解决整数约束下的优化问题
整数规划算法最小化或最大化受等式、不等式和整数约束的函数。整数约束限制优化问题中的一些或所有变量只接受整数值。这使得涉及离散数量的问题(例如股票的份额或电池中的电池)或是或否决策的精确建模成为可能。当只对某些变量有整数约束时,这个问题称为混合整数程序(MIP)。示例整数规划问题包括投资组合优化在金融领域,发电机组优化调度(单位承诺),优化设计以及运输和供应链中的调度和路由应用。
整数规划是一个数学问题,寻找一个矢量\(x\),使函数最小:
\ [\ min_x f (x) \]
受限于:
\[\begin{eqnarray}g(x) \leq 0 & \quad & \text{(不等式约束)}\\h(x) = 0 & \quad & \text{(不等式约束)}\\ x_i \in \mathbb{Z} & \quad & \text{(整数约束)}\end{eqnarray}\]
这是整数规划的最一般形式,被称为混合整数非线性规划(MINLP)。
许多问题只能用线性目标和约束来表述。在这种情况下,整数程序被称为混合整数线性程序(MILP),它被写成:
\ [\ min_ {x} \左\ {f ^ {\ mathsf {T}} x \ \} \]
受限于:
\[\begin{eqnarray}Ax \leq b & \quad & \text{(不等式约束)}\\A_{eq}x = b_{eq} & \quad & \text{(不等式约束)}\\lb \leq x \leq ub & \quad & \text{(绑定约束)}\\ x_i \in \mathbb{Z} & \quad & \text{(整数约束)}\end{eqnarray}\]
如何
用例
混合整数线性规划示例
混合整数非线性规划实例
软件参考
参见:优化工具箱,全局优化工具箱,线性规划,二次规划,非线性规划,遗传算法,投资管理,能源交易,规范的分析,代理优化,电力系统仿真与优化