真正学会Benders分解方法：分解的全过程，实战：设施选址问题-CSDN博客

本文链接：https://blog.csdn.net/2302_80918188/article/details/148446094

前言

相信大家看完Benders分解方法，已经对Benders有了一定的理解，这一篇主要作用在于加深理解，并结合实际问题来真正学会Benders分解方法。

Benders处理框架：

这个图我们就能直观的看到Benders是怎么一步一步分解我们的初始问题的了。（这是主播辛辛苦苦画的补药直接偷走QAQ！）

Benders分解全程

（1）首先求初始主问题的解：

$min$ $fTy+q(y)$

$s.t.$ $y\epsilon Y\varepsilon R^{q}$

这样子会得到最优解。这个最优解的 $y$ 值 $\frac{}{y}$ 当做固定值代入下一步迭代中。

（2）将Master Problem 中的最优解 $\frac{}{y}$ 代入子问题的对偶问题中，求解：

$max$ $(b-B\frac{}{y})Ta$

$s.t.$ $ATa\leq c$

$a free$

得到极点和极射线。如果有最优解就获得其目标值 $q(y*)$ $=a ^{T*}(b-B\frac{}{y})$ .因为子问题与对偶问题互为对偶所以目标值是相同的。

（3）在求解完子问题的对偶问题之后，将极点与极射线的相关约束加入松弛的主问题中，更新主问题，主问题变成等价的形式，求解更新厚的模型：

$min$ $fT+q$

$s.t.$ $(a_{r}^{j})^{T}(b-By)\leq 0 ,\Lambda j=1,2,3......J$

$(a_{p}^{i})^{T}(b-By)\leq q ,\Lambda i=1,2,3......I$

$y\epsilon Y,qfree$

这样子之后可以获得目标值中的 $q$ 的值 $q*$ ，算法停止，得到最优解。这里的终止条件可以从全局的UB和全局的LB得到。Benders分解中， $fTy+q$ 提供了一个全局LB， $fTy+q(y)$ 提供了一个全局UB。因此UB=LB是，有 $q(y)=q$ .

相信大家看到这里也是学的差不多了（如果还是没明白可以评论留言，相信主播要是看得到就会回复的），接下来我们话不多说直接进入实战！gogogo

应用案例:设施选址问题

设施选址问题(Facility Location Problem,FLP)可以使用 Benders 分解算法快速求解。首先给出FLP的描述(本例中设施为仓库)。
假设可选的仓库点(CandidateWarehouse)的集合为W={1,2,,n}，零售店点(retailer)的可选集合为 R={1,2,……·,m}。假设开通仓库i的固定成本为f，其供货上限为S。如果仓库i要为零售店j供货，则会产生相应的运输成本，假设单位运输成本为G。我们需要决策在哪些点建设仓库，并且决定仓库与零售店之间的供货关系，使得所有零售店的需求都被满足，同时要最小化总的设施建设成本和服务成本。
基于上述描述，引入下面的决策变量。

yi:如果选择在i∈W 建设仓库，则出=1，否则y=0

$x_{ij}$ :仓库i向零售店j的供货量。