规范形式LP问题的改进对偶单纯形法

通过分析对偶单纯形法迭代的实质，就所给LP问题的规范形式，不引进剩余变量而直接得出另一种改进的对偶单纯形法，使变量个数不增且运算规模缩小．     

线性规划初始对偶可行基本解的一种求法

运用对偶单纯形法求解线性规划问题时,需要先给定一个初始对偶可行的基本解.然而在线性规划问题的约束条件Ax=b中,矩阵A一般不含m阶单位矩阵,此时初始对偶可行的基本解不易求得.文中通过对线性规划问题增加人工变量和一个约束条件,给出一步便能求出其初始对偶可行基本解的简便方法,进而通过对偶单纯形法进行迭代解决线性规划问题.     

线性规划一种改进的对偶单纯形法

研究了线性规划对偶单纯形法的改进．根据改进原始单纯形法思想，建立了标准型线性规划对偶单纯形法的一种改进算法．与原对偶单纯形法相比，改进算法的存贮量和计算量大大减少．最后给出了方法的实算例子．     

关于求线性规划初始正则解的一个新方法的注记

在线性规划问题的求解中,对基变量取负值的情形,文献提出一种求初始正则解的新方法．该文对这种方法作了进一步讨论,指出它实质上是由原有单纯形法和对偶单纯形法两个阶段组成．第一阶段通过引入非负右手边向量构造辅助线性规划问题,然后用单纯形法求解这个辅助问题获得原问题的一个正则解（如果存在）;第二阶段由此正则解出发,用对偶单纯形法求得原问题的最优解（如果存在）．通过大规模例子对这种算法进行数值试验,结果表明它的计算效率非常低,因而对这种方法进行了改进．     

原始—对偶单纯形算法

原始——对偶单纯形算法是解线性规划问题的一种有效算法.它比原始单纯形法、两阶段单纯形法、对偶单纯形法具有更大的优越性.本文扼要介绍了原始——对偶单纯形算法及其数学模型,算法步骤和框图,并给出了算例.     

临界区间法求解线性规划问题

给出了求线性规划问题最优解的临界区间算法,这种算法是在已知LP(λ)的临界区间[λk,λk-1]的条件下,用单纯形法和对偶单纯形法进行旋转运算,求得[λk,λk-1]的包含临界值λ=0的紧后临界区间[λk 1,λk],其优点是不需要基本可行解或对偶基本可行解.     

循环线性规划示例的求解

利用对偶规划求解一个单纯形法循环的例子,由此减少了单纯形法迭代次数,达到简化计算,加快计算速度,节省存储空间的效果。     

临界区间法求解线性规划问题

给出了求线性规划问题最优解的临界区间算法，这种算法是在已知LP(λ)的临界区间[λk，λk-1]的条件下，用单纯形法和对偶单纯形法进行旋转运算，求得[λk,λk-1]的包含临界值λ=0的紧后临界区间[λk 1，λk]，其优点是不需要基本可行解或对偶基本可行解。     

微机在运筹学辅助教学中的应用—关于线性规划的辅助教学系统CLPEX

本文给出一个关于线性规划法的中文辅助教学系统软件,它可以帮助用户学习和练习通常的运筹学教科书中所包含的各种线性规划计算方法:单纯形法和改进单纯形法(包括大M法和二阶段法),对偶单纯形法及进行灵敏度分析的方法。各种方法的迭代运算是通过反复调用系统的旋转运算、求比率、求检验数、行变换、行伸缩、退一步、暂停等七种程序模块实现的。     

单纯形法中进基变量的选择

对通常用的单纯形法进行了深入讨论，对进基变量的选择作了改进，避免在一次迭代中刚进入基变量的变量在紧接着的下一次迭代中立即被替换出来，从而加快了迭代速度，还举例说明了改进后的单纯形法的解题步骤．     

一种改进的单调增强单纯形算法

考察单调增强单纯形算法的实际计算性能,并解析其计算效率较低的原因．该文提出一种改进方法,即从第一阶段算法开始,每旋出一个人工变量,就使非负缩减费用系数的个数得到单调增加;在第二阶段算法中,放松对枢轴行的选择要求,从而可使驱动变量尽快旋入基中,产生一个对偶可行解,然后再应用对偶单纯形算法获得问题的最优解或无可行解的结论．大规模数值试验对改进算法进行检验的结果表明,这种改进算法的计算效率优于经典单纯形算法,单调增强单纯形算法理论具有实用价值．     

地区电网无功电压优化控制的改进算法

本文针对实时控制的特点,对地区电网的无功功率和电压的最优控制问题进行了研究,提出了一种新的综合灵敏度矩阵求取方法,既能有效地减少计算工作量又能保持足够的计算精度。综合目标函数思想的提出,能根据不同的运行条件,实现网损最小和调整量最小的多目标优化。用在此改进算法基础上编制的FORTRAN语言程序对几个典型电力系统所作的计算研究表明,方法是可行的。     

Curet原始-对偶单纯形算法的推广

Curet原始-对偶单纯形算法的实质是在保持对偶可行性的前提下求解一系列原始松驰子问题,因此它必须有一个初始对偶可行解来启动。对于原问题目标函数存在负的价值系数的情形,提出引入人工约束通过简单的初等行变换产生新的目标函数,获得相应的对偶可行解,然后应用Curet原始‐对偶单纯形算法获得问题的一个原始可行解。为了使这个原始可行解更接近最优解,在每次迭代中都对新的目标函数进行修正以逐步逼近原目标函数。在该基础上,通过实现互补松弛条件来取得问题的最优解。大规模数值试验结果表明,与经典两阶段单纯形算法相比,提出的算法在大部分问题上使用更少的迭代次数和执行时间,因而这种推广是有价值的。     

用最小下标原则避免对偶单纯形迭代的循环

本文提出了用对偶单纯形方法求解线性规划问题时避免循环的最小下标原则,即:(ⅰ)当有几个基变量可以出基时,就选下标最小的那个为换出变量;(ⅱ)当有几个非基变量可以进基时,就选下标最小的那个为换入变量.     

线性规划对偶单纯形算法的改进

运用求解线性规划对偶单纯形算法原理,进一步研究迭代过程中目标函数的变化。为了提高迭代效率,引入了最好主元素的概念,提出了对偶单纯形改进算法,由于同时考虑了Bland法则,该方法还可以避免循环。