整数规划算法最小化或最大化受等式、不等式和整数约束的线性函数。整数约束将优化问题中的部分或全部变量限制为只能取整数值。这可以对涉及离散数量(如股票份额)或是非决策的问题进行精确建模。当只有部分变量存在整数约束时，该问题称为混合整数线性规划。示例整数规划问题包括投资组合优化在财务学中，发电机组的最优调度(机组承诺)在能源生产中，以及运筹学中的调度和路由。

整数规划是寻找一个使函数最小化的向量(x)的数学问题:

\ [\ min_ {x} \左\ {f ^ {\ mathsf {T}} x \ \} \]

受以下限制:

\[\begin{eqnarray}Ax \leq b & \quad & \text{(不等式约束)}\\A_{eq}x = b_{eq} & \quad & \text{(等式约束)}}\ lb \leq x \leq ub & \quad & \text{(约束约束)}\\ x_i \in \mathbb{Z} & \quad & \text{(整数约束)}\end{eqnarray}\]

解决这类问题通常需要使用多种技术的组合来缩小解决方案空间，找到整可行的解决方案，并放弃不包含更好的整可行解决方案的部分解决方案空间。金宝搏官方网站常见的技术包括:

• 减少飞机:为减少搜索空间的问题添加额外的约束。
• 启发式：搜索整数可行的解决方案。金宝搏官方网站
• 分支界限法:系统地寻找最优解。该算法解决了线性规划对整型变量的可能值的限定范围进行松弛。

有关整数编程的更多信息，请参见优化工具箱™。