分支切割法
用于解决整数线性问题(ILPs),即部分或全部未知数为整数值的线性规划(LP)的问题的组合优化方法
分支切割法是用于解决整数线性问题(ILPs),即部分或全部未知数为整数值的线性规划(LP)的问题的组合优化方法。该方法在分支定界法的基础上,使用切割平面以收紧线性规划松弛。如果切割平面仅用来收紧初始的 LP 松弛,则改称为切割分支法。
算法描述
以下假设 ILP 问题为最大化问题。
该方法首先使用单纯形法解决无整数约束的线性问题。获得最优解后,如果有约束为整数的变量取了非整数值,该算法会使用切割平面法以寻找进一步的线性约束:所有可行的整数点满足该约束,但最优解不满足该约束。随后这些约束不等式可以加入线性问题中,使得下次求解可以获得“更接近整数”的结果。
在此基础上,算法使用分支定界法,将该问题分割为多个(通常为两个)子问题。随后使用单纯形法求解新的子问题,重复该过程。在分支定界的过程中,LP 松弛问题的非整数解为解的上限,整数解为解的下限。如果一个子问题的上限低于当前的全局下限,则可以除去该子问题。此外,在求解 LP 松弛问题时,可能产生其他切割平面。这些平面既可能是全局切割,即适用于所有可行的整数解的切割;或局部切割,即适用于当前分支定界子树下所有满足边界约束的解的切割
分支策略
分支策略是分支切割算法中的重要一步。在这一步中,可以使用多种启发式分支策略。下述分支策略都包含在变量上分支。在变量上分支的大致过程为:如果变量在当前的 LP 松弛问题的最优解中为分数,则向松弛问题中加入约束 。
最不可行分支
该策略优先选择小数部分最接近 0.5 的变量。
伪成本分支
该策略的基本思想是当变量被选作分支变量时,追踪目标函数的变化。基于过去的变化情况,该策略会选择预计对目标函数产生最大变化的变量作为分支变量。注意,在最初分支时,只有几个变量进行过分支,该策略会面临所需信息不足的情况。
强健分支
该策略在实际分支前将对变量进行测试,以确定哪个变量对目标函数的变化影响最大。完全强健分支会测试所有候选变量,计算成本很高。可以通过只考虑一部分候选变量,并不完全解出所有对应的 LP 松弛,来降低计算成本。
除了以上几种策略外,还存在大量其他的分支策略,比如伪成本分支所需的信息不足时先采用强壮分支,在获得足够的分支历史后切换到伪成本分支。
参考资料
最新修订时间:2023-08-31 17:23
目录
概述
算法描述
参考资料