整数规划中的割平面法与分枝定界法比较

整数规划是规划论中较新的一个分枝,它是研究决策变量取整数的一类线性规划,主要的解法有割平面法和分枝定界法两种.对它们进行介绍后,通过求解具体问题进行分析比较.     

整数规划割平面法解题新探

该文提出了在使用Ｇｏｍｏｒｙ割平面法解整数规划时，可通过作比较，选出切割条件较强的一个割平面方程或同时取几个割平面方程的方法．可以减少切割次数和计算量．     

二次整数规划问题的分枝定界法

应用分枝定界技术将二次整数规划问题变量X=(x1,x2,…,xn)分开,选取一个分量xi固定,然后求解具有n-1个变量的整数规划问题,并应用分枝定界技巧,使节点([xi]±k)的个数最少,并找出判断节点个数最少的条件.     

二次整数规划问题的分枝定界法

应用分枝定界技术将二次整数规划问题变量X =(x1,x2 ,… ,xn)分开 ,选取一个分量xi 固定 ,然后求解具有n-1个变量的整数规划问题 ,并应用分枝定界技巧 ,使节点 ( [xi]±k)的个数最少 ,并找出判断节点个数最少的条件     

整数线性规划的一种混合算法

本文是将分支定界法与改进的割平面法、隐枚举法相结合,提出一种解决整数线性规划的混合型方法。用这种方法解决整数规划问题,能节省较多的计算量。     

递归回溯法求解整数线性规划及MATLAB实现

基于递归回溯法解决整数线性规划问题的算法思想及求解过程,使用MATLAB软件编写通用程序,实现了求解整数线性规划问题.通过MATLAB中的文件存储功能,对符合要求的整数解可存储在文件中,并舍弃从该解出发的分支,从而得到了符合要求的所有整数解和最优整数解.实验结果表明,该算法达到了局部最优.     

求解线性双层规划的割平面算法

利用线性双层规划的全局最优解可在其约束域的极点上达到这一性质,通过对问题可行解集合的结构进行探讨,引进一种割平面技术,提出了一个求解线性双层规划的全局收敛算法,并通过一个算例说明了算法的求解过程.     

解整数规划问题的目标收敛法

提出基于目标收敛法的整数规划求解方法．该求解方法从整系数目标函数值一定为整数这一性质出发,对目标函数值进行逐步约束,使得每一步迭代均在上一步问题的可行域中割去一块不包含原规划问题整数可行解的区域,从而使可行域逐步缩小最终得到整数最优解．目标收敛法还可与割平面法、分枝估界等方法结合起来使用,从而加速求解过程．     

整数规划的分支定界法及其MATLAB实现

讨论了整数规划问题中分支定界法的基本原理和求解过程以及算法思想,通过MATLAB中提供的优化函数,实现了快速解决整数规划的问题．同时改进了对于此类问题的计算量巨大和编制程序困难的问题,使用了堆栈而不是递归,节约了计算中的资源。编制的MATLAB线性整数规划的程序．可以编译成C／C＋＋实现和COM组件。     

半定规划的解析中心割平面法

给出了半定规划的解析中心割平面算法,它可以用于求解较大规模的半定规划问题。这个算法在每一步迭代中解决对偶半定规划线性松弛问题,并以割平面的解析中心作为下一个迭代点。我们证明了算法的收敛性,并在最后给出了实际算例。     

从线性整数规划谈一维下料问题

一维下料问题是运筹学的一个经典NP-hard问题,在生产中普遍存在．优化下料可以提高原材料的利用率, 是企业增加经济效益的途径之一．从线性整数规划开始讨论了下料问题的各种模型,提出了一些需要改进的问题, 介绍了目前该问题研究的热点．     

一个求解线性双层规划的全局收敛算法

用线性规划对偶理论讨论了线性双层规划的最优性条件,利用下层问题的对偶间隙,将线性双层规划转化为目标函数带惩罚项的单层问题,通过对转化后的单层问题进行求解,给出了一个求解线性双层规划局部最优解的方法,然后引进一种割平面约束来修正当前局部最优解,直到求得线性双层规划的全局最优解。提出的算法具有全局收敛性,并通过一个算例说明了算法的求解过程。     

解变量有上、下界限制的LP问题的一种新割平面法

针对变量有上、下界限制的LP问题,本文给出了求解此类问题的一种简易方法——割平面法,并以实例加以说明。     

混合整数两层线性规划问题的一种算法

两层线性规划问题的求解已经提出很多算法,而混合整数两层线性规划问题的研究成果还较少出现。本文介绍了混合整数两层线性规划问题,提出一个基于树搜索的分支定界算法。计算例子说明所给算法是非常有效的。     

具有混合约束线性规划问题的一个内点算法

对具有线性等式和不等式约束的线性规划问题给出了一种内点法,利用寻优方向选择参加投影矩阵计算的约束,使少部分约束参加运算,从而减少了问题的求解规模,有效地提高了求解速度,同时也节省了存贮量。     

基于Agent的整数线性规划问题的求解算法

Agent技术自 2 0世纪 80年代起一直是分布式人工智能的研究热点。本文主要将先进的 Agent技术和传统的整数线性规划求解算法——分枝定界法相结合 ,给出了具体的基于 A gent的求解算法 ,进一步降低了算法实现的时间复杂度     

线性分式规划全局最优解的确定性方法

针对分式规划问题的求解,给出一个确定性全局优化算法.首先将原问题转化为一个等价问题,然后利用线性化技巧,建立等价问题的松弛线性化问题.通过对可行域的不断剖分以及一系列松弛线性化问题的求解,逐步求得原问题的最优解.理论上证明了算法的收敛性,数值算例表明算法是可行的.