混合整数线性规划(MILP)
线性规划模型(Linear Programming, LP)：LP的定义比较简单，它指的就是目标函数是线性的，所有约束也是线性的，最后，决策变量可以取任何的实数。如果在线性规划问题中有部分决策变量要求必须是整数， 那么这时的规划问题就转变成混合整数线性规划问题了。也就是说优化问题不止有条件约束，还有整数约束。
举例：
min x1+x2 “数学问题描述”
x1-2x2>=6 “条件约束”
x1 in integer“整数约束”,x2>=0 “条件约束”
求解：
在MatLab中，线性规划类问题的求解基本上有两种解决方案，最简单的是直接调用求解器(solver)求解，这叫做solver-based linear programming，求解的命令是linprog和intlinprog。这种方案简单，但需要我们手动列出所有系数矩阵、向量(Ax<=b;Aeq.x<=beq;and so on)。当约束增多，这个工作几乎是不可行的。
MatLab提供了基于问题的求解方案(problem_based linear programming)。这种方案更加直观，缺点是需要自己一步步实现，它实际上上也是调用了求解器，使用单纯形法、内点法等方法求解(可以指定)。
混合整数线性规划模型的求解算法主要包括 精确算法 和 启发式算法 两类，其中 精确算法 包括 分支定界法、列生成法等， 启发式算法 包括 遗传算法、蚁群算法、粒子群算法、模拟退火算法等。
其中，精确算法能够求得模型的精确最优解，但其缺点在于在现有计 算机技术下、在有限的计算时间内无法处理决策变量较多的问题。而启发 式算法虽然能够处理决策变量较多的问题，但其得到的最优解为近似最优 解，且比较容易陷入局部最优解，所求得的近似最优解与实际最优解之间 的差距无法衡量和估计。
标签：MILP,求解,线性规划,整数,约束,算法,最优 来源： https://blog.csdn.net/sdgyfbtnyj/article/details/114916635
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。