线性规划（LP），包括最小化或最大化的线性目标函数受范围，线性等式和不等式约束。实施例的问题包括在混合过程工业，利润最大化制造，投资组合优化在金融和调度能源和交通。

线性规划是找到一个向量的\（X \）数学问题最小化的函数：

\ [\ min_ {X} \左\ {F ^ {\ mathsf【T}} X \右\} \]

受约束：

\ [\ {开始} eqnarray的斧\当量B＆\四＆\文本{（不等式约束）} \\ A_ {当量} X = B_ {当量}＆\四＆\文本{（等式约束）} \\磅\当量X \当量UB＆\四＆\文本{（结合的约束）} \ {端eqnarray的} \]

以下算法通常用于求解线性优化问题：

• 内点：使用原始对偶预估 - 校正算法和为大规模线性具有结构或可以使用稀疏矩阵来定义的程序特别有用。
• 单面：用途用于生成和测试候选顶点解的线性程序的系统程序。金宝搏官方网站单纯形法和相关的双单工算法是线性规划最广泛使用的算法。

有关算法和线性规划的详细信息，请参阅优化工具箱™。