欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

用规划模型求解指派问题

程序员文章站 2022-06-17 19:54:30
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: 有$n$项任务,由$n$个人来完成,每个人只能做一件,第$i$个人完成第$j$项任务要$c_$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 ......

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:
\(n\)项任务,由\(n\)个人来完成,每个人只能做一件,第\(i\)个人完成第\(j\)项任务要\(c_{ij}\)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 \(x_{ij}\)

\[x_{ij} = \begin{cases} 1, & \text{表示指派第i个人完成第j项工作} \\ 0, & \text{表示不指派第i个人完成第j项工作} \end{cases} \]

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:

\[min \ z = \sum_{i=1}^n\sum_{j=1}^nc_{ij} x_{ij} \]

\[s.t = \begin{cases} \sum_{i=1}^n x_{ij}=1,\ \ \ \ \ i=1,2,···,n\\ \sum_{j=1}^n x_{ij}=1,\ \ \ \ \ j=1,2,···,n\\ x_{ij}=0或1,\ \ \ \ \ i,j = 1,2,···,n \end{cases} \]

  • 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\(x_{ij}\),求解:如何安排才能使的总资源消耗最少。
用规划模型求解指派问题

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\(x_{ij}\),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。(\(x_{ij}\)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\(x_{ij}\)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\(x_{ij}\)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。

以上代码也可以用for循环对其优化,将线性规划转换成整数规划进行求解

c=[2,15,13,4;10,4,14,15;9,14,16,13;7,8,11,9];
c=c(:);a=zeros(8,16);intcon=1:16;
for i=1:4
    a(i,(i-1)*4+1:4*i)=1;
    a(4+i,i:4:16)=1;
end
b=ones(8,1);lb=zeros(16,1);ub=ones(16,1);
x=intlinprog(c,intcon,[],[],a,b,lb,ub)
x=reshape(x,[4,4])

在对于指派问题中,还有一个经典算法时匈牙利算法,核心是寻找增广路径,用增广路径求二分图最大匹配的算法。后面会有一篇博客专门分享我对匈牙利算法理解及matlab实战。