整数规划 |
您所在的位置:网站首页 › 隐枚举法求解0-1规划问题 › 整数规划 |
2、整数规划
2.1 定义
规划中的变量 (部分或全部) 限制为整数时, 称为整数规划。 若在线性规划模型中,变量限制为整数,则称为整数线性规划。 2.2 分类 变量全限制为整数时,称纯(完全)整数规划。 变量部分限制为整数的,称混合整数规划。 2.3 整数规划特点1、原线性规划有最优解, 当自变量限制为整数后, 其整数规划解出现下述情况: 原线性规划和整数规划的最优解一致 整数规划无可行解 有可行解(但不是最优解)2、整数规划最优解不能按照实数最优解简单取整而获得 2.4 求解的方法 分枝定界法—可求纯或混合整数线性规划 割平面法—可求纯或混合整数线性规划 隐枚举法—求解“0-1”整数规划: 过滤隐枚举法; 分枝隐枚举法。 匈牙利法—解决指派问题 蒙特卡洛法—求解各种类型规划 2.5 分枝定界法对有约束条件的最优化问题 (其可行解为有限数) 的所有可行解空间恰当地进行系统搜索,这就是分枝与定界内容。把全部可行解空间反复地分割为越来越小的子集,称为分枝。对每个子集内的解集计算一个目标下界(对于最小值问题) ,这称为定界。 在每次分枝后, 凡是界限超出已知可行解集目标值的那些子集不再进一步分枝,这样,许多子集可不予考虑,这称剪枝。这就是分枝定界法的主要思路。 例 1 求 解: 1、先不考虑整数限制,直接按照线性规划求解,将此线性规划问题视为 B,得 再取 x1 = x2 = 0,得到 z 为 0,那么,以上便可求出可行解 z 的上下界 2、任选 x1 和 x2 进行分枝,取 x1 = 5 可得 对 z 再定界,有 3、对 x2 进行分枝,取 x2 = 3,有 再定界,有 4、若再对 x2 以 1 进行分支定界,无可行解,那么,可推断,最优解为 0-1 整数规划指的是变量 xj 仅能取 0 或 1,即 题目描述:某公司拟在市东、西、南三区建立门市部。拟议中有 7 个位置 Aj(j = 1, 2, 3...7)可供选择,规定 Aj 点的投资为 bj 元,每年利润为 cj 元,投资总额不能超过 B 元,问如何选择可使年利润最大? 解: 引入变量 xj,令 那么问题可写为 1、 可写为 M 为充分大的数 2、 可写为 例 2 某工厂为了生产某种产品,有三种方式可供选择: xj 表示采用第 j 种方式生产时的产量 cj 表示第 j 种方式生产时的变动成本 kj 表示第 j 种方式生产时的固定成本要求最小化生产成本。 解: 第 j 种生产方式的总成本为 引入 0 - 1 变量 yj,为 于是目标函数为 对于(3)式的规定,可改写为 前者和后者分别为充分小和充分大的数 2.7 0 - 1 整数规划的解法 2.7.1 过滤隐枚举法穷举法是最容易想到的一种方法,但是计算量太大,因此设计一种仅检查变量取值的组合的一部分,称为过滤隐枚举法。分枝定界法也为过滤隐枚举法的一种。 例 3 解题思路: 先取一个可行解,例如 (x1, x2, x3) = (1, 0, 0),可行解 z = 3 因为求的是最大值,因此求解过程中凡是 z < 3 的值均不考虑 改进过滤条件,抬高过滤门槛 2.8 蒙特卡洛法(随机取样法)前面讲的是线性整数规划,接下来说明非线性整数规划的问题,当数据量很大时,采用穷举法得到最优解不符合现实,但是应用概率理论可以证明,在一定的计算量的情况下,完全可以得出一个满意解。 例 4 解: 若采用穷举法,共 1010 个点,可随机分析 106 便可达到最优。 mente.m 如下:目标函数 f ,约束向量函数 g mainint.m 如下: 上面代码中 sum(g =1; x3+x5>=1; x1+x2 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |