一个界 , 找到一个整数解 fff , 将该解代入目标函数 , 然后在 不断地计算中, 修改该界 ;
假设 分支 111 松弛问题 目标函数 求最大值 ,
如果求解 分支 111 松弛问题 最优解 恰好也是一个整数解 f0f_0f0 , 如果 f0>ff_0 > ff0>f , 此时需要重新定界 , 将 f0f_0f0 作为新的界来讨论 ;
根据新的界来看 分支 222 松弛问题是否需要讨论 , 求出 分支 222 的最优解 对应的 目标函数最优值 f∗f^*f∗ ;
如果 分支 222 的最优值 小于 分支 111 的最优值 f∗≤f0f^* \leq f^0f∗≤f0 , 此时分支 222 不用再进行分支了 , 再进行分支 , 其最优值会越来越差 ;
定界法的作用是将不符合条件的分支剪去 ;
七、分支过程示例
如上篇博客 【运筹学】整数规划 ( 整数规划问题解的特征 | 整数规划问题 与 松弛问题 示例 ) 中 , 求解如下 整数规划 解 :
maxZ=x1+x2s.t{14x1+9x2≤51−6x1+3x2≤1x1,x2≥0并且为整数\begin{array}{lcl} \rm maxZ = x_1 + x_2 \\\\ \rm s.t\begin{cases} \rm 14 x_1 + 9x_2 \leq 51 \\\\ \rm -6 x_1 + 3x_2 \leq 1 \\\\ \rm x_1, x_2 \geq 0 \ 并且为整数 \end{cases}\end{array}maxZ=x1+x2s.t⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧14x1+9x2≤51−6x1+3x2≤1x1,x2≥0 并且为整数
其对应的松弛问题是 : 去掉整数解限制 ;
maxZ=x1+x2s.t{14x1+9x2≤51−6x1+3x2≤1x1,x2≥0\begin{array}{lcl} \rm maxZ = x_1 + x_2 \\\\ \rm s.t\begin{cases} \rm 14 x_1 + 9x_2 \leq 51 \\\\ \rm -6 x_1 + 3x_2 \leq 1 \\\\ \rm x_1, x_2 \geq 0 \end{cases}\end{array}maxZ=x1+x2s.t⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧14x1+9x2≤51−6x1+3x2≤1x1,x2≥0
分支都是基于松弛问题进行的 , 为松弛问题分支 , 组成两个新的松弛问题 ;
下图是求解结果 ( 图解法 ) :
最优解 x1=32x_1 = \cfrac{3}{2}x1=23 , 分别为 x1x_1x1 添加 xi≤[xi]x_i \leq [x_i]xi≤[xi] 和 xi≥[xi]+1x_i \geq [x_i] + 1xi≥[xi]+1 约束 , 形成两个新的线性规划 ;
分支 111 整数规划 : 添加 xi≤[xi]x_i \leq [x_i]xi≤[xi] 约束 , 即 x1≤1x_1 \leq 1x1≤1 ;
maxZ=x1+x2s.t{14x1+9x2≤51−6x1+3x2≤1x1≤1x1,x2≥0\begin{array}{lcl} \rm maxZ = x_1 + x_2 \\\\ \rm s.t\begin{cases} \rm 14 x_1 + 9x_2 \leq 51 \\\\ \rm -6 x_1 + 3x_2 \leq 1 \\\\ \rm x_1 \leq 1 \\\\ \rm x_1, x_2 \geq 0 \end{cases}\end{array}maxZ=x1+x2s.t⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧14x1+9x2≤51−6x1+3x2≤1x1≤1x1,x2≥0
分支 222 整数规划 : 添加 xi≥[xi]+1x_i \geq [x_i] +1xi≥[xi]+1 约束 , 即 x1≥2x_1 \geq 2x1≥2 ;
maxZ=x1+x2s.t{14x1+9x2≤51−6x1+3x2≤1x1≥2x1,x2≥0\begin{array}{lcl} \rm maxZ = x_1 + x_2 \\\\ \rm s.t\begin{cases} \rm 14 x_1 + 9x_2 \leq 51 \\\\ \rm -6 x_1 + 3x_2 \leq 1 \\\\ \rm x_1 \geq 2 \\\\ \rm x_1, x_2 \geq 0 \end{cases}\end{array}maxZ=x1+x2s.t⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧14x1+9x2≤51−6x1+3x2≤1x1≥2x1,x2≥0
这样就将一个线性规划 , 分解成了两个问题分支 , 分别找两个分支问题的所有整数解 ;
整数规划的整数解 , 肯定在上述两个分支之一中 , 中间将一部分可行域排除在外了 , 就是下图中两个红色箭头之间的可行域部分 , 被排除掉的部分肯定没有整数解 , 都是小数 ;
八、分支定界法求整数规划示例
1、分支定界法求整数规划示例
使用 分支定界法 求如下整数规划 :
minW=−x1−5x2s.t{x1−x2≥−25x1+6x2≤30x1≤4x1,x2≥0并且为整数\begin{array}{lcl} \rm min W = -x_1 -5 x_2 \\\\ \rm s.t\begin{cases} \rm x_1 - x_2 \geq -2 \\\\ \rm 5x_1 + 6x_2 \leq 30 \\\\ \rm x_1 \leq 4 \\\\ \rm x_1, x_2 \geq 0 \ 并且为整数 \end{cases}\end{array}minW=−x1−5x2s.t⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧x1−x2≥−25x1+6x2≤30x1≤4x1,x2≥0 并且为整数
2、求整数规划的松弛问题及最优解
求上述整数规划 ( IP\rm IPIP ) 的松弛问题 ( LP\rm LPLP ) : 去掉整数限制即可得到一个一般的线性规划 ;
minW=−x1−5x2s.t{x1−x2≥−25x1+6x2≤30x1≤4x1,x2≥0\begin{array}{lcl} \rm min W = -x_1 -5 x_2 \\\\ \rm s.t\begin{cases} \rm x_1 - x_2 \geq -2 \\\\ \rm 5x_1 + 6x_2 \leq 30 \\\\ \rm x_1 \leq 4 \\\\ \rm x_1, x_2 \geq 0 \end{cases}\end{array}minW=−x1−5x2s.t⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧x1−x2≥−25x1+6x2≤30x1≤4x1,x2≥0
可以使用单纯形法求上述线性规划的最优解 , 本次使用图示法 , 求的最优化 ;
使用图示法解得上述 松弛问题 最优解 {x1=1811≈1.64x2=4011≈3.64\begin{cases} \rm x_1 = \cfrac{18}{11} \approx 1.64 \\\\ \rm x_2 = \cfrac{40}{11} \approx 3.64 \end{cases}⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧x1=1118≈1.64x2=1140≈3.64 , 将上述最优解代入约束方程 ,
得到整数规划最小值 minW=−x1−5x2=−21811≈−19.8\rm min W = -x_1 -5 x_2 = - \cfrac{218}{11} \approx -19.8minW=−x1−5x2=−11218≈−19.8
如果上述 松弛问题 最优解 是整数 , 则该整数线性规划的最优解就是 松弛问题 的最优解 ;
上述 松弛问题 LP\rm LPLP 最优解不是整数 , 这里需要进行 分支 操作 , 分成两个 分支松弛问题 LP1\rm LP1LP1 和 LP2\rm LP2LP2 ;
3、第一次分支操作
分支操作 : 任选一个 非整数解变量 xix_ixi , 在 松弛问题 中加上约束 , xi≤[xi]x_i \leq [x_i]xi≤[xi] 和 xi≥[xi]+1x_i \geq [x_i] + 1xi≥[xi]+1 , 形成 两个新的 松弛问题 , 就是两个分支 ;
选择 非整数取值的变量 x1=1811≈1.64x_1 = \cfrac{18}{11} \approx 1.64x1=1118≈1.64 , 作为分支变量 ,
xi≤[xi]x_i \leq [x_i]xi≤[xi] 对应的 分支新增约束条件是 x1≤1x_1 \leq 1x1≤1 ;
xi≥[xi]+1x_i \geq [x_i] + 1xi≥[xi]+1 对应的 分支新增约束条件是 x1≥2x_1 \geq 2x1≥2 ;
在 LP1\rm LP1LP1 分支松弛问题中加入 x1≤1x_1 \leq 1x1≤1 条件后为 :
minW=−x1−5x2s.t{x1−x2≥−25x1+6x2≤30x1≤4x1≤1x1,x2≥0\begin{array}{lcl} \rm min W = -x_1 -5 x_2 \\\\ \rm s.t\begin{cases} \rm x_1 - x_2 \geq -2 \\\\ \rm 5x_1 + 6x_2 \leq 30 \\\\ \rm x_1 \leq 4 \\\\ \rm x_1 \leq 1 \\\\ \rm x_1, x_2 \geq 0 \end{cases}\end{array}minW=−x1−5x2s.t⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧x1−x2≥−25x1+6x2≤30x1≤4x1≤1x1,x2≥0
求上述 LP1\rm LP1LP1 分支的最优解 {x1=1x2=3\begin{cases} \rm x_1 = 1 \\\\ \rm x_2 = 3 \end{cases}⎩⎪⎨⎪⎧x1=1x2=3 , 将上述最优解代入约束方程 ,
得到整数规划最小值 minW=−x1−5x2=−16\rm min W = -x_1 -5 x_2 = - 16minW=−x1−5x2=−16
LP1\rm LP1LP1 分支的界就是 −16-16−16 ;
在 LP2\rm LP2LP2 分支松弛问题中加入 x1≥2x_1 \geq 2x1≥2 条件后为 :
minW=−x1−5x2s.t{x1−x2≥−25x1+6x2≤30x1≤4x1≥2x1,x2≥0\begin{array}{lcl} \rm min W = -x_1 -5 x_2 \\\\ \rm s.t\begin{cases} \rm x_1 - x_2 \geq -2 \\\\ \rm 5x_1 + 6x_2 \leq 30 \\\\ \rm x_1 \leq 4 \\\\ \rm x_1 \geq 2 \\\\ \rm x_1, x_2 \geq 0 \end{cases}\end{array}minW=−x1−5x2s.t⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧x1−x2≥−25x1+6x2≤30x1≤4x1≥2x1,x2≥0
求上述 LP2\rm LP2LP2 分支的最优解 {x1=2x2=103\begin{cases} \rm x_1 = 2 \\\\ \rm x_2 = \cfrac{10}{3} \end{cases}⎩⎪⎪⎨⎪⎪⎧x1=2x2=310 , 将上述最优解代入约束方程 ,
得到整数规划最小值 minW=−x1−5x2=−563≈−18.7\rm min W = -x_1 -5 x_2 = - \cfrac{56}{3} \approx -18.7minW=−x1−5x2=−356≈−18.7
LP2\rm LP2LP2 分支的目标值是 −18.7-18.7−18.7 ;
LP1\rm LP1LP1 分支的最优解时整数 , 界 是 −16-16−16 ,
LP2\rm LP2LP2 分支目标值还不是整数 , 因此需要继续分支 ;
判定某个分支 松弛问题 是否继续向下分支的依据 :
① 根据整最优解是否是整数判定 : 首先看 分支 松弛问题 最优解 是否是整数 , 如果是那就停下来 , 如果不是继续向下分支 ;
② 根据界的优劣判定 ( 定界思想 ) : 是否继续向下分支 , 还需要看 界 的值 , 通过该 界 的值 , 讨论是否继续向下分支 ;
- 分支条件 : 如果 本分支的界 比 另外一个分支的界 要好 , 则继续分支下去 ;
- 不分支条件 : 如果本分支的界比另外一个分支的界差 , 那么本分支就不再向下分支了 ;
4、第二次分支操作
LP2\rm LP2LP2 继续向下分支 , x1x_1x1 变量已经是整数变量了 ,
这里 选择 非整数取值的变量 x2=103≈3.33x_2 = \cfrac{10}{3} \approx 3.33x2=310≈3.33 , 作为分支变量 ,
xi≤[xi]x_i \leq [x_i]xi≤[xi] 对应的 分支新增约束条件是 x2≤3x_2 \leq 3x2≤3 ;
xi≥[xi]+1x_i \geq [x_i] + 1xi≥[xi]+1 对应的 分支新增约束条件是 x2≥4x_2 \geq 4x2≥4 ;
这里得到了 LP2\rm LP2LP2 分支下的两个 分支松弛问题 LP21\rm LP21LP21 和 LP22\rm LP22LP22 ;
在 LP21\rm LP21LP21 分支松弛问题中加入 x2≤3x_2 \leq 3x2≤3 条件后为 :
minW=−x1−5x2s.t{x1−x2≥−25x1+6x2≤30x1≤4x1≥2x2≤3x1,x2≥0\begin{array}{lcl} \rm min W = -x_1 -5 x_2 \\\\ \rm s.t\begin{cases} \rm x_1 - x_2 \geq -2 \\\\ \rm 5x_1 + 6x_2 \leq 30 \\\\ \rm x_1 \leq 4 \\\\ \rm x_1 \geq 2 \\\\ \rm x_2 \leq 3 \\\\ \rm x_1, x_2 \geq 0 \end{cases}\end{array}minW=−x1−5x2s.t⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧x1−x2≥−25x1+6x2≤30x1≤4x1≥2x2≤3x1,x2≥0
求上述 LP21\rm LP21LP21 分支的最优解 {x1=125=2.4x2=3\begin{cases} \rm x_1 = \cfrac{12}{5} = 2.4 \\\\ \rm x_2 = 3 \end{cases}⎩⎪⎪⎨⎪⎪⎧x1=512=2.4x2=3 , 将上述最优解代入约束方程 ,
得到整数规划最小值 minW=−x1−5x2=−17.4\rm min W = -x_1 -5 x_2 = - 17.4minW=−x1−5x2=−17.4
LP21\rm LP21LP21 分支的最优解不是整数 , 而且比 LP1\rm LP1LP1 分支的界 −16-16−16 要好 , 可需要继续分支 ;
在 LP22\rm LP22LP22 分支松弛问题中加入 x2≥4x_2 \geq 4x2≥4 条件后为 :
minW=−x1−5x2s.t{x1−x2≥−25x1+6x2≤30x1≤4x1≥2x2≥4x1,x2≥0\begin{array}{lcl} \rm min W = -x_1 -5 x_2 \\\\ \rm s.t\begin{cases} \rm x_1 - x_2 \geq -2 \\\\ \rm 5x_1 + 6x_2 \leq 30 \\\\ \rm x_1 \leq 4 \\\\ \rm x_1 \geq 2 \\\\ \rm x_2 \geq 4 \\\\ \rm x_1, x_2 \geq 0 \end{cases}\end{array}minW=−x1−5x2s.t⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧x1−x2≥−25x1+6x2≤30x1≤4x1≥2x2≥4x1,x2≥0
上述 LP22\rm LP22LP22 分支 没有可行解 , 直接停止 ;
5、第三次分支操作
LP21\rm LP21LP21 继续向下分支 ,
这里 选择 非整数取值的变量 x1=125=2.4x_1 = \cfrac{12}{5} = 2.4x1=512=2.4 , 作为分支变量 ,
xi≤[xi]x_i \leq [x_i]xi≤[xi] 对应的 分支新增约束条件是 x1≤2x_1 \leq 2x1≤2 ;
xi≥[xi]+1x_i \geq [x_i] + 1xi≥[xi]+1 对应的 分支新增约束条件是 x1≥3x_1 \geq 3x1≥3 ;
这里得到了 LP21\rm LP21LP21 分支下的两个 分支松弛问题 LP211\rm LP211LP211 和 LP212\rm LP212LP212 ;
在 LP211\rm LP211LP211 分支松弛问题中加入 x1≤2x_1 \leq 2x1≤2 条件后为 :
minW=−x1−5x2s.t{x1−x2≥−25x1+6x2≤30x1≤4x1≥2x1≤2x2≤3x1,x2≥0\begin{array}{lcl} \rm min W = -x_1 -5 x_2 \\\\ \rm s.t\begin{cases} \rm x_1 - x_2 \geq -2 \\\\ \rm 5x_1 + 6x_2 \leq 30 \\\\ \rm x_1 \leq 4 \\\\ \rm x_1 \geq 2 \\\\ \rm x_1 \leq 2 \\\\ \rm x_2 \leq 3 \\\\ \rm x_1, x_2 \geq 0 \end{cases}\end{array}minW=−x1−5x2s.t⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧x1−x2≥−25x1+6x2≤30x1≤4x1≥2x1≤2x2≤3x1,x2≥0
求上述 LP211\rm LP211LP211 分支的最优解 {x1=2x2=3\begin{cases} \rm x_1 = 2 \\\\ \rm x_2 = 3 \end{cases}⎩⎪⎨⎪⎧x1=2x2=3 , 将上述最优解代入约束方程 ,
得到整数规划最小值 minW=−x1−5x2=−17\rm min W = -x_1 -5 x_2 = - 17minW=−x1−5x2=−17
LP21\rm LP21LP21 分支的最优解是整数 , 而且比 LP1\rm LP1LP1 分支的界 −16-16−16 要好 , 是当前最好的 界 ;
因此这里将 界 更新为 −17-17−17 ;
在 LP212\rm LP212LP212 分支松弛问题中加入 x1≥3x_1 \geq 3x1≥3 条件后为 :
minW=−x1−5x2s.t{x1−x2≥−25x1+6x2≤30x1≤4x1≥2x1≥3x2≤3x1,x2≥0\begin{array}{lcl} \rm min W = -x_1 -5 x_2 \\\\ \rm s.t\begin{cases} \rm x_1 - x_2 \geq -2 \\\\ \rm 5x_1 + 6x_2 \leq 30 \\\\ \rm x_1 \leq 4 \\\\ \rm x_1 \geq 2 \\\\ \rm x_1 \geq 3 \\\\ \rm x_2 \leq 3 \\\\ \rm x_1, x_2 \geq 0 \end{cases}\end{array}minW=−x1−5x2s.t⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧x1−x2≥−25x1+6x2≤30x1≤4x1≥2x1≥3x2≤3x1,x2≥0
求上述 LP212\rm LP212LP212 分支的最优解 {x1=3x2=2.5\begin{cases} \rm x_1 =3 \\\\ \rm x_2 = 2.5 \end{cases}⎩⎪⎨⎪⎧x1=3x2=2.5 , 将上述最优解代入约束方程 ,
得到整数规划最小值 minW=−x1−5x2=−15.5\rm min W = -x_1 -5 x_2 = - 15.5minW=−x1−5x2=−15.5
定界 : LP212\rm LP212LP212 分支的最优解不是整数 , 其目标值 −15.5- 15.5−15.5 要比当前的界 −17-17−17 要差 , 因此该分支直接裁减掉 ;
6、整数规划最优解
该整数规划 IP\rm IPIP 的最优解 {x1=2x2=3\begin{cases} \rm x_1 = 2 \\\\ \rm x_2 = 3 \end{cases}⎩⎪⎨⎪⎧x1=2x2=3 , 将上述最优解代入约束方程 ,
得到整数规划最小值 minW=−x1−5x2=−17\rm min W = -x_1 -5 x_2 = - 17minW=−x1−5x2=−17
分支记录如下 :
【运筹学】整数规划、分支定界法总结 ( 整数规划 | 分支定界法 | 整数规划问题 | 松弛问题 | 分支定界法 | 分支定界法概念 | 分支定界法步骤 ) ★★相关推荐
- matlab cplex 混合整数规划,Leapms + cplex解决 混合整数规划问题
Leapms + cplex解决 混合整数规划问题 O.概述 CPleX是一个神秘的求解器, 听说久了就想用, 但是直接用有些困难, 尤其入门困难. 对初学者来说Leapms是一个好的通道. 在Lea ...
- 混合非线性整数规划matlab,matlab学习——02整数规划(蒙特卡洛法,指派问题,混合整数规划)...
02整数规划 蒙特卡洛法(随机取样法) 编写文件mengte.m,目标函数f和约束向量g function[f,g]=mengte(x); f=x(1)^2+x(2)^2+3*x(3)^2+4*x(4 ...
- 运筹学1——整数规划之分支定界法与MATLAB的intlinprog函数
1 背景 直接用fmincon求解最优化问题时,得到的结果可能是小数,但针对某一些问题,要求结果必须是整数,称为整数规划问题. 分支定界法是一种求解整数规划的算法,具体介绍可看 分支定界法MATLAB ...
- 运筹说 第57期 | 整数规划的分支定界法
通过上一期的学习,我们已经学会了整数规划问题的数学模型.割平面法.接下来就跟着小编一起,学习分支定界法吧! 1.方法简介 2.例题展示 下面,在小编通过具体算例来阐明分支定界法的基本思想和一般步骤之前 ...
- 【运筹学】整数规划 ( 整数规划示例 | 整数规划解决的核心问题 )
文章目录 一.整数规划示例 二.整数规划解决的核心问题 一.整数规划示例 资金总额 B\rm BB , 有 nnn 个投资项目 , 项目 jjj 所需的投资金额 是 aja_jaj , 预期收益是 ...
- 数学建模、运筹学之整数规划(原理、例题、代码)
数学建模.运筹学之整数规划(原理.例题.代码) 一.何为整数规划? 二.整数规划与线性规划 三.分枝定界法 四.0-1整数规划 一.何为整数规划? 整数规划具有深远的实际应用价值,因为现实生活中的规划 ...
- 整数规划matlab实例,整数规划matlab
整数规划matlabTag内容描述: 1.例已知非线性整数规划为max z=x12+x22+3x32+4x42+2x52-8x1-2x2-3x3-x4-2x5s.t.0xi99,i=1,2,5x1+x ...
- 优化 | 浅谈旅行商(TSP)的七种整数规划模型
作者:彭澜 纽约州立大学水牛城分校工业工程系在读博士生,研究方向:车辆路径规划问题(VRP) 旅行商问题(TSP)是运筹学领域最知名的问题之一.本文将从整数规划模型建模的角度,介绍七种不同的建模方式, ...
- 数学建模常用算法汇总及python,MATLAB实现(二)—— 整数规划
整数规划 第3部分主要讲算法的具体实现, 如果对具体细节没有要求, 直接看1, 4就行, 直接用matlab内置的intlinprog函数或者python的cvxpy等第三方包 这里我个人更偏向于使用 ...
- 运筹学(最优化理论)学习笔记 | 分支定界法
首先,我们需要明确一点,什么时候才会用到分支定界法? 答:整数规划的时候,因为整数规划会要求部分变量必须取整数. 求解整数规划的常规步骤是: STEP1:将整数规划去掉整数性约束,得到线性规划,俗称松 ...
最新文章
- java runnable wait_面试官:都说阻塞 I/O 模型将会使线程休眠,为什么 Java 线程状态却是 RUNNABLE?...
- update 两个表关联_拉链表(二)
- JDK文档中关于Semaphore的正确使用以及使用场景
- PAT_B_1015_C++(25分)
- python3.6 websocket异步高并发_在Python3.6上的websocket客户端中侦听传入消息时出现问题...
- 国内高校简称撞车史:南大、西大、东大都在争 唯独北大没人抢
- 《程序员代码面试指南》第二章 链表问题 删除无序链表中值重复的链表
- 5.6 tensorflow2实现奇异值分解(SVD)——python实战(上篇)
- Endnote X8 #安装%办法与*安装*包%
- 《Linux/UNIX OpenLDAP实战指南》——1.4 OpenLDAP目录条目概述
- 表达式求值(栈方法/C++语言描述)(一)
- ISO9000 质量管理和质量保证系列国际标准
- OpenGL ES 3.1 Android扩展包介绍
- Swagger注解说明
- 谷歌学术文献信息爬取及文献下载
- 2019年度十大网络小说:玄幻小说独占六部,都市小说一本超神
- 拍案惊奇——软件调试实战训练营
- WINDOWS的远程桌面。
- 数据分析 # 深入分析近三年以来各大城市发展情况
- LPC17XX系列ISP升级流程
热门文章
- javascript当中iframe的用法
- Excel VBA 操作 Word(入门篇)
- 定点运算之补码一位乘法(Booth算法)
- 如何禁止用户删除计算机服务,怎样才能禁止别人删除我电脑中的文件?
- 主编推荐 | 南大周志华、俞扬、钱超最新力作导读
- java毕业设计博弈论学习网站Mybatis+系统+数据库+调试部署
- Linux|超好用!绘制流程图神器——PlantUML
- 中国机床行业投资现状与十四五发展战略决策报告2022版
- C++实现【启发式搜索】算法
- 安装Microsoft Office Document Image Writer