Skip to content
Opt Dir

Glossar · approach

Ganzzahlige Programmierung (IP)

Klasse linearer Optimierungsprobleme, in der jede Entscheidungsvariable auf ganzzahlige Werte beschränkt ist; die rein-ganzzahlige Unterklasse von MILP, im Allgemeinen NP-schwer.

Integer ProgrammingIPReine Ganzzahlige ProgrammierungInteger Linear ProgrammingILP
Die ganzzahlige Programmierung (pure IP) ist die Problemklasse min c^T x s.t. Ax ≤ b, x ∈ Z^n_+ in kanonischer Form, in der alle Entscheidungsvariablen ganzzahlig sind. Der 0-1-Spezialfall x ∈ {0,1}^n ist die natürliche Formulierung der kombinatorischen Optimierung: Rucksack, Zuordnung, Set Covering, Set Partitioning, Traveling Salesman Problem (TSP), Matching und Graphfärbung. Komplexität: pure IP erscheint als 0-1-IP in Karps Liste der 21 NP-vollständigen Probleme (1972); Lenstra (1983) zeigte, dass IP in fester Dimension in polynomieller Zeit lösbar ist (praxisuntauglich, wenn die Dimension Teil der Eingabe ist). Wird die Ganzzahligkeit der LP-Relaxation auferlegt, kann sich der Optimalwert deutlich ändern; der Integrality Gap ist das kanonische Maß für die Stärke der Formulierung. Der klassische Algorithmus ist Gomorys (1958) Schnittebenenverfahren: LP-Relaxation lösen, bei fraktionalem Optimum mittels Simplex-Tableau einen Gomory-Schnitt erzeugen, der das aktuelle LP-Optimum, aber keinen ganzzahligen Punkt ausschließt, hinzufügen und erneut lösen; dies terminiert nach endlich vielen Iterationen am ganzzahligen Optimum (theoretisch). In der Praxis sind Land und Doigs (1960) Branch-and-Bound und später Branch-and-Cut (Padberg und Rinaldi 1991) schneller. Polyedertheorie — Chvátal (1973), Schrijver (1986) — leitet gültige Ungleichungen (Subtour-Eliminierung und Blossom-Ungleichungen beim TSP) ab, die die Relaxation an die konvexe Hülle der ganzzahligen Punkte annähern. Anwendungen: TSP / Tourenplanung (Dantzig, Fulkerson, Johnson 1954), Zuordnung, Scheduling, Netzflüsse, Cutting Stock (Gilmore und Gomory 1961), Bin Packing.
Örnek

Eine Kurierflotte mit 22 Fahrzeugen in Antalya löst ein TSP-Integerprogramm für 65 tägliche Kundenbesuche: 4.225 binäre x_ij-Variablen, etwa 8.500 Restriktionen inklusive Subtour-Eliminierung; Branch-and-Cut mit guter Startheuristik liefert in 12 Minuten eine Lösung mit 1,5 % Gap und reduziert die tägliche Gesamtdistanz von 387 km auf 318 km (etwa 18 % Einsparung).

Esc Schließen