管理运筹学教案整数规划
合集下载
运筹学第5章：整数规划
1 xj 0 对项目j投资 对项目j不投资 （j 1， ，n） 2，
则问题可表示为：
max z c j x j
j 1 n
n a j x j B j 1 x1 x2 0 s.t. x3 x4 1 x x x 2 7 5 6 x j 0或1 j 1,2, , n 【例5-3】工厂A1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B1、B2、B3、B4四个。各工厂年生产能力、各 地年需求量、各厂至各需求地的单位物资运费cij(j=1,2,3,4) 见表5-2。
三、割平面法的算法步骤
步骤1：将约束条件系数及右端项化为整数，用单纯形法求 解整数规划问题(ILP)的松弛问题(LP)。设得到最优基B，相应 的基最优解为X*。 步骤2：判别X*的所有分量是否全为整数？如是，则X*即为 (ILP)的最优解，算法终止；若否，则取X*中分数最大的分 量 x * ，引入割平面(5.7)。
表5-2
Ai cij A1 A2 Bj B1 2 8 B2 9 3 B3 3 5 B4 4 7 生产能力 (千吨/年) 400 600
A3
A4 需求量(千吨/年)
7
4 350
6
5 400
1
2 30025 150200200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A3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。
一般来说，整数线性规划可分为以下几种类型：
1. 纯整数线性规划(Pure Integer Linear Programming)： 指全部决策变量都必须取整数值的整数线性规划，也称为全整 数规划。 2. 混合整数线性规划(Mixed Integer Linear Programming)：指决策变量中一部分必须取整数值，而另一部 分可以不取整数值的整数线性规划。 3. 0-1整数线性规划(Zero-one Integer Linear Programming)：指决策变量只能取0或1两个值的整数线性规划。
则问题可表示为：
max z c j x j
j 1 n
n a j x j B j 1 x1 x2 0 s.t. x3 x4 1 x x x 2 7 5 6 x j 0或1 j 1,2, , n 【例5-3】工厂A1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B1、B2、B3、B4四个。各工厂年生产能力、各 地年需求量、各厂至各需求地的单位物资运费cij(j=1,2,3,4) 见表5-2。
三、割平面法的算法步骤
步骤1：将约束条件系数及右端项化为整数，用单纯形法求 解整数规划问题(ILP)的松弛问题(LP)。设得到最优基B，相应 的基最优解为X*。 步骤2：判别X*的所有分量是否全为整数？如是，则X*即为 (ILP)的最优解，算法终止；若否，则取X*中分数最大的分 量 x * ，引入割平面(5.7)。
表5-2
Ai cij A1 A2 Bj B1 2 8 B2 9 3 B3 3 5 B4 4 7 生产能力 (千吨/年) 400 600
A3
A4 需求量(千吨/年)
7
4 350
6
5 400
1
2 30025 150200200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A3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。
一般来说，整数线性规划可分为以下几种类型：
1. 纯整数线性规划(Pure Integer Linear Programming)： 指全部决策变量都必须取整数值的整数线性规划，也称为全整 数规划。 2. 混合整数线性规划(Mixed Integer Linear Programming)：指决策变量中一部分必须取整数值，而另一部 分可以不取整数值的整数线性规划。 3. 0-1整数线性规划(Zero-one Integer Linear Programming)：指决策变量只能取0或1两个值的整数线性规划。
运筹学目标规划与整数规划
比值 680/3 600/3
P3 d3- 250 125 0 0 0 0 1 -1 0 0 0 0 70000 70000/125
P4 d4- 1 0 0 0 0 0 0 0 1 -1 0 0 200
-
P5 d5- 0 1 0 0 0 0 0 0 0 0 1 -1 120
120/1
P1 0 0 0 1 0 0 0 0 0 0 0 0
运筹学
华东理工大学 工商经济学院
Page:16
整 数
运
线筹
性 规
学
划
QSC 运筹学
Page:17
整数线性规划问题的一般形式
max(min) z c1x1 c2 x2 cn xn
a11x1 a12 x2 a1n xn ( . )b1
s.t.
a21x1 a22 x2 a2n xn ( . )b2
2 10 5
3
x1, x2 0
2
x1
,
x
为整
2
数
1
整数点 松弛问题最优解
华东理工大学 工商经济学院
运筹学
X
1
2 2.5
1
QSC
Page:21
松弛问题的最优解
3 x1 -1 x2 0 x4 检验数
3 -1 0 0 0 x1 x2 x3 x4 x5 RHS 1 0 1/7 0 2/7 13/7 0 1 -2/7 0 3/7 9/7
第二级目标
600
500
Min St
Z
d
2
22xx11330
400
d
32 00
200
100
d1 d1
所有变量 0
100 200 300 400 500
运筹学课件第4章_整数规划与分配问题
约束 : 少于10min到达各 消防站至少存在1个
街道1 街道2 街道3 街道4 街道5 街道6 10 20 30 30 20 街道1 0 0 25 35 20 10 街道2 10 25 0 15 30 20 街道3 20 35 15 0 15 25 街道4 30 20 30 15 0 14 街道5 30 10 20 25 14 0 街道6 20
40
24
在实际中，许多要求变量取整的 数学模型，称为整数规划。本章 将讨论整数规划求解的基本思路、 0-1变量的用法、分配问题及匈 牙利法，以及利用Excel, Lingo, WinQSB求解的演示。
设 x1,x2表示两种货物装载数量 (整数)，依题意有如下数学模型：
max z 5 x1 6 x2 3 x1 8 x2 ≤ 40 4 x 3 x ≤ 24 1 2 x1 , x2 ≥ 0 x , x 取整数 1 2
管理运筹学课件
2013年3月5日星期二
4.1.2 分枝定界法的基本思路*
0 1 2 3 4 5 6 7 8 x2
分枝定界法(Branch and Bound Method)用于求解整数规划问题 ，是在20世纪60年代初，由Land Doig和Dakin等人提出的。
【例4.1】 用图解法求解整数规划
x1 1 x1 令 x2 1 x2 x 1 x 3 3
目标系数升序排序 min w x2 x3 3x1 5 x1 0 2 x2 x3 x1 0 4 x2 x3 x1 2 解得 x2 1 s.t. x 0 x2 +x1 1 3 x1, x2 , x3 0或1
变量取整的 LP 整数规划
街道1 街道2 街道3 街道4 街道5 街道6 10 20 30 30 20 街道1 0 0 25 35 20 10 街道2 10 25 0 15 30 20 街道3 20 35 15 0 15 25 街道4 30 20 30 15 0 14 街道5 30 10 20 25 14 0 街道6 20
40
24
在实际中，许多要求变量取整的 数学模型，称为整数规划。本章 将讨论整数规划求解的基本思路、 0-1变量的用法、分配问题及匈 牙利法，以及利用Excel, Lingo, WinQSB求解的演示。
设 x1,x2表示两种货物装载数量 (整数)，依题意有如下数学模型：
max z 5 x1 6 x2 3 x1 8 x2 ≤ 40 4 x 3 x ≤ 24 1 2 x1 , x2 ≥ 0 x , x 取整数 1 2
管理运筹学课件
2013年3月5日星期二
4.1.2 分枝定界法的基本思路*
0 1 2 3 4 5 6 7 8 x2
分枝定界法(Branch and Bound Method)用于求解整数规划问题 ，是在20世纪60年代初，由Land Doig和Dakin等人提出的。
【例4.1】 用图解法求解整数规划
x1 1 x1 令 x2 1 x2 x 1 x 3 3
目标系数升序排序 min w x2 x3 3x1 5 x1 0 2 x2 x3 x1 0 4 x2 x3 x1 2 解得 x2 1 s.t. x 0 x2 +x1 1 3 x1, x2 , x3 0或1
变量取整的 LP 整数规划
运筹学 第四版 第五章 整数规划
货物/箱 甲 乙
托运限制/集 装箱
体积/米3 5 4
24
重量/百斤 2 5
13
利润/百元 20 10
表 3.1
货物/箱 甲 乙
托运限制/集 装箱
体积/米3 5 4
24
重量/百斤 2 5
13
利润/百元 20 10
解 设 x1,分x2 别为甲、乙两种货物的托运箱数.则这是一个
纯整数规划问题 .其数学模型为:
(pzreorgor-aomnme iinngte)ger linear
若不考虑整数条件，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（slack
problem）
n
max Z (或 min Z ) c j x j j 1
整数线性规划数学
n
st. j1 aij x j
max Z 20 x1 10 x2
5x1 4x2 24 s.t 2x1 5x2 13
x1, x2 0, 整数
（1）
若暂且不考虑 x1, x取2 整数这一条件.则(1)就变为下列 线性规划 :
max Z 20 x1 10 x2
s.t
52xx11
4x2 5x2
24 13
x1, x2 0
目前，常用的求解整数规划的方法有： 分支定界法和割平面法； 对于特别的0－1规划问题采用隐枚举法和匈牙利法。
§2 解纯整数规划的割平面法
考虑纯整数规划问题
n
max Z cjxj j 1
n
aijxj bis.tj 1xj0
xj取整数
i 1, 2....m
j 1, 2...n j 1, 2,..n
n
max Z (或 min Z ) c j x j j 1
管理运筹学 第4章 整数规划
2x1
3x2
4 x3
300(劳动力）
x1 2x2 3x3 10（ 0 机器设备）
xi
yi M
i
1, 2,3
yi为0-1变量
最优解：x1=100 x2=0 x3=0
管理运筹学–马越峰
三、分布系统设计
例3：某企业在 A1 地已有一个工厂，其产品的生产能力 为30千箱,为了扩大生产,打算在 A2、A3、A4，A5地中 再选择几个地方建厂。已知在 A2 、A3、A4，A5地建厂 的固定成本分别为175千元、300千元、375千元、500 千元，另外A1产量及A2，A3，A4，A5建成厂的产量，那 时销地的销量以及产地到销地的单位运价(每千箱运 费)如下表所示。 问：应该在哪几个地方建厂，在满足销量的前提下， 使得其总的固定成本和总的运输费用之和最小?
管理运筹学–马越峰
x2
8
4x1+3x2≤24
Z=5x1+6x2
5 E
B(2,4)
C(72/23,88/23)
3x1+8x2≤40
o
F 6
40/3
x1
管理运筹学–马越峰
整数规划解的特点
松弛问题：不考虑整数，由余下的目标函数和 约束条件构成的规划问题。
整数规划问题的可行解集合是它的松弛问题可行解集合的 一个子集，任意两个可行解的凸组合不一定满足整数约束 条件，因而不一定仍为可行解。由于整数规划问题的可行 解一定也是它的松弛问题的可行解，所以前者最优解的目 标函数值不会优于后者最优解的目标函数值。
管理运筹学
第四章 整数规划
运筹学 整数规划( Integer Programming )
组成两个新的松弛问题，称为分枝。新的松弛问题具有特征：当原问题 是求最大值时，目标值是分枝问题的上界；当原问题是求最小值时，目 标值是分枝问题的下界。
检查所有分枝的解及目标函数值，若某分枝的解是整数并且目标函数 值大于（max）等于其它分枝的目标值，则将其它分枝剪去不再计算，若 还存在非整数解并且目标值大于(max)整数解的目标值，需要继续分枝， 再检查，直到得到最优解。
割平面法的内涵:
Page 18
通过找适当的割平面,使得切割后最终得到这样的可行域( 不一定一次性得到), 它的一个有整数坐标的顶点恰好是 问题的最优解.
－Gomory割平面法
例: 求解
max z x1 x2 s.t. x1 x2 1
3x1 x2 4 x1 , x2 0, 整 数
1 x1 3/4 1 0 -1/4 1/4 0
1 x2 7/4 0 1 3/4 1/4 0
0 x5 -3 0 0 -3 -1 1
0 0 -1/2 -1/2 0
由对偶单纯形法, x5为换出变量, x3为换入变量, 得Page 29
cj CB XB b 1 x1 1 1 x2 1 0 x3 1
1 100 0 x1 x2 x3 x4 x5 1 0 0 1/3 1/12 0 1 0 0 1/4 0 0 1 -1 -1/3 0 0 0 -1/2 -1/6
收敛性很慢. 但若下其它方法(如分枝定界法)配合使用,
也是有效的.
分支定界法
Page 33
分支定界法的解题步骤：
1）求整数规划的松弛问题最优解； 若松弛问题的最优解满足整数要求，得到整数规划的最优解,否则转下
一步； 2）分支与定界：
任意选一个非整数解的变量xi，在松弛问题中加上约束： xi≤[xi] 和 xi≥[xi]+1
检查所有分枝的解及目标函数值，若某分枝的解是整数并且目标函数 值大于（max）等于其它分枝的目标值，则将其它分枝剪去不再计算，若 还存在非整数解并且目标值大于(max)整数解的目标值，需要继续分枝， 再检查，直到得到最优解。
割平面法的内涵:
Page 18
通过找适当的割平面,使得切割后最终得到这样的可行域( 不一定一次性得到), 它的一个有整数坐标的顶点恰好是 问题的最优解.
－Gomory割平面法
例: 求解
max z x1 x2 s.t. x1 x2 1
3x1 x2 4 x1 , x2 0, 整 数
1 x1 3/4 1 0 -1/4 1/4 0
1 x2 7/4 0 1 3/4 1/4 0
0 x5 -3 0 0 -3 -1 1
0 0 -1/2 -1/2 0
由对偶单纯形法, x5为换出变量, x3为换入变量, 得Page 29
cj CB XB b 1 x1 1 1 x2 1 0 x3 1
1 100 0 x1 x2 x3 x4 x5 1 0 0 1/3 1/12 0 1 0 0 1/4 0 0 1 -1 -1/3 0 0 0 -1/2 -1/6
收敛性很慢. 但若下其它方法(如分枝定界法)配合使用,
也是有效的.
分支定界法
Page 33
分支定界法的解题步骤：
1）求整数规划的松弛问题最优解； 若松弛问题的最优解满足整数要求，得到整数规划的最优解,否则转下
一步； 2）分支与定界：
任意选一个非整数解的变量xi，在松弛问题中加上约束： xi≤[xi] 和 xi≥[xi]+1
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。
运筹学课件第四节0-1型整数规划
运筹学课件第四节0-1型整数 规划
目录
CONTENTS
• 0-1型整数规划概述 • 0-1型整数规划的数学模型 • 0-1型整数规划的求解算法 • 0-1型整数规划的案例分析 • 0-1型整数规划的软件实现
01 0-1型整数规划概述
CHAPTER
定义与特点
定义
0-1型整数规划是一种特殊的整数规 划，其中决策变量只能取0或1。
解决方案通常采用动态规划或混合整数线性规 划方法，通过迭代和优化算法来找到最优解。
05 0-1型整数规划的软件实现
CHAPTER
Excel求解工具
适用范围
适用于简单的0-1型整数规划问题。
优点
操作简单，易学易用，适合初学者。
使用方法
利用Excel的Solver插件，设置目标函数、 约束条件和决策变量，进行求解。
其他约束
除了资源和需求约束外，还可能 存在其他类型的约束，如数量约 束、时间约束等，这些约束条件 都对决策变量的取值范围进行了 限制。
决策变量
离散变量 0-1型整数规划中的决策变量通常 是离散的，只能取0或1两个值。 这些决策变量代表了不同的策略 或选择。
最优解 最优解是指在所有可行解中使目 标函数达到最优值的决策变量的 取值组合。
缺点
对于大规模问题求解能力有限，可能存在精 度问题。
Python求解库
适用范围
适用于各种规模的0-1型整数规 划问题。
使用方法
利用Python的优化库，如PuLP 或CVXPY，编写目标函数和约束 条件，进行求解。
优点
功能强大，可处理大规模问题 ，精度高。
缺点
需要一定的编程基础，学习成 本较高。
MATLAB求解工具
目录
CONTENTS
• 0-1型整数规划概述 • 0-1型整数规划的数学模型 • 0-1型整数规划的求解算法 • 0-1型整数规划的案例分析 • 0-1型整数规划的软件实现
01 0-1型整数规划概述
CHAPTER
定义与特点
定义
0-1型整数规划是一种特殊的整数规 划，其中决策变量只能取0或1。
解决方案通常采用动态规划或混合整数线性规 划方法，通过迭代和优化算法来找到最优解。
05 0-1型整数规划的软件实现
CHAPTER
Excel求解工具
适用范围
适用于简单的0-1型整数规划问题。
优点
操作简单，易学易用，适合初学者。
使用方法
利用Excel的Solver插件，设置目标函数、 约束条件和决策变量，进行求解。
其他约束
除了资源和需求约束外，还可能 存在其他类型的约束，如数量约 束、时间约束等，这些约束条件 都对决策变量的取值范围进行了 限制。
决策变量
离散变量 0-1型整数规划中的决策变量通常 是离散的，只能取0或1两个值。 这些决策变量代表了不同的策略 或选择。
最优解 最优解是指在所有可行解中使目 标函数达到最优值的决策变量的 取值组合。
缺点
对于大规模问题求解能力有限，可能存在精 度问题。
Python求解库
适用范围
适用于各种规模的0-1型整数规 划问题。
使用方法
利用Python的优化库，如PuLP 或CVXPY，编写目标函数和约束 条件，进行求解。
优点
功能强大，可处理大规模问题 ，精度高。
缺点
需要一定的编程基础，学习成 本较高。
MATLAB求解工具