1

我正在尝试找到一种最佳算法，该算法可以在覆盖所有元素的同时找到元素总和最低的最大子集。

例如：- 假设 ABC 是零售商，WXYZ 是产品，目标是尽量减少访问量并降低价格。

    A    B    C
W   4    9    2  
X   1    3    4 
Y   9    3    9
Z   7    1    1 

So it appears my top two choices are 
a) B:{XYZ} - 7   C:{W} - 2
b) C:{WXZ} - 7   B:{Y} - 3 

So a) is picked because since it has a lower cost, i.e 9.

这个问题似乎类似于顶点覆盖和其他线性规划算法，但我无法找出正确的问题。

更新：

看来我需要添加一个额外的变量。介绍 t。如果访问最少零售商的成本和下一个最少的零售商的成本 > t，则选择下一个前者。 

Continuing with the example.

say t = 5,

The largest subset containing all elements would be B:{WXYZ} with a cost of 16. 
The next largest subset(s) is B:{XYZ} - 7   C:{W} - 2 with a cost of 9. 

t = 16 - 9 > 5. So we pick B:{XYZ} - 7   C:{W} - 2 

but if we did A:{X}, B:{Y}, C:{WZ} - 5, t = 9 - 5 < 5. 

So B:{XYZ} - 7   C:{W} - 2 is picked

如果已经有适合这种模式的算法，我真的很感兴趣。我不能成为第一个需要这种优化的人。

4

1 回答 1

1

你有两个目标的问题 - 1. 尽量减少产品的总成本以及 2. 尽量减少访问的商店数量。（@btilly 的评论正确地展示了两种相互竞争的解决方案。）

在这些类型的整数规划问题中，多目标相当普遍。请参阅 MCDM。要解决此问题，您需要有两种类型的成本（您目前只有一种。）

  1. 从零售商 r（您已指定）购买产品 p 的成本C_rp
  2. 拜访零售商的费用：C_r

直觉：如果 C_r 非常高，那么我们将从一个零售商处购买所有产品。如果 C_r 很小，那么我们会去多个零售商处，从最便宜的人那里购买。

您的问题可以建模为“分配问题”的变体。此外，如果您需要更多参考资料，请阅读所谓的fixed-charge transportation problems(FCTP)。（访问零售商一次需要支付固定费用。）

继续整数规划公式：

决策变量

  Binary
  X_rp = if product p is purchased from retailer r, 0 otherwise 
  Y_r = 1 if retailer r is visited, 0 otherwise

目标函数

 Min C_rp X_rp + C_r Y_r

约束 

(Sum over r) X_rp = 1 for all p (Every product must be bought from some retailer)

接下来，我们需要确保 Y_r 为 1，即使该零售商的 X_rp 之一为 1。通常，我们会使用大 M 方法，但在这个问题上更容易。

X_rp <= Y_r  for all p, for all r.

如果任何 X 变量变为 1，则强制 Y_r 变为 1。模型将支付价格 C_r。

要求解，您可以使用任何 LP 求解器。好消息是问题具有完整性属性，这意味着即使使用线性规划求解技术，整数解也自然会出现。

希望有帮助。

于 2013-06-26T18:22:13.240 回答