求解整数规划常用的方法有分枝定界法和割平面法
整数规划算法
⑵
先求（LP3）,如图所示。 此时D 在点取得最优解。
x2
A 3 B C
⑴
(18/11,40/11)
D ⑶
即 x1＝12/5≈2.4, x2 =3,
Z(3)＝-87/5≈-17.4<Z≈-19.8
但x1＝12/5不是整数，可继 续分枝。即 3≤x1≤2。
（三）、整数规划与线性规划的关系
从数学模型上看整数规划似乎是线 性规划的一种特殊形式，求解只需在线 性规划的基础上，通过舍入取整，寻求 满足整数要求的解即可。但实际上两者 却有很大的不同，通过舍入得到的解 （整数）也不一定就是最优解，有时甚 至不能保证所得倒的解是整数可行解。 举例说明。
例：设整数规划问题如下
用 图 解法求出最优解 x1＝3/2, x2 = 10/3 且有Z = 29/6
x2
3
⑴
⑵
(3/2,10/3)
现求整数解（最优解）： 如用“舍入取整法”可得 到4个点即(1，3) (2， 3)(1，4)(2，4)。显然， 它们都不可能是整数规划 的最优解。
3
x1
按整数规划约束条件，其可行解肯定在线性规划问题 的可行域内且为整数点。故整数规划问题的可行解集 是一个有限集，如图所示。
各分枝的目标函数值中，若有小于Z 者，则剪掉此 枝，表明此子问题已经探清，不必再分枝了;否则继续 分枝。
如此反复进行，直到得到Z＝Z*＝Z 为止，即得最优解 X* 。
（二）、例题 例一：用分枝定界法求解整数规划问题（用图解法计算） min Z x1 5 x2 x1 x2 2 5 x 6 x 30 记为（IP） 1 2 x 4 1 x1 , x2 0且全为整数 解：首先去掉整数约束，变成一般线性规划问题 min Z x1 5 x2 x1 x2 2 5 x 6 x 30 记为（LP） 1 2 x 4 1 x1 , x2 0
运筹学整数规划
运筹学整数规划运筹学是研究在资源有限的条件下，如何进行决策和优化的一门学科。
整数规划是运筹学中的一个重要分支，它解决的是决策变量必须为整数的问题。
整数规划在实际问题中具有广泛的应用，如生产计划、设备配置、选址问题等。
整数规划问题的数学模型可以表示为：max/min c^T xs.t. Ax ≤ bx ≥ 0x ∈ Z其中，c是目标函数的系数矩阵，x是决策变量的向量，A是约束条件的系数矩阵，b是约束条件的向量，Z表示整数集合。
整数规划问题与线性规划问题相似，但整数规划问题的约束条件多了一个整数限制，使得问题的解空间变得更为复杂。
由于整数规划问题的NP-hard性质，求解整数规划问题是一项困难的任务。
求解整数规划问题的常用方法有分支定界法、割平面法和启发式算法等。
分支定界法是一种穷举搜索的方法，它通过将整数规划问题不断分割成更小的子问题，从而逐步搜索解空间，直到找到最优解。
分支定界法对于规模较小的问题比较有效，但对于大规模复杂问题，效率较低。
割平面法是一种通过添加新的约束条件来减少解空间的方法。
它利用线性松弛问题（将整数约束条件放宽为线性约束条件）的解来构造有效的割平面，从而逐步缩小解空间，找到最优解。
割平面法通常比分支定界法更有效，但对于某些问题，可能需要添加大量的割平面才能收敛到最优解。
启发式算法是一种基于经验和启发式搜索的方法。
它通过设置初始解、搜索策略和邻域搜索等步骤，来快速找到近似最优解。
常见的启发式算法有遗传算法、模拟退火算法和禁忌搜索算法等。
启发式算法虽然不能保证找到全局最优解，但能够在可接受的时间内找到较优解。
综上所述，整数规划作为运筹学中的重要分支，解决的是决策变量必须为整数的问题。
整数规划问题具有广泛的应用，但由于其NP-hard性质，求解过程较为困难。
常用的求解方法包括分支定界法、割平面法和启发式算法等。
这些方法各有优劣，根据具体问题的特点选择合适的方法进行求解。
第五章整数规划
第五章 整数规划主要内容：1、分枝定界法； 2、割平面法； 3、0－1型整数规划； 4、指派问题。
重点与难点：分枝定界法和割平面法的原理、求解方法，0－1型规划模型的建立及求解步骤，用匈牙利法求解指派问题的方法和技巧。
要 求：理解本章内容，熟练掌握求解整数规划的方法和步骤，能够运用这些方法解决实际问题。
§1 问题的提出要求变量取为整数的线性规划问题，称为整数规则问题（简称IP ）。
如果所有的变量都要求为（非负）整数，称之为纯整数规划或全整数规划；如果仅一部分变量要求为整数，称为混合整数规划。
例1 求解下列整数规划问题211020m ax x x z +=⎪⎪⎩⎪⎪⎨⎧≥≤+≤+为整数21212121,0,13522445x x x x x x x x 如果不考虑整数约束，就是一个线性规划问题（称这样的问题为原问题相应的线性规划问题），很容易求得最优解为：96m ax ,0,8.421===z x x 。
用图解法将结果表示于图中画“+”号的点都是可行的整数解，为满足要求，将等值线向原点方向移动，当第一次遇到“+”号点（1,421==x x ）时得最优解为1,421==x x ，最优值为z=90。
由上例可看出，用枚举法是容易想到的，但常常得到最优解比较困难，尤其是遇到变量的取值更多时，就更困难了。
下面介绍几种常用解法。
§2 分枝定界法分枝定界法可用于解纯整数或混合的整数规划问题。
基本思路：设有最大化的整数规划问题A ，与之相应的线性规划问题B ，从解B 开始，若其最优解不符合A 的整数条件，那么B 的最优值必是A 的最优值*z的上界，记为z ；而A 的任意可行解的目标函数值是*z的一个下界z ，采取将B 的可行域分枝的方法，逐步减少z 和增大z ，最终求得*z 。
现举例说明： 例2 求解A219040m ax x x z +=⎪⎪⎩⎪⎪⎨⎧≥≤+≤+为整数21212121,0,702075679x x x x x x x x 解：先不考虑条件⑤，即解相应的线性规划B （①--④），得最优解=1x 4.81, =2x 1.82,①② ③ ④ ⑤=0z 356（见下图）。
整数规划问题的求解
C o 3 4
x1
分支定界法
x2
A
Page 16
由 于Z 21 Z 1， 选 择 LP 21进 行 分 枝 ， 增 加 约 束 x1 4及x1 5， 得 线 性 规 划 LP 211 及LP 212 ：
10
A
x2 7不可行
max Z 4 x1 3 x 2 1.2 x1 0.8 x 2 10 2 x1 2.5 x 2 25 LP 22 : x1 4，x 2 7 x1 , x 2 0
B 6 LP1
LP21
LP21:X=(4.33,6),Z21=35.33
整数规划问题的求解
整数规划问题的求解方法： 分支定界法和割平面法
Page 1
匈牙利法（指派问题）
分支定界法
分支定界法的解题步骤：
Page 2
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 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。
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
lingo整数规划
lingo整数规划整数规划是运筹学中的一种优化方法，用于解决决策问题中存在离散决策变量的数学规划问题。
在整数规划中，决策变量的取值只能是整数。
整数规划的应用非常广泛，包括生产计划、资源分配、货物运输等领域。
下面将介绍一些与整数规划相关的术语和技巧。
1. 最优解：整数规划的目标是找到使目标函数最大或最小的整数解。
最优解指的是在满足约束条件的前提下，使目标函数的取值达到最优的决策变量取值。
2. 整数线性规划：整数线性规划是整数规划的一种特殊情况，其中目标函数和约束条件都是线性的。
3. 整数非线性规划：整数非线性规划是整数规划的另一种形式，其中目标函数或约束条件中至少有一项是非线性的。
4. 分枝定界法：分枝定界法是求解整数规划问题的一种常用方法。
它通过将整数规划问题划分为多个子问题，并对每个子问题进行求解，直到找到最优解。
5. 割平面法：割平面法是求解整数规划问题的另一种方法。
它通过加入额外的线性不等式约束，逐步削减可行解空间，直到找到最优解。
6. 整数规划松弛：整数规划松弛是指将整数规划问题中的整数约束条件松弛为连续变量的约束条件，从而将整数规划问题转化为线性规划问题。
7. 整数规划可行解：整数规划问题的可行解是指满足所有约束条件的整数取值。
8. 整数规划解的整数性：整数规划解的整数性是指整数规划问题的解是否满足整数约束条件。
9. 混合整数规划：混合整数规划是一类更一般的整数规划问题，其中决策变量可以是整数或连续变量。
10. 整数规划的应用：整数规划在各种领域中都有广泛的应用，包括生产计划、资源分配、货物运输等。
通过合理的建模和求解技巧，整数规划可以帮助企业优化决策，提高效益。
总之，整数规划是一种应用十分广泛的优化方法，通过对决策变量的整数约束进行建模，帮助解决实际问题中存在的离散决策变量的优化问题。
整数规划 割平面法 分枝定界法
用图解法求得可行域D及最优解点A，见下图：
x2
A（3/4，7/4） 由标准化的约束方程组可得
-x1+x2=1
1
D B（1，1）
x3 =1+x1-x2 x4=4 -3x1-x2 代入切割方程 得
-1 0
3x1+x2=4
3（1+x1-x2）+（4-3x1-x2）≥3
下面以实例来说明算法的步骤。
例2 求解下面整数规划
x2
maxZ=40x1+90x2
⑴8
9x1+ 7x2≤56 7x1+20x2≤70 xx11,,xx22≥0整数
⑵
⑶ ⑷
4
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
整个分枝定界过程如下图所示：
问题L
Z0=356 x1=4.81x2=1.82
Z 0,Z 356
x1≤4
问题L1 Z1=349 x1=4.00，x2=2.10
x2≤2 问题L3 Z3=340 x1=4.00 x2=2.00
Z※=340
x2≥3
问题L4 Z4=327 x1=1.42 x2=3.00
×
x1≥5
运筹学
整数线性规划
§1 整数规划问题
在前面的线性规划问题中，它的解都假设为可以取连续数值。 但是在许多实际问题中，决策变量仅仅取整数值时才有意义，比如 变量表示的是工人的人数、机器的台数、货物的箱数、装货的车皮 数等等。为了满足整数解的要求，比较自然的简便方法似乎就是把 用线性规划方法所求得的非整数解进行“四舍五入”取整或“舍尾 取整”处理。当然，这样做有时确实也是有效的，可以取得与整数 最优解相近的可行整数解，因此它是实际工作中经常采用的方法。 但是实际问题中并不都是如此，有时这样处理得到的解可能不是原 问题的可行解，有的虽是原问题的可行解，但却不是整数最优解。 （详见后面例1）。因而有必要专门研究只取整数解的线性规划的 解法问题。
求解整数规划常用的方法有分枝定界法和割平面法。这两种
1
3
2 ◎0
◎0 6 2 1 √ 0 5 1 0
0
5
3
1
√
0
4
2
0
0 ◎0 0 1
1 0 0 1
1
3
2 ◎0
2
3
2
0
√
做最少直线
（4） 在未被直线覆盖的部分中找出最小元素， 然后在打√行各元素中都减去这最小元素，而在打√ 列的各元素都加上这最小元素。这样得到新的系数 矩阵（它的最优解和原问题相同）。
很多0元素的新系数矩阵 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
非平衡的指派问题，设两项虚任务，其收益为0， 化为平衡指派问题。
ABCDE F
1
3
5
4
5
0
0
2
6
7
6
8
0
0
3
8
9
8 10 0
0
4 10 10 9 11
0
0
5 12 11 10 12 0
0
6 13 12 11 13 0
0
求最大值问题转化为求最小值问题，利用下式
mZ a x m iZ n
nn
即
minZ
0 4 0 0
◎0
3
1
0
2 ◎0 0 2
2
2
1 ◎0
0 4 ◎0 0
- 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)。
满足该约束条件的可 行解可写成矩阵形式
0 0 0 1
10
定理：从(cij)矩阵的每行(或每列)减或加一个常数 c ui(vj)构成新矩阵 ij ， c ij c ij ui v j ，则对应
c ij
的(xij) 最优解与原问题(cij) 的最优解相同。 -1 (cij’)
5
（3）定界 上界：以每个后继问题为一分支，标明求解的结果， 与其他问题解的结果比较，找出目标函数值最大者作 为IP新的上界z’。 下界：从已符合整数条件的分支中，找出目标函数最 大者作为新的下界，若无符合条件者，则取z =0。 （4）比较和剪枝 （a）该枝无可行解； （b）该枝已得到整数最优解； （c）该枝得到非整数最优解，且目标函数值小于 z。 在求解的各分支的线性规划中，若其值大于 z，即z*> z但不符合整数条件则返回（2）继续分 6 枝直到z=z*= z’。
2
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
4
分枝定界法步骤： （1）求解相应的线性规划模型，确定初始上、下界。 （a）LP无解，则IP无解，停止计算。 （b）LP的最优解满足整数要求，即为IP的最优解， 计算完毕。 （c） LP的最优解中有非整数分量，其目标函数值 是 IP的初始上界。 （2）分枝并求解 在非整数最优解中任选一个不满足整数约束条件 的变量xj=bj，以[bj]表示不大于bj的最大整数，构造两 个约束条件 xj≤[bj]，和xj≥[bj]+1 将这两个约束条件分别加到LP中，构成两个新的线性 规划分支，求解它们。
上周内容回顾
法。 这两种方法的共同特点：通过增加附加约束，使 整数最优解最终成为线性规划的一个顶点，于是整 个问题就可使用单纯形法找到这个整数最优解；它 们的相异之处是附加约束条件的选取原则及方法不 同。
求解整数规划常用的方法有分枝定界法和割平面
1
整数线性规划模型的求解——割平面法
基本思想
割平面法的基础仍然是用解线性规划的方法去解 整数规划问题。首先不考虑变量为整数这一条件，但 增加线性约束条件（几何术语，称为割平面），使得 原可行解域中切掉一部分，这部分只包含非整数解， 但没切割掉任何整数可行解。切除的结果使整数解可 能成为顶点。 关键：如何找到割平面约束方程，使切割后最终 得到这样的可行解域，它的一个整数坐标的顶点恰好 是问题的最优解。
xij 1
i 1 n
( j 1 ,, n) ( i 1 , , n ) (i 1,, n; j 1,, n)
7
xij 1
j 1
xij 0或1
【例8-7】有4个工人，要分别指派他们完成4项不同的
工作，每人做各项工作所消耗的时间如下表所示，问 应如何指派工作，才能使总的消耗时间为最少？
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。
8.6 指派问题（Assignment Problem）
有n项任务，恰好n个人承担，第i 人完成第j 项任务 的花费(时间或费用等)为cij，如何分派使总花费最省？
min z cij xij
第j项工作由一 个人做 第i人做一项工 作
n n i 1 j 1 n
1 分派第i人做第j项工作 x ij 0 不分派第i人做第j项工作
人员 工作
甲 乙 丙 丁 引入决策变量xij,
A 9 12 8 7
B 17 7 17 9Βιβλιοθήκη C 16 14 14 11
D 7 16 17 9
1 xij 0
表示分派第 i人做第 j项工作 表示不分派第 i人做第 j项工作 8
MinZ=9x11+17x12+16x13+7x14+12x21+7x22+14x23+16x24+ 8x31+17x32+14x33+17x34+7x41 +9x42+11x43+9x44 s.t. x11+ x12+ x13+ x14= 1 (甲只能干一项工作) x21+ x22+ x23+ x24= 1 (乙只能干一项工作) x31+ x32+ x33+ x34= 1 (丙只能干一项工作) x41+ x42+ x43+ x44= 1 (丁只能干一项工作) x11+ x21+ x31+ x41= 1 ( A工作只能一人干) x12+ x22+ x32+ x42= 1 ( B工作只能一人干) x13+ x23+ x33+ x43= 1 ( C工作只能一人干) x14+ x24+ x34+ x44= 1 ( D工作只能一人干) xij 为0--1变量，i,j = 1,2,3,4
9
指派问题是0-1规划问题。
因每个人仅能承担一项任务，每项任务也只能分派 给一个人，因此上述问题的线性规划模型也可写为：
min Z
c
i 1 j 1
4
4
ij x ij
4 i 1 ,2 , , m 0 1 0 x ij 1 j 1 0 0 1 4 xij 1 0 0 s .t . x ij 1 j 1 ,2 , , m i 1 0 0 0 x ij 0 ,1 分派问题是线性规划，又是运输问题。