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: