前言
网课来源 【胎教级入门数学建模】持续更新！可能是B站大学最良心的数学建模课程了，包含全套数学模型、算法、编程、写作、MATLAB教学视频
整数规划
AI总结的
在数学建模中，整数规划（Integer Programming, IP） 是一种非常重要的优化方法，主要用于解决那些决策变量必须取整数值的问题。它是线性规划（Linear Programming, LP）的一个特例或扩展。
🧩 一、整数规划的基本概念
整数规划是一类优化问题，其一般形式为：
其中：
- ( x )：决策变量；
- ( c )：目标函数的系数向量；
- ( A )、( b )：约束条件；
- 要求部分或全部变量 ( x_i ) 必须是整数。
🧮 二、整数规划的主要类型
-
纯整数规划（Pure Integer Programming） 所有决策变量都是整数。 例：
- 生产数量、车辆数、工人数等必须是整数。
-
混合整数规划（Mixed Integer Programming, MIP） 只有部分变量要求是整数，其他可以是实数。 例：
- 工厂选址（0/1决策） + 运输量（连续变量）。
-
0-1整数规划（Binary Integer Programming） 决策变量只取0或1，常用于选址、调度、分配、路径规划等问题。 例：
- ( x_i = 1 ) 表示选择方案i，( x_i = 0 ) 表示不选择。
⚙️ 三、常见应用场景
| 应用领域 | 示例 |
|---|---|
| 选址问题 | 选择哪些工厂或仓库建成，以最小化成本 |
| 任务分配 | 员工与任务的最优匹配 |
| 路径规划 | 旅行商问题（TSP）、物流配送 |
| 生产计划 | 不同产品的产量决策 |
| 投资组合 | 选择投资项目的最优组合 |
🔍 四、求解方法
由于整数规划属于 NP难问题，不能像线性规划那样用单纯形法直接求解。常见算法包括：
-
分支定界法（Branch and Bound） 将问题分解成若干子问题，通过界限剪枝减少计算。
-
割平面法（Cutting Plane） 在连续解上添加“割平面”逐步逼近整数最优解。
-
启发式与元启发式算法（用于大规模问题） 如：遗传算法、模拟退火、禁忌搜索、粒子群算法等。
📘 五、建模技巧提示
-
整数约束可用来表示逻辑关系，例如：
- “要么选A，要么选B” → ( x_A + x_B = 1 )
- “选A则必须选B” → ( x_A \le x_B )
-
可以与线性规划、非线性规划结合，用于复杂决策模型。
-
常用求解器：Lingo、CPLEX、Gurobi、Excel Solver、Python PuLP/OR-Tools 等。
简单来说
有的时候那你肯定不能把人、物啥的分开啊，也就是怎么可能有0.5个人这样的形式awa
所以我们既要保证最优解，又要保证是整数，这就用到了整数规划
但需要注意的是，整数规划并非一味地取整，而是根据实际问题来判断
如何用？
x = intlinprog(f, intcon, A, b, Aeq, beq, lb, ub)| 参数 | 含义 |
|---|---|
f | 目标函数的系数向量 ( )，即最小化 ( ) |
intcon | 指定哪些变量是整数（输入变量的索引） |
A, b | 不等式约束 ( ) |
Aeq, beq | 等式约束 ( ) |
lb, ub | 变量的下界和上界 |
返回值 x | 最优解向量（整数解） |