【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 )

一、整数规划问题解的特征

---

整数规划问题解的特征 :

① 整数规划问题 与 松弛问题 可行解集合关系 : 整数规划问题 可行解集合 , 是该整数规划问题的 松弛问题 可行解集合 的子集 , 任意两个可行解的 凸组合 , 不一定满足整数约束条件 , 不一定是可行解 ;

② 整数规划问题 与 松弛问题 最优解关系 : 整数规划问题的可行解 一定是 其 松弛问题的可行解 , 松弛问题的可行解不一定是整数规划问题的可行解 , 整数规划问题的最优解 不会优于 松弛问题的最优解 ;

松弛问题 比 整数规划问题 条件少一些 , 整数规划问题比松弛问题变量限制多一条 " 约束变量必须都是整数 " ;

二、整数规划问题 与 松弛问题 示例

---

假设有如下整数规划问题 :

$\begin{array}{l}\mathrm{m}\mathrm{a}\mathrm{x}\mathrm{Z}={\mathrm{x}}_1+{\mathrm{x}}_2\\ \\ \mathrm{s}.\mathrm{t}\{\begin{array}{l}14{\mathrm{x}}_1+9{\mathrm{x}}_2\le 51\\ \\ -6{\mathrm{x}}_1+3{\mathrm{x}}_2\le 1\\ \\ {\mathrm{x}}_1,{\mathrm{x}}_2\ge 0并且为整数\end{array}\end{array}$

上述整数规划问题对应的松弛问题 : 松弛问题 比 整数规划问题 条件少一些 , 整数规划问题比松弛问题变量限制多一条 " 约束变量必须都是整数 " ;

$\begin{array}{l}\mathrm{m}\mathrm{a}\mathrm{x}\mathrm{Z}={\mathrm{x}}_1+{\mathrm{x}}_2\\ \\ \mathrm{s}.\mathrm{t}\{\begin{array}{l}14{\mathrm{x}}_1+9{\mathrm{x}}_2\le 51\\ \\ -6{\mathrm{x}}_1+3{\mathrm{x}}_2\le 1\\ \\ {\mathrm{x}}_1,{\mathrm{x}}_2\ge 0\end{array}\end{array}$

使用图解法 , 解上述 松弛问题 的最优解为 $\{\begin{array}{l}{\mathrm{x}}_1=\frac{3}{2}\\ \\ {\mathrm{x}}_2=\frac{10}{3}\end{array}$

此时目标函数值 $\mathrm{m}\mathrm{a}\mathrm{x}\mathrm{Z}={\mathrm{x}}_1+{\mathrm{x}}_2=\frac{29}{6}$

简单的将其松弛问题最优解上下取整 , 得到的四个点 , 如上图的四个红色点 , 都不在可行域中 , 选择的整数解 , 必须在可行域中 ;

根据 整数规划问题的的松弛问题 的最优解 , 如何找其 整数规划问题 的整数最优解 , 是整数规划问题的核心问题 ;

穷举法 ( 有局限性 ) : 直接看上图中可行域内的整数点 , 然后再逐一代入目标函数 , 得到一个 整数规划问题 的最优解 , 但是这种方法无法推广应用 , 如果点的个数比较多 , 如几万个 , 变量的维数多 , 如 $10$ 个约束变量 , 这种方法肯定不适用 ;

整数规划问题的求解方法有 : ① 分支定界法 , ② 割平面法 ;

推荐使用 分支定界法 ;