一、分支定界法相关概念



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 ;





二、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 x i x_i xi , 在 松弛问题 中加上约束 :

x i ≤ [ x i ] x_i \leq [x_i] xi[xi] x i ≥ [ x i ] + 1 x_i \geq [x_i] + 1 xi[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 1 1 1 的最优解是 x ∗ x^* x , 将最优解代入目标函数后得到最优值 f 1 f_1 f1 ;

分支 2 2 2 的最优解是 y ∗ y^* y , 将最优解代入目标函数后得到最优值 f 2 f_2 f2 ;

如果目标函数求最大值 , 那么就讨论 f 1 , f 2 f_1, f_2 f1,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 ;





三、分支定界理论分析



假设考虑 分支 1 1 1 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 f f f , 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 1 1 1 松弛问题 目标函数 求最大值 ,

如果求解 分支 1 1 1 松弛问题 最优解 恰好也是一个整数解 f 0 f_0 f0 , 如果 f 0 > f f_0 > f f0>f , 此时需要重新定界 , f 0 f_0 f0 作为新的界来讨论 ;

根据新的界来看 分支 2 2 2 松弛问题是否需要讨论 , 求出 分支 2 2 2 的最优解 对应的 目标函数最优值 f ∗ f^* f ;

如果 分支 2 2 2 的最优值 小于 分支 1 1 1 的最优值 f ∗ ≤ f 0 f^* \leq f^0 ff0 , 此时分支 2 2 2 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 ;





四、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 :

m a x Z = x 1 + x 2 s . t { 14 x 1 + 9 x 2 ≤ 51 − 6 x 1 + 3 x 2 ≤ 1 x 1 , x 2 ≥ 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.t14x1+9x2516x1+3x21x1,x20 


其对应的松弛问题是 : 去掉整数解限制 ;

m a x Z = x 1 + x 2 s . t { 14 x 1 + 9 x 2 ≤ 51 − 6 x 1 + 3 x 2 ≤ 1 x 1 , x 2 ≥ 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.t14x1+9x2516x1+3x21x1,x20


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 ) :

在这里插入图片描述
最优解 x 1 = 3 2 x_1 = \cfrac{3}{2} x1=23 , 分别为 x 1 x_1 x1 添加 x i ≤ [ x i ] x_i \leq [x_i] xi[xi] x i ≥ [ x i ] + 1 x_i \geq [x_i] + 1 xi[xi]+1 约束 , 形成两个新的线性规划 ;


分支 1 1 1 整数规划 : 添加 x i ≤ [ x i ] x_i \leq [x_i] xi[xi] 约束 , 即 x 1 ≤ 1 x_1 \leq 1 x11 ;

m a x Z = x 1 + x 2 s . t { 14 x 1 + 9 x 2 ≤ 51 − 6 x 1 + 3 x 2 ≤ 1 x 1 ≤ 1 x 1 , x 2 ≥ 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.t14x1+9x2516x1+3x21x11x1,x20


分支 2 2 2 整数规划 : 添加 x i ≥ [ x i ] + 1 x_i \geq [x_i] +1 xi[xi]+1 约束 , 即 x 1 ≥ 2 x_1 \geq 2 x12 ;

m a x Z = x 1 + x 2 s . t { 14 x 1 + 9 x 2 ≤ 51 − 6 x 1 + 3 x 2 ≤ 1 x 1 ≥ 2 x 1 , x 2 ≥ 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.t14x1+9x2516x1+3x21x12x1,x20


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 ;

在这里插入图片描述

Logo

旨在为数千万中国开发者提供一个无缝且高效的云端环境,以支持学习、使用和贡献开源项目。

更多推荐