线性规划中有关人工变量的进一步探讨

本在指献[2]缺点的基础上参考该法优点,对大M法引进人工变量的方式进行了改进,给出了至多引进一个人工变量的求线性规划问题的一种新算法,本方法容易操作,计算量相对较小。     

线性规划初始基可行解的一种直接算法

本文通过引入可变动目标函数的预规划来求线性的初始基可行解，可以大量减少外额变量的个数，从而简化了二阶段单纯形法，使之便于在计算机上实现。     

避免引入人工变量求线性规划可行基的一个新方法

讨论了线性规划的单纯形解法,给出了不须加人工变量就可得到一个可行基的算法.通过大量的算例表明此法比传统的单纯形方法具有算法结构简单,计算量小的优点.     

线性规划中一个避免人工变元的方法的改进

有许多文献讨论了线性规划问题中单纯形方法的改进(如文献[1～5]等)。我们在文献[1]的基础上,突破了传统方法中要求单纯形表中的基变量始终非负的想法,给出了求解线性规划问题中一个新的避免人工变量的方法,使其计算量得到减少。     

直接求线性规划可行基的一种方法

本文给出直接求线性规划问题基可行解的一种简易方法,该方法既避免了引入人工变量,减少存储,一般又能较快地得到一个较好的基可行解.     

第一阶段原有单纯形和对偶单纯形算法的计算比较

线性最优化广泛应用于经济与管理的各个领域.在线性规划问题的求解中,如果一个初始基本可行解没有直接给出,则常采用经典的两阶段法求解.对含有"≥"不等式约束的线性规划问题,讨论了第一阶段原有单纯形法和对偶单纯形法两种算法形式,并根据第一阶段问题的特点提出了改进的对偶单纯形枢轴准则.最后,通过大规模数值试验对两种算法进行计算比较,结果表明,改进后的对偶单纯形算法在计算效率上明显优于原有单纯形算法.     

关于求线性规划初始可行基的生成算法

本文用反例证明了文「１」提出的求线性规划寝可行基的生成算法有错误,并给出了修正的生成算法。     

不需加人工变量的两阶段法

A method is provided to achieve an initial basic feasible solution of a linear programming in this paper. This method dose not need introducing any artificial variable, but needs only solving an auxiliary linear programming. Compared with the traditional two-phase method, it has advantages of saving the memories and reducing the computational efforts.     

对“求线性规划问题可行基的一种方法”的修正

指出[1]方法中某些重要结论的欠妥之处,并给出修正结果,使方法得以正确和完善。     

求解线性规划的快速换基迭代法

本文根据目标函数最速下降原理,改进了单纯形方法的换基迭代,以尽快得到线性规划问题的最优基,该方法还可用于运输问题的表上作业和图上作业。     

求线性规划问题可行基的一种方法

文章给出了一般情形下从线性规划问题的标准型求可行基的一种方法,并通过与大Ｍ法、两阶段法及文［１］方法进行对比分析,说明这是一种有效可行且有可能较简便的方法     

"求线性规划问题可行基的一种方法"的再注记

文[1]给出一个求线性规划问题可行基的方法，文[2]指出其判定条件（3）有误，然而所用的反例并不正确。本文给出三个正确的反例；此外，还给出反例表明文[1]的判定条件（2）也不正确的。     

与"求线性规划问题可行基的一种方法"的再商榷

再次说明文[1]提出的方法不能直接使用，仍须按文[2]的修正结果实行才是正确的。同时指出最近提出的某些算法的不实之处，以飨读者，避免误导。     

线性规划中人工变量的作用不应忽视

在文献［１］的基础上,讨论了线性规划中人工变量的作用问题。并针对文献［１］提出的避免人工变量的算法,提出了相应的改进意见     

求线性规划初始可行基的新方法

本文提出一个求线性规划初始可行基的新算法，该算法不仅避免了人工变量，而且理论分析及初步的数值实验结果表明其效率更高。     

变量有广义界线性规划的直接对偶单纯形法

本文讨论变量有广义界线性规划问题借助标准形线性规划同单纯形法技术，建立问题的一个直接对偶单纯形法。分析了方法的性质，给出了初始对偶可行基的计算方法，并用实例说明方法的具体操作。     

"求线性规划问题可行基的一种方法"的注记

文[2]通过两个反例的计算,认为文[1]所提出的求LP可行基的方法有不妥之处,并对[1]的方法中主要步骤作了修正。本文对[1]的算法中轴心项的选取作进一步说明,对[2]中所提出的反例以[1]中算法进行计算与[2]对比分析,说明[2]中的反例并不成立。