整数编程算法最小化或最大化符合平等,不等式和整数约束的函数。整数约束限制了优化问题中的一些或全部变量,仅占用整数值。这使得能够准确建模涉及离散数量的问题(例如股票的股票)或者是 - 或者没有决定。当只有一些变量有整数约束时,问题称为混合整数程序(MIP)。示例整数编程问题包括投资组合优化在金融领域,能源生产中发电机组的优化调度(机组组合),设计优化工程、运输和供应链应用中的调度和路线。
整数规划是寻找使函数最小化的向量\(x\)的数学问题:
\[\min\u x f(x)\]
受以下限制:
\ [\ begin {eqnarray} g(x)\ leq 0&quad&\ text {(不等式约束)} \\ h(x)= 0&\ quad&\ text {(平等约束)} \\ x_i \在\ mathbb {z}&\ quad&\ text {(整数约束)} \ neg {eqnarray} \]
这是整数规划的最一般形式,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描述。在这种情况下,整数规划称为混合整数线性规划(MILP),其编写方式如下:
\[\min{x}\left\{f^{\mathsf{T}}x\right\}\]
受以下限制:
\[\begin{eqnarray}Ax\leq b&\quad&\text{(不等式约束)}\\A{eq}x=b{eq}&\quad&\text{(等式约束)}\\lb\leq x\leq ub&\quad&\text{(绑定约束)}\\x\u i\in\mathbb{Z}&\quad&\text{(整数约束)}\end{eqnarray}]