论文部分内容阅读
在线性规划模型的求解中,初始基的好坏是至关重要的.普遍相信,好的初始基可以导致迭代次数的减少.在理想的情形,如果初始基恰好是最优基,则无须迭代即可得到最优解.然而,迄今为止的初始基的确定方法(CRASH)均未考虑到这一点.为此,潘平奇教授提出关于最优基的启发性特征刻划(参见[17]),其基本思想是初始基尽量向最优基靠近,从而达到减少总迭代次数的目的.这种方法在稠密问题中虽然已经证实具有很好的效果,但在大规模稀疏问题上还没有人尝试过.该文将首次把最优基的启发刻划应用于大规模稀疏初始基的确定,因而具有更重要的实际意义.研究人员给出了具体的实现方式和算法,采用了适宜的数值结构,进行了大量的数值实验,得到了令人鼓舞的数值结果.