数学建模：整数规划—指派模型与匈牙利算法

原文地址：https://blog.csdn.net/qq_55851911/article/details/124515574?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522166175015616782391887664%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=166175015616782391887664&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_allfirst_rank_ecpm_v1~pc_rank_34-7-124515574-null-null.142^v42pc_rank_34_1,185^v2control&utm_term=%E5%8C%88%E7%89%99%E5%88%A9%E7%AE%97%E6%B3%95%E6%8C%87%E6%B4%BE%E5%8E%9F%E7%90%86&spm=1018.2226.3001.4187

---

对于限制全部或部分决策变量取离散非负整数值的线性规划, 称之整数线性规划, 简称整数规划. 整数规划的一种特殊情形是 0 − 1 0-10−1 整数规划, 它的决策变量仅限于 0 或 1, 简称 0 − 1 0-10−1 规划.

指派模型是一种重要的 0 − 1 0-10−1 规划模型，指派模型又叫分配模型，指有各种不同的资源将分派给各种不同的用途，以寻求一种最优的分配方案。要求使有限的资源达到最经济的运用，取得最大的经济效果。这里的资源可以是人力，材料、工件、设备等; 用途可以是待用设备、待完成工作、待加工的工件等。资源与用途之间是一一对应的，即当某种资源分配给某种用途之后，这种资源就不能再分配给别的用途了，同样，这种用途也不能再占用别的资源了。

标准指派模型

标准指派问题的一般提法是：拟分派n个人 A₁， A₂，⋯，A_n去完成n项工作B₁，B₂，⋯，B_n，要求每项工作需且仅需一个人去完成，每个人需完成且仅需完成一项工作。已知人A_i完成工作B_j的时间或费用等成本型指标值为c_ij，则应如何指派才能使总的工作效率最高？

引入 0 − 1 决策变量

$$x_{ij}=\{\begin{array}{l}1,指派A_i去完成工作B_j\\ 0,否则\end{array}i,j=1,2,...,n$$
则标准指派问题的数学模型为
$$minz=\sum _{i=1}^n\sum _{i=1}^n{c}_{ij}{x}_{ij},$$
$$s.t.\{\begin{array}{l}{\sum }_{j=1}^n{x}_{ij}=1,i=1,2,...n,\\ {\sum }_{i=1}^n{x}_{ij}=1,j=1,2,...n,\\ x_{ij}=0或1,i,j=1,2,...n\end{array}$$
称 C = (c_ij)_n×n 为效率矩阵，模型的最优解也可以用n阶方阵 X^∗ 的形式来表示，称之指派问题的最优解方阵。最优解方阵一定是一个置换矩阵，即矩阵的每一行、每一列都恰好有一个“1”，其余元素均为0。

匈牙利算法

基本原理

• 定理1
  设效率矩阵 C = (c_ij)_n×n 中任何一行（列）的各元素都减去一个常数k（可正可负）后得到的新矩阵为 B = (b_ij)_n×n，则以 B = (b_ij)_n×n 为效率矩阵的指派问题与原问题有相同的最优解，但其最优值比原问题的最优值小k
• 定理2（独立零元素定理）
  若一方阵中的一部分元素为0，一部分元素为非0，则覆盖方阵内所有0元素的最少直线数恰好等于那些位于不同行、不同列的0元素的最多个数。

匈牙利算法步骤

• 第一步 变换指派问题的系数矩阵 (c_ij) 为 (b_ij)，使在 (b_ij) 的各行各列中都出现0元素

  • 从 (c_ij) 的每行元素都减去该行的最小元素
  • 再从所得新系数矩阵的每列元素中减去该列的最小元素

  e.g.
  $$(C_{ij})=\left[\begin{array}{ccccc}12& 7& 9& 7& 9\\ 8& 9& 6& 6& 6\\ 7& 17& 12& 14& 9\\ 15& 14& 6& 6& 10\\ 4& 10& 7& 10& 9\end{array}\right]$$
  每行分别 −7, −6, −7, −6, −4 ⟶
  $$\left[\begin{array}{ccccc}5& 0& 2& 0& 2\\ 2& 3& 0& 0& 0\\ 0& 10& 5& 7& 2\\ 9& 8& 0& 0& 4\\ 0& 6& 3& 6& 5\end{array}\right]$$
  每列都 −0 ⟶
  $$\left[\begin{array}{ccccc}5& 0& 2& 0& 2\\ 2& 3& 0& 0& 0\\ 0& 10& 5& 7& 2\\ 9& 8& 0& 0& 4\\ 0& 6& 3& 6& 5\end{array}\right]$$

• 第二步 进行试指派，以寻求最优解
  在 (b_ij) 中找尽可能多的独立0元素，若能找出n个独立0元素，就以这n个独立0元素对应解矩阵 (x_ij) 中的元素为1，其余为0，这就得到最优解

  找独立0元素：

  • 从只有一个0元素的行(列)开始，给这个0元素加圈，记作⌾。然后划去⌾所在列（行）的其它0元素，记作⌽；这表示这列所代表的任务已指派完，不必再考虑别人了
  • 给只有一个0元素的列（行）中的0元素加圈，记作⌾；然后划去⌾所在行的0元素，记作⌽
  • 反复进行以上两步，直到尽可能多的0元素都被圈出和划掉为止

  e.g. 续上例
  $$\left[\begin{array}{ccccc}5& 0& 2& 0& 2\\ 2& 3& 0& 0& 0\\ 0& 10& 5& 7& 2\\ 9& 8& 0& 0& 4\\ 0& 6& 3& 6& 5\end{array}\right]$$
  ⟶
  $$\left[\begin{array}{ccccc}5& ⌾& 2& ⌽& 2\\ 2& 3& ⌽& ⌽& ⌾\\ ⌾& 10& 5& 7& 2\\ 9& 8& ⌾& ⌽& 4\\ ⌽& 6& 3& 6& 5\end{array}\right]$$

• 第三步 作最少的直线覆盖所有0元素，以确定该系数矩阵中能找到最多的独立元素数

  • 对没有⌾的行打 √
  • 在已经打 √ 的行中含有的0元素的列打 √
  • 在已经打 √ 的列中含⌾元素的行打 √
  • 重复前两个操作直到没有打 √ 的行列为止
  • 对没有打 √ 的行画一横线，有打 √ 的列画一纵线，这就覆盖所有0元素的最少直线数。令这一直线数为l。
    若 l < n，说明必须再换当前的系数矩阵，才能找到n个独立的0元素，转到第四步。

• 第四步 在没有被直线覆盖的部分中找出最小元素

  • 打 √ 行每个元素减去这一最小元素，在打 √ 列的每个元素加上这一最小元素，以保证原来0元素不变，得到新系数矩阵
  • 若得到n个独立的0元素，则已得到最优解，否则转回第二步

  e.g. 续上例, 得
  $$\left[\begin{array}{ccccc}0& 1& 0& 0& 0\\ 0& 0& 1& 0& 0\\ 0& 0& 0& 0& 1\\ 0& 0& 0& 1& 0\\ 1& 0& 0& 0& 0\end{array}\right]$$
  或
  $$\left[\begin{array}{ccccc}0& 1& 0& 0& 0\\ 0& 0& 0& 1& 0\\ 0& 0& 0& 0& 1\\ 0& 0& 1& 0& 0\\ 1& 0& 0& 0& 0\end{array}\right]$$
  即求得2个最优指派方案：
  (1) A₁ − B₂, A₂ − B₃, A₃ − B₅, A₄ − B₄, A₅ − B₁；
  (2) A₁ − B₂, A₂ − B₄, A₃ − B₅, A₄ − B₃, A₅ − B₁。
  所需时间为 $minz=7+6+9+6+4=32$

非标准型的指派问题

匈牙利算法的条件是：模型求最小值，效率 c_ij ≥ 0，对非标准的指派问题可转化为标准形式，方法如下

转化为标准形式:

1. 人数和事数不相等的指派问题:
   人少事情多，虚拟“人”，做各事的费用系数为0；
   人多事情少，虚拟“事”，各人做的费用系数为0。
2. 对于求极大化的问题，只要系数矩阵变换为 B ＝ (M − c_ij)_n×n
3. 一个人可以做几件事情的指派问题：
   将该人化作相同的几个“人”来接受指派，费用一样
4. 某事一定不能由某人做的指派问题，费用系数为“M”，然后用匈牙利算法来求解