分枝定界法，例题梳理

分支定界算法

分支界定法是求解整数线性规划最优解的经典方法

• 始终围绕着一颗搜索树进行的，我们将原问题看作搜索树的根节点

• 分支的含义就是将大的问题分割成小的问题，分支的过程就是不断给树增加子节点的过程

• 定界就是在分支的过程中检查子问题的上下界

• 如果子问题不能产生一比当前最优解还要优的解，那么砍掉这一支

• 直到所有子问题都不能产生一个更优的解时，算法结束

• 设有最大化的整数规划问题A，与它相应的线性规划问题时B。从解问题B开始，若其最优解不符合A的整数条件，那么B的最优目标函数必是A的最优目标函数z*的上界，记作z¯；而z的任意可行解的目标函数值将是z的一个下界z_。分枝界定法就是把B的可行域分成子区域的方法。逐步减小z¯和增大z_。最终求到z*。

  • 分枝：
    • 在B的最优解中任选一个不符合整数条件的变量Xi，其值为bi,以[bi]表示小于bi的最大整数。构造两个约束条件
    • Xi<=[bi],Xi>=[bi]+1
    • 将这两个约束条件，分别加入问题B中，求两个后记规划问题B1和B2。先不考虑整数条件来求解这两个后继问题
  • 定界：
    • 每个后继问题为一个分枝表明求解的结果，与其它问题的解的结果中，找出最优目标函数最大值作为新得上界。从以符合整数条件的各分支中找出目标函数值为最大值作为新的下界。
  • 比较与剪枝：
    • 各分枝的最优目标函数中若有小于Z下界的，那么可以剪掉这枝；若大于z的下界，但是不符合整数条件，可以深入这枝重新分枝，定界。

  例题记录：

  • $$\begin{gathered} maxz=40x_1+90x_2 \\ s.t.=\{\begin{array}{l}9x_1+7x_2\le 56\\ 7x_1+20x_2\le 70\\ x_1,x_2\ge 0\end{array} \end{gathered}$$

  • 
    
    
    

可视化坐标信息（先以x1分枝，然后以x2分枝）

对于一棵树而言就有很多种搜索方式

• 广度优先搜索Breadth-first search (BFS)，就是横向搜索，先搜索同层的节点。再一层一层往下。这种搜索可以用FIFO queue实现。
• 深度优先搜索Breadth-first search (BFS)，就是纵向搜索，先一个分支走到底，再跳到另一个分支走到底。这种搜索可以用LIFO queue也就是栈实现。
• 最佳优先搜索Best-First Search，最佳优先搜索算法是一种启发式搜索算法（Heuristic Algorithm），其基于广度优先搜索算法，不同点是其依赖于估价函数对将要遍历的节点进行估价，选择代价小的节点进行遍历，直到找到目标点为止。这种搜索可以用优先队列priority queue来实现。