割平面法的理解
1. 简介
割平面法（Cutting Plane Method）用于求解整数规划问题，通过逐步添加线性约束（割平面）逼近整数解。本文以Gomory割平面法为例，结合简单示例拆解核心步骤。
2. 示例详解
问题描述
考虑整数规划问题：
max
3
x
1
+
2
x
2
s.t.
2
x
1
+
x
2
≤
6
2
x
1
+
3
x
2
≤
9
x
1
,
x
2
≥
0
,
且为整数
\begin{align*} \max \quad & 3x_1 + 2x_2 \\ \text{s.t.} \quad & 2x_1 + x_2 \leq 6 \\ & 2x_1 + 3x_2 \leq 9 \\ & x_1, x_2 \geq 0, \text{且为整数} \end{align*}
maxs.t.3x1+2x22x1+x2≤62x1+3x2≤9x1,x2≥0,且为整数
步骤1：求解松弛问题
引入松弛变量
x
3
,
x
4
≥
0
x_3, x_4 \geq 0
x3,x4≥0，转化为标准LP问题：
max
3
x
1
+
2
x
2
s.t.
2
x
1
+
x
2
+
x
3
=
6
2
x
1
+
3
x
2
+
x
4
=
9
x
1
,
x
2
,
x
3
,
x
4
≥
0
\begin{align*} \max \quad & 3x_1 + 2x_2 \\ \text{s.t.} \quad & 2x_1 + x_2 + x_3 = 6 \\ & 2x_1 + 3x_2 + x_4 = 9 \\ & x_1, x_2, x_3, x_4 \geq 0 \end{align*}
maxs.t.3x1+2x22x1+x2+x3=62x1+3x2+x4=9x1,x2,x3,x4≥0
用单纯形法求解得：
x
1
=
1.5
,
x
2
=
2
,
x
3
=
0
,
x
4
=
0
x_1=1.5, x_2=2, x_3=0, x_4=0
x1=1.5,x2=2,x3=0,x4=0，目标值8.5。
步骤2：选择非整数基变量
- 基变量： x 1 , x 2 x_1, x_2 x1,x2（非整数解）。
- 约束方程：选择非整数基变量（如
x
1
x_1
x1）对应的约束方程。
单纯形表中， x 1 x_1 x1 的约束方程为：
x 1 + 0.5 x 3 − 0.5 x 4 = 1.5 （来自行变换后的约束1，由非基变量表示基变量的变换而得） x_1 + 0.5x_3 - 0.5x_4 = 1.5 \quad \text{（来自行变换后的约束1，由非基变量表示基变量的变换而得）} x1+0.5x3−0.5x4=1.5（来自行变换后的约束1，由非基变量表示基变量的变换而得）
步骤3：构造割平面
-
分解系数和常数项
将系数和常数项分解为整数部分（向下取整）和小数部分（小数部分 f ∈ [ 0 , 1 ) f \in [0,1) f∈[0,1)）：
0.5 = 0 + 0.5 (系数 x 3 ) − 0.5 = − 1 + 0.5 (系数 x 4 ) 1.5 = 1 + 0.5 (常数项) \begin{align*} 0.5 &= 0 + 0.5 \quad &\text{(系数}~x_3\text{)} \\ -0.5 &= -1 + 0.5 \quad &\text{(系数}~x_4\text{)} \\ 1.5 &= 1 + 0.5 \quad &\text{(常数项)} \end{align*} 0.5−0.51.5=0+0.5=−1+0.5=1+0.5(系数 x3)(系数 x4)(常数项) -
分离整数与小数部分
原方程改写为：
x 1 − x 4 − 1 ⏟ 整数部分 + 0.5 x 3 + 0.5 x 4 = 0.5 ⏟ 小数部分 \underbrace{x_1 - x_4 - 1}_{\text{整数部分}} + \underbrace{0.5x_3 + 0.5x_4 = 0.5}_{\text{小数部分}} 整数部分 x1−x4−1+小数部分 0.5x3+0.5x4=0.5 -
生成割平面约束
由于左边小数部分必须补偿右边的0.5，且变量非负：
0.5 x 3 + 0.5 x 4 ≥ 0.5 ⇒ x 3 + x 4 ≥ 1 0.5x_3 + 0.5x_4 \geq 0.5 \quad \Rightarrow \quad x_3 + x_4 \geq 1 0.5x3+0.5x4≥0.5⇒x3+x4≥1- 每个系数的小数部分 < 1 <1 <1，导致它们的线性组合可以 ≥1，不过并不影响上述不等式的成立。
步骤4：添加割平面并重新求解
将新约束转换为等式（引入松弛变量
x
5
≥
0
x_5 \geq 0
x5≥0）：
x
3
+
x
4
−
x
5
=
1
x_3 + x_4 - x_5 = 1
x3+x4−x5=1
重新求解LP，得到整数解：
x
1
=
1
,
x
2
=
2
x_1=1, x_2=2
x1=1,x2=2，目标值7。
3. 泛化公式
对任意整数规划问题，假设松弛问题最优解中某基变量
x
i
x_i
xi 非整数，其约束方程为：
x
i
+
∑
j
∈
N
a
ˉ
i
j
x
j
=
b
ˉ
i
x_i + \sum_{j \in N} \bar{a}_{ij}x_j = \bar{b}_i
xi+j∈N∑aˉijxj=bˉi
其中
N
N
N 为非基变量集合，
b
ˉ
i
\bar{b}_i
bˉi 非整数。
割平面构造流程
-
分解系数：
a ˉ i j = ⌊ a ˉ i j ⌋ + f i j , b ˉ i = ⌊ b ˉ i ⌋ + f i \bar{a}_{ij} = \lfloor \bar{a}_{ij} \rfloor + f_{ij}, \quad \bar{b}_i = \lfloor \bar{b}_i \rfloor + f_i aˉij=⌊aˉij⌋+fij,bˉi=⌊bˉi⌋+fi
其中 0 ≤ f i j < 1 0 \leq f_{ij} < 1 0≤fij<1， 0 < f i < 1 0 < f_i < 1 0<fi<1。 -
分离方程：
x i + ∑ j ∈ N ⌊ a ˉ i j ⌋ x j − ⌊ b ˉ i ⌋ ⏟ 整数部分 + ∑ j ∈ N f i j x j − f i = 0 ⏟ 小数部分 \underbrace{x_i + \sum_{j \in N} \lfloor \bar{a}_{ij} \rfloor x_j - \lfloor \bar{b}_i \rfloor}_{\text{整数部分}} + \underbrace{\sum_{j \in N} f_{ij}x_j - f_i = 0}_{\text{小数部分}} 整数部分 xi+j∈N∑⌊aˉij⌋xj−⌊bˉi⌋+小数部分 j∈N∑fijxj−fi=0 -
生成割平面：
由于小数部分必须非负：
∑ j ∈ N f i j x j ≥ f i \sum_{j \in N} f_{ij}x_j \geq f_i j∈N∑fijxj≥fi
4. 关键细节
为什么割平面不切割整数解？
对任意整数可行解 x j x_j xj（包括松弛变量）：
- 变量非负性： x j ≥ 0 x_j \geq 0 xj≥0 且为整数。
- 系数分解规则： f i j ∈ [ 0 , 1 ) f_{ij} \in [0,1) fij∈[0,1)， f i ∈ ( 0 , 1 ) f_i \in (0,1) fi∈(0,1)。
假设存在整数解不满足割平面约束：
∑
f
i
j
x
j
<
f
i
\sum f_{ij}x_j < f_i
∑fijxj<fi
根据原约束方程分解形式：
整数部分
+
∑
f
i
j
x
j
=
f
i
\text{整数部分} + \sum f_{ij}x_j = f_i
整数部分+∑fijxj=fi
左边整数部分必须为整数，右边
f
i
∈
(
0
,
1
)
f_i \in (0,1)
fi∈(0,1)。若
∑
f
i
j
x
j
<
f
i
\sum f_{ij}x_j < f_i
∑fijxj<fi，则：
∑
f
i
j
x
j
=
f
i
−
k
(
k
为正整数
)
\sum f_{ij}x_j = f_i - k \quad (k \text{为正整数})
∑fijxj=fi−k(k为正整数)
又因为
f
i
∈
(
0
,
1
)
f_i \in (0,1)
fi∈(0,1)：
∑
f
i
j
x
j
=
f
i
−
k
<
0
\sum f_{ij}x_j = f_i - k < 0
∑fijxj=fi−k<0
与
x
j
≥
0
x_j \geq 0
xj≥0 和
f
i
j
≥
0
f_{ij} \geq 0
fij≥0 矛盾！因此，任何整数解必须满足：
∑
f
i
j
x
j
≥
f
i
\sum f_{ij}x_j \geq f_i
∑fijxj≥fi
收敛性
- 每次割平面至少切割当前非整数解，理论上有限步收敛，但实际中可能较慢，可嵌入分支定界法提升效率。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
