枢式线性规划的不可行内点算法

对框式线性规划提出了一个原始-对偶不可行内点算法，并证明了该算法的迭代复杂性为多项式时间性。     

框式线性规划的原始——对偶不可行内点算法的进一步研究

进一步研究「１」中对框式线性规划提出的原始－对偶不可行内点算法,并证明了如果算法迭代按终止准则的后半部分停止,原始－对偶规划具有某种不可行性。     

框式线性规划的不可行内点算法

对框式线性规划提出了一个原始-对偶不可行内点算法,并证明了该算法的迭代复杂性为多项式时间性.     

线性规划的不可行内点原始-对偶仿射尺度算法

本对线性提出了一个不可行内点原始－对偶仿射尺度算法,并证明了算法是一个多项式时间算法。     

框式线性规划的非精确不可行内点算法

对框式线性规划提出了一种非精确不可行内点算法，该算法使用的迭代方向仅需要达到一个相对的精度，在初始点位于中心线的某邻域内的假设下，证明了算法的全局收敛性。     

凸二次规划的不可行内点算法

给出了一个求解凸二次规划的不可行点内点算法，算法的初始迭代点为非负不可行内 ，证明了算法的全局收敛性。该算 法可以看作是Ｋｏｊｉｍａ算人关于线性规划算法的推广，也可以看作是Ｍｏｎｔｅｉｒｏ等人关于可行内点算法的推广。     

一种新的求解单调线性互补问题的满Newton步不可行内点算法

将一种改进的满Newton步不可行内点算法拓展到单调线性互补问题(LCP)中.由于单调LCP的迭代方向不再具有正交性,因此算法的收敛分析不同于线性规划的情况.通过提出一些新的分析工具,证明了算法具有迭代复杂性O(n log (max{(x0)Ts0,‖r0‖}/ε)).     

二次锥规划的不可行内点算法

给出二次锥规划的一种不可行内点算法并证明该算法是多项式时间算法.利用本算法需O(√nlnε-1)次迭代就可找到问题的ε-近似解,其迭代复杂性界与现有的二次锥规划可行内点算法的复杂性界相同.     

一类水平线性互补问题的一个不可行内点算法的收敛性

作为单调水平线性互补问题的推广，引入了Ｐ＊（κ）阵水平线性互补问题（简称Ｐ＊（κ）－ＨＬＣＰ）．证明了Ｙ．张的算法能被推广以解决Ｐ＊（κ）－ＨＬＣＰ问题，这个推广算法在运算过程中是独立于分类数κ的．如果这个算法的起始点是一对任意的正数，那么算法将达到Ｑ－线性收敛；如果起始点是一对足够大的正数，此算法经过至多Ｏ（（ｋ＋１）４ｎ２ｌｎ（（ｘ０）ｒｓ０）／ε次运算得到ε－逼近解，其中（ｘ０，ｓ０）是一对起始点     

线性规划中几种内点算法的比较

该文是关于内点算法的一篇综述,对几种较为实用的求解线性规划问题的算法进行总结,包括单纯形法、椭球算法、Karmarkar算法、原仿射尺度算法等,并对这些算法进行比较。     

线性规划中预测-校正内点算法的改进(英文)

研究线性规划中预测一校正内点算法的改进，获得了复杂度0（nL），进一步地，在校正部不仅把迭代点重新置于一个小邻域中，而且降低了对偶间隙。     

获得线性规划可行解的启发式算法

提出了两个获得线性规划可行解的启发式算法,给出了若干例子验证了算法。     

线性规划的一种算法

本文给出一种用解变量个数较少的线性规划来求解变量太多的线性规划的方法。     

单调线性互补问题的非精确不可行内点算法

对单调线性互补问题提出了一种非精确不可行内点算法．该算法的迭代方向仅需要达到一个相对的精度．在初始点位于中心线的某邻域内的假设下，证明了算法的全局收敛性．     

线性规划的一个宽邻域预估-矫正内点算法

在线性规划的内点算法中,宽邻域算法比窄邻域算法的数值效果好,但宽邻域算法的复杂性比窄邻域差.提出了求解线性规划问题的一个宽邻域预估-矫正内点算法,证明了该算法的迭代复杂性是O(n L),这是线性规划的内点算法中最好的复杂性结果.     

线性规划内点算法的若干收敛性问题

对于线性规划问题 ｍｉｎ｛ｃтｘ｜Ａｘ≥ｂ，ｘ≥０｝，印度学者 и．Ｋａｒｍａｒｋａｒ于 １９８４年发明 了一种新的内点算法，它的时间复杂性为Ｏ（ｎ３．５Ｌ２），其中ｎ为问题的变量个数，Ｌ为输 入中的二进制位数。其后又出现了多种变形方案，如原始型和对偶型内点算法等等。本 文主要讨论它们的收敛性问题。关于Ｋａｒｍａｒｋａｒ算法，证明了当原始线性规划问题无有 限最优解时算法也可以收敛。关于原始型和对偶型内点算法，给出了它们的基本性质以 及若干收敛性结果。     

求解线性互补问题的一种势下降内点算法

针对带半正定矩阵的线性互补问题提出了一个新的内点方法-势函数下降内点方法,并采用部分校正技术和Sherman-Morrison-Woodbury准则,从而得到问题的近似最优解.最后讨论了该算法的收敛性,证明了该算法为多项式算法,通过算例对算法进行了数值实验,数值结果表明本文提出的算法具有一定优越性