Algorithm 线性规划算法

考虑以下线性规划算法，使用A.x读取内点法最小化[c，x]：

---

这种方法可能具有很好的理论特性，但在实践中，算法性能可能会逐渐下降

我很确定这是行不通的，除非我遗漏了什么：在大多数情况下，您的算法不会开始运行

假设变量

x

被带入

R^n

---

Ax形式的多面体听起来像是一个家庭作业问题不，不是凭空想象，它是一种内点法，但它不试图设置障碍，所以它与维基百科文章中描述的方法大不相同。我确实假设我的多面体不是平面的。我对一类不存在等式约束的问题感兴趣，我将澄清这一点。然而，这表明了平坦单纯形是如何存在问题的。在R^2中，假设我们想要最小化y坐标，并且单纯形看起来像一个45度角的非常细的针，算法将以微小的步进和左移结束。很明显，单纯形在某些情况下会表现不佳。但是，考虑<代码> y <代码> > <代码> x的最小化