一、整数规划介绍

1.1 整数规划的定义

若规划模型的所有决策变量只能取整数时,称为整数规划。若在线性规划模型中,变量限制为整数,则称为整数线性规划。

1.2 整数规划的分类

整数规划模型大致可分为两类:

(1)变量全限制为整数时,称纯(完全)整数规划。

(2)变量部分限制为整数时,称混合整数规划。

1.3 求解方法分类

  • 分支定界法——可求纯或混合整数线性规划。
  • 割平面法——可求纯或混合整数线性规划。
  • 隐枚举法——求解0-1整数规划
    • 过滤隐枚举法
    • 分枝隐枚举法
  • 匈牙利法——解决指派问题
  • 蒙特卡洛法——求解各类规划问题

1.4 整数规划的数学模型

min ⁡ x f T x \underset{x}{\min}\boldsymbol{f}^T\boldsymbol{x} xminfTx

s . t . { x ( i n t c o n ) A ⋅ x ⩽ b A e q ⋅ x = b e q l b ⩽ x ⩽ u b s.t.\left\{ \begin{array}{c} \boldsymbol{x}\left( intcon \right)\\ \boldsymbol{A}\cdot \boldsymbol{x}\leqslant \boldsymbol{b}\\ Aeq\cdot \boldsymbol{x}=beq\\ lb\leqslant \boldsymbol{x}\leqslant ub\\ \end{array} \right. s.t. x(intcon)AxbAeqx=beqlbxub
式中: f \boldsymbol{f} f, x \boldsymbol{x} x, b \boldsymbol{b} b,beq,lb,ub为列向量; A \boldsymbol{A} A,Aeq为矩阵。

二、案例分析

Matlab求解混合整数线性规划的命令为

例1:利用matlab求解该整数线性规划模型。
max ⁡ z = 100 x 1 + 60 x 2 \max z=100x_1+60x_2 maxz=100x1+60x2
s . t . { 5 x 1 + 2 x 2 ⩽ 270 4 x 1 + 3 x 1 ⩽ 250 3 x 1 + 4 x 2 ⩽ 200 x 2 = 4 x 1 x 1 , x 2 为非负整数 s.t.\left\{ \begin{array}{c} 5x_1+2x_2\leqslant 270\\ 4x_1+3x_1\leqslant 250\\ 3x_1+4x_2\leqslant 200\\ x_2=4x_1\\ x_1,x_2\text{为非负整数}\\ \end{array} \right. s.t. 5x1+2x22704x1+3x12503x1+4x2200x2=4x1x1,x2为非负整数
MATLAB代码:

clc,clear
f=[-100;-60];
intcon=[1,2];
A=[5,2;4,3;3,4];
b=[270;250;200];
aeq=[-4,1];
beq=0;
lb=[0;0];
ub=[inf;inf];
[x,fval]=intlinprog(f,intcon,A,b,aeq,beq,lb,ub)
disp("x1值:" + x(1))
disp("x2值:" + x(2))
disp("最大值:" + (-fval))

求解结果:

优化模型:MATLAB整数规划-LMLPHP

例2:利用matlab求解下列混合整数规划问题。
min ⁡ z = − 3 x 1 − 2 x 2 − x 3 \min z=-3x_1-2x_2-x_3 minz=3x12x2x3
s . t . { x 1 + x 2 + x 3 ⩽ 7 4 x 1 + 2 x 2 + x 3 = 12 x 1 , x 2 ≫ 0 x 1 = 0 或 1 s.t.\left\{ \begin{array}{c} x_1+x_2+x_3\leqslant 7\\ 4x_1+2x_2+x_3=12\\ x_1,x_2\gg 0\\ x_1=0\text{或}1\\ \end{array} \right. s.t. x1+x2+x374x1+2x2+x3=12x1,x20x1=01
MATLAB代码:

clc,clear
f=[-3;-2;-1];
intcon=3;%只有第3个变量为整数变量
A=ones(1,3);
b=7;
aeq=[4,2,1];
beq=12;
lb=zeros(3,1);
ub=[inf;inf;1];
[x,fval]=intlinprog(f,intcon,A,b,aeq,beq,lb,ub)

求解结果:

优化模型:MATLAB整数规划-LMLPHP

12-24 21:49