On the duality gap and Gale's example in conic linear programming
本文的目的是重新讨论锥线性规划中的一些对偶结果，并以Gale的例子回答一个与对偶间隙函数有关的公开问题。
2022-09-22 math.OC
Sequential Piecewise Linear Programming for Convergent Optimization of Non-Convex Problems
提出了一种顺序分段线性规划方法，其中在算法的每次迭代中，非凸函数的有界域关于分段线性规划的解连续收缩。虽然可行性和最优性不能保证，我们表明，该方法是能够获得收敛和最优解的一些非线性规划（NLP）和混合非线性非线性规划（MINLP）问题，只使用少量的断点和整数变量。
2020-04-20 math.OC
Objective Scaling Ensemble Approach for Integer Linear Programming
目标尺度集成方法是一种新的两阶段启发式整数线性规划问题的各种整数线性规划问题是有效的。该技术识别和聚合多个部分解决方案，以修改问题的制定，并显着减少搜索空间。公开的基准问题的实证分析表明，我们的方法优于现代优化软件中实现的标准解决方案的策略的有效性。
2018-08-11 math.OC
Generating Linear programming Instances with Controllable Rank and Condition Number
主元生成是线性规划算法的关键，无论是通过训练学习方法寻找最优主元规则，还是对相应算法进行评价和验证，都需要主元生成。本研究提出一个一般性架构，以预设的最优解为基础设计线性规划实例。首先从矩阵分解的角度给出了一种可控条件数和秩的约束矩阵生成方法。基于预先设定的最优解，生成右端和目标系数满足原可行性和对偶可行性的有界可行线性规划实例。此外，我们还提出了三种邻域交换算子，并证明了该方法生成的实例可以填充整个线性规划的可行有界实例空间。实验结果表明，该调度算法可以生成更多的可控线性规划实例，而邻域交换算子可以生成更复杂的实例.
2022-11-21 math.OC
Linear Programming Formulation of Long Run Average Optimal Control Problem
我们介绍和研究无限维线性规划问题，随着其对偶允许一个特征的最优值的确定性长期平均最优控制问题在一般情况下，后者可能取决于系统的初始条件。
2018-05-07 math.OC
A linear programming approach to sparse linear regression with quantized data
稀疏线性回归问题是很难处理与通常的稀疏最优化模型时，预测和测量要么量化或表示在低精度，由于非凸性。在本文中，我们提供了一个新的线性规划方法，这是有效的解决这个问题。特别是，我们证明了理论上的保证的鲁棒性，我们提出的数值结果表明，相对于最先进的方法的性能有所改善。
2019-03-20 math.OC
Solving multi-resource allocation and location problems in disaster management through linear programming
针对灾害管理中的多资源分配和定位问题，提出了一种基于线性规划的有效方法。这样的问题需要整数解，因此，在大多数情况下，计算依赖于整数和混合整数线性规划求解器。一般来说，这些求解器不能处理大规模的问题。在本文中，我们证明了存在一个大类的灾害管理问题，其精确解可以通过应用单纯形法（线性规划）。给出了数值试验结果。本文的另一个重要贡献与一般的聚类分析和分配有关。也就是说，我们证明了经典的$k$ -medoid聚类方法可以使用线性规划技术（单纯形法）来实现，而不依赖于整数求解器。
2018-12-04 math.OC
Linear programming for finite-horizon vector-valued Markov decision processes
针对非平稳有限时域向量值 Markov decision process，提出向量线性规划公式以刻画 Pareto 高效策略，并给出枚举所有高效确定性策略的算法及数值验证。
2025-05-30 math.OC
An ${\cal O}(nL)$ Infeasible-Interior-Point Algorithm for Linear Programming
本文提出了一种弧搜索不可行内点算法。我们证明了该算法是多项式的，多项式界是${\cal O}(nL)$，它至少与线性规划的不可行内点算法的最佳界一样好。
2015-06-29 math.OC
Mean Field Game with Reflected Jump Diffusion Dynamics: A Linear Programming Approach
针对带反射跳扩散动力学的平均场博弈，本文提出线性规划方法，证明不同形式下平均场均衡的等价性与均衡存在性，并通过数值算例验证该方法的计算可行性。
2025-11-13 math.OC
Linear programming using diagonal linear networks
该研究探索过参数化对角线性网络结合梯度下降的隐式偏置求解线性规划，提出首个相关综合框架，证明离散与连续动力学均线性收敛，可应用于基追踪、最优输运等问题。
2023-10-04 math.OC
Solving a multilevel linear programming problems through a new constructive approach
本文提出了一种求解多层单目标线性规划问题（ML（MO）LPP）的算法，其中嵌套了线性规划的构造性自适应算法。本程序是SB. Sinha和S. Sinha的线性规划方法。首先，我们建立一个地图，减少范围的决策变量是超过控制前一级的决策者，根据所选择的方法，称为范围减少地图。然后，我们用它来定义一个新的次优估计的自适应方法的问题正在考虑中。所有的建设阶段进行了仔细检查，并说明了一个数值例子。
2022-10-25 math.OC
An exact duality theory for semidefinite programming based on sums of squares
Farkas引理是线性规划的一个基本结果，为线性不等式系统的不可行性提供了线性证明。在半定规划中，这种线性证明只存在于强不可行的线性矩阵不等式中。我们提供了非线性代数证明所有不可行的线性矩阵不等式的精神，真正的代数几何：一个线性矩阵不等式是不可行的，当且仅当-1在于与它相关联的二次模。我们还提出了一个新的精确对偶理论的半定规划，激发实根和平方和证书从真正的代数几何。
2012-11-11 math.OC
Conditions when the problems of linear programming are algorithmically unsolvable
本文研究了构造性线性规划问题的性质，其参数为构造性实数，并证明了不存在能够求解任意构造性实数规划问题的算法。
2024-04-23 math.OC
Entropy linear programming
提出了一种基于快速梯度法的ELP对偶算法。基本思想-正确地解决正则化的对偶问题。
2016-02-04 math.OC
A preconditioner for solving linear programming problems with dense columns
针对含稠密列的线性规划问题求解中线性系统求解的难点，提出一种预条件子，理论证明其收敛时线性系统一致有界，实验验证其在运行时间、迭代次数上具鲁棒性与竞争力。
2024-04-16 math.OC
Arc-Search Infeasible Interior-Point Algorithm for Linear Programming
Mehrotra算法是自1990年以来求解线性规划最成功的不可行内点算法。大多数流行的线性规划的内点软件包都是基于Mehrotra算法的。本文提出了一种替代算法，弧搜索不可行内点算法。通过对Netlib问题的测试，并将弧搜索不可行内点算法和Mehrotra算法的测试结果进行比较，证明了本文提出的弧搜索不可行内点算法比Mehrotra算法更有效。
2014-12-03 math.OC
Linear Programming Formulations of Deterministic Infinite Horizon Optimal Control Problems in Discrete Time
本文研究离散时间中具有时间折扣和时间平均准则的无限时域最优控制问题。我们建立，这些问题涉及到某些无限维线性规划（IDLP）问题。我们还建立了时间折扣和长期平均准则下问题的最优值之间的渐近关系。
2017-02-02 math.OC
Linear programming on non-compact polytopes and the Kuratowski convergence with application in economics
这篇文章的目的是双重的。首先，我们给出了一般线性规划问题的最优基本解的几何特征（没有紧性假设），并提供了一个简单的，自足的证明，它连同一个经济的解释。然后，我们转向考虑动态版本的线性规划问题，我们认为Kuratowski收敛多面体和研究的行为最优解。我们的方法是纯几何的。
2018-04-25 math.OC
Non-linear programming problem for semi strongly $E$-preinvexity
本文给出了半强$E$ -预不变凸和半强$E$ -不变凸.为了证明这些函数的存在性，已经开发了某些非平凡的例子。讨论了这些函数在强$E$ -不变凸集上的几个重要关系和特征。此外，我们考虑了半强$E$ -预不变凸函数的非线性规划问题，并研究了最优解集与这些函数之间的关系。
2023-01-18 math.OC
Continuity in Parametric Linear Programming
该研究汇集参数线性规划可行对应与解对应的半连续性结果，证明全参数可变下最优值函数的连续性，还分析了系数矩阵固定时最优值函数的灵敏度特性。
2024-12-09 math.OC
Linear Convergence of Randomized Primal-Dual Coordinate Method for Large-scale Linear Constrained Convex Programming
线性约束凸规划有许多实际应用，包括支持向量机和机器学习投资组合问题。我们提出了随机原对偶坐标（RPDC）方法，这是Cohen和Zhu，1984和Zhao和Zhu，2019的一阶原对偶方法的随机坐标扩展，用于求解线性约束凸规划。我们随机选择一个基于均匀分布的变量块，线性化，并将Bregman样函数（核心函数）应用于所选块，以获得简单的并行原始-对偶分解。在强度量次正则条件下，证明了算法的几乎处处收敛性和期望O（1/t）收敛速度，以及期望线性收敛.最后，我们讨论了随机原始-对偶坐标方法的实现细节，并对支持向量机和机器学习组合问题进行了数值实验，以验证其线性收敛。
2020-08-29 math.OC
A linear programming approach to approximating the infinite time reachable set of strictly stable linear control systems
提出了一种新的数值方法来逼近严格稳定线性控制系统的无穷时间可达集。通过求解一个线性规划的约束，结合系统动力学，我们计算一个多面体与固定面法线作为外近似的极限集。特别是，这种方法不依赖于有限时间可达集的前向迭代。
2019-04-02 math.OC
An inexact potential reduction method for linear programming
分析了一类利用非精确方向的内点方法。对求解线性规划的内点法中的线性系组进行了重新表述，使其解对右端的扰动不太敏感。对于新的系统，制定了一个实施条件，控制解决方案中的相对误差。基于这个条件，描述了一种可行和一种不可行的势约简方法，这些方法保留了精确方向已知的收敛性和复杂性界限。
2016-07-29 math.OC
Global Solutions of Nonconvex Standard Quadratic Programs via Mixed Integer Linear Programming Reformulations
一个标准的二次规划是一个最优化问题，它包括在单位单纯形上最小化一个（非凸）二次型。我们专注于将一个标准的二次规划转化为一个混合整数线性规划问题。我们提出了两种替代的混合整数线性规划配方。我们的第一个配方是基于铸造一个标准的二次规划作为一个线性规划的互补约束。然后，我们采用二进制变量线性互补约束。对于第二个公式，我们首先推导出一个高估的目标函数的函数，并建立其在任何全球最小的紧密性。然后，我们使用二进制变量线性化高估函数，得到我们的第二个公式。对于这两个配方，我们提出了一组有效的不等式。我们广泛的计算结果表明，所提出的混合整数线性规划的重新制定显着优于其他全球解决方案的方法。在较大的情况下，我们通常会观察到数量级的改善。
2018-10-04 math.OC
Stochastic Dynamic Linear Programming: A Sequential Sampling Algorithm for Multistage Stochastic Linear Programming
多阶段随机规划处理的经营和规划问题，涉及一系列的决策随着时间的推移，同时响应实现是不确定的。多阶段随机线性规划（MSLP）问题的算法通常依赖于场景树来表示底层的随机过程。当这一过程表现出阶段独立性，抽样为基础的技术，特别是随机对偶动态规划（SDDP）算法，已得到广泛接受。然而，这些基于采样的方法仍然使用所谓的样本平均近似的问题的确定性表示。在这项工作中，我们提出了一个序贯抽样的方法，允许决策过程吸收新的采样数据递归MSLP问题。我们把这种方法称为随机动态线性规划（SDLP）算法。由于我们使用序贯抽样，该算法不需要先验表示的不确定性，无论是通过一个场景树或样本平均近似，这两个都需要知识/估计的基础分布。在这方面，SDLP是解决MSLP问题的序贯抽样方法。该方法构成了两阶段SLP模型的随机分解（SD）的推广。我们采用二次正则化的最优化问题的非终端阶段。此外，我们引入了基本可行的政策，提供了一个分段仿射的解决方案发现计划，这是嵌入在优化算法，以确定用于正则化现任解决方案的概念。最后，我们证明了SDLP算法提供了一个序列的决定和相应的价值函数估计沿一系列的状态轨迹，渐近收敛到他们的最佳对手，概率为1。
2020-10-23 math.OC
Dual Dictionaries in Linear Programming
针对线性规划中对偶单纯形法所需的原问题与对偶问题字典间的双射证明需求，提出该双射存在性的简短概念性证明。
2023-09-19 math.OC
A new geometric approach for sensitivity analysis in linear programming
本研究提出一种线性规划灵敏度分析的新型几何方法，通过固定可行域、几何化表述问题、结合仿射几何给出等价形式，用极坐标表示目标系数向量并确定解不变的角度，经数值算例验证，可为决策者分析数据变动下最优解行为提供实用工具。
2023-10-09 math.OC
On a fully fuzzy framework for minimax mixed integer linear programming
在这项工作中，我们提出了一个极小极大混合0-1模糊线性问题的建模框架。它是基于通过辅助变量扩展通常的重写清晰的极大极小问题的最大值的模糊线性函数的有限集建模。我们建立所考虑的问题可以等价地表示为一个多目标混合整数规划问题。该框架适用于一个完全模糊版本的能力中心设施定位问题。
2018-02-20 math.OC
Linear Programming Based Optimality Conditions and Approximate Solution of a Deterministic Infinite Horizon Discounted Optimal Control Problem in Discrete Time
最近的研究表明，离散时间的确定性无限时域折扣最优控制问题与某个无限维线性规划问题及其对偶问题密切相关。在本文中，我们使用这些结果建立这个最优控制问题的最优性条件，并应用它们来构造一个近最优控制。
2018-02-16 math.OC
A Decomposition Based Approach for Solving a General Bilevel Linear Programming
双层优化在决策过程中有着广泛的应用。然而，仍然缺乏一个有效的算法来确定一个双层最优化问题的最优解，特别是对于一个大规模的问题。针对这一问题，提出了一种求解一般双层线性规划（GBLP）的分解算法。在大型测试系统上的仿真结果验证了该方法的正确性和有效性。
2016-05-17 math.OC
Tropical Dynamic Programming for Lipschitz Multistage Stochastic Programming
本文提出了一种称为热带动态规划（TDP）的算法，它建立了风险中性多阶段随机规划（MSP）中Bellman值函数的上下近似，具有有限支撑的独立噪声。为了解决维数灾难，近似动态规划的流行参数变体将贝尔曼值函数近似为基函数的线性组合。在这里，热带动态规划建立了上层（分别为。较低的）近似的给定值函数作为最小加线性（分别）。最大加线性）组合。在每次迭代中，TDP都会根据Baucke，Downward和Zackeri在2018年为随机对偶动态规划的变体引入的确定性标准向当前组合添加一个新的基本函数。我们证明了，对于每一个Lipschitz MSP，生成的逼近函数的TDP的Bellman值函数的兴趣集上的渐近收敛。我们用线性动力学和多面体代价在MSP上说明了这个结果。
2020-10-20 math.OC
Inexact cuts in Deterministic and Stochastic Dual Dynamic Programming applied to linear optimization problems
本文将对偶动态规划（DDP）推广到求解线性动态规划方程组。我们称之为扩展IDDP-LP，它适用于一些或所有的原始和对偶子问题的情况下，要解决沿迭代的方法解决有界误差（不准确）。我们提供收敛定理的情况下，误差有界和渐近消失的错误。我们扩展的分析随机线性动态规划方程，引入不精确随机对偶动态规划线性规划（ISDDP-LP），SDDP适用于线性规划的不精确的变种对应的情况下，一些或所有的问题要解决的SDDP的向前和向后通过近似解决。我们还提供了收敛定理ISDDP-LP有界和渐近消失的错误。最后，我们提出了比较SDDP和ISSDP-LP的直接交易成本建模为一个多阶段随机线性最优化问题的投资组合问题的数值实验结果。在这些实验中，ISDDP-LP允许我们比SDDP更快地获得好的策略。
2019-07-07 math.OC
A quadratic penalty algorithm for linear programming and its application to linearizations of quadratic assignment problems
本文提供了第一个有意义的文件和分析的既定技术，其目的是获得一个近似解，线性规划问题之前，应用原始单纯形法。底层算法是一个惩罚方法，在每次迭代中具有朴素近似最小化。在初始迭代过程中，使用类似于增广拉格朗日的方法。后来的技术密切对应于一个经典的二次罚分法。也有一个讨论的程度，它可以用来获得快速近似解的LP问题，特别是当应用到线性化的二次指派问题。
2018-04-24 math.OC
On the facet pivot simplex method for linear programming
Goddard Space Flight Center, NASA（戈达德太空飞行中心，美国国家航空航天局）
本文提出了一种面pivot单纯形方法，并通过数值测试证明其比顶点pivot方法更具潜力，希望为寻找线性规划的多项式pivot单纯形方法提供希望。
2026-05-02 math.OC
Parametric Biobjective Linear Programming
RPTU Kaiserslautern-Landau（凯泽斯劳滕-兰道应用技术大学）
本文研究了参数双目标线性规划问题，通过权重集分解和加权和标量化方法，建立了参数规划与三目标规划的对应关系，并提出了解的结构洞察和解决策略。
2026-02-13 math.OC
Strong Duality Theorem for Continuous-Time Linear Programming Problems
本文证明了连续时间线性规划问题的强对偶定理，其中系数假定为分段连续函数。前一篇文章证明了分片连续函数的强对偶定理，其中间断点是左连续点。在本文中，我们提出了完全不同类型的离散原始和对偶问题，可以用来证明强对偶定理的一般情况下的不连续。
2014-10-31 math.OC
A Linear Programming Relaxation and a Heuristic for the Restless Bandit Problem with General Switching Costs
我们扩展的松弛技术，由于Bertsimas和尼诺-莫拉的不安分的强盗问题的情况下，任意成本惩罚切换之间的强盗。我们还构造了一个一步的前瞻政策使用的解决方案的放松。计算实验和近似动态规划的界限提供了一些经验支持的启发式。
2008-05-11 math.OC
A Lagrangian Dual Based Approach to Sparse Linear Programming
稀疏线性规划（Sparse Linear Programming，SLP）问题是一类具有稀疏性（或基数）约束的线性规划问题。由于SLP问题的组合性质，SLP问题在理论上是非凸的、不连续的，在计算上是NP难的。通过将稀疏约束改写为析取形式，给出了一个关于无约束分段线性凸规划问题的拉格朗日对偶的显式表达式，该问题具有强对偶性。利用向量Ky-Fan范数函数的邻近映射的高效计算，提出了一种半邻近乘子交替方向法（sPADMM）来解决这一对偶问题.基于对偶问题的最优解，我们设计了一个对偶原始算法来寻求原SLP问题的全局解。数值结果表明，我们提出的算法是有前途的，特别是对大规模的问题。
2018-06-02 math.OC
On infinite dimensional linear programming approach to stochastic control
研究了求解随机控制问题的无穷维线性规划（inf-LP）方法。对应于不可数状态和输入空间的问题的inf-LP通常在计算上是难以处理的。通过关注具有二次成本的线性系（LQG），我们建立了这种方法和著名的Riccati LMI之间的联系。特别是，我们表明，已知的LQG问题的半定方案可以来自对原始和对偶inf-LP。此外，我们建立了多目标和机会约束标准和inf-LP制定之间的联系。
2018-10-15 math.OC
Convergence analysis of a regularized inexact interior-point method for linear programming problems
线性规划问题的内点法需要反复求解线性系方程。求解这些线性系是不平凡的，由于严重病态的矩阵收敛。这个问题可以通过在线性规划问题中引入适当的正则化项来缓解。正则化还允许我们有效地处理秩亏约束矩阵。我们给出了一个正则化不精确内点方法的收敛性分析。术语“不精确”指的是这样一个事实，即我们不需要计算线性系方程组的真解，只需要计算其近似值。该算法的制定是足够的一般性，使专门的线性代数例程在其他工作中开发的不精确内点方法也可以纳入我们的正则化框架。在这项工作中，我们利用的不精确性，使用混合精度求解器的线性系方程。更具体地说，我们在IEEE单精度进行Cholesky分解，并将其用作共轭梯度法的预条件。数值实验表明，这种方法的好处适用于线性规划问题的密集约束矩阵。
2021-05-04 math.OC
The strict complementary slackness condition in linear fractional programming
严格互补松弛条件是线性规划对偶理论中的一个重要概念。目前的研究旨在将这一概念扩展到线性分式规划（LFP）的框架。首先，我们在这个框架中定义了这个概念，并证明了一个严格的互补解决方案的存在性-一对原始和对偶最优解满足SCSC。其次，我们发现，找到这样一个解决方案的问题减少到确定一个相对的内点的多面体。最近，Mehdiloozad等人（2016）通过提出LP问题解决了后一个问题。使用他们提出的LP问题，我们最后开发了两个程序来寻找严格互补的解决方案。
2016-03-02 math.OC
Adaptive dynamic programming-based algorithm for infinite-horizon linear quadratic stochastic optimal control problems
研究了一类连续时间随机系统的无限时域线性二次型随机（LQS）最优控制问题。利用自适应动态规划（ADP）技术，提出了一种新的无模型策略迭代（PI）算法。该PI算法不需要系统系数矩阵的所有信息，仅利用在固定时间间隔上采集的输入和系统状态数据进行迭代。最后，通过数值算例验证了算法的可行性.
2022-10-10 math.OC
Convex programming with fast proximal and linear operators
我们提出了Epperly，一般凸规划使用快速线性和邻近算子的系统。与现有的凸规划框架一样，用户使用数学表达式的自然语法来指定凸优化问题，以通过有纪律的凸规划规则保证凸性的方式组合函数。给定这样的输入，Epperly编译器将最优化问题转换为数学上等价的形式，仅由具有有效近似运算符的函数组成-我们将这种中间表示称为仿射形式。通过将问题简化为这种形式，Epperly可以使用快速近似和线性算子的大型库来解决一般凸问题;统计和机器学习中许多流行问题的数值示例表明，与基于圆锥解算器的现有方法相比，这通常会将运行时间提高数量级或更多。
2015-11-16 math.OC
Programmation Linéaire, une nouvelle approche / Novel way in linear Programming
Résumé Après un bref aperçu permettant de situer notre travail，nous proposons une nouvelle voie pour aborder la programmation linéaire en proposant un algorithme élaboré à partir d'une idée simple qui permet d'obtenir une solution aussi approchée que voulu par translation dichotomique d'un hyperplan de l'espace des solutions.经过一个简短的课程，为了使我们的工作更有意义，我们提出了一种研究线性规划的新方法，并从一个基本思想出发，给出了求解线性规划的算法建议，该算法可以得到具有所需精度的逼近解。为此，我们使用解超空间中超平面的一些二分平移。
2010-08-11 math.OC
Pareto-Optimal Linear Programming
本文提出受帕累托最优性条件约束的线性规划问题Max-Pareto，证明其为NP完全，并给出双线性规划公式以求解最高福利的帕累托最优分配。
2025-09-22 math.OC
Projective Splitting Algorithms for Integer Linear Programming Part 1: Pure Integer Programs
提出了一种求解整数线性规划（ILP）问题的新的精确方法，我们称之为投影分裂算法（PSA）。与解决ILP问题的经典方法不同，PSA通过生成针对目标函数的特定值的候选解来搜索最优解。作为这种策略的结果，在原始ILP问题的变量的数量系统地减少，而不增加任何额外的约束初始配方。这是关于公益广告的两部分系列中的第一部分。在本文中，我们专注于纯整数线性规划（PILP）问题的解决方案，将混合整数线性规划（MILP）公式的处理留给本系列的第二部分。在0-1多维背包问题（0- 1 MKP）的实例上，针对IBM MPLG CPLEX [2]优化器对所提出的算法进行了测试，在具有大量变量的实例上显示出令人满意的结果。
2014-04-15 math.OC
Linear Programming Fictitious Play algorithm for Mean Field Games with optimal stopping and absorption
我们开发的虚拟播放算法的上下文中的线性规划方法的平均场游戏的最佳停止和平均场游戏的定期控制和吸收。该算法允许近似的平均场游戏人口动态，而无需计算值函数，通过解决线性规划问题的分布仍然在游戏中的球员和他们的停时/控制。我们使用的拓扑结构的依测度收敛的措施，这是需要处理缺乏连续性的措施流的次概率措施的空间中的算法的收敛性。数值例子说明了算法的收敛性。
2023-01-23 math.OC
A sequential linear programming (SLP) approach for uncertainty analysis-based data-driven computational mechanics
提出了一种基于不确定性分析的数据驱动计算力学（UA-DDCM）的序列线性规划算法（SLP）。通过假设嵌入在指定数据集后面的不确定性本构关系可以通过局部数据点的凸组合来表征，可以通过非常有效地求解一系列线性规划问题来找到与给定数据集相关的结构响应的上界和下界，这对于工程设计中的决策更有价值。数值算例表明了该方法在稀疏数据集上的有效性，以及对数据集中噪声和离群点的鲁棒性。
2022-11-08 math.OC
Face reduction and the immobile indices approaches to regularization of linear Copositive Programming problems
本文研究了线性余正规划问题的正则化问题，将问题转化为一个等价的形式，其中Slater条件成立，强对偶性成立。我们在这里描述了两个正则化算法的基础上的概念，不动指标和理解的重要作用，这些指标在可行集的表征。这些算法相比，一些正规化程序开发的一个更一般的情况下，凸的问题，并根据面部减少的方法。我们表明，不动的指数为基础的方法结合的具体问题，使我们能够构建更明确和详细的正则化算法的线性Coppositive规划问题比那些已经提供。
2021-08-31 math.OC
Control and optimal stopping Mean Field Games: a linear programming approach
我们开发的线性规划方法，平均场游戏在一般设置。这种放松的控制方法允许证明弱假设下的存在性结果，并适合于数值实现。我们考虑平均场博弈问题，其中代表代理同时选择最优控制和最优退出时间，其中瞬时报酬函数和状态过程的系数可能取决于其他代理的分布。此外，我们建立了平均场博弈均衡之间的等价性得到的线性规划方法和通过控制/停止鞅方法，另一种松弛法在以前的几篇论文中使用的情况下，只有控制。
2020-11-23 math.OC
Computing non-stationary $(s, S)$ policies using mixed integer linear programming
研究了$(s, S) $策略下的单品种单库存位置随机批量问题。首先，我们提出了一个混合整数非线性规划（MINLP）制定确定接近最优的$(s, S)$政策参数。为了处理更大的实例，我们将先前引入的MINLP模型和二分搜索方法相结合。这些模型可以重新制定为混合整数线性规划（MILP）模型，可以很容易地实现和解决使用现成的优化软件。计算结果表明，模型的最优性缺口在最优策略成本的$0.3\%$左右，计算时间合理。
2017-02-28 math.OC
Optimal class scheduling with minimum distributed vacant seats using binary linear programming
King Mongkut’s University of Technology Thonburi（泰国皇家理工大学吞武里分校）
该研究针对课程排课问题，提出用二元线性规划构建数学模型使其自动化，以减少教室剩余座位，通过泰国一所大学数学系案例研究，显示此模型比手动排课方法有显著提升。
2026-07-14 math.OC
A linear programming based approach for determining maximal closest reference set in DEA
确定每个决策单元（DMU）的参考集是数据包络分析（DEA）中的一个主要问题。迄今为止开发的所有方法都集中在寻找最远的参考DMU。本文引入了最大最近参考集（MCRS）的新概念，其中包含与所评估的DMU最接近的参考DMU的最大数量。然后，我们开发了一个线性规划（LP）模型，用于确定每个无效决策单元的MCRS。我们通过一个数值例子来说明我们的方法。
2014-07-09 math.OC
