模糊线性规划的最优解

本文说明模糊线性规划的模糊优越集C_f,在一般情况下是去掉端点x~((0))的线段。在线段上有且只有一个模糊线性规划问题的最优解。最后提出了解模糊线性规划的一个比较简便的算法。根据本文的结论,可以证明Zimmermann算法的最优值因此,Zimmermann算法的最后一步可简单地用代替,从而节省了大量的计算工作量。[3]指出,当模糊判决用乘法或凸组合运算时,导出的规划往往是非线性的,求解比较困难。然而,用本文的结论,问题能容易地得到解决。     

线性规划问题退化最优基可行解的性质

本通过分析两用阶段法求解线性规划初始可行解的一个例子,归纳了线性规划问题退化的最优基可行解的性质,包括同一退化最优基可行解不同表示,有无穷多最优解的表示。     

求线性规划对偶问题最优解的一种方法

线性规划对偶问题的最优解有重要的经济意义,中给出了一种较为简捷的求对偶问题最优解的方法。     

线性规划最优解集的表现

文献［１］讨论了有无穷多最优解的线性规划问题，并利用最优单纯形表格的检验数给出线性规划有无穷多最优解的判别法，本文利用最优基可行解的凸组合及最优极向的非负线性组合给出线性规划最优解集的表现，从而把线性规划最优解集的几何特征阐释清楚．     

线性规划多重最优解判别准则刍议

本构造了一些线性规划问题来探讨多重最优解的判别准则，补充了现行献中关于多重最优解判别准则描述的不足，并指出多重最优解判别准则在出现退化解时可能失效的例外情况。     

有无穷多最优解线性规划问题

本文给出了线性规划有无穷多最优解的判别条件及其求出所有最优解的具体方法．     

如何寻找《线性规划问题》的整点最优解

试验教材高二数学 (上 )增加了《简单的线性规划》的内容 ,利用图解法解答线性规划的两类问题 .对此 ,大纲要求“会简单的应用”.学生对线性规划的基本概念、基本方法在两类实际问题中的应用 ,基本可以达纲 ,但对寻找《线性规划问题》的整点最优解的问题 ,感到不好入手 ,完成作业困难较大 .在这个问题上 ,试验教材安排了一个例题 ( P76页例 4) ,两个习题 ( P79页第 3、4题 ) ,一个复习题 ( P10 7页第 17题 ) .针对学生从认知到应用这一过程存在的问题 ,笔者在教学实践中归纳整理了三种基本方法 ,现举例说明如下 :例 1　 ( P79页习题第 4题…     

线性规划标准型和整数线性规划最优解的两个注记

本文研究线性规划标准型的基本假设所蕴含的一些性质,并探讨整数线性规划最优解和其松弛问题最优解的关系.首先,分别讨论四种情形下线性规划最优解的性质,即无约束线性规划问题、仅有非负约束的线性规划问题、仅有等式约束的线性规划问题,以及标准线性规划问题系数矩阵的列向量有为零的情形等.然后,构造两族二维整数线性规划,其松弛问题的最优解与其(整数)最优解"相距甚远".     

线性分式规划最优解集的求法

本文使用多面集的表示定理，导出了线性分式规划最优解集的结构，并给出确定全部最优解的计算步骤。     

求多目标线性规划妥协解的旋转迭代算法

本应用单纯形旋转迭代算法，求解多目标线性规划的妥协解，得到满意效果。     

关于存在多组最优解的整数线性规划问题的割平面法的研究

利用割平面法求解具有多组最优解情形的整数线性规划问题时,会出现不能求出全部最优解的现象,这是割平面法的一个缺陷.针对割平面法的这种缺陷,基于构造非线性标量化函数时引入凸锥的思想,提出了一种割平面一线性交叉搜索方法,这种割平面一线性交叉搜索方法可以解决利用割平面法求解整数线性规划问题时出现的缺陷.最后,通过数值例验证了割平面一线性交叉搜索方法的可行性与有效性.     

求解多层线性规划的模糊规划法

本文用模糊集理论中的隶属函数描述多层线性规划的各层目标,在第一层给定最小满意水平下,通过求解相应层次的模糊规划来确定各层的最小满意度,从而最终得到问题的一个满意解。提出的方法只需求解一系列线性规划问题,具有较好的计算复杂性和可行性,最后的算例进一步验证了方法的有效性。     

关于线性二层规划分枝定界方法的探讨

对求解线性二层规划的分枝定界方法进行了探讨.给出的一个例子表明,目前的分枝定界方法不能很好地解决上层带有任意线性形式约束的线性二层规划问题,进而在线性二层规划新定义的基础上提出了求解线性二层规划的扩展分枝定界方法.算例表明扩展分枝定界方法可以有效解决原分枝定界方法的不足.     

线性规划无穷多最优解的讨论

利用线性规划单纯形表对线性规划原问题存在无穷多最优解和对偶问题存在无穷多最优解的情况进行了讨论,并分析了对偶问题存在无穷多最优解情况下的影子价格的方向性。最后以实例说明了各种情况。对初学者加深理解及决策者决策参考有一定帮助     

线性规划分解筛选法的一个注记

[1][2]提出了求解线性规划问题的一种方法－分解筛选法,[3]证明了[2]的命题A是错误的,本进一步证明,用分解筛选法筛选出变量不一定是最优基变量。     

A Simplex Approach for Finding Local Solutions of a Linear Bilevel Program by Equilibrium Points

In this paper, a linear bilevel programming problem (LBP) is considered. Local optimality conditions are derived. They are based on the notion of equilibrium point of an exact penalization for LBP. It is described how an equilibrium point can be obtained with the simplex method. It is shown that the information in the simplex tableaux can be used to get necessary and sufficient local optimality conditions for LBP. Based on these conditions, a simplex type algorithm is proposed, which attains a local solution of LBP by moving in equilibrium points. A numerical example illustrates how the algorithm works. Some computational results are reported.     

线性规划的符号跟踪算法

分析了只含一个约束条件的线性规划最优基变量的特征，将其运用到搜寻含m个约束条件的线性规划的最优基变量，从而提出了线性规划的符号跟踪算法，为线性规划求解提供了新途径。