线性规划

线性编程（LP）最小化或最大化线性物镜函数，其受限，线性平等和不等式约束。示例问题包括在生产行业中混合，制造业生产规划，金融中的现金流量，以及在能源和运输方面进行规划。

线性编程是找到要最小化功能的向量X的数学问题：

\ [\ min_ {x} \ left \ {f ^ {\ mathsf {t}} x \ rick \} \]

受限制：

\ [\ begin {eqnarray} ax \ leq b＆\ quad＆\ text {（不等式约束）} \\ a_ {eq} x = b_ {eq}＆\ quad＆\ text {（平等约束）} \\ lb\ LEQ X \ LEQ UB＆Quad＆\ text {（绑定约束）} \ END {EQNARRAY} \]

您可以使用马铃薯^®实现以下常用算法来解决线性优化问题：

• 内部点：使用原始双重预测器校正器算法，对具有结构或可以使用稀疏矩阵定义的大型线性程序特别有用。
• simplex.：使用系统程序来生成和测试候选顶点解决方案到线性程序。金宝搏官方网站Simplex算法和相关的双单速计算法是最广泛使用的线性编程算法。

对于线性程序的一些特殊情况的算法通常比通用内部点和单纯氧化物算法更快。特殊情况包括：

• 最大网络流量: Uses augmenting-path and push-relabel algorithms.
• 最短路径：使用Dijkstra，Bellman-Ford和搜索算法。
• 线性分配：使用二分匹配算法。

有关算法和线性编程的更多信息，请参阅优化工具箱™。