0-1规划

原理介绍

$0-1$ 规划是一种特殊的整形规划，其中变量 $x_i$ 要么取值为 $0$，要么取值为 $1$，这里的 $x_i$ 也称为 $0-1$ 规划变量。$0-1$ 规划问题可以归纳为如下形式：
$$\begin{gathered} min\sum _{j=1}^n{c}_j{x}_j \\ s.t.\sum _{j=1}^n{a}_{ij}{x}_{ij}\le b_i,i=1,2,...,m \\ \sum _{j=1}^n{a}_{ij}^1{x}_j\le b_i^1,i=1,2,...,m \\ {x}_j=0或x_j=1,j=1,2,...,n \end{gathered}$$
MATLAB提供了函数intlinprog求解 $0-1$ 规划问题，其调用格式如下所示：

x = intlinprog(f,intcon,A,b)
x = intlinprog(f,intcon,A,b,Aeq,beq)
x = intlinprog(f,intcon,A,b,Aeq,beq,lb,ub)
x = intlinprog(f,intcon,A,b,Aeq,beq,lb,ub,x0)
x = intlinprog(f,intcon,A,b,Aeq,beq,lb,ub,x0,options)
x = intlinprog(problem)
[x,fval,exitflag,output] = intlinprog(...)

intlinprog是混合整数线性规划(MILP)求解器。其中，$f,x,intcon,b,beq,lb,ub$ 是向量，$A,Aeq$ 是矩阵。下面分别对上述七种调用格式进行说明。

第一种调用格式表示求解整数规划的 ${\min }_x{f}^{T}x$ 问题，使得 $A\ast x\le b$ 成立；

第二种调用格式表示求解整数规划的问题 ${\min }_x{f}^{T}x$，使得 $A\ast x\le b,Aeq\ast x\le beq$ 成立；

第三种调用格式表示在 $lb\le x\le ub$ 范围内求解整数规划的问题 ${\min }_x{f}^{T}x$，使得 $A\ast x\le b,Aeq\ast x\le beq$ 成立；

第四种调用格式表示在 $lb\le x\le ub$ 范围内并且给定 $x_0$ 为初始值的条件下，求解整数规划的问题 ${\min }_x{f}^{T}x$，使得 $A\ast x\le b,Aeq\ast x\le beq$ 成立，如果此时以 $x_0$ 为初始值找不到解，则以默认的初始值求解;

第五种调用格式表示利用 $optimset$ 函数制定的优化参数 $options$ 以 $x_0$ 为初始值求解整数规划问题 ${\min }_x{f}^{T}x$，使得 $A\ast x\le b,Aeq\ast x\le beq$ 成立;

第六种调用格式表示求解由问题 $problem$ 指定的整数规划问题；

第七种调用格式表示在求解整数规划问题时返回最小值点 $x$、目标函数 $f^{T}x$ 在最小值点 $x$ 处的函数值 $fval$、函数退出信息 $exitflag$，以及一个包含优化信息的结构体 $output$。

示例

某生产车间有四位工人，现要安排他们完成四项工作，每人各项工作所消耗的时间参见下表所示：

四人各项工作所耗时间

-	A	B	C	D
甲	15	18	21	24
乙	19	23	22	18
丙	26	17	16	19
丁	19	21	23	17

请问安排哪位工人完成哪项工作，可使总的消耗工时最少？

解析

根据题意，要将上述问题转换为线性规划问题。首先引进变量 $x_{ij},i=1,2,3,4,j=1,2,3,4$，其值要么为 $0$，要么为 $1$。令 $x_{ij}=1$，当指派第 $i$ 个工人去完成第 $j$ 项工作；否则 $x_{ij}=0,i,j=1,2,3,4$。同时，用 $c_{ij}$ 表示第 $i$ 个工人做第 $j$ 项工作所需的时间。则上述的 $0-1$ 规划问题可以表示为
$$\begin{gathered} min\sum _{i=1}^4\sum _{j=1}^4{c}_{ij}{x}_{ij} \\ s.t.\sum _{j=1}^4{x}_{ij}=1,i=1,...,4 \\ \sum _{i=1}^4{x}_{ij}=1,j=1,...,4 \\ {x}_{ij}=\{\begin{array}{c}1,指派第i个工人去完成第j项工作\\ 0,else\end{array}(i,j=1,...,4) \end{gathered}$$
在这里，设 $x=(x_{11},x_{12},...,x_{14},x_{21},...,x_{24},...x_{41},...,x_{44}{)}^T$ 。

创建 M 程序文件，写入下述代码：

f = [15;18;21;24;19;23;22;18;26;17;16;19;19;21;23;17];
intcon=1:16;
Aeq = [1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0;
     0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0;
     0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0;
     0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1;
     1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0;
     0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0;
     0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0;
     0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1];
 beq = ones(8,1);
 lb=zeros(16,1);
 [x,fval] = intlinprog(f,intcon,[],[],Aeq,beq,lb,[])

运行之后，输出下述结果：

LP:                Optimal objective value is 70.000000.                                            


Optimal solution found.

Intlinprog stopped at the root node because the objective value is within a gap tolerance of the optimal value, options.AbsoluteGapTolerance = 0 (the default value). The intcon variables are
integer within tolerance, options.IntegerTolerance = 1e-05 (the default value).


x =

     0
     1
     0
     0
     1
     0
     0
     0
     0
     0
     1
     0
     0
     0
     0
     1


fval =

    70

参考文献

• MATLAB从入门到实践（第2版）
• 混合整数线性规划 (MILP)