数学建模笔记------ 整数规划和0-1规划
- 整数规划和0-1规划
-
- [1. 模型原理](#1. 模型原理)
-
- [1.1 基本概念](#1.1 基本概念)
- [1.2 线性整数规划求解](#1.2 线性整数规划求解)
- [1.3 线性0-1规划的求解](#1.3 线性0-1规划的求解)
- [2. 典型例题](#2. 典型例题)
-
- [2.1 背包问题](#2.1 背包问题)
- [2.2 指派问题](#2.2 指派问题)
- [3. matlab代码实现](#3. matlab代码实现)
-
- [3.1 背包问题](#3.1 背包问题)
- [3.2 指派问题](#3.2 指派问题)
整数规划和0-1规划
1. 模型原理
1.1 基本概念
在规划问题中,有些最优解可能是分数或小数,但对于某些具体问题,常要求某些变量(全部或部分)的解必须是整数。例如,当变量代表的是机器的台数,工作的人数或装货的车数等。为了满足整数的要求,初看起来似乎只要把已得的非整数解舍入化整就可以了。实际上化整后的数不见得是可行解和最优解,所以应该有特殊的方法来求解整数规划。在整数规划中,如果所有变量都限制为整数,则称为纯整数规划;如果仅一部分变量限制为整数,则称为混合整数规划。整数规划的一种特殊情形是0-1规划,它的变数仅限于0或1。
整数规划:
-
线性整数规划
matlab可进行求解,在线性规划的基础上,加入决策变量取整数的条件
-
非线性整数规划
无特定算法,只能用近似算法,如蒙特卡罗模拟,智能算法
-
0-1规划
特殊的整数规划,matlab中也只能求解线性0-1规划,对于非线性0-1规划也只能求近似解
1.2 线性整数规划求解
[ x , f v a l ] = i n t l i n p r o g ( f , i n t c o n , A , b , A e q , b e q , l b , u b , x 0 ) [x,fval]=intlinprog(f,intcon,A,b,Aeq,beq,lb,ub,x0) [x,fval]=intlinprog(f,intcon,A,b,Aeq,beq,lb,ub,x0)
其中:
- f f f------目标函数的系数变量(必须是求最小值形式下的)
- i n t c o n intcon intcon------ i n t c o n intcon intcon中的值指示决策变量x中应取整数值的分量
- A , b A,b A,b------不等式约束条件的变量系数矩阵和常数项矩阵(必须是 ≤ \le ≤形式)
- A e q , b e q Aeq,beq Aeq,beq------等式约束条件的变量系数矩阵和常数项矩阵
- l b , u b lb,ub lb,ub------决策变量的最小取值和最大取值
i n t c o n intcon intcon的用法:决策变量如果有三个: x 1 , x 2 , x 3 x_1,x_2,x_3 x1,x2,x3;若 x 1 x_1 x1和 x 2 x_2 x2是整数,则 i n t c o n = [ 1 , 3 ] intcon=[1,3] intcon=[1,3]
1.3 线性0-1规划的求解
仍然使用 i n t l i n p r o g intlinprog intlinprog函数求解,只需要限定 l b lb lb和 u b ub ub即可
例如:三个决策变量: x 1 , x 2 , x 3 x_1,x_2,x_3 x1,x2,x3, x 1 x_1 x1和 x 3 x_3 x3是0-1变量, x 2 x_2 x2不限制,则 i n t c o n = [ 1 , 3 ] , l b = [ 0 ; − i n f ; 0 ] , u b = 1 ; + i n f ; 1 intcon=[1,3],lb=[0;-inf;0],ub=1;+inf;1 intcon=[1,3],lb=[0;−inf;0],ub=1;+inf;1
2. 典型例题
2.1 背包问题
有10件资物要从中地运送到乙地。每件货物的重量(单位:吨)和利润(单位:元)如下表所示
物品 1 2 3 4 5 6 7 8 9 10 重量(t) 6 3 4 5 1 2 3 5 4 2 利润 (元) 540 200 180 350 60 150 280 450 320 120 由于只有一辆最大载重为30t的货车能用来运送货物,所以只能选择部分货物进行运送,要求觉得运送哪些货物,使得这些货物的总利润最大
记
x i = { 1 , 运送了第 i 件货物 0 没有运送第 i 件货物 , i = 1 , 2 , ... , 10 x_i=\begin{cases}1,\text{运送了第}i\text{件货物}\\0\text{ 没有运送第}i\text{件货物}&\end{cases},i=1,2,\ldots,10 xi={1,运送了第i件货物0 没有运送第i件货物,i=1,2,...,10
记
记 w i 表示第 i 件物品的重量, p i 表示第 i 件物品的利润 \text{记}w_i\text{表示第}i\text{件物品的重量, }p_i\text{表示第}i\text{件物品的利润} 记wi表示第i件物品的重量, pi表示第i件物品的利润
则有
m a x ∑ i = 1 10 p i x i s . t . { ∑ i = 1 10 w i x i ≤ 30 x i ∈ { 0 , 1 } max\:\sum_{i=1}^{10}p_ix_i\\s.t.\begin{cases}\sum_{i=1}^{10}w_ix_i\leq30\\x_i\in\{0,1\}\end{cases} maxi=1∑10pixis.t.{∑i=110wixi≤30xi∈{0,1}
转化后得
m i n − ∑ i = 1 10 p i x i s . t . { ∑ i = 1 10 w i x i ≤ 30 x i ∈ { 0 , 1 } min\:-\sum_{i=1}^{10}p_{i}x_{i}\\s.t.\begin{cases}\sum_{i=1}^{10}w_ix_i\leq30\\x_i\in\{0,1\}\end{cases} min−i=1∑10pixis.t.{∑i=110wixi≤30xi∈{0,1}
2.2 指派问题
已知5名游泳候选人的百米成绩怎么选拔队员组成 4 × 100 4\times100 4×100米混合泳接力队伍
蝶泳 | 仰泳 | 蛙泳 | 自由泳 | |
---|---|---|---|---|
甲 | 66.8 | 75.6 | 87 | 58.6 |
乙 | 57.2 | 66 | 66.4 | 53 |
丙 | 78 | 67.8 | 84.6 | 59.4 |
丁 | 70 | 74.2 | 69.6 | 57.2 |
戊 | 67.4 | 71 | 83.8 | 62.4 |
候 选 人 : i = 1 , 2 , 3 , 4 , 5 i= 1, 2, 3, 4, 5 i=1,2,3,4,5
泳姿: j = 1 , 2 , 3 , 4 j=1,2,3,4 j=1,2,3,4
x i j = { 1 , 队员 i 参加第 j 种泳姿 0 , 队员 i 不参加第 j 种泳姿 x_{ij}=\left\{\begin{array}{l}1,\text{队员}i\text{参加第}j\text{种泳姿}\\0,\text{队员}i\text{不参加第}j\text{种泳姿}\end{array}\right. xij={1,队员i参加第j种泳姿0,队员i不参加第j种泳姿
t i j t_{ij} tij:队员 i i i参加第 j j j种泳姿的耗时
建模如下:
m i n ∑ j = 1 4 ∑ i = 1 5 t i j x i j s . t . { ∑ j = 1 4 x i j ≤ 1 , i = 1 , 2 , 3 , 4 , 5 (每个人只能入选4种泳姿之一) ∑ i = 1 5 x i j = 1 , j = 1 , 2 , 3 , 4 (每种泳姿有且仅有1人参加) x i j ∈ { 0 , 1 } \begin{aligned}&min\quad\sum_{j=1}^4\sum_{i=1}^5t_{ij}x_{ij}\\&s.t.\begin{cases}\sum_{j=1}^4x_{ij}\leq1,i=1,2,3,4,5&\text{(每个人只能入选4种泳姿之一)}\\\sum_{i=1}^5x_{ij}=1,j=1,2,3,4&\text{(每种泳姿有且仅有1人参加)}\\x_{ij}\in\{0,1\}\end{cases}\end{aligned} minj=1∑4i=1∑5tijxijs.t.⎩ ⎨ ⎧∑j=14xij≤1,i=1,2,3,4,5∑i=15xij=1,j=1,2,3,4xij∈{0,1}(每个人只能入选4种泳姿之一)(每种泳姿有且仅有1人参加)
3. matlab代码实现
3.1 背包问题
matlab
%% 背包问题(货车运送货物的问题)
clc
clear
c=-[540 200 180 350 60 150 280 450 320 120]; % 目标函数的系数矩阵
intcon=1:10; %整数变量的位置
A=[6 3 4 5 1 2 3 5 4 2]; %线性不等式约束系数矩阵
Aeq=[]; % 线性不等式约束
beq=[]; % 线性不等式约束
b=30; %线性不等式约束的常系数向量
lb=zeros(10,1); %约束变量的范围下限
ub=ones(10,1); %约束变量的范围上限
% 调用intlinprog()函数进行求解
[x,fval]=intlinprog(c,intcon,A,b,Aeq,beq,lb,ub)
fval=-fval
输出:
Running HiGHS 1.6.0: Copyright (c) 2023 HiGHS under MIT licence terms
Presolving model
1 rows, 10 cols, 10 nonzeros
1 rows, 7 cols, 7 nonzeros
Objective function is integral with scale 0.1
Solving MIP model with:
1 rows
7 cols (6 binary, 1 integer, 0 implied int., 0 continuous)
7 nonzeros
Nodes | B&B Tree | Objective Bounds | Dynamic Constraints | Work
Proc. InQueue | Leaves Expl. | BestBound BestSol Gap | Cuts InLp Confl. | LpIters Time
0 0 0 0.00% -2650 inf inf 0 0 0 0 0.0s
T 0 0 0 0.00% -2650 -2410 9.96% 0 0 0 1 0.0s
Solving report
Status Optimal
Primal bound -2410
Dual bound -2410
Gap 0% (tolerance: 0.01%)
Solution status feasible
-2410 (objective)
0 (bound viol.)
0 (int. viol.)
0 (row viol.)
Timing 0.01 (total)
0.00 (presolve)
0.00 (postsolve)
Nodes 1
LP iterations 1 (total)
0 (strong br.)
0 (separation)
0 (heuristics)
找到最优解。
Intlinprog 在根节点处停止,因为目标值在最优值的间隙容差范围内,options.AbsoluteGapTolerance = 1e-06。intcon 变量是
容差范围内的整数,options.ConstraintTolerance = 1e-06。
x =
1
1
0
1
0
1
1
1
1
1
fval =
-2410
fval =
2410
3.2 指派问题
matlab
%% 指派问题(选择队员去进行游泳接力比赛)
clear;clc
% 双下标要转化为单下标:x11(x1),x12(x2),...,x24(x8),...,x54(x20)
% 目标函数的系数矩阵(先列后行的写法)
c=[66.8 75.6 87 58.6 57.2 66 66.4 53 78 67.8 84.6 59.4 70 74.2 69.6 57.2 67.4 71 83.8 62.4]';
% 整数变量的位置
intcon=1:20;
% 线性不等式约束的系数矩阵和常数项向量
A=[1 1 1 1 0 0 0 0 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 0 0 0 0 1 1 1 1 0 0 0 0 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 0 0 0 0 1 1 1 1 ];
b=[1;1;1;1;1];
% 线性等式约束的系数矩阵和常数项向量
Aeq=[eye(4),eye(4),eye(4),eye(4),eye(4)];
beq=[1;1;1;1];
% 约束变量的范围下限
lb=zeros(20,1);
% 约束变量的范围上限
ub=ones(20,1);
% 约束变量的范围上限
% 调用intlinprog()函数进行求解
[x,fval]=intlinprog(c,intcon,A,b,Aeq,beq,lb,ub)
reshape(x,4,5)'
输出:
%% 指派问题(选择队员去进行游泳接力比赛)
clear;clc
% 双下标要转化为单下标:x11(x1),x12(x2),...,x24(x8),...,x54(x20)
% 目标函数的系数矩阵(先列后行的写法)
c=[66.8 75.6 87 58.6 57.2 66 66.4 53 78 67.8 84.6 59.4 70 74.2 69.6 57.2 67.4 71 83.8 62.4]';
% 整数变量的位置
intcon=1:20;
% 线性不等式约束的系数矩阵和常数项向量
A=[1 1 1 1 0 0 0 0 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 0 0 0 0 1 1 1 1 0 0 0 0 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 0 0 0 0 1 1 1 1 ];
b=[1;1;1;1;1];
% 线性等式约束的系数矩阵和常数项向量
Aeq=[eye(4),eye(4),eye(4),eye(4),eye(4)];
beq=[1;1;1;1];
% 约束变量的范围下限
lb=zeros(20,1);
% 约束变量的范围上限
ub=ones(20,1);
% 约束变量的范围上限
% 调用intlinprog()函数进行求解
[x,fval]=intlinprog(c,intcon,A,b,Aeq,beq,lb,ub)
reshape(x,4,5)'