本文参考Google OR-Tools官网文档介绍OR-Tools的使用方法。
1 整数规划
很多实际问题的变量不能是小数,比如指派多少人员、调度的航班数、分配的机器数等等,我们称这种问题为整数规划,更特殊的,如果要求变量只能取0或1,则称为0-1规划;还有些情况是部分决策变量是整数,其他可以是小数,则称其为混合整数规划。虽然我们可以用线性函数来表示目标和约束,但是有了变量必须是整数的约束,可行域变得极度非凸(Nonconvex), 求解难度要比连续变量线性规划大很多,连续变量线性规划的常用算法是不能直接用于整数规划的。关于这一点,后面我们可以给出实例。
解算整数规划的算法中分支界定法及其衍生算法是最常用的,它的核心思想便是把整数规划问题分解成求解一个个的线性规划(LP)问题(每个LP问题是多项式时间可解),并且在求解的过程中实时追踪原问题的上界(最优可行解)和下界(最优线性松弛解)。除此之外,启发式算法或元启发算法(例如遗传算法)也是常用的手段,因为当整数规划的规模较大时,问题已经属于NP-Hard问题了,这时候在合理的时间内找到一个相对最优解已经足够了。
2 OR-Tools的整数规划算法库
在OR-Tools中用于解决整数规划的工具是MP Solver和CP-SAT Solver,我们先认识MP Solver,至于CP-SAT Solver在下一篇文章中介绍,因为两者的适用情况是不一样的。
OR-Tools实际上提供的是统一的求解器接口,内部连接的具体求解器我们可以自己配置,默认连接的是OR-Tools内置的CBC(Coin-or branch and cut)求解器,除此之外也支持下面几种第三方求解器:
- SCIP
- GLPK
- Gurobi
不过如果要用第三方求解器的话就必须配置OR-Tools源码并手动安装,具体信息可参考官网的安装教程。
另外一点是,MP Solver的算法属于通用型算法,而像路径优化、背包问题和网络流问题这些特定的问题领域,因为场景在现实领域非常常见,有专门解决这类问题的特定算法,因此如果是对这些问题,就不建议使用MP Solver了,而是使用OR-Tools提供的特定接口。
3 演示
我们例举下面这个例子:
m a x i m i z e x + 10 y s u b j e c t t o x + 7 y ≤ 17.5