0-1整数线性规划（0-1整数线性规划建模、隐枚举法、指派问题、匈牙利法）

0-1整数线性规划

引入0-1变量的实际问题

• 更多的是站在数学建模的角度讨论

• 整数几何意义：当我们有了“0”和“1”的时候，其他整数就很容易被我们创造出来了，这个创造的方法在几何上叫平移

• 决策变量
  $$x_i=\{\begin{array}{c}0\\ 1\end{array}⟺x_i\le 1,x_1\ge 0,x_i\in Z⟺x_i=0\text{或}1$$
  注：如果变量$x_i$不是仅取值0或1，而是可取其他范围的非负整数，这时可利用二进制的计数法将它用若干个0-1变量来代替。

• 相互排斥的计划

  

  1. 引入0-1变量$x_i$
     $$x_i=\{\begin{array}{c}1,\text{当}{A}_i\text{点被选用}\\ 0,\text{当}{A}_i\text{点没被选用}\end{array},i=1,2,\cdots ,7$$
     注：难点往往是选择合适的决策变量，为什么要选择0-1变量

  2. 目标函数
     $$\max z=c_1{x}_1+c_2{x}_2+\cdots +c_7{x}_7=\sum _{i=1}^7{c}_i{x}_i$$
     注：对于$x_i$来说选与不选用$x_i$来表示。如果选了$A_i,x_i=1$，此时利润为$1\cdot c_i$；如果没选$A_i,x_i=0$，此时利润为$0\cdot c_i$，但我们用整体视角去看上述两种情况时，不难发现，无论选择或不选择$A_i$，利润直接表示为$x_i{c}_i$即可

  3. 约束方程

  $$\{\begin{array}{c}\sum _{i=1}^7{b}_i{x}_i\le B\\ x_1+x_2+x_3\le 2\\ x_4+x_5\ge 1\\ x_6+x_7\ge 1\\ x_i=0\text{或}1\end{array}$$

  注：方程2可以抽象为：在$A_1,A_2,\cdots ,A_n$中至多选$M$个$\Rightarrow$$x_1+x_2+\cdots +x_n\le M$

• 相互排斥的约束项

  现公司需要运输货物，考虑使用集装箱，集装箱分甲乙两个型号，甲的容量为$5m^3/\text{箱}$，乙的容量为$4m^3/\text{箱}$，且甲乙两个型号只能车运，且车运限制为$24m^3$. 现有人提出了另一个方案，使用船运，在船运时，甲的容量可调整为$7m^3/\text{箱}$，但乙的容量须调整为$3m^3/\text{箱}$，船运上限为$45m^3$。另外，选择了车运就不能船运，反之亦然。

  1. 不妨设$x_1$个甲，$x_2$个乙，则有
     $$\begin{gathered} \text{车运：}5x_1+4x_2\le 24 \\ \text{船运：}7x_1+3x_2\le 45 \end{gathered}$$
     注：车运和船运只能二选一，因此两个约束条件是互斥的，不能同时发生。如果写在同一个方程组中则是同时生效的。考虑引入0-1变量，但之后如何处理是难题

  2. 引入0-1变量$y$，令
     $$y=\{\begin{array}{c}0,\text{用车运}\\ 1,\text{用船运}\end{array}$$

  3. 约束方程（细品）
     $$\{\begin{array}{c}5x_1+4x_2\le 24+yM\\ 7x_1+3x_2\le 45+(1-y)M\end{array},M\text{是充分大的数}$$
     注：引入大M可以使部分约束失效

     注：如果有$m$个约束条件相互排斥，则引入$m$个0-1变量$y_i,i=1,\cdots ,m$和一个充分大的数$M$，并把原约束写成如下形式
     $$\{\begin{array}{lcl}{a}_{11}{x}_1+a_{12}{x}_2+\cdots a_{1n}{x}_n& \le & b_1+y_{1}M\\ a_{21}{x}_1+a_{22}{x}_2+\cdots a_{2n}{x}_n& \le & b_2+y_{2}M\\ & ⋮& \\ a_{m1}{x}_1+a_{m2}{x}_2+\cdots a_{mn}{x}_n& \le & b_m+y_{2}M\\ y_1+u_2+\cdots +y_m& =& m-1\end{array}$$
     注：对于$y_i(i=1,\cdots ,m)$来说一定要求$y_1+y_2+\cdots +y_m=m-1$，且当$y_i=0$时，相应的约束才生效

• 关于固定费用的问题

  某工厂为了生产某种产品，有几种不同的生产方式可供选择，如选定投资高的生产方式，每件产品的变动成本就降低；如选定投资低的生产方式，每件产品的变动成本可能增加。设有三种方式可供选择。令$x_j$表示第$j$种方式时的产量；$c_j$表示采用第$j$种方式时每件产品的变动成本；$k_j$表示采用第$j$种方式时的固定成本（$j=1,2,3$）

  1. 首先可以列出不同投资方式的成本
     $$P_j=\{\begin{array}{lcl}{k}_j+c_j{x}_j& ,& x_j>0\\ 0& ,& x_j=0\end{array},j=1,2,3$$

  2. 目标函数，使总投入最小。引入0-1变量$y_j$
     $$y_j=\{\begin{array}{c}1,\text{当采用第}j\text{种生产方式，即}{x}_j>0\\ 0,\text{当不采用第}j\text{种生产方式，即}{x}_j=0\end{array}$$

  3. 目标函数
     $$\min z=(k_1{y}_1+c_1{x}_1)+(k_2{y}_2+c_2{x}_2)+(k_3{y}_3+c_3{x}_3)$$

  4. 约束方程
     Cannot read property 'type' of undefined
     注：若只允许采用一种投资方式，则需要满足$y_1+y_2+y_3=3-1$

     注：当$y_j=1$时，$x_j\le M$，因此不对$x_j$产生约束；当$y_j=0$时，$x_j=0$，即不生产

隐枚举法

• 枚举法：$n$个变量需要穷举$2^n$次（上限）。隐枚举法（分支定界法也是一种隐枚举法）本质是对枚举法的一种优化（此外还有拉格朗日松弛法）

• e.g. $\max z=3x_1-2x_2+5x_3,s.t.\{\begin{array}{lc}{x}_1+2x_2-x_3\le 2& \text{①}\\ x_1+4x_2+x_3\le 4& \text{②}\\ x_1+x_2\le 3& \text{③}\\ 4x_1+x_3\le 6& \text{④}\\ x_i=0\text{或}1& \end{array}$

  1. 不用化标准型，但对目标函数进行一些处理。保证是在求$\max z$的条件下对$x_i$前的系数按从小到大的顺序排序：$\max z=-2x_2+3x_1+5x_3$

  2. 观察约束方程组，通过试探的方法随便找出一个可行解：$x=(1,0,0{)}^T$

  3. 将2中试探出的可行解代入目标函数$z$后得出一个取值$z_0$，因为我们希望找到$\max z$，所以我们希望$z\ge z_0$，将此不等式作为一个新增约束：$3x_1-2x_2+5x_3\ge 5\text{⑤}$

  4. 开始枚举和比较

     

     注：对目标函数进行重排之后可以使目标函数求值非递减

指派问题

• 有一份中文说明书，需译成英、日、德、俄四种文字。分别记作E、J、G、R。现有甲、乙、丙、丁四人。他们将中文说明书翻译成不同语种的说明书所需时间如图所示。问应指派何人去完成何工作，使所需总时间最少?

  

  注：n个人干n件事，不重不漏，既没有人没事干，也不能有事没人干。给个人只干一件事，每件事都只被一个人处理

  1. 引入决策变量$x_{ij}$
     $$x_{ij}=\{\begin{array}{ll}1& \text{当指派第}i\text{人去完成第}j\text{项任务}\\ 0& \text{当不指派第}i\text{人去完成第}j\text{项任务}\end{array}$$

  2. 约束方程
     $$x_{ij}=\{\begin{array}{ll}\sum _i{x}_{ij}=1,& j=1,2,3,4\\ \sum _j{x}_{ij}=1,& i=1,2,3,4\\ x_{ij}=1\text{ 或 }0& \end{array}$$
     注：从人的角度考虑，每个人至少干一件事，且每个人最多干一件事
     $$\{\begin{array}{c}\text{每个人至少干一件事}\Rightarrow x_{i1}+x_{i2}+x_{i3}+x_{i4}\ge 1\\ \text{每个人至多干一件事}\Rightarrow x_{i1}+x_{i2}+x_{i3}+x_{i4}\le 1\end{array}\Rightarrow x_{i1}+x_{i2}+x_{i3}+x_{i4}=1$$
     注：从事情的角度，每件事至少有一个人来做，且做每件事的人不超过一个人
     $$x_{1j}+x_{2j}+x_{3j}+x_{4j}=1$$

  3. 目标函数
     $$\min z=\sum _i\sum _j{c}_{ij}{x}_{ij}$$

• 一般化模型：n个人干n件事情
  $$\begin{array}{c}\min z=\sum _i\sum _j{c}_{ij}{x}_{ij}\\ x_{ij}=\{\begin{array}{ll}\sum _i{x}_{ij}=1,& j=1,2,\cdots ,n\\ \sum _j{x}_{ij}=1,& i=1,2,\cdots ,n\\ x_{ij}=1\text{ 或 }0& \end{array}\end{array}$$

指派问题-匈牙利法

• 匈牙利法：可以认为是专门解决指派问题的算法

• 解矩阵：把可行解$x_{ij}$写成矩阵形式
  $$\left[\begin{array}{cccc}{x}_{11}& x_{12}& x_{13}& x_{14}\\ x_{21}& x_{22}& x_{23}& x_{24}\\ x_{31}& x_{32}& x_{33}& x_{34}\\ x_{41}& x_{42}& x_{43}& x_{44}\end{array}\right]\stackrel{\text{比如}}{==}\left[\begin{array}{cccc}0& 1& 0& 0\\ 0& 0& 1& 0\\ 1& 0& 0& 0\\ 0& 0& 0& 1\end{array}\right]$$
  注：每一行每一列都只有一个1

• 匈牙利法步骤

  1. 将题干中的工作矩阵写出来，并变换系数矩阵，使每行每列都出现0：每一行元素中减去该行最小元素，并在此基础上每列元素减去该列最小元素
     $$C=\left[\begin{array}{cccc}\underline{2}& 15& 13& 4\\ 10& \underline{4}& 14& 15\\ \underline{9}& 14& 16& 13\\ \underline{7}& 8& 11& 9\end{array}\right]\begin{array}{c}2\\ 4\\ 9\\ 7\end{array}\to \left[\begin{array}{cccc}0& 13& 11& 2\\ 6& \underline{0}& 10& 11\\ 0& 5& 7& 4\\ \underline{0}& 1& \underline{4}& \underline{2}\end{array}\right]\to \left[\begin{array}{cccc}0& 13& 7& 0\\ 6& 0& 6& 9\\ 0& 5& 3& 2\\ 0& 1& 0& 0\end{array}\right]$$
     注：必须先变行，再变列，不能同时进行改变

  2. 试指派：找出独立0元素

     1. 从只有一个0元素的行开始，给这个0元素加圈，记作$⊚$。这表示对这行所代表的人,只有一种任务可指派。然后划去$⊚$所在列的其他0元素，记作$\Phi$。这表示这列所代表的任务已指派完，不必再考虑别人了
     2. 给只有一个0元素列的0元素加圈，记作$⊚$；然后划去$⊚$所在行的其他0元素，记作$\Phi$
     3. 反复进行1、2两步，直到所有0元素都被圈出和划掉为止
     4. 若仍有没有划圈的0元素，且同行的0元素至少有两个（表示对这个人可以从两项任务中指派其一）。这可用不同的方案去试探。从剩有0元素最少的行(列)开始，比较这行各0元素所在列中0元素的数目，选择0元素少的那列的这个0元素加圈（表示选择性多的要“礼让”选择性少的）。然后划掉同行同列的其他0元素。可反复进行，直到所有0元素都已圈出和划掉为止
     5. 若$⊚$元素的数目$m$等于矩阵的阶数$n$ ，那么这指派问题的最优解已得到。若$m\le n$,则转入下一步

     注：对于上矩阵，先给$b_{22}$加圈，然后给$b_{31}$加圈，划掉$b_{11},b_{41}$；给$b_{43}$加圈，划掉$b_{44}$，最后给$b_{14}$加圈
     $$\left[\begin{array}{cccc}\Phi & 13& 7& ⊚\\ 6& ⊚& 6& 9\\ ⊚& 5& 3& 2\\ \Phi & 1& ⊚& \Phi \end{array}\right]\begin{array}{cc}& \stackrel{\text{最优解}}{⟹}\left[\begin{array}{cccc}0& 0& 0& 1\\ 0& 1& 0& 0\\ 1& 0& 0& 0\\ 0& 0& 1& 0\end{array}\right]\\ & \stackrel{\text{最优值}}{⟹}\min z=c_{31}+c_{22}+c_{43}+c_{14}=28\end{array}$$

  3. 打钩、直线覆盖：作最少的直线覆盖所有的0元素，以确定该系数矩阵中能找到最多的独立元素，以下矩阵为例

     1. 对没有$⊚$的行打$\surd$号
     2. 对已打$\surd$号的行中所有含$\Phi$元素的列打$\surd$
     3. 再对打有$\surd$的列中含$⊚$元素的行打$\surd$
     4. 重复2、3直到得不出新的打$\surd$的行列为止
     5. 对没有打$\surd$的行画一条横线，有打$\surd$的列画一条纵线，这就得到覆盖所有0元素的最少直线数
     6. 令直线数为$l$，若$l<n$，说明必须再变换当前的系数矩阵，才能找到$n$个独立的0元素，转至下一步；若$l=n$而$m<n$则回到上一步4，另行试探
        

  4. 找到没有覆盖的最小元素$min$，没有覆盖的（打钩）行$-min$，覆盖的（打钩）列$+min$，得到新系数矩阵，若得到$n$个独立的0元素，则已经得到最优解，否则回到上一步重复进行

• 对于$\max z$的问题$\max z=\sum _i\sum _j{c}_{ij}{x}_{ij}$，需要转化为求$\min$的情形。需要令$b_{ij}=M-c_{ij}$，其中$M$是足够大的数，如选$c_{ij}$中最大元素为$M$即可，解得$\min z^{\prime }=\sum _i\sum _j{b}_{ij}{x}_{ij}$的最优解就是原问题的最优解