分枝定界法（Branch-and-Cut）-CSDN博客

本文链接：https://blog.csdn.net/weixin_46170191/article/details/123546813

核心思想：
把全部可行解空间反复地分割为越来越小的子集，称为分支；并且对每个子集内的解集计算一个目标下界（对于最小值问题），这称为定界。
在每次分枝后，凡是界限超出已知可行解集目标值的那些子集不再进一步分枝，这样，许多子集可不予考虑，这称剪枝。

简单来讲就是：最优性条件与分而治之：
①设有最大化的整数规划问题A，先解与之相应的线性规划问题B
②若B的最优解符合A的整数条件，该解即为A的解
③若B的最优解不符合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 $\overline{Z}$ 。而A的任意可行解的目标函数值将是 $Z^{*}$ 的一个下界 $\underline{Z}$

⑤解整数规划的连续松弛问题（线性规划）来得到该子问题的上界 $\overline{Z}$

④分支定界法就是设置解整数规划的连续松弛问题（线性规划）来得到子问题，将B的可行域分成子区域（称为分支）的方法，通过子问题求解，逐步减小 $\overline{Z}$ 和增大 $\underline{Z}$ ，最终求到 $Z^{*}$

优缺点：难于应对大规模问题

基本流程：

标准式，目标函数为最大值

①设整数规划问题为IP,对应松弛的线性规划问题为LP,（LP可理解为删除整数条件后的线性回话问题）。

求解LP，可能得到如下几种情况
LP无可行解，则IP也没有可行解.
LP有最优解切解的各个分量均为整数，即已经为IP问题的最优解，停止计算.
LP有最优解，但不符合IP中的整数条件的要求，设此时的目标数值为 $\overline{Z}$ , IP问题的最优目标值为 $Z^{*}$ ，则满足 $\overline{Z}$ ≥ $Z^{*}$ ，即松弛的线性规划解 $\overline{Z}$ 为整数规划解 $Z^{*}$ 的上界。任意可行解的目标函数值将是 $Z^{*}$ 的一个下界 $\underline{Z}$ （一般取0）

②迭代

分支：在LP的最优解中任选一个不符合整数条件的变量 $x_{j}$ （一般选择最大值的非整数分量构造添加约束条件），一般添加大于 $x_{j}$ 向上取整，小于 $x_{j}$ 向下取整，将这两个条件分别加入问题LP，从而将LP拆分为两个子问题LP1和LP2. 在松弛整数约束的条件下分别求解LP1和LP2.