我正在查看此处定义的分配问题的标准定义
我的问题与这两个约束有关(乳胶符号如下):
\sum_{j=1}^n(x_{ij}) = 1 for all i = 1, ... , n
\sum_{i=1}^n(x_{ij}) = 1 for all j = 1, ... , n
具体来说,为什么需要第二个约束?第一个不是已经涵盖了所有的 x_{ij} 对吗?
我正在查看此处定义的分配问题的标准定义
我的问题与这两个约束有关(乳胶符号如下):
\sum_{j=1}^n(x_{ij}) = 1 for all i = 1, ... , n
\sum_{i=1}^n(x_{ij}) = 1 for all j = 1, ... , n
具体来说,为什么需要第二个约束?第一个不是已经涵盖了所有的 x_{ij} 对吗?
考虑x_ij
具有i
行和j
列范围的矩阵。
第一个等式表示,对于i
每一行(即每一行!),该行中的值之和等于 1。
第二个等式表示,对于每个j
(即,对于每一列!),该列中的值之和等于 1。
不。鉴于中的所有条目X
都是0
or 1
,一个约束说“1
每列中恰好有一个” - 另一个说“1
每行中恰好有一个”(我总是忘记传统上矩阵下标的方向)。这些陈述具有独立的真值。
这甚至不是远程编程问题。但无论如何我都会回答。
第一个是对 j 的总和,对于 i 的每个值。第二个是 i 的总和,对于 j 的每个值。
因此,本质上,这些约束集之一要求矩阵 x_{i,j} 矩阵的各行的总和必须为单位。另一个约束是要求该矩阵的列的总和必须是统一的。
(编辑)似乎我们在这里仍然不清楚。考虑矩阵
[0 1]
[0 1]
必须同意,该矩阵各行的总和对于每一行都是 1。但是,当你形成第一列元素的总和时,它为零,而第二列元素的总和,我们找到 2。
现在,考虑一个不同的矩阵。
[0 1]
[1 0]
看到这里,行或列的总和始终为 1。