分支定界法上下界_分支定界(Branch-and-Cut)方法的逻辑

对于一个含有m个变量的模型，如果每个变量是连续变量，每个变量的范围无论是[-5,100]、[5,500]、[0,1]......，都可以作为LP问题在多项式时间内求解。

现在增加一个条件，模型中有n个变量是{0,1}变量。如果将变量松弛为[0,1]之间的连续变量，作为LP问题求解，这n个变量的取值可能是介于[0,1]区间的任何数，而无法保证是{0,1}。

分支定界是在这个背景下运用的。

我们以0-1整数规划举例：

首先，我们将0-1整数规划模型松弛为LP模型求最优解，对于最小化问题，该LRP的最优解是原问题最优解的下界，i.e. 原问题的最优解一定不小于LRP的最优解。

其次，我们令这n个变量在满足{0,1}约束的前提下求出一个可行解，该解可能不是最优解，一定是最优解的上界，i.e. 原问题的最优解一定不大于该可行解。

建树：

如果模型中有n个{0,1}变量，我们就画一个有

个叶子节点的二叉树，如下。

n=4：

我们把LRP解得的x1的值（假如x1=0.7）作为根节点：