《python数学实验与建模》（6）整数与非线性规划

声明（求解方式）：

• python🍉

• lingo

• matlab

• 6.1 某公司有5个项目被列入投资计划，各项目的投资额和期望的投资收益如表6.6所示.

  项目	投资额/百万元	投资收益/百万元
  1	210	150
  2	300	210
  3	100	60
  4	130	80
  5	260	180

  该公司只有600万资金可用于投资，由于技术上的原因投资收到下列约束:

  1. 在项目1，2和3中有且仅有一项被选中
  2. 项目3，4只能选中一项
  3. 项目5被选中的前提是项目1必须被选中

  如何在上述条件下选择一个最好的投资方案，使投资收益最大?

  分析：

  • 每个项目的投资都有相应的门槛（投资额），且每个项目只能投资一次（假设），所以决策变量为：
    $$x_i=\{\begin{array}{rl}& 1,投资i项目\\ & 0,不投资i项目\end{array}i=1,2,3,4,5$$

  • 建立整数规划模型：
    $$\begin{gathered} maxz=[150,210,60,80,180{]}^T[x_1,x_2,x_3,x_4,x_5] \\ \{\begin{array}{rl}& x_1+x_2+x_3=1,\\ & x_3+x_4=1,\\ & x_5\le M{x}_1\\ & 210x_1+300x_2+100x_3+130x_4+260x_5\le 600\\ & x_i=0或1，i=1,2,3,4,5\end{array} \end{gathered}$$

    • 其中对于互斥条件，只需要使之和等于1，这样就只能选一个使得等式成立
    • 对于条件3（必要条件），取M为一个极大的正数，若$x_5=1,而此时x_1\ne 1，即x_1=0,那么0\le x_5\le 0,x_5=0$ 这样就会产生矛盾，所以条件3必须成立。（反之$x_1=1,x_5$ 未必为1）

  • 这里使用matlab 构造矩阵反而麻烦，不够直观

  • lingo

  sets:
  fac/1..5/:x,c,b;
  
  endsets
  
  data:
  c=150,210,60,80,180;
  b=210,300,100,130,260;
  enddata
  max=@sum(fac(i):c(i)*x(i));
  x(1)+x(2)+x(3)=1;
  x(3)+x(4)=1;
  x(5)<1000000*x(1);
  @sum(fac(i):x(i)*b(i))<600;
  @for(fac(i):@bin(x(i)));
  # X1=1,X2=0,X3=0,X4=1,X5=1;
  #最大值为410
  

  • python

  import cvxpy as cp
  import numpy as np
  M=1000000
  c=np.array([150,210,60,80,180])
  beq=np.array([210,300,100,130,260])
  x=cp.Variable(5,integer=True)
  obj=cp.Maximize(cp.sum(cp.multiply(c,x)))
  con=[x[0]+x[1]+x[2]==1,x[2]+x[3]==1,x[4]<=M*x[0],
       cp.sum(cp.multiply(beq,x))<=600,x<=1,x>=0]
  prob=cp.Problem(obj,con)
  prob.solve()
  print("需要投资的项目是:",[i for i in x.value])
  print("该组合下最大投资为：",prob.value)
  
  需要投资的项目是: [1.0, 0.0, 0.0, 1.0, 1.0]
  该组合下最大投资为： 410.0
  

• 6.2 一架货机，有效载重为24吨，可运输物品的重量及运费收入如表6.7所示，其中各物品只有一件可供选择，问如何选运物品使得运费总收入最多？

  物品	1	2	3	4	5	6
  重量/吨	8	13	6	9	5	7
  收入/万元	3	5	2	4	2	3

  建立整数规划模型：
  $$\begin{gathered} maxz=[3,5,2,4,2,3{]}^T\cdot X \\ \{\begin{array}{rl}& 8x_1+13x_2+6x_3+9x_4+5x_5+7x_6\le 24\\ & x_i=0或1,i=1,2,3,4,5,6\end{array} \end{gathered}$$

  • lingo

    sets:
  fac/1..6/:x,c,b;
  
  endsets
  
  data:
  c=3,5,2,4,2,3;
  b=8,13,6,9,5,7;
  enddata
  max=@sum(fac(i):x(i)*c(i));
  @sum(fac(i):x(i)*b(i))<24;
  @for(fac(i):@bin(x(i)));
  #结果如下  
    Objective value:                              10.00000
  
                                                                            X( 1)        1.000000           
                                                                             X( 2)       0.000000         
                                                                             X( 3)        0.000000        
                                                                             X( 4)        1.000000        
                                                                             X( 5)        0.000000         
                                                                             X( 6)        1.000000           
  

  • matlab

  c=[3,5,2,4,2,3];
  A=[8,13,6,9,5,7];b=24;
  inction=1:1:6;%决策变量个数向量
  [x,fval]=intlinprog(-c,inction,A,b,[],[],zeros(6,1),ones(6,1));
  disp('可行解=');disp(x');
  disp('最大值=');disp(-fval);
  
  %结果
  可行解=
       1     0     0     1     0     1
  
  最大值=
      10
  
  

  • python

  import cvxpy as cp
  import numpy as np
  c=np.array([3,5,2,4,2,3])
  A=np.array([8,13,6,9,5,7]);b=24
  x=cp.Variable(6,integer=True)
  obj=cp.Maximize(cp.sum(cp.multiply(c,x)))
  con=[cp.sum(cp.multiply(A,x))<=24,x<=1,x>=0]
  prob=cp.Problem(obj,con)
  prob.solve()
  print("可行解为：",x.value)
  print('最大值为：',prob.value)
  
  #结果
  可行解为： [1. 0. 0. 1. 0. 1.]
  最大值为： 10.0
  

• 6.3 有4名同学到一家公司参加三个阶段的面试：公司要求每个同学都必须首先找公司秘书面试，然后到部门主管处面试，最后到经理处面试，并且不允许插队（即在任何一个阶段4名同学的顺序是一样的）

  由于4名同学的专业背景不同，所以每个同学在每个阶段面试的时间也不同

  如表6.8所示。这四名同学约定一起面试完以后离开公司。假定现在是早晨8：00，请问他们最早何时能离开公司？

  	秘书初试	主管复试	经理面试
  甲	14	16	21
  乙	19	17	10
  丙	10	15	12
  丁	9	12	13

  问题分析：

  • 假设，公司的秘书，主管，经理只有一人，需要排队轮流面试，需要确定的是进行秘书的面试的顺序（因为不允许插队，所以当第一轮面试顺序确定之后也就决定了最后的时间）

  • 这里记8：00为初始0时刻（单位：分钟）

  • 可以设决策变量为$x_{ij},$ 代表第i个同学接受第j个考官面试的开始时间，$t_{ij}$代表这次面试所需的时间

  • 目标函数 m i n    t i m e = m a x { t i 3 + x i 3 } min~~time=max\{t_{i3}+x_{i3}\} min  time=max{ti3​+xi3​} 即在最优解下三人之中最晚面试的时间

  • 约束条件：

    • 每个同学的面试顺序：必须挨个面试官进行面试$x_{ik}+t_{ik}<x_{i+1,k}$
    • 同学之间的先后顺序（如甲在秘书面试时，其余三人都不在）：记$y_{ik}$表示第$k$名同学排在第$i$名同学的前面。$y_{ik}=1或0$
      • $x_{ij}+t_{ij}-x_{kj}\le time{y}_{ik},i,k=1,2,3,4,i<k,j=1,2,3$
      • 如果$y_{ik}=1$,$k排在i的前面$，则不等式右边为最晚的面试时间，k开始j面试的时刻-i完成j面试的时刻必然小于最晚的面试时间（最优解下）因为$time\ge \forall x_{ij}+t_{ij}$ （无效约束）
      • 如果$y_{ik}=0$,那么不等式为$x_{ij}+t_{ij}\le x_{kj}$ ,即k开始面试的时刻晚于i完成面试的时刻，也就表达了k排在i的后面（有效约束）
      • $x_{kj}+t_{kj}-x_{ij}\le time(1-y_{ik}),i,k=1,2,3,4,i<k,j=1,2,3$
        • 与上述同理，表示的是$y_{ik}=1$ 时的有效约束

  • 建立混合整数规划模型：
    m i n   m a x { t i 3 + x i 3 } { x i j + t i j − x k j ≤ m a x { t i 3 + x i 3 }   y i k , x k j + t k j − x i j ≤ m a x { t i 3 + x i 3 } ( 1 −   y i k ) x i j + t i j < x i , j + 1 min~max\{t_{i3}+x_{i3}\}\\ \left\{ \begin{aligned} &x_{ij}+t_{ij}-x_{kj}\le max\{t_{i3}+x_{i3}\}~y_{ik},\\ &x_{kj}+t_{kj}-x_{ij}\le max\{t_{i3}+x_{i3}\}(1-~y_{ik})\\ &x_{ij}+t_{ij}<x_{i,j+1} \end{aligned} \right. min max{ti3​+xi3​}⎩ ⎨ ⎧​​xij​+tij​−xkj​≤max{ti3​+xi3​} yik​,xkj​+tkj​−xij​≤max{ti3​+xi3​}(1− yik​)xij​+tij​<xi,j+1​​

  lingo:

  #参考CSDN
  model:
  Title 面试问题; 
  SETS: Person/1..4/; 
  Stage/1..3/; 
  PXS(Person,Stage): T, X; 
  PXP(Person,Person)|&1 #LT# &2: Y; 
  ENDSETS 
  DATA: 
  T=13, 15, 20, 10 , 20 , 18, 20, 16, 10, 8, 10, 15; 
  ENDDATA 
  [obj] min=MAXT; 
  MAXT>= @max(PXS(i,j)|j#EQ#3:x(i,j)+t(i,j)); 
   
  @for(PXS(i,j)|j#LT#3:x(i,j)+t(i,j)<x(i,j+1)); 
  
  @for(Stage(j):   
     @for(PXP(i,k):x(i,j)+t(i,j)-x(k,j)<MAXT*Y(i,k));  
     @for(PXP(i,k):x(k,j)+t(k,j)-x(i,j)<MAXT*(1-Y(i,k)))); 
  @for(PXP: @bin(y)); 
  end
  
  

• 6.4某公司向用户提供发动机，按合同规定，其交货数量和日期是：第一季度末交40台，第二季度末交60台，第三季度末交80台。

  工厂的最大生产能力为每季100台，每季的生产费用是$f(x)=50000x+200x^2$ ,此处$x$为该季度生产发动机的台数。若工厂生产的多，多余的发动机可移到下季向用户交货，这样，工厂就需要支付存储费，每台发动机的存储费为4000元，问该厂每季应生产多少台发动机，才能既满足交货合同，又使工厂所花费的费用最少（假定第一季度开始时发动机无存货）

  分析：

  • 决策变量：$x_1,x_2,x_3$ 为每一季度生产的台数

  • 目标函数：$\sum f(x_i)+4000(x_1-40)+4000(x_1+x_2-100)$ :每季度生产费用之和+存储费用之和

  • 约束条件：

    • 控制目标函数中 $x_1\le 40+y_{1}M,x_1+x_2\le 100+y_2,y_i=0或1$,代表该季度是否有存货
    • 每季度最多生产100台，所以限制:$0\le x\le 100$
    • 每季度都要完成合同的交货量：
      • $x_1\ge 40$
      • $x_2+(x_1-40)y_1\ge 60$
      • $x_3+(x_1+x_2-100)y_2=100$ 因为第一季度没有存货，所以第三季度应该刚好完成合同要求

  • 建立混合整数非线性规划模型如下：
    $$\begin{gathered} minz=50000(x_1+x_2+x_3)+200(x_1^2+x_2^2+x_3^2)+4000(x_1-40)+4000(x_1+x_2-100) \\ \{\begin{array}{rl}& x_1\le 40+y_{1}M\\ & x_1+x_2\le 100+y_{2}M\\ & x_1\ge 40\\ & x_2+(x_1-40)y_1\ge 60\\ & x_3+(x_1+x_2-100)y_2=100\\ & 0\le x_i\le 100,i=1,2,3\\ & y_i=0或1，i=1,2\end{array} \end{gathered}$$

  • lingo

  sets:
  fac/1..3/:x;
  plant/1..2/:y;
  endsets
  data:
  M=10000000000;
  enddata
  min=50000*@sum(fac:x)+200*@sum(fac:x^2)+4000*(2*x(1)+x(2)-140);
  x(1)<40+y(1)*M;
  x(1)+x(2)<100+y(2)*M;
  x(1)>40;
  x(2)+(x(1)-40)*y(1)>60;
  x(3)+(x(1)+x(2)-100)*y(2)=100;
  @for(fac:@bnd(0,x,100));
  @for(fac:@gin(x));
  @for(plant:@bin(y));
  
   Objective value:                             0.1286680E+08
   
                                       M       0.1000000E+11       
                                     X( 1)        57.00000            
                                     X( 2)        66.00000            
                                     X( 3)        77.00000            
                                     Y( 1)        1.000000            
                                     Y( 2)        1.000000            
  

  • python（可以看作二次规划）：不建议

• 6.5 已知矩阵 $A=\left[\begin{array}{rrr}1& 4& 5\\ 4& 2& 6\\ 5& 6& 3\end{array}\right]$ ,$x=\left[\begin{array}{r}{x}_1\\ x_2\\ x_3\end{array}\right]$ ,求二次型$f(x_1,x_2,x_3)=x^{T}Ax$在单位球面

  $x_1^2+x_2^2+x_3^2=1$上的最小值

  非线性规划：

  • matlab

  %创建函数文件（等式约束非线性）
  function [c,ceq] = func2(x)
   c=[];
   ceq=x(1)^2+x(2)^2+x(3)^2-1;
  end
  %创建脚本文件
  A=[1,4,5;4,2,6;5,6,3];
   f=@(x)x'*A*x;
   [x,fval]=fmincon(f,[0,1,0]',[],[],[],[],[],[],'func2');
  disp(x);disp(fval);
  
  x =                   fval =-3.6687 
      0.3130
      0.5774
     -0.7541
  
  

• 6.6 某银行营业部设立3个窗口，分别为个人业务，公司业务和特殊业务（如外汇和理财）。现有3名服务人员，每人处理不同的业务的效率（每天服务的最大客户数）见表6.9，以及每人处理不同业务的质量（如客户满意度）见表6.10.如何为服务人员安排相应的工作（服务窗口）才能使服务效率和服务质量都高。

  6.9:

  	个人业务	公司业务	特殊业务
  员工1	20	12	10
  员工2	12	15	9
  员工3	6	5	10

  6.10

  	个人业务	公司业务	特殊业务
  员工1	6	8	10
  员工2	6	5	9
  员工3	9	10	8

  分析(多目标指派问题)详见多目标规划：

  • 假设3名员工各自只能选择1种业务，决策变量为：$x_{ij}$ 0-1变量，代表第i名员工是否选择第j项业务

  • 目标函数为${\sum }_{i=1}^n{\sum }_{j=1}^n{c}_{ij}{x}_{ij}，{\sum }_{i=1}^n{\sum }_{j=1}^n{C}_{ij}{x}_{ij}$ 要尽可能让两个目标最大

​