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 0-1 0−1 整数规划, 它的决策变量仅限于 0 或 1, 简称 0 − 1 0-1 0−1 规划.
指派模型是一种重要的 0 − 1 0-1 0−1 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 n n 个人 A 1 , A 2 , ⋯ , A n {A_1},{A_2}, \cdots ,{A_n} A1,A2,⋯,An 去完成 n n n 项工作 B 1 , B 2 , ⋯ , B n {B_1},{B_2}, \cdots ,{B_n} B1,B2,⋯,Bn，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 {A_i} Ai 完成工作 B j {B_j} Bj 的时间或费用等成本型指标值为 c i j {c_{ij}} cij ，则应如何指派才能使总的工作效率最高？
引入
0
−
1
0-1
0−1 决策变量
x
i
j
=
{
1
,
指派
A
i
去完成工作
B
j
,
0
,
否则,
i
,
j
=
1
,
2
,
⋯
,
n
.
x_{i j}=\left\{\begin{array}{ll} 1, & \text { 指派 } A_{i} \text { 去完成工作 } B_{j}, \\ 0, & \text { 否则, } \end{array} \quad i, j=1,2, \cdots, n .\right.
xij={1,0, 指派 Ai 去完成工作 Bj, 否则, i,j=1,2,⋯,n.
则标准指派问题的数学模型为
min
z
=
∑
i
=
1
n
∑
j
=
1
n
c
i
j
x
i
j
,
s
.
t
.
{
∑
j
=
1
n
x
i
j
=
1
,
i
=
1
,
2
,
⋯
,
n
,
∑
i
=
1
n
x
i
j
=
1
,
j
=
1
,
2
,
⋯
,
n
,
x
i
j
=
0
或
1
,
i
,
j
=
1
,
2
,
⋯
,
n
,
\begin{gathered} &\min \quad z=\sum_{i=1}^{n} \sum_{j=1}^{n} c_{i j} x_{i j}, \\ & { s.t. }\left\{\begin{array}{l} \sum_{j=1}^{n} x_{i j}=1, \quad i=1,2, \cdots, n, \\ \sum_{i=1}^{n} x_{i j}=1, \quad j=1,2, \cdots, n, \\ x_{i j}=0 \text { 或 } 1, \quad i, j=1,2, \cdots, n, \end{array}\right. \end{gathered}
minz=i=1∑nj=1∑ncijxij,s.t.⎩⎨⎧∑j=1nxij=1,i=1,2,⋯,n,∑i=1nxij=1,j=1,2,⋯,n,xij=0 或 1,i,j=1,2,⋯,n,
称 C = ( c i j ) n × n {\mathbf{C}} = {({c_{ij}})_{n \times n}} C=(cij)n×n 为效率矩阵，模型的最优解也可以用 n n n 阶方阵 X ∗ {{\mathbf{X}}^*} 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 1 1 ”，其余元素均为 0 0 0。
匈牙利算法
基本原理
定理 1 设效率矩阵 C = ( c i j ) n × n {\mathbf{C}} = {({c_{ij}})_{n \times n}} C=(cij)n×n 中任何一行（列）的各元素都减去一个常数 k k k（可正可负）后得到的新矩阵为 B = ( b i j ) n × n {\mathbf{B}} = {({b_{ij}})_{n \times n}} B=(bij)n×n，则以 B = ( b i j ) n × n {\mathbf{B}} = {({b_{ij}})_{n \times n}} B=(bij)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 k k
定理 2 (独立零元素定理) 若一方阵中的一部分元素为 0 0 0，一部分元素为非 0 0 0，则覆盖方阵内所有 0 0 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 0 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 i j ) (c_{ij}) (cij) 为 ( b i j ) (b_{ij}) (bij)，使在 ( b i j ) (b_{ij}) (bij) 的各行各列中都出现 0 0 0 元素
- 从 ( c i j ) (c_{ij}) (cij) 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 . e.g. e.g.
( C i j ) = [ 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 ] \left(\mathbf{C}_{i j}\right)=\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] (Cij)=⎣⎢⎢⎢⎢⎡1287154791714109612677614610969109⎦⎥⎥⎥⎥⎤
每行分别 − 7 , − 6 , − 7 , − 6 , − 4 −7, −6, −7, −6, −4 −7,−6,−7,−6,−4 ⟶ \longrightarrow ⟶
[ 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 ] \begin{gathered} \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]\\ \end{gathered} ⎣⎢⎢⎢⎢⎡52090031086205030070620245⎦⎥⎥⎥⎥⎤
每列都 − 0 -0 −0 ⟶ \longrightarrow ⟶
[ 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 ] \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] ⎣⎢⎢⎢⎢⎡52090031086205030070620245⎦⎥⎥⎥⎥⎤
第二步 进行试指派，以寻求最优解
在 ( b i j ) \left(b_{i j}\right) (bij) 中找尽可能多的独立 0 元素, 若能找出 n n n 个独立 0 元素, 就以这 n n n 个独立 0 元素对应解矩阵 ( x i j ) \left(x_{i j}\right) (xij) 中的元素为 1 , 其余为 0 , 这就得到最优解
找独立 0 \mathbf{0} 0 元素:
- 从只有一个 0 0 0 元素的行(列)开始, 给这个 0 0 0 元素加圈, 记作 ◎ ◎ ◎)。然后划去 ◎ ◎ ◎ 所在列 (行) 的其它 0 {0} 0 元素, 记作 ∅ \varnothing ∅; 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 0 0 元素的列 (行) 中的 0 0 0 元素加圈，记作 ◎ ◎ ◎；然后划去 ◎ ◎ ◎ 所在行的 0 0 0 元素，记作 ∅ \varnothing ∅
- 反复进行以上两步，直到尽可能多的 0 0 0 元素都被圈出和划掉为止
e . g . e.g. e.g. 续上例
[ 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 ] \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] ⎣⎢⎢⎢⎢⎡52090031086205030070620245⎦⎥⎥⎥⎥⎤
⟶ \longrightarrow ⟶
[ 5 ◎ 2 ∅ 2 2 3 ∅ ∅ ◎ ◎ 10 5 7 2 9 8 ◎ ∅ 4 ∅ 6 3 6 5 ] \left[\begin{array}{ccccc} 5 & ◎ & 2 & \varnothing & 2 \\ 2 & 3 & \varnothing & \varnothing & ◎ \\ ◎ & 10 & 5 & 7 & 2 \\ 9 & 8 & ◎ & \varnothing & 4 \\ \varnothing & 6 & 3 & 6 & 5 \end{array}\right] ⎣⎢⎢⎢⎢⎡52◎9∅◎310862∅5◎3∅∅7∅62◎245⎦⎥⎥⎥⎥⎤
第三步 作最少的直线覆盖所有 0 0 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 0 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
0
0 元素的最少直线数。令这一直线数为
l
l
l。
若 l < n l<n l<n, 说明必须再换当前的系数矩阵，才能找到 n n n 个独立的 0 0 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 0 0 元素不变，得到新系数矩阵
- 若得到 n n n 个独立的 0 0 0 元素，则已得到最优解，否则转回第三步
e
.
g
.
e.g.
e.g. 续上例, 得
[
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
]
\left[\begin{array}{lllll} 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]
⎣⎢⎢⎢⎢⎡0000110000010000001000100⎦⎥⎥⎥⎥⎤
或
[
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
]
\left[\begin{array}{lllll} 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]
⎣⎢⎢⎢⎢⎡0000110000000100100000100⎦⎥⎥⎥⎥⎤
即求得2个最优指派方案：
（1）
A
1
−
B
2
,
A
2
−
B
3
,
A
3
−
B
5
,
A
4
−
B
4
,
A
5
−
B
1
A_1 - B_2, A_2 - B_3, A_3-B_5, A_4-B_4, A_5-B_1
A1−B2,A2−B3,A3−B5,A4−B4,A5−B1；
（2）
A
1
−
B
2
,
A
2
−
B
4
,
A
3
−
B
5
,
A
4
−
B
3
,
A
5
−
B
1
A_1 - B_2, A_2 - B_4, A_3-B_5, A_4-B_3, A_5-B_1
A1−B2,A2−B4,A3−B5,A4−B3,A5−B1。
所需时间为
min
z
=
7
+
6
+
9
+
6
+
4
=
32
\min z=7+6+9+6+4=32
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 i j ≥ 0 c_{i j} \geq 0 cij≥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:
- 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。 - 对于求极大化的问题，只要系数矩阵变换为 B ＝ ( M − c i j ) n × n B＝(M-c_{ij})_{n \times n} B＝(M−cij)n×n
- 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 - 某事一定不能由某人做的指派问题，费用系数为“ M M M”, 然后用匈牙利算法来求解
2009
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
