优化模型之指派问题(整数规划)

一、前言

  优化模型主要有线性规划、非线性规划、动态规划和整数规划。而指派问题是整数规划中一类重要的问题:
n n n项任务,由 n n n个人来完成,每个人只能做一件,第 i i i个人完成第 j j j项任务要 c i j c_{ij} cij小时,如何合理安排时间才能使总用时最小?

二、 指派问题的数学模型

我们引入 0 - 1变量 x i j x_{ij} xij

x i j = { 1 , 表示指派第i个人完成第j项工作 0 , 表示不指派第i个人完成第j项工作 x_{ij} = \begin{cases} 1, & \text{表示指派第i个人完成第j项工作} \\ 0, & \text{表示不指派第i个人完成第j项工作} \end{cases} xij={1,0,表示指派第i个人完成第j项工作表示不指派第i个人完成第j项工作
用x_{ij}表示第i个人完成第j项工作所需要的资源数,称之为价值系数。因此指派问题的数学模型是:
m i n   z = ∑ i = 1 n ∑ j = 1 n c i j x i j min \ z = \sum_{i=1}^n\sum_{j=1}^nc_{ij} x_{ij} min z=i=1nj=1ncijxij

s . t = { ∑ i = 1 n x i j = 1 ,       i = 1 , 2 , ⋅ ⋅ ⋅ , n ∑ j = 1 n x i j = 1 ,       j = 1 , 2 , ⋅ ⋅ ⋅ , n x i j = 0 或 1 ,       i , j = 1 , 2 , ⋅ ⋅ ⋅ , n s.t = \begin{cases} \sum_{i=1}^n x_{ij}=1,\ \ \ \ \ i=1,2,···,n\\ \sum_{j=1}^n x_{ij}=1,\ \ \ \ \ j=1,2,···,n\\ x_{ij}=0或1,\ \ \ \ \ i,j = 1,2,···,n \end{cases} s.t=i=1nxij=1,     i=1,2,,nj=1nxij=1,     j=1,2,,nxij=01,     i,j=1,2,,n

  • 第一个式子表示完成全部n项工作所消耗的总资源数要最少;
  • 第二个式子表示第i个人只完成一项工作;
  • 第三个式子表示第j项工作只能由一个人完成;
  • 第四个式子表示决策变量只能取0或者1。

指派问题可以看作0 - 1整数规划问题来求解,也可以用更简单的匈牙利算法来求解。

三、 0 - 1规划求解(Matlab)

我们先给出这样一个例题,图中数值为第i个人要完成第j个任务需要消耗的资源数 x i j x_{ij} xij,求解:如何安排才能使的总资源消耗最少。
优化模型之指派问题(整数规划)_第1张图片

编程思路:
根据规划问题的要求:
每个人只能完成一个任务,每个任务只能由一个人完成。也正如第三部分中的第二个式子和第三个式子,当该4x4矩阵表示 x i j x_{ij} xij,即指派第i个人完成第j个任务时,此时每一行相加的值和为1,每一列相加的值和为1。( x i j x_{ij} xij的值只能为0或者1)根据该思路,我们可以来进行Matlab变成。

c=[2,15,13,4,10,4,14,15,9,14,16,13,7,8,11,9]';
Aeq=[1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0;
    0,0,0,0,1,1,1,1,0,0,0,0,0,0,0,0;
    0,0,0,0,0,0,0,0,1,1,1,1,0,0,0,0;
    0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1;
    1,0,0,0,1,0,0,0,1,0,0,0,1,0,0,0;
    0,1,0,0,0,1,0,0,0,1,0,0,0,1,0,0;
    0,0,1,0,0,0,1,0,0,0,1,0,0,0,1,0;
    0,0,0,1,0,0,0,1,0,0,0,1,0,0,0,1];
beq=[1;1;1;1;1;1;1;1];
lb=zeros(16,1);
ub=ones(16,1);
[x,fval] = linprog(c,[],[],Aeq,beq,lb,ub)
x=reshape(x,[4,4])'

其中Aeq和beq代表的是等式约束,Aeq的前四行分别表示 4x4的 x i j x_{ij} xij矩阵中四行中每行相加的值为1;Aeq的后四行分别表示4x4的 x i j x_{ij} xij矩阵找那个的四列中每列相加的值为1。(实际上它就是将4x4的矩阵按照行进行展开成了1x16的矩阵)。
然后再调用linprog()线性规划的函数,输入相应参数进行求解。求解所得的x是16x1的矩阵,我们为了便于观察,最后将该矩阵转换成4x4的矩阵。

你可能感兴趣的:(数学建模)