运筹学 0-1整数规划
运筹学-第3章整数规划
2018/8/17
9
生产计划问题
某机器制造厂可生产四种产品，对于三种主要资源（钢， 人力，能源）的单位消耗及单位利润见表。问如何安排 生产，可使总利润最大？
消耗 产品1
1
产品2 产品3
10 6 0 7 3 4 2 8
产品4
0 1 5 4
资源量
5000 3000 3000
资源A（钢）
资源B（人力） 2 资源C（能源） 2 单位利润 1
这里取M=5000
2018/8/17
15
（2）批量生产
在前例中的基础上, 增加假设：产品4要求批量生 产，批量为不少于500件。 试建立最佳生产计划模型。
定义0-1变量y4
1 , x 4 500 y 4= 0 , x 4=0
500y4 x4 My4 y4 {0,1}
增加约束
2018/8/17 4
附加条件
项目1和项目3至少采纳一个; y1+y2 ≥1 项目2和项目5不能同时采纳; y2+y5 ≤1 项目1仅在项目2采纳后才可考虑是否采纳; y1≤ y2 项目1仅在项目2和3同时采纳后才可考虑是否采纳; 项目1，2，3不能同时采纳; y1+y2+y3 ≤2 或者选择项目1和2，或者选择项目3; y1= y2, y1+y3 =1; 或者 0.5(y1+y2) +y3 =1.
i 1 j 1 5 4
1, 采用Ai建厂 yi , i 3,4,5 0 ，不采用
s.t. x11 x12 x13 x14 400 x x x x 600 23 24 21 22 x31 x32 x33 x34 200y3 x41 x42 x43 x44 200y4 x x x x 200y 5 51 52 53 54 y3 y 4 y5 1 x11 x21 x31 x41 x51 300 x12 x22 x32 x42 x52 350 x13 x23 x33 x43 x53 400 x x x x x 150 24 34 44 54 14 xij 0, i 1,2,3,4,5, j 1,2,3,4 y3 , y4 , y5 {0,1}
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。
运筹学中的整数规划问题分析
运筹学中的整数规划问题分析运筹学是运用数学和定量分析方法，通过对系统的建模和优化，来解决实际问题的学科。
其中整数规划是运筹学中的一个重要分支，它在许多实际情况中得到广泛应用。
本文将对整数规划问题进行分析，并探讨其解决方法与应用领域。
一、整数规划问题定义及特点整数规划是一类线性规划问题的扩展，其目标函数和约束条件中的变量取值限定为整数。
通常，整数规划问题可以形式化表示为：Max/Min Z = c₁x₁ + c₂x₂ + ... + cₙxₙs.t.a₁₁x₁ + a₁₂x₂ + ... + a₁ₙxₙ ≤ b₁a₂₁x₁ + a₂₂x₂ + ... + a₂ₙxₙ ≤ b₂...aₙ₁x₁ + a₂₂x₂ + ... + aₙₙxₙ ≤ bₙx₁, x₂, ..., xₙ ∈ Z其中，Z为目标函数值，x₁, x₂, ..., xₙ为待求解的整数变量，c₁, c₂, ..., cₙ为目标函数的系数，aᵢₙ为约束条件的系数，b₁, b₂, ..., bₙ为约束条件的右端常数。
整数规划问题的特点在于整数约束条件的引入，使其解空间变得有限，增加了问题的复杂性。
与线性规划问题相比，整数规划问题更接近实际情况，能够更准确地描述和解决很多实际问题。
二、整数规划问题的解决方法解决整数规划问题的方法主要有以下几种：穷举法、剪枝法、分支定界法、动态规划法等。
具体使用哪种方法需要根据问题的规模和特点来确定。
1. 穷举法是最简单直观的方法，通过枚举搜索整数解空间中的每一个可能解来寻找最优解。
然而，由于整数解空间往往非常大，这种方法在实际问题中往往是不可行的。
2. 剪枝法是一种通过对解空间进行剪枝操作，减少搜索空间的方法。
通过合理选择剪枝条件，可以避免对明显无解的解空间进行搜索，从而提高求解效率。
3. 分支定界法是一种将整数规划问题不断分解为子问题，并对子问题进行界定的方法。
通过不断缩小问题规模，并计算上下界确定最优解的位置，可以有效地求解整数规划问题。
LINDO软件求线性规划、整数规划和0-1规划
LINDO软件求线性规划、整数规划和0-1规划LINDO软件简介/求解线性规划问题LINDO是⼀种专门⽤于求解数学规划问题的软件包。
由于LINDO执⾏速度很快、易于⽅便输⼊、求解和分析数学规划问题。
因此在数学、科研和⼯业界得到⼴泛应⽤。
LINDO/GO主要⽤于解线性规划、⾮线性规划、⼆次规划和整数规划等问题。
也可以⽤于⼀些⾮线性和线性⽅程组的求解以及代数⽅程求根等。
LINDO/GO中包含了⼀种建模语⾔和许多常⽤的数学函数（包括⼤量概论函数），可供使⽤者建⽴规划问题时调⽤。
⼀般⽤LINDO（Linear Interactive and Discrete Optimizer）解决线性规划（LP—Linear Programming）。
整数规划（IP—Integer Programming）问题。
其中LINDO 6 .1 学⽣版⾄多可求解多达300个变量和150个约束的规划问题。
其正式版（标准版）则可求解的变量和约束在1量级以上。
LINGO则⽤于求解⾮线性规划（NLP—NON—LINEAR PROGRAMMING）和⼆次规则（QP—QUARATIC PROGRAMING）其中LINGO ６.0学⽣版最多可版最多达300个变量和150个约束的规则问题，其标准版的求解能⼒亦在10^4量级以上。
虽然LINDO和LINGO 不能直接求解⽬标规划问题,但⽤序贯式算法可分解成⼀个个LINDO和LINGO能解决的规划问题。
要学好⽤这两个软件最好的办法就是学习他们⾃带的HELP⽂件。
下⾯拟举数例以说明这两个软件的最基本⽤法。
（例⼦均选⾃张莹《运筹学基础》）例１.（选⾃《运筹学基础》Ｐ５４.汽油混合问题，线性规划问题）⼀种汽油的特性可⽤两个指标描述：其点⽕性⽤“⾟烷数”描述，其挥发性⽤“蒸汽压⼒”描述。
某炼油⼚有四种标准汽油，设其标号分别为１，２，３，４，其特性及库存量列于下表１中，将上述标准汽油适量混合，可得两种飞机汽油，某标号为１，２，这两种飞机汽油的性能指标及产量需求列于表２中。
运筹学基础-整数规划(2)
【例 2 】求解 0-1 规划最优解
minZ= 4x1+3x2 +2x3 2x1 -5x2+3x3 ≤4 (1) 4x1 + x2+3x3 ≥3 (2) x2+x3 ≥1 (3) x1 , x2 , x3 =0或 1
解： 先将问题化为如下的标准问题
minZ= 4x1+3x2 +2x3 2x1 － 5x2+3x3 ≤4 (1) － 4x1 － x2 － 3x3 ≤－3 (2) (3) － x2 － x3 ≤ － 1 x1 , x2 , x3 =0或 1
0 13 aij－列min 6 (0) 0 (0) 5 0 0 1 (0) 7 0 6 9 3 2 0 (0) 0 2 15 10 4 9 14 7 8 13 14 16 11 4 15 13 9
（a）从行开始，对只有一个的零元素，打上（），用直线划去所在列 （b）再从列开始，对只有一个的零元素，打上（），用直线划去所在行
∑ ∑
指派问题的解法－－匈牙利法 指派问题的解法－－匈牙利法 －－
从时间表（效率表）出发构建效率矩阵 效率矩阵。 效率矩阵
时间表
任务 人员 甲 乙 丙 丁 E 2 10 9 7 J 15 4 14 8 G 13 14 16 11 R 4 15 13 9
2 15 10 4 9 14 7 8
13 14 16 11
分配表
任务 人员 甲 乙 丙 丁
合计
E x11 x21 x31 x41 1
i
J x12 x22 x32 x42 1
G x13 x23 x33 x43 1
ij x ij
R x14 x24 x34 x44 1
合计
1 1 1 1
运筹学笔记4、5-特殊线性规划(整数规划、对偶问题)
每个线性规划问题都有一个与之对应的对偶问题。
简单考虑如下的生产分配问题我们有下面的对偶问题：该问题的任意一个可行解对应的目标函数值都不小于原问题的目标函数值，但是两个问题的最优目标函数值（有限）相同。
一般而言：1、每个对偶变量对应原问题的一个约束条件2、原问题是等式约束则对偶变量无不等式约束（非负约束）3、原问题是不等式约束则对偶变量有不等式约束4、原问题变量和对偶问题约束条件同样具有如上规律任何原问题和对偶问题之间都存在下述相互关系：弱对偶性：原对偶问题任何可行解的目标值都是另一问题最优目标值的界（推论：原对偶问题目标值相等的一对可行解是各自的最优解）强对偶性：原对偶问题只要有一个有最优解，另一个就有最优解，并且最优目标值相等互为对偶的线性规划问题解之间关系有如下四种：原问题与对偶问题之间存在互补松弛性：一般形式的线性规划互补松弛定理：经济学中有所谓影子价格的概念：如果增加某些约束条件的数值，原问题的最优目标值应该增加，增加单位约束使得原问题最优值的增加量为该约束条件的影子价格。
影子价格可以由对偶线性规划问题清楚地描述：对偶单纯形法：当线性规划问题中地某个约束条件或价值变量中含有参数时，原问题称之为参数线性规划，它有如下的处理方法：1）固定λ的数值解线性规划问题2）确定保持当前最优基不变的λ的区间3）确定λ在上述区间附近的最优基，回2）如以下问题：在实际问题中，许多变量以及它们的约束条件往往是离散的，或者说限定在整数域上，这便引入了整数线性规划的概念。
具体而言，整数线性规划包含纯整数线性规划（所有变量是整数变量）、混合整数线性规划（同时包含整数和非整数变量）、0-1型整数线性规划（变量等于0或1）去除整数规划的整数约束后的问题称为其松弛问题。
一般情况，原问题的解并不一定是其松弛问题的最优解附近的整数解，例如：通常的解决办法是在松弛问题的基础上出发，不断地引入整数的约束条件，从而求出整数规划的解。
第六章 运筹学 整数规划案例
第六章整数规划6.1 用图形将一下列线性规划问题的可行域转换为纯整数问题的可行域(在图上用“×”标出)。
1、 max z=3x1+2x2S.T. 2x1+3x2≤122x1+x2≤9x1、x2≥0解：2、 min f=10x1+9x2S.T. 5x1+3x2≥45x1≥8x2≤10x1、x2≥06.2 求解下列整数规划问题1、 min f=4x1+3x2+2x3S.T. 2x1-5x2+3x3≤44x1+x2+3x3≥3x2+x3≥1x1、x2、x3=0或1解：最优解（0，0，1），最优值：22、 min f=2x1+5x2+3x3+4x3S.T. -4x1+x2+x3+x4≥2-2x1+4x2+2x2+4x2≥4x1+x2-x2+x2≥3x1、x2、x3、x3=0或1解：此模型没有可行解。
3、max Z=2x1+3x2+5x3+6x4S.T. 5x1+3x2+3x3+x4≤302x1+5x2-x2+3x2≤20-x1+3x2+5x2+3x2≤403x1-x2+3x2+5x2≤25x1、x2、x3、x3=正整数解：最优解（0，3，4，3），最优值：474、min z =8x1 +4 x2+3 x3+5 x4+2 x5＋3 x6＋4 x7＋3 x8+4 x9+9 x10+7 x11+5 x12 +10 x13+4 x14+2 x15+175 x16+300 x17+375 x18 +500 x19约束条件x1 + x2+x3≤30x4+ x5＋x6-10 x16≤0x7+ x8＋x9-20 x17≤0x10+ x11＋x12-30 x18≤0x13+ x14＋x15-40 x19≤0x1 + x4+ x7+x10+ x13＝30x2 + x5+ x8+x11+ x14＝20x3 + x6+ x9+x12+ x15＝20x i为非负数（i=1,2…..8）x i为非负整数（i=9,10…..15）x i为为0－1变量（i=16,17…..19）解：最优解（30，0，0，0，0，0，0，0，0，0，0，0，0，20，20，0，0，0，1），最优值：8606.3 一餐饮企业准备在全市范围内扩展业务，将从已拟定的14个点中确定8个点建立分店，由于地理位置、环境条件不同，建每个分店所用的费用将有所不同，现拟定的14个店的费用情况如下表：公司办公会决定选择原则如下：（1）B5、B3和B7只能选择一个。
运筹学实验报告四整数规划
2018-2019学年第一学期《运筹学》实验报告（四）班级：交通运输171学号： 1000000000姓名： *****日期： 2018.11.22实验一：用Lingo 软件求解下列整数规划问题（要求附程序和结果）12121212max 25062210,1,2i z x x x x x x x x x i =++≤⎧⎪-+≤⎪⎨+≤⎪⎪≥=⎩且取整数12312323123123123max 232452244,,01z x x x x x x x x x x x x x x x x x =+-++≤⎧⎪+≤⎪⎪+-≤⎨⎪+-≤⎪=⎪⎩或解：例题（左）解题程序及运行结果如下：sets :bliang/1,2/:x,a; yshu/1,2,3/:b;xshu(yshu,bliang):c; endsets data : a=2,1; b=5,0,21; c=1,1 -1,1 6,2; enddatamax =@sum (bliang(i):a(i)*x(i));@for (yshu(j):@sum (bliang(i):x(i)*c(j,i))<=b(j)); @for(bliang(i):@gin(x(i)));Global optimal solution found.Objective value: 7.000000 Objective bound: 7.000000 Infeasibilities: 0.000000 Extended solver steps: 0 Total solver iterations: 0Variable Value Reduced CostX( 1) 3.000000 -2.000000X( 2) 1.000000 -1.000000A( 1) 2.000000 0.000000A( 2) 1.000000 0.000000B( 1) 5.000000 0.000000B( 2) 0.000000 0.000000B( 3) 21.00000 0.000000C( 1, 1) 1.000000 0.000000C( 1, 2) 1.000000 0.000000C( 2, 1) -1.000000 0.000000C( 2, 2) 1.000000 0.000000C( 3, 1) 6.000000 0.000000C( 3, 2) 2.000000 0.000000Row Slack or Surplus Dual Price1 7.0000001.0000002 1.000000 0.0000003 2.000000 0.0000004 1.000000 0.000000例题（右）解题程序及运行结果如下：sets:bliang/1,2,3/:x,a;yshu/1,2,3,4/:b;xshu(yshu,bliang):c;endsetsdata:a=2,1,-1;b=2,5,2,4;c=1,3,10,4,11,2,-11,4,-1;enddatamax=@sum(bliang(i):a(i)*x(i));@for(yshu(j):@sum(bliang(i):x(i)*c(j,i))<=b(j));@for(bliang(i):@bin(x(i)));Global optimal solution found.Objective value: 2.000000Objective bound: 2.000000Infeasibilities: 0.000000Extended solver steps: 0Total solver iterations: 0Variable Value ReducedCostX( 1) 1.000000 -2.000000X( 2) 0.000000 -1.000000X( 3) 0.000000 1.000000A( 1) 2.000000 0.000000A( 2) 1.000000 0.000000A( 3) -1.000000 0.000000B( 1) 2.000000 0.000000B( 2) 5.000000 0.000000B( 3) 2.0000000.000000B( 4) 4.000000 0.000000C( 1, 1) 1.000000 0.000000C( 1, 2) 3.000000 0.000000C( 1, 3) 1.000000 0.000000C( 2, 1) 0.000000 0.000000C( 2, 2) 4.000000 0.000000C( 2, 3) 1.000000 0.000000C( 3, 1) 1.000000 0.000000C( 3, 2) 2.000000 0.000000C( 3, 3) -1.000000 0.000000C( 4, 1) 1.000000 0.000000C( 4, 2) 4.000000 0.000000C( 4, 3) -1.000000 0.000000Row Slack or Surplus Dual Price1 2.0000001.0000002 1.000000 0.0000003 5.000000 0.0000004 1.000000 0.0000005 3.000000 0.000000实验二：一、问题重述某学校规定，运筹学专业的学生毕业时必须至少学习过两门数学课、三门运筹学课和两门计算机课。
运筹学整数规划
2 0 5 0 3
0 0 7 0 6
2 0 2 4 5
3。重复。依行，不考虑划去的0，只有一个0的 对0打圈，划去列 2
1
5 2 0 9 0
0 3 10 8 6
2 0 5 0 3
0 0 7 0 6
2 0 2 4 5
3
4。重复。依列，不考虑划去的0，只有一个0的 对0打圈，划去行 2
7 8 11
任务 人员
分派情况
甲 乙 丙
E J G R
丁
4
15
所需时间
13
9
甲 1 1 乙 1 丙 1 丁
对应每个指派问题, 都有类似的表格，我们称之 为效率矩阵或系数矩阵，某元素 cij ( i , j = 1,2, · · · · · · , n ) 表示指派第 i 个人去完成 第 j 项任务时的效率(或
整数规划问题的求解要比一般的线性规划困难
本章将着重讨论 1。一类特殊的整数规划——指派问题，它的数 学模型和求解。 2。求解整数规划方法——分枝定界法。
一、指派问题的数学模型
1。数学模型
某单位需要指派 n 个人去完成 n 项任务，每个人 只做一项工作，同时，每项工作只由一个人完成。由 于各人的专长不同，每个人完成各项任务的效率也不 同。于是产生了应指派哪一个人去完成哪一项任务， 使完成 n 项任务的总效率最高（如所用的时间为最 少）。我们把这类问题称之为指派问题或分派问题 (Assignment Problem)。
二、匈牙利法
指派问题的效率矩阵的每一个元素aij≥0
解矩阵是每行或每列只能有一个元素为1，其余 均为 0 的 n 阶方阵。如：
0 0 ( xij ) 1 0 1 0 0 0 0 1 0 0 0 0 0 1
运筹学：目标规划、整数规划习题与答案
一、判断题1、正偏差变量大于等于零，负偏差变量小于等于零。
（）正确答案：×2、系统约束中最多含有一个正或负的偏差变量。
（）正确答案：×3、目标约束一定是等式约束。
（）正确答案：√4、一对正负偏差变量至少一个大于零。
（）正确答案：×5、一对正负偏差变量至少一个等于零。
（）正确答案：√6、要求不超过目标值的目标函数是minZ= d+。
（）正确答案：√7、超出目标的差值称为正偏差。
（）正确答案：√8、未到达目标的差值称为负偏差。
（）正确答案：√二、填空题1. 用分枝定界法求极大化的整数规划问题时，任何一个可行解的目标函数值是该问题目标函数值的（）。
正确答案：下界2.在分枝定界法中，若选Xr=4／3进行分支，则构造的约束条件应为（）。
正确答案：X1<=1，X1>=23. 已知整数规划问题P0，其相应的松驰问题记为P0’，若问题P0’无可行解，则问题P0（）。
正确答案：无可行解4.在0 - 1整数规划中变量的取值可能是（）。
正确答案：0或15. 对于一个有n项任务需要有n个人去完成的分配问题，其解中取值为1的变量数为（）个。
正确答案：n三、选择题1. 整数规划问题中，变量的取值可能是（）。
A.整数B.0或1C.大于零的非整数D.以上三种都可能正确答案：D2.在下列整数规划问题中，分枝定界法和割平面法都可以采用的是（）。
A.纯整数规划B.混合整数规划C.0—1规划D.线性规划正确答案：A3.下列方法中用于求解分配问题的是（）。
A.单纯形表B.分枝定界法C.表上作业法D.匈牙利法正确答案：D。