La solución óptima es la siguiente: establecer todas las variables iguales a sus mínimos. Luego, comenzando desde el más grande hasta el más pequeño, establezca iterativamente el correspondiente x i lo más grande posible hasta que presione ∑ i x i = 1 . Si ∑ i x i , m i n > 1 o ∑ i x i , m a x < 1, entonces el problema es inviable. Creo que esta es la misma solución que genera el algoritmo de Geoffrey Irving.aixi∑ixi=1∑ixi,min>1∑ixi,max<1
La razón por la que esto funciona es que puede transformar su problema en la relajación LP del problema de la mochila 0-1 a través de
yi=xi−xi,minxi,max−xi,min.
En el espacio variable , el problema se convierte en
Maximizar ∑ i c i y i Sujeto a 0 ≤ y i ≤ 1 , para cada iy
MaximizeSubject to∑iciyi0≤yi≤1, for each i∑ibiyi=d,
donde , b i = ( x i , m a x - x i , m i n ) y d = 1 - ∑ i x i , m i n . Si el problema original es factible, entonces d ≥ 0ci=ai(xi,max−xi,min)bi=(xi,max−xi,min)d=1−∑ixi,mind≥0. Las 'sy b i ' s no son negativas, por lo que tenemos la relajación LP de 0-1 mochila. (La expresión ∑ i a i x i , m i n también aparece técnicamente en el objetivo, pero como es una constante, podemos descartarla).cibi∑iaixi,min
Suponiendo que las variables están ordenadas por la relación cibi=aiy1=y2=⋯=yk=1kyk+1=d−∑ki=1biyk+2=⋯=yn=0xEl espacio problemático variable proporciona la solución que acabo de describir.
≤=x∑ixi,max<1