线性规划的保硬算法

保硬主元法是线性规划基线算法的一种很好的实现形式,它形式上类似于对偶单纯形态,因而很容易操作．但实质不同于对偶单纯形法,对偶单纯形法只能保持对偶可行性,而保硬主元法同时保持原始可行性和对偶可行性,这使保硬主元法的解题效率高于单纯形法或对偶单纯形法,本文讨论了保硬主元法的基本原理和算法收敛性,并对保硬主元法的算法复杂性作了初步分析．     

线性规划基线算法的数值报告

介绍了基线算法的构思原理,用Netlib数据和随机生成的数据对几种具体的实现形式进行了测试,并与单纯形法进行了比较．理论和数值结果表明基线算法是一种可靠、有效的算法．此外,还给出了关于其它算法(包括内点算法)的若干评述．     

线性规划基线算法的数值预报

介绍了基线算法的构思原理,用Neilib数据和随机生成的数据对几种具体的实现形式进行了测试,并与单纯形法进行了比较。理论和数值结果表明基线算法是一种可靠,有效的算法,此外,还给出了有关于其它算法（包括内点算法）的若干评述。     

求线性规划问题的快速迭代法

根据目标函数最速上升原理 ,给出了一种不加人工变量求线性规划问题的快速迭代法     

线性规划的原有松弛-对偶单纯形算法

针对线性规划的单纯形算法中出现不可行基的情形,提出了一种原有松弛-对偶单纯形算法.忽略不可行基变量相应的约束构造一个原有可行的松弛子问题,根据最钝角原理作了进一步松弛,用原有单纯形法求解该子问题,然后用对偶单纯形法求解原问题.通过大规模数值试验对这种算法进行计算检验.结果表明,与经典单纯形算法相比,提出的算法简便且具有更高的计算效率.     

关于推广的线性规划问题的BP网络求解

推广的线性规划问题比常规线性规划问题有更广泛的实际应用背景．而求解线性规划问题的许多有效方法如单纯形法,Ｋａｒｍａｒｋａｒ’ｓ方法等却无法直接用于推广的线性规划问题的求解,注意到推广的线性规划问题等价于一个非线性映射,利用ＢＰ神经网络的本质并行性和高度非线性处理能力,该文提出了一类求解推广的线性规划问题的ＢＰ神经网络方法,它具有网络构建简单,求解精度高,计算量小等优点,实验结果表明其高效性．     

模糊线性规划的一个简单算法

模糊线性规划的一般解法归结为解三个普通线性规划问题,或用迭代法进行,计算都比较复杂,本文指出,在一定的条件下,只要解了第一个普通线性规划,便可较容易地获得模糊线性规划的最佳点,从而简化了计算过程。     

关于线性规划最优解唯一的几点注释

文章改进了线性规划问题最优解唯一存在的充分必要条件，同时也修正和弥补一些教材或专著在此问题上的错误和不足．     

保硬主元算法的数值报告

保硬主元算法是线性规划基线算法的一种很好的实现形式.在一张基线表格中可以同时实现原始可行和对偶可行.大量的数值实验表明保硬主元算法有稳健的收敛过程,与原始单纯形法相比,问题的规模越大,保硬主元算法的相对迭代次数越少,相对解题时间越短     

基于数学软件的线性规划问题

在传统的线性规划教学中,大部分时间用来计算,以致于没有足够的时间对实际问题进行分析,而我们的教学目的是为了提高学生分析问题、解决问题的能力,因此借助数学软件将计算工作交给它们完成,从而提高教学效率.     

线性规划问题有无穷多个最优解的判别方法

本文给出了如何用求线性规划的基本方法单纯形法判别线性规划问题有无穷多个最优解的方法，特别地给出了在线性规划问题最优基单纯形表中存在某个非基为量的检验数为零而且这和对应的列向量无正元素时，这种用单纯形法无法迭代是，无穷多个最优解的判别方法，并相应给出了如何从一个已知最优解，求出其它一些最优解的方法。     

线性规划解的严格互补进

本文证明了所有标准线性规划问题的几乎所有的最优解都是严格互补的。     

一类所展线性规划的最优条件

本文给出并证明了扩展线性规划ｍｉｎｚ＝∑ｊ＝１＾ｎｃｊｘｊ,（ｃｊ≥０）,ｓ．ｔ．Ａｘ＝ｂ的基本可行解是最优解的充要条件。举例说明,条件σｊ＝ｃｊ∑ｉ＝１＾ｍｃｉα＾ｉｊ≥０,ｊ＝ｍ＋１,…,ｎ为充分条件而非必要条件。     

关于Rego-Rourke算法的注记

本注记说明搜寻同伦３－球面的ＲＲ－算法可以简化。     

随机环境下生产和运输成本问题的线性规划方法

研究了厂家的生产能力和商家的需求量为随机变量条件下的产品生产和运输成本问题,建立了生产和运输成本问题的随机优化模型.在一定的置信水平和其他相关约束条件下,证实了此时与原问题对应的确定型等价式是一个含0-1变量的线性规划问题.把所建立的模型和求解方法应用于解决一个实际问题,结果证实了该模型及其求解方法的有效性.     

线性规划流动含优面算法的基本理论

建立一种新的计算表格，结合旋转技术，提出了一类搜索极点最优解的快速算法．在特定条件下，是Ｏ（ｎ￣４）级的多项式时间算法．     

基于单纯形法的人工蜂群算法改进研究

人工蜂群算法中的侦察蜂阶段的搜索操作在一定程度上可以解决算法陷入局部最优的问题,但也和其他启发式优化算法一样,存在着局部搜索能力差,在接近最优解时搜索效率下降,以及求解复杂问题时可能陷入局部最优而使算法停滞等缺陷.为了改善此缺陷,采用NM 算法来取代人工蜂群算法侦察蜂阶段的随机产生个体机制,提出了一种基于NM 算法的改进人工蜂群算法（NMABC）.希望基于NM 算法优异的局部搜寻能力,改善人工蜂群算法局部搜索能力较差之缺陷并提高搜索效率.     

关于CFIE-MLFMA算法的一类预条件方法

研究了多层快速多极子算法(MLFMA)的预条件加速技术.利用MLFMA的近场矩阵的结构特征,先将其分裂为对角块阵、不完全下三角块阵和不完全上三角块阵,再将对角块作LU分解,就可以构造出一系列的预条件阵DILU.与不用预条件或只用对角块预条件相比,这些预条件阵能大幅度地减少迭代次数,节省计算时间.一部分预条件阵不会增加存储量,而另外一部分只增加很少的存储量.文中给出的数值算例比较了几种不同预条件阵的优缺点,也验证了这些预条件加速方法的正确性和有效性.     

求解无约束最优化问题的一类新共轭下降算法

提出了求解无约束化问题的一类新共轭下降算法,并在非精确线搜索下证明了该算法的全局收敛性,数值结果表有,这一算法是有效的。