Oleh karena itu, Z 16 untuk semua solusi layak untuk masalah BIP asli (karena solusi ini
adalah bagian dari solusi layak untuk relaksasi LP). Bahkan, dengan rincian sebagai berikut, ini
terikat dari 16 dapat dibulatkan ke bawah ke 16, karena semua koefisien dalam fungsi tujuan yang
integer, sehingga semua solusi bilangan bulat harus memiliki nilai integer untuk Z.
Terikat untuk seluruh masalah: Z 16.
Sekarang mari kita mendapatkan batas untuk dua subproblem dengan cara yang sama.
relaksasi LP mereka diperoleh dari model dalam ayat sebelumnya dengan mengganti kendala yang
XJ adalah biner untuk j 2, 3, 4 oleh kendala 0 XJ 1 untuk j 2, 3, 4. Menerapkan metode simpleks
kemudian menghasilkan solusi optimal (ditambah nilai tetap x1) ditunjukkan di bawah ini.
LP relaksasi dari subproblem 1: (x1, x2, x3, x4) (0, 1, 0, 1) dengan Z 9.
LP relaksasi dari subproblem 2: (x1, x2, x3, x4) 1,
batas yang dihasilkan untuk subproblem maka yang
Terikat untuk subproblem 1: Z 9,
Terikat untuk subproblem 2: Z 16.
GAMBAR 12.5 Hasil berlari untuk iterasi pertama dari cabang BIP dan algoritma terikat misalnya
di sec 12.1
Gambar 12.5 merangkum hasil ini, di mana angka-angka yang diberikan tepat di bawah
node batas dan di bawah masing-masing terikat adalah solusi optimal diperoleh untuk relaksasi
LP.
fathoming
Sebuah subproblem bisa ditaklukkan (dimengerti), dan dengan demikian diberhentikan
dari pertimbangan lebih lanjut, dalam tiga cara yang dijelaskan di bawah.
Salah satu cara diilustrasikan oleh hasil untuk subproblem 1 diberikan oleh x1 0 simpul
pada Gambar. 12,5. Perhatikan bahwa (unik) solusi optimal untuk relaksasi nya LP, (x1, x2, x3,
x4) (0, 1, 0, 1), merupakan solusi integer. Oleh karena itu, solusi ini juga harus menjadi solusi
optimal untuk subproblem 1 itu sendiri. Solusi ini harus disimpan sebagai incumbent pertama
(yang terbaik solusi yang layak ditemukan sejauh ini) untuk seluruh masalah, bersama dengan nilai
dari Z. Nilai ini dilambangkan dengan
Z * nilai Z untuk berkuasa saat ini,
sehingga Z * 9 pada saat ini. Sejak solusi ini telah disimpan, tidak ada alasan untuk
mempertimbangkan subproblem 1 lebih jauh oleh percabangan dari x1 0 node, dll Melakukan
sehingga hanya dapat menyebabkan solusi layak lain yang lebih rendah daripada incumbent, dan
kami tidak tertarik seperti solusi. Karena telah diselesaikan, kami memahami (mengabaikan)
subproblem 1 sekarang.
Hasil di atas menunjukkan tes fathoming kunci kedua. Sejak Z * 9, tidak ada alasan untuk
mempertimbangkan lebih lanjut subproblem setiap yang terikat 9, karena subproblem tersebut
tidak dapat memiliki solusi yang layak lebih baik dari incumbent. Lain lebih umum, subproblem
sebuah dimengerti setiap kali nya Bound <Z *.
Hasil ini tidak terjadi pada iterasi saat ini misalnya karena subproblem 2 telah menjadi
terikat dari 16 yang lebih besar dari 9. Namun, mungkin terjadi kemudian untuk keturunan
subproblem ini (subproblem baru yang lebih kecil yang diciptakan oleh percabangan pada
subproblem ini, dan kemudian mungkin bercabang lebih lanjut melalui “generasi” berikutnya).
Selain itu, sebagai pemain lama baru dengan nilai yang lebih besar dari Z * ditemukan, itu akan
menjadi lebih mudah untuk memahami cara ini.
Cara ketiga fathoming cukup mudah. Jika metode simpleks temuan bahwa relaksasi LP
sebuah subproblem ini tidak memiliki solusi layak, maka subproblem itu sendiri harus tidak
memiliki solusi layak, sehingga dapat diberhentikan (dimengerti).
Dalam semua tiga kasus, kami sedang melakukan pencarian kami untuk solusi optimal
dengan mempertahankan untuk penyelidikan lebih lanjut hanya mereka submasalah yang mungkin
bisa memiliki solusi yang layak lebih baik dari incumbent saat ini.
Ringkasan Tes fathoming. Sebuah subproblem yang dimengerti (diberhentikan dari
pertimbangan lebih lanjut) jika
Test 1: Its terikat Z *,
atau
Test 2: Its LP relaksasi tidak memiliki solusi layak,
atau
Uji 3: Solusi optimal untuk relaksasi LP adalah integer. (Jika solusi ini lebih baik dari
incumbent, menjadi incumbent baru, dan uji 1 diterapkan kembali untuk semua subproblem
unfathomed dengan yang baru yang lebih besar Z *.)
Gambar 12.6 merangkum hasil dari menerapkan tiga tes ini untuk subproblem 1 dan 2
dengan menunjukkan pohon solusi saat ini. Hanya subproblem 1 telah dimengerti, dengan uji 3,
seperti yang ditunjukkan oleh F (3) sebelah x1 0 simpul. incumbent dihasilkan juga diidentifikasi
di bawah node ini.
Iterasi berikutnya akan menggambarkan aplikasi yang sukses dari ketiga tes. Namun,
sebelum melanjutkan contoh, kita meringkas algoritma yang diterapkan untuk masalah BIP ini.
(Algoritma ini mengasumsikan bahwa semua koefisien dalam fungsi tujuan adalah bilangan bulat
dan bahwa urutan variabel untuk percabangan adalah x1, x2,..., Xn.)
Subproblem 3:
Bound 13 Z * 14.
Oleh karena itu, subproblem ini sekarang dimengerti.
Kami sekarang memiliki pohon solusi ditunjukkan pada Gambar. 12,9. Perhatikan bahwa tidak
ada yang tersisa (unfathomed) subproblems. Akibatnya, tes optimalitas menunjukkan bahwa
incumbent saat ini
(X1, x2, x3, x4) (1, 1, 0, 0)
Optimal, sehingga kita selesai
GAMBAR 12,9Solusi pohon setelah final cabang BIP dan algoritma terikat misalnya di sec 12.1
OR Tutor Anda termasuk contoh lain penerapan algoritma ini. Juga termasuk dalam OR
Courseware adalah rutin interaktif untuk mengeksekusi algoritma ini. Seperti biasa, Excel, LINGO
/ LINDO, dan MPL / CPLEX file untuk bab ini dalam acara OR Courseware Anda bagaimana
versi mahasiswa paket perangkat lunak ini diterapkan pada berbagai contoh dalam bab ini.
Algoritma yang mereka gunakan untuk BIP promblems semua mirip dengan yang dijelaskan atas.1
1. dalam versi profesional LINGO, LINDO, CPLEX, algoritma BIP juga menggunakan berbagai
teknik canggih sepanjang garis yang dijelaskan dalam sec 12,8