列生成是用于求解大规模线性优化问题的一种算法,其实就是单纯形法的一种形式。单纯性可以通过不断迭代,通过换基变量的操作,最终找到问题的最优解。但是当问题的规模很大之后,变量的个数就会增大到在有限时间内无法有效迭代求解。所以可以用列生成方法求解,列生成方法可以一开始不列举所有的列,通过不断给模型中加入列的方式,最终找到全部解,其关键点就是加新列的过程,可以只加入能让目标值更优的列,从而减少变量的使用个数。

列生成算法流程

列生成过程中,需要将问题建模为主问题+子问题的形式。

主问题:就是原问题,主要用于决策是否选用某些方案(列)

主问题松弛问题:将主问题变量范围正整数松弛到正数

限制主问题:主问题去掉一部分列

限制主问题对偶问题:对限制主问题求对偶

价格子问题:原问题的局部问题,用于生成新的方案(列)

求解Cutting Stock问题

问题描述:

将一些钢管切割成为需要的长度以满足客户需求,要求使用的钢管最少。

每根钢管长度L=16m

需求:3m钢管25根;6m钢管20根,7米钢管18根

模型建立

主问题

\[min\sum_{j \in J} x_{j}\\
s.t.\qquad\qquad\qquad\qquad\qquad\\
\sum_{j \in J} x_j a_{ij} \ge d_i \qquad \forall i \in I\\
x_j \in Z \qquad \qquad \quad \forall j \in J \]

\(x_j\): 方案选用的个数

\(a_{ij}\): 方案\(j\)中钢管\(i\)的个数

\(d_i\): 钢管\(i\)的需求量

主问题松弛问题

\[min\sum_{j \in J} x_{j}\\
s.t.\qquad\qquad\qquad\qquad\qquad\\
\sum_{j \in J} x_j a_{ij} \ge d_i \qquad \forall i \in I\\
x_j \ge 0 \qquad \qquad \quad \forall j \in J \]

变量是整数的情况下无法用列生成法求得最优解,需要将问题松弛。如果需要求得整数最优解需要结合分支定界算法。

限制主问题

\[min\sum_{j \in J} x_{j}\\
s.t.\qquad\qquad\qquad\qquad\qquad\\
\sum_{j \in J} x_j a_{ij} \ge d_i \qquad \forall i \in I\\
x_j \ge 0 \qquad \qquad \quad \forall j \in \Omega_j \]

将主问题中的变量规模减小,一开始只加入一部分可行的切割方案(\(a_j\),列),列生成就是不断生成新的\(a_j\) 加入到问题中。判断一个列是否可以加入到问题,需要判断检验数\(\sigma_j = c_j - c_B B^{-1}a_j\),如果检验数为负,就可以将新的列加入。其中\(c_BB^{-1}\)有两重含义:

  • 通过限制主问题求得的影子价格
  • 通过限制主问题求得的对偶变量

对偶问题和原问题有同样的最优解,将原问题进行对偶,可以把原问题的变量转化为约束、约束转化为变量,因此,对于变量很多的问题将其转化为对偶问题可以很容易得到其子问题。

对偶问题

\[max \sum_{i \in I} d_i v_i \\
s.t.\qquad\qquad\qquad\qquad\qquad\\
\sum_{i in \ I} a_{ij} v_i \le 1 \qquad \qquad \forall j \in \Omega_j \\
v_j \ge 0 \qquad \qquad \qquad \quad
\forall i \in I \]

对偶问题用于推导子问题。可以进入主问题的列,就是检验数为负数的列,对于对偶问题,就是违反了约束的列。对偶问题中只有一个约束,\(\sum_{i in \ I} a_{ij} \lambda_i \le 1\)可以写成\(1-\sum_{i \in I} a_i \lambda_i \ge 0\),求其最小值,如果最小值小于0,则说明其违反了约束。子问题用于生成新的切割方案(列),子问题的约束对应切割约束。

子问题

\[min \quad 1-\sum_{i \in I} a_i v_i \\
s.t.\qquad\qquad\qquad\qquad\qquad\\
\sum_{i \in I} a_i l_i \le L \qquad \forall i \in I \\
a_i \ge 0 \qquad \quad \quad \forall i \in I \]

数据带入模型

以下所有的求解都可以用CPLEX进行求解,直接用CPLEX IDE实现

1. 启发式获得初始切割方案

首先有可行的切割方案才能构造出主问题,因此可以用启发式先计算出一些可行的切割方案,用于构造主问题。很简单的,每根钢管只生产一种产品,可以得到三种切割方案

切割方案 3m 6m 7m
1 5 0 0
2 0 2 0
3 0 0 2

2.开始列生成迭代

第1次迭代

松弛限制主问题

\[min \quad x_1 + x_2 + x_3 \\
s.t.\qquad\qquad\qquad\qquad\qquad\\
\quad\quad\quad5x_1 \qquad \qquad \quad \ge 25 \\
\quad\quad\quad\qquad 2x_2 \qquad \quad \ge 20 \\
\quad\quad\quad\qquad \qquad 2x_3 \quad\ge 18 \\
\quad\quad\quad x_1,\quad x_2,\quad x_3 \quad \ge 0 \]

对偶问题

\[max \quad 25 v_1 + 20 v_2 + 18v_3 \\
s.t.\qquad\qquad\qquad\qquad\qquad\\
\qquad \quad 5v_1 \qquad \qquad \qquad \quad\le 1 \\
\qquad \quad\qquad \quad 2v_2 \qquad \quad \quad\le 1 \\
\qquad \quad\qquad \qquad \qquad 2v_3\quad \le 1 \\
\quad\quad \quad v_1,\quad \quad v_2,\quad \quad v_3 \quad \ge 0 \]

求得对偶变量的值,将其带入到子问题中

子问题

\[min \quad 1-0.2a_1-0.5a_2-0.5a_3 \\
s.t.\qquad\qquad\qquad\qquad\qquad\\
\quad\quad\quad 3a_1+6a_2+7a_3 \le 16\\
\quad\quad\quad a_1, \quad a_2, \quad a_3 \quad \ge 0 \]

目标函数值为-0.2<0,可以加入到主问题中继续求解,新加入的一列是\(a_4=[1,2,0]^T\),表示这个方案中一根钢管切出一根3m和2根6米

第2次迭代

松弛限制主问题

\[min \quad x_1 + x_2 + x_3 + x_4 \\
s.t.\qquad\qquad\qquad\qquad\qquad\\
\quad\quad\quad5x_1 \qquad \qquad \quad + x_4 \quad\ge 25 \\
\quad\quad\quad\qquad 2x_2 \qquad \quad + 2x_4 \ge 20 \\
\quad\quad\quad\qquad \qquad 2x_3 \quad \quad\quad\quad\ge 18 \\
\quad\quad\quad x_1,\quad x_2,\quad x_3, \quad x_4 \quad \ge 0 \]

对偶问题

\[max \quad 25 v_1 + 20 v_2 + 18v_3 \\
s.t.\qquad\qquad\qquad\qquad\qquad\\
\qquad \quad 5v_1 \qquad \qquad \qquad \quad\le 1 \\
\qquad \quad\qquad \quad 2v_2 \qquad \quad \quad\le 1 \\
\qquad \quad\qquad \qquad \qquad 2v_3\quad \le 1 \\
\qquad \quad v_1\quad+2v_2 \quad\quad\quad\quad\le 1 \\
\quad\quad \quad v_1, \qquad v_2, \qquad v_3 \quad \ge 0 \]

求得对偶变量的值,将其带入到子问题中

子问题

\[min \quad 1-0.2a_1-0.4a_2-0.5a_3 \\
s.t.\qquad\qquad\qquad\qquad\qquad\\
\quad\quad\quad 3a_1+6a_2+7a_3 \le 16\\
\quad\quad\quad a_1, \quad a_2, \quad a_3 \quad \ge 0 \]

目标函数值为-0.1<0,可以加入到主问题中继续求解,可以加入到主问题中继续求解,新加入的一列是\(a_4=[1,1,1]^T\),表示这个方案中一根钢管切出1根3m,1根6米,1根7米

第3次迭代

松弛限制主问题:

\[min \quad x_1 + x_2 + x_3 + x_4 + x_5\\
s.t.\qquad\qquad\qquad\qquad\qquad\\
\quad\quad\quad5x_1 \qquad \qquad \quad + x_4 \quad + x_5\ge 25 \\
\quad\quad\quad\qquad 2x_2 \qquad \quad + 2x_4 +x_5\ge 20 \\
\quad\quad\quad\qquad \qquad 2x_3 \quad \quad\quad\quad +x_5\ge 18 \\
\quad\quad x_1,\quad x_2,\quad x_3, \quad x_4, \quad x_5 \quad\quad\ge 0 \]

对偶问题:

\[max \quad 25 v_1 + 20 v_2 + 18v_3 \\
s.t.\qquad\qquad\qquad\qquad\qquad\\
\qquad \quad 5v_1 \qquad \qquad \qquad \quad\le 1 \\
\qquad \quad\qquad \quad 2v_2 \qquad \quad \quad\le 1 \\
\qquad \quad\qquad \qquad \qquad 2v_3\quad \le 1 \\
\qquad \quad v_1\quad+2v_2 \quad\quad\quad\quad\le 1 \\
\qquad \quad v_1\quad+v_2\quad+v_3 \quad\le 1 \\
\quad\quad \quad v_1, \qquad v_2, \qquad v_3 \quad \ge 0 \]

求得对偶变量的值,将其带入到子问题中

子问题:

\[min \quad 1-0.2a_1-0.4a_2-0.4a_3 \\
s.t.\qquad\qquad\qquad\qquad\qquad\\
\quad\quad\quad 3a_1+6a_2+7a_3 \le 16\\
\quad\quad\quad a_1, \quad a_2, \quad a_3 \quad \ge 0 \]

根据求解可以得到

目标值:20.2

切割方案:方案1选择1.2个;方案4选择1个,方案5选择18个

最后求得的结果包含了小数,如果想要取得整数解,需要结合分支定界算法

列生成算法(求解Cutting Stock问题)的更多相关文章

  1. excel的列生成算法

    echo '<pre>'; $i = 1; while($i < 703){ $char1 = floor($i / 26); $char2 = $i % 26; if($i % 2 ...

  2. 干货 | 10分钟带你彻底了解column generation(列生成)算法的原理附java代码

    OUTLINE 前言 预备知识预警 什么是column generation 相关概念科普 Cutting Stock Problem CG求解Cutting Stock Problem 列生成代码 ...

  3. 二维剪板机下料问题(2-D Guillotine Cutting Stock Problem) 的混合整数规划精确求解——数学规划的计算智能特征

    二维剪板机下料问题(2-D Guillotine Cutting Stock Problem) 的混合整数规划精确求解——数学规划的计算智能特征 二维剪板机下料(2D-GCSP) 的混合整数规划是最优 ...

  4. [2017BUAA软工]第一次个人项目 数独的生成与求解

    零.Github链接 https://github.com/xxr5566833/sudo 一.PSP表格 PSP2.1 Personal Software Process Stages 预估耗时(分 ...

  5. 跳跃的舞者,舞蹈链(Dancing Links)算法——求解精确覆盖问题

    精确覆盖问题的定义:给定一个由0-1组成的矩阵,是否能找到一个行的集合,使得集合中每一列都恰好包含一个1 例如:如下的矩阵 就包含了这样一个集合(第1.4.5行) 如何利用给定的矩阵求出相应的行的集合 ...

  6. 一个UUID生成算法的C语言实现 --- WIN32版本 .

    一个UUID生成算法的C语言实现——WIN32版本   cheungmine 2007-9-16   根据定义,UUID(Universally Unique IDentifier,也称GUID)在时 ...

  7. 基于粒子群算法求解求解TSP问题(JAVA)

    一.TSP问题 TSP问题(Travelling Salesman Problem)即旅行商问题,又译为旅行推销员问题.货郎担问题,是数学领域中著名问题之一.假设有一个旅行商人要拜访n个城市,他必须选 ...

  8. EM 算法求解高斯混合模型python实现

    注:本文是对<统计学习方法>EM算法的一个简单总结. 1. 什么是EM算法? 引用书上的话: 概率模型有时既含有观测变量,又含有隐变量或者潜在变量.如果概率模型的变量都是观测变量,可以直接 ...

  9. 算法实践——舞蹈链(Dancing Links)算法求解数独

    在“跳跃的舞者,舞蹈链(Dancing Links)算法——求解精确覆盖问题”一文中介绍了舞蹈链(Dancing Links)算法求解精确覆盖问题. 本文介绍该算法的实际运用,利用舞蹈链(Dancin ...

随机推荐

  1. 题解 [JSOI2011]柠檬

    题目传送门 题目大意 给出一个区间,每个点都有一个颜色,把这个区间分为许多块,每一块的权值为 \(\max\{s\times t^2\}\) ,其中 \(s\) 为某种颜色,\(t\) 为该颜色在该块 ...

  2. HAOI2012高速公路bzoj2752 (线段树,数学)

    题目大意: 给定一个长度为n的链,一共m次操作 对于每次操作 \(C\ l\ r\ x\)表示将第l个点到第r个点之间的所有道路的权值增加v \(Q\ l\ r\)在第l个到第r个点里等概率随机取出两 ...

  3. css3鼠标悬停图片边框线条动画特效

    css3鼠标经过内容区时,边框线条特效效果制作.   html: <div class="strength grWidth hidden"> <div class ...

  4. 在Vue&Element前端项目中,对于字典列表的显示处理

    在很多项目开发中,我们为了使用方便,一般都会封装一些自定义组件来简化界面的显示处理,例如参照字典的下拉列表显示,是我们项目中经常用到的功能之一,本篇随笔介绍在Vue&Element前端项目中如 ...

  5. Linux信号处理编程

    01. 学习目标 了解信号中的基本概念 熟练使用信号相关的函数 了解内核中的阻塞信号集和未决信号集作用 熟悉信号集操作相关函数 熟练使用信号捕捉函数signal 熟练使用信号捕捉函数sigaction ...

  6. vue3.x移动端页面基于vue-router的路由切换动画

    移动端页面切换一般都具有动画,我们既然要做混合开发,做完之后还是不能看起来就像一个网页,所以我们基于vue-router扩展了一个页面切换push和pop的动画.这是一篇比较硬核的帖子,作者花了不少精 ...

  7. [对对子队]会议记录5.21(Scrum Meeting8)

    今天已完成的工作 吴昭邦 ​ 工作内容:调整快进按钮 ​ 相关issue:优化流水线加入物品的动画 ​ 相关签入:feat: 快进图标更换,更改第四关材料位置 朱俊豪 ​ 工作内容:调整场景高度和视角 ...

  8. OO第二单元——多线程(电梯)

    OO第二单元--多线程(电梯) 综述 第二单元的三次联系作业都写电梯,要求逐步提高,对于多线程的掌握也进一步加深.本次作业全部都给出了输入输出文件,也就避免了正则表达式判断输入输出是否合法的问题. 第 ...

  9. Prometheus监控Canal

    Prometheus监控Canal 一.背景 二.实现步骤 1.修改prometheus.yml配置文件 2.启动prometheus 3.查看prometheus是否成功接入canal 4.cana ...

  10. spring security实现简单的url权限拦截

    在一个系统中,权限的拦截是很常见的事情,通常情况下我们都是基于url进行拦截.那么在spring security中应该怎么配置呢. 大致步骤如下: 1.用户登录成功后我们需要拿到用户所拥有的权限,并 ...