运筹学 单纯 形讲义法原理
运筹学单纯形法
运筹学单纯形法
运筹学单纯形法，又称单纯性法，是一种用于求解线性规划问题的数学方法，它在运筹学中发挥着重要作用。
它主要应用于决策及资源分配问题，可以帮助决策者更好地把握资源的优化配置，并寻求最优解。
单纯性法是以线性规划问题作为理论基础，它是将该问题转化为一系列形如Ax=b的线性方程组的运筹学方法。
在这个方程组通过调整方程中的系数和右面常数而变换为形如Cx≤d的不等式形式，而这种不等式系统称为单纯性约束条件。
单纯性法从不等式中寻找一系列基向量，并通过改变基向量来实现改变不等式的求解方程之间的关系，从而求出最优解的问题。
传统的单纯性法分为有界单纯性和无界单纯性两种情形。
无界单纯性以简单费用曲线方法、扩展的简单费用曲线方法和增广次数法三大类。
有界单纯性主要是对对角单纯性和非对角单纯性这两类单纯性系统分别使用不同的方法进行求解。
单纯性求解方法在线性规划问题求解中具有重要应用，它能通过求解线性规划问题中的一系列互不相关的子问题来求出最优解。
使用该方法，可以以最少的成本达到最优的收益，它包括费用最低优化、网络流优化、全格研究和数学优化模型等。
运筹学第5章 单纯形法
0 0 1
在第一次找可行基时，所找到的基或为单位矩阵或为由单位矩阵的 各列向量所组成，称之为初始可行基，其相应的基本可行解叫初始基 本可行解。如果找不到单位矩阵或由单位矩阵的各列向量组成的基作 为初始可行基，我们将构造初始可行基，具体做法在以后详细讲述。
8Leabharlann §1 单纯形法的基本思路和原理
二、 最优性检验 所谓最优性检验就是判断已求得的基本可行解是否是最优解。
5
§1 单纯形法的基本思路和原理
线性规划解之间的关系：
1.可行解与最优解： 最优解一定是可行解，但可行解不一定是最优解。
2. 可行解与基本解： 基本解不一定是可行解，可行解也不一定是基本解。
3. 可行解与基本可行解： 基本可行解一定是可行解，但可行解不一定是基本可行解。
4. 基本解与基本可行解： 基本可行解一定是基本解， 但基本解不一定是基本可行解。
9
§1 单纯形法的基本思路和原理
2.最优解判别定理
对于求最大目标函数的问题中，对于某个基本可行解，如
果所有检验数 j≤0，则这个基本可行解是最优解。 下面我
们用通俗的说法来解释最优解判别定理。设用非基变量表示
的目标函数为: z z0 j xj jJ 由于所有的xj的取值范围为大于等于零，当所有的 j都小
由线性代数的知识知道，如果我们在约束方程组系数矩阵中找
到一个基，令这个基的非基变量为零，再求解这个m元线性方程组就
可得到唯一的解了，这个解我们称之为线性规划的基本解。
在此例中我们不妨找到
1 1 0 B3 1 0 0
为A的一个基，令这个基的非
1 0 1
基变量x１，s2为零。这时约束方程就变为基变量的约束方程：
第五章 单 纯 形 法
运筹学单纯形法
单纯形表
max z=x1+2x2 s.t. x1+x23 x2 1 x1, x2 0
Cj CB XB b 0 0 Z X3 3 X4 1 0 1 2 0 0
标准化
max z=x1+2x2 s.t. x1+x2+ x3 =3 x2 +x4=1 x1, x2 ,x3, x40
X1 X2 X3 X4 1 0 1 1 1 2 1 0 0 0 1 0
Z=x1+2x2 x1+x2+ x3 =3 x2 +x4=1 单纯形表
Cj
1
2
0
0
单纯形法原理 单纯形表 CB XB b
z=x1+2x2 x3 =3-x1-x2 x4=1 -x2
x2进基，x4离基
X1 X2 X3 X4
3/1 11
0
1 0
1 1
1 1
2 2 0 1 0 2 0 1 0 0 1 0 -1 0
max z=x1+2x2 s.t. x1+x2+x3 =3 x2 +x4=1 x1, x2, x3, x40
x1=0
(x1,x2,x3,x4)= (0,1,2,0), z=2 C (x1,x2,x3,x4)= (2,1,0,0), z=4,最优解
B
x4=0 x3=0
(x1,x2,x3,x4)= (0,0,3,1), z=0
1 0
0 0
0 1
0
CB XB b 0 2 Z Cj CB XB b 1 2 Z X1 2 X2 1 4 X3 2 X2 1 2 1 1 0 0
X1 X2 X3 X4 1 0 1 1 0 0 0 -1 1 -1
运筹学单纯形法
16
三、其他解旳情况 1、无穷多种解 例2 解LP问题：
min Z x1 2 x2 x3 0 x4 0 x5
xx51
1 2c 5 3c
其中c是满足非负性旳任意常数。
21
再由
x1,
x5
旳非负性，知：
x1 x2
1 2c c
0 0
x5 5 3c 0
解出 0 c 5 3
最优解为：
(2c 1, c,0,0,5 3c)T （其中0 c 5 ）
3
最优值为：max S 1.
22
2、无最优解旳两种情况：
相应地，将 X 0代入目的函数得 Z ( X 0 ) 0
从数学角度看，若让非基变量 x1, x2 取值从零增长，
6
min Z 2x1 x2 0x3 0x4 0x5
相应旳目旳函数值Z也将随之降低。所以有可能找到一种 新旳基本可行解，使其目旳函数值有所改善。即进行基变
换，换一种与它相邻旳基。再注意到 x1 前旳系数－2比 x2
x3
6 x1 x1
2x2 x2
x4 x5
xi 0
i 1,,5
15 24 5
目前可行基{ x3, x4 , x5 }所相应旳基本可行解
X 0 (0,0,15,24,5)T
(相应可行域旳 o(0,0) )
显然不是最优。 因为从经济意义上讲， x1 0, x2 0
意味着该厂不安排生产，所以没有利润。
2
运筹学讲义-单纯形方法(ppt 78页)
7 2020/11/2
五、 单纯形方法
2、判别向量与判别数： （的b）判λ别N=向CN量-C，BB其-1中N为任对一应分基量Bλ的j=c所j-C有BB非-1基Aj变量XN 为-非---基-, 变n。量xj关于基B的判别数，j=m+1,m+2, ----（c）所有基变量的判别向量是零向量，所有基变
（一）人工变量消除法——M法 2、M法的辅助线性规划问题：
原问题：
Max z=c1x1+c2x2+……+cnxn s.t. a11x1+a12x2+……+a1nxn=b1 a21 x1+ a22x2+…… +a2nxn =b2
……
am1x1+am2x2+……+amnxn=bm x1,x2, ……,xn ≥ 0
函数值Z/ >0，则原问题无解。 [证明]（请同学们自己做一做）。 （3）辅助问题在最优基B下目标函数的值Z/=0，此时有 两种情况：第一种情况，若辅助问题的最优基B对应的 基变量中无人工变量，则该最优基也是原问题的可行 基，这时候只要在单纯形表中去掉人工变量所在的列 和最后一行，即可得到原问题的初始可行单纯形表。
9 2020/11/2
五、 单纯形方法
（三）单纯形方法：表上作业法
1、单纯形表的构造
方法1：C-CBB-1A=(CB,CN)-CBB-1(B,N) =(0,CN-CBB-1N)
两边同乘上X得：
（C-CBB-1A）X= (0,CN-CBB-1N)X，化简得： Z=CBB-1b+(CN-CBB-1N) XN
3 X2 1.5 0.5 1 0.25 0
运筹学---单纯形法
运筹学---单纯形法单纯形法是一种解线性规划问题的有效算法。
在这个问题中，我们寻找一组决策变量，以便最大化或最小化一个线性目标函数，同时满足一系列线性限制条件。
单纯形法通过暴力搜索可行解并逐步优化目标函数来求解该问题。
单纯形法的主要思想是从一个初始可行解开始，并通过迭代来逐步移动到更优的解。
在每一步迭代中，算法将当前解移动到一个相邻的顶点，直到找到一个优于当前解的顶点。
具体操作包括选择一个非基变量，并将其作为入基变量，同时选择一个基变量并将其作为出基变量。
新的基变量将替换原来的非基变量，并且目标函数的值将被更新。
关键是如何选择入基变量和出基变量。
为此，单纯形法使用一个称为单纯形表的矩阵来跟踪线性规划问题的状态。
单纯形表包含目标函数系数，限制条件系数，决策变量的当前值以及对角线上的单位矩阵。
通过适当地操作这个表，可以确定要移动到哪个相邻顶点，并相应地更新解和目标函数的值。
一般来说，单纯形法需要在指数时间内解决线性规划问题，因为需要遍历所有可能的可行解。
但是，在实际应用中，单纯形法往往比其他算法更快和更有效。
此外，在使用单纯形法时，需要注意陷入无限循环或者找不到一个可行解的可能性。
单纯形法的主要优点是：它是一种简单而直观的求解线性规划问题的方法；它易于实现，并且在许多情况下可以很快地求解问题。
它还可以用于解决大规模问题，包括具有成千上万个变量和限制条件的问题。
在实际应用中，单纯形法经常与其他算法结合使用，例如内点法或分支定界法。
这些方法可以提供更好的性能和结果。
但是，在许多情况下，单纯形法仍然是解决线性规划问题的首选算法。
在总体上，单纯形法是一种强大而灵活的工具，可以帮助研究人员和决策者在面对复杂的决策问题时做出明智的选择，并实现最大的效益。
运筹学-第1章 3-单纯形法
解就是原问题的最优解
若变化后的问题中含有非零的人工变量则元问题无可行
解
7
2.最优性检验和解的判别
x i bi a im 1 x m 1 , ,a in x n i 1, , m代入目标函数 Z
c1 x1 c2 x 2 c n x n c1 (b1 a1m 1 x m 1 a1n x n ) c2 (b2 a 2 m 1 x m 1 a 2 n x n ) cm (bm a mm 1 x m 1 a mn x n ) c m 1 x m 1 c n x n ci bi
（1）因为所有 Xj ≥0，当所有σ j<0 时，则 Z≤Z0,则该基可行解 对应最优解； （2）因为所有 Xj ≥ 0 ，当 σ j≤ 0 且存在 σ j ＝0 （ j=m+1,„,n) 时，则该线性规划问题有无穷多最优解； （ 3 ）对基可行解 X0, 若存在某个 σ k>0, 且所有 aik≤0(Pj≤0), i=1,2,„,m，则该问题无界（无界解）； （4）因为所有Xj≥0，当存在σ j>0时，则该基可行解不是最优 解，需要寻找另一个基可行解；
9
3.基变换
• 变换目的：使目标函数Z值得到改善，接近最优解，一次基变换， 是从该顶点到相邻顶点，即一次基变换仅变换一个基变量。 换入变量的确定（入基变量）
σk>0,aik 至少一个大于0，若σk=Max{σj| σj>0},则xk为换入变量。
换出变量的确定（出基变量）
bi bl bi , i 1,, m, min | aik 0 aik aik alk
13
一.求初始基可行解
1.当约束条件为“≤”时，直接在约束不等式左边加上非负的松弛 变量，使约束方程的系数矩阵很容易找到一个单位矩阵，求出一 个初始基可行解。
运筹学-第一章-单纯形法基本原理
X (0) (x10 , x20 ,, xm0 ,0,0,...,0)T (b1,b2,......,bm ,0,0,...,0)T
单纯形法基本原理
2、基变换 定义：两个基可行解称为相邻的，如果它们之间变换 且仅变换一个基变量。 初始基可行解的前m个为基变量，
X (0) (x10, x20,...xm0, o,...o)T
0 0
1 0
0
1
当线性规划的约束条件均为≤，其松弛变量的系数矩阵为单位 矩阵；当线性规划的约束条件均为≥或=，为便于找到初始基 可行解，构造人工变量，人为产生一个单位矩阵。
单纯形法基本原理
式中p1,…,pm 为基变量,同其所对应的 x1,x2,…..,xm为基变量；其它变量 xm+1,xm+2，……,xn为非基变量。令所有的非基变量 等于零。
0 1
...
0
a2,m1
..... a2, j
. a2,n
b2
. . . . . . . . . .
0 0
.
1 am,m1
.
am, j
.
am,n
bm
因为p1,…,pm,是一个基，其他向量pj可以这个基
的线性组合表示：
m
p j ai法基本原理
问题 ①如果限制条件中既有“≤”类型的约束， 又有“≥”或“=”类型的约束，怎么办？
构造单位阵
②初始可行基一定要选单位阵？
b列正好就是基变量的取值，因此称b列
为解答列
单纯形法基本原理
（2）写出初始基可行解——
令非基变量取0，基变量对应b(i)，一起构 成初始基可行解
运筹学-第1章 3-单纯形法
选 XB = (x1 x4)T 令x2 = x3 = 0 则 初始基可行解：X = (3
0
0
4)T
5
（2）人工变量法（大M法） 若给定问题标准化后，系数矩阵中不存在m个线性无关的单
以alk为主 元进行初 等行变换
xm a mm 1 x m 1 amk x k a mn x n bm xj 0 j 1,2, , n
0 0 0 a1m1 a1k a1n b1 1 1 0 0 a2m1 a2k a2n b2 0 A 0 0 1 0 alm 1 alk aln bl 0 0 0 1 amm 1 amk amn bm
解就是原问题的最优解
若变化后的问题中含有非零的人工变量则元问题无可行
解
7
2.最优性检验和解的判别
x i bi a im 1 x m 1 , ,a in x n i 1, , m代入目标函数 Z
c1 x1 c2 x 2 c n x n c1 (b1 a1m 1 x m 1 a1n x n ) c2 (b2 a 2 m 1 x m 1 a 2 n x n ) cm (bm a mm 1 x m 1 a mn x n ) c m 1 x m 1 c n x n ci bi
（1）因为所有 Xj ≥0，当所有σ j<0 时，则 Z≤Z0,则该基可行解 对应最优解； （2）因为所有 Xj ≥ 0 ，当 σ j≤ 0 且存在 σ j ＝0 （ j=m+1,„,n) 时，则该线性规划问题有无穷多最优解； （ 3 ）对基可行解 X0, 若存在某个 σ k>0, 且所有 aik≤0(Pj≤0), i=1,2,„,m，则该问题无界（无界解）； （4）因为所有Xj≥0，当存在σ j>0时，则该基可行解不是最优 解，需要寻找另一个基可行解；
运筹学课件1-3单纯形法原理
理论方法 算法步骤 单纯形表
算例
第1页
一、基本概念
考虑线性规划标准形式 max z CX s .t . AX b X 0 ：
其中A为m×n阶矩阵
可行解：满足AX=b,且X≥0的解称为可行解。 可行域：全部可行解的集合称为可行域。 最优解：使目标函数达到最大值的可行解称为最 优解。 基：设B是系数矩阵A的一个m×n阶的满秩子矩阵， 称B是(LP)的一个基。
－5 0 0
2.5 0 4 4 0 3
1.5 17.5 22 19
－3 0 0 0
问：基解中零的个数至少有多少个？ 至少n-m个
例3
x1=0, x3=0 x2=3, x4=-2 是基解，但不 是可行解
D
max z=x1+2x2 s.t. x1+x23 x2 1 x1, x2 0
max z=x1+2x2 s.t. x1+x2+ x3 =3 x2 +x4=1 x1, x2 ,x3, x40
第12页
三、几个基本定理
引理 线性规划问题的可行解为基可行解的充要条件 是它的正分量所对应的系数列向量线性无关。
证： （2）充分性
若向量 P1 , P2 , , Pk 线性无关，
则必有 k m
T
当 k m 时， P1 , P2 , , Pm 构成基
从而 X ( x1 , , x m , 0 , , 0 ) 为相应的基可行解
若X
(X
(0)
(0)
证。
(0)
不是基可行解
(0)
,由定理 2 知 X
到通过 X
) CX ) CX
单纯形法基本原理及实例演示
③计算各非基变量xj的检验数j=Cj-CBPj ′，若所有j≤0，则问题已得
到最优解，停止计算，否则转入下步。
④在大于0的检验数中，若某个k所对应的系数列向量Pk≤0，则此问
题是无界解，停止计算，否则转入下步。
⑤根据max{j｜j＞0}=k原则，确定xk为换入变量(进基变量)，再按 规则计算：=min{bi/aik| aik＞0}=bl/ aik 确定xBl为换出变量。建 立新的单纯形表，此时基变量中xk取代了xBl的位置。
⑥以aik为主元素进行迭代，把xk所对应的列向量变为单位列向量，即 aik变为1，同列中其它元素为0，转第③ 步。
线性规划的例子
max z 4x1 3x2 2x1 2x2 1600 5x1 2.5x2 2500 x1 400 x1, x2 0
线性规划--标准化
● 引入变量：s1,s2,s3
检验系数区
Z=CBB-1b
初始单纯形表
迭代 基变 次数 量
CB
x1
x2
s1
s2
s3
50 100 0 0 0
比值
b bi ai 2
1 Zj=CBNj j cj zj
Z=CBB-1b
初始单纯形表
基
迭代 次数
变
CB
x1
X2
s1
s2 S3
量
50 100 0 0 0
比值
b bi ai 2
1 1 1 0 0 300
C向量
max z 50 100 0 0
CB
CN
x1
x2
0•
1 1 1
1 0 0
0 1 0
单纯形算法原理与计算步骤详解
单纯形算法原理与计算步骤详解单纯形算法是一种常用于线性规划问题求解的优化算法，其基本思想是通过不断迭代改变可行解，使目标函数值逐渐趋近最优解。
本文将详细介绍单纯形算法的原理和计算步骤。
一、单纯形算法原理单纯形算法基于以下原理：假设存在一个线性规划问题，其中目标函数需要最小化，约束条件为一组线性等式和不等式。
算法通过在可行域内循环改变基变量，以求得最优解。
算法的基本思想是从初始可行解出发，不断迭代地转移到更优的解，直到找到最优解。
单纯形算法的迭代过程中，每一次迭代都会选择一个非基变量进行转移，使目标函数值逐步减小。
二、单纯形算法的计算步骤下面将详细介绍单纯形算法的计算步骤，以帮助读者更好地理解该算法。
1. 初始化阶段在初始化阶段，需要将线性规划问题转化为标准型，并找到初始可行解。
标准型的要求是：目标函数为最小化，约束条件为等式和非负约束。
2. 检验阶段在检验阶段，需要进行基变量的选择和检验是否达到最优解。
首先选择一个入基变量，该变量的选择通常基于某些准则，如最大增量准则、最小比率准则等。
3. 转换阶段在转换阶段，需要进行基变量的转换，使目标函数值不断减小。
通过将选定的入基变量与已有的基变量组成一个新的基，进而得到新的可行解。
在转换过程中，还需要进行非基变量的选择和计算。
选择一个出基变量，使得目标函数值减小的幅度最大。
然后，通过高斯消元法计算出相应的新基。
4. 终止判断阶段在每次迭代后，都需要判断是否已达到最优解或存在无界解。
如果目标函数不能减小或者无界，则算法终止。
否则，返回检验阶段继续迭代。
5. 结果输出阶段当算法终止时，需要输出最优解以及最优解对应的目标函数值。
三、单纯形算法的优化尽管单纯形算法是一种常用的线性规划求解方法，但在某些情况下，其迭代次数可能会非常大。
为了优化算法效率，可以采用以下方法：1. 人工变量法当初始可行解需要引入人工变量时，可以通过人工变量法来优化算法。
该方法通过对目标函数引入人工变量，并对目标函数进行最小化，从而减少迭代次数。
运筹学05-单纯形法
定义 在基本解中，若该基本解满足非负约束， 1 即 XB B b 0 ，则称此基本解为基本可行解， 简称基可行解；对应的基B称为可行基。
基本解中最多有m个非零分量。
n! 基本解的数目不超过 C 个。 m!n m !
m n
定义 在线性规划问题的一个基本可行解中，如果 所有的基变量都取正值，则称它为非退化解，如 果所有的基本可行解都是非退化解。称该问题为 非退化的线性规划问题；若基本可行解中，有基 变量为零，则称为退化解，该问题称为退化的线 性规划问题。
3 5 B12 6 2 5 1 B23 2 0
2 4
3 0 B14 6 1
1 0 B34 0 1
由于所有|B|≠ 0， 所以有6个基阵和 6个基本解。
4! 4 3 2 1 C 6 2!4 2! 2 1 2 1
令 x2 0 x4 0
X 0 0 5 0
T
为基本可行解，B13为可行基,为退化解
1 0 对于基阵 B14 1 1 x1 5 则 x1 x4 0
令 x2 0 x3 0
X 5 0 0 5
T
1 1 对于基阵 B23 1 0 令 x1 0 x4 0 x2 x3 5 T 则 X 0 0 5 0 x 2 0
BX B b NX N
X B B 1b B 1 NX N
B 1b B 1 NX N X XN
令 则
XN 0
B 1b X 0
定义 在约束方程组(2) 中，对于 一个选定的基B，令所有的非基变 量为零得到的解，称为相应于基B 的基本解。
运筹学单纯形法讲解
运筹学单纯形法讲解一、单纯形法基本概念在运筹学中，单纯形法是一种在给定点搜索可行解集合的一种技术。
设有m个点x、 y、 z分布在两点P、 Q，它们是相互独立的，这样的点组成了单纯形。
单纯形是可以用于求解最优化问题的一种简单的对象，因而又称为对象或对象群。
由单纯形求出的最优解就叫做单纯形的最优解。
在实际应用中，一般用来求最优解的都是单纯形。
二、单纯形法适用条件和范围在运筹学中，单纯形法常用于求解线性规划、非线性规划和整数规划等，还可以求解网络的流量、质量等。
但当运输问题用单纯形法求解时，解不存在，无最优解，也无单纯形。
非线性规划只能得到对象最优解。
三、单纯形法具体步骤和算法介绍1、明确问题的目标。
2、计算出所有解，按确定的先后顺序排列。
3、计算出各解在横坐标上的相对位置，即计算每个解在左右方向上的距离，再根据此距离大小，取其中的最小值作为该点的最优解。
四、单纯形法的误差和精度1、明确问题的目标。
一般在最优化问题中，用最小值对准目标是最理想的，但是在实际工程应用中，人们往往要求越多越好，甚至有时只要求几个较小的值。
但要注意所得结果的可靠性和正确性，也要尽可能减少计算过程中的误差。
2、计算出所有解，按确定的先后顺序排列。
首先，找出最优解，再在这个最优解附近寻找另外的比最优解更好的最优解，直到所有点都达到满意的精度。
这种方法称为“穷举法”。
穷举法通常用于没有更好的方法时，常用于工程实际中。
3、计算出各解在横坐标上的相对位置，即计算每个解在左右方向上的距离，再根据此距离大小，取其中的最小值作为该点的最优解。
4、单纯形法的误差：由于人们认识上的错误或操作不当造成的，如排除法的计算次数与数据采集次数之比，以及采样值的平均数与真值之比，与取值的个数有关，与取值的精度也有关，必须合理确定取值范围。
5、单纯形法的精度：根据问题的规模，计算数据量和计算次数，反复调整取值点，改进计算方法，从而得到尽可能高的精度。
单纯形法的精度可达0．01或0．05。
运筹学-单纯形概念(名校讲义)
定义矢量Y：YTaj=cj (j B) 应用矩阵M，可改写如下：YTM = C T 其中， 有m个分量cj (j B)，唯一解为：YT=C M C
T －1
(12)
此时，有2种可能性： 1) 若式(12)所得解Y是该规划的对偶可行解，则X必是原问题的 最优解。从而Y亦是对偶问题最优解，即X满足：
§1 基本假设：非退化阵（3）
对于这个假设失败,可作如下处理:如行间不独立,可消去一 行或几行,使之独立；如果不合理,则方程无解,不考虑。
第2个假设表明，可行解的正分量个数不少于m个，若失败， 即为退化问题。例如方程
x 1 1 2 3 6 2 4 1 x 2 2 x 3
xT C x j c j
B
§2 单纯形算法（11）
其旧费用减新费用之差为（zs－cs） 其中，定义 z t c 16
s
B
j
j
要注意，必须为正，因为它是as的系数。根据式(16)看出， 新费用减少的条件是： zs－cs >0 (17) 该条件即为：yTas>cs。 证明： (18) z CT t 而Y
(1)
§1 基本假设：非退化阵（4）
则b=
6 可由a3= 2 3 1 单独组合而成，即可得可行解X= 0 。
2 0
这种现象有时会给单纯形算法造成困难。
6 其解决方法是对b加一小扰动，即令b = ， 2 这样就会使假设2成立。
后面在推导单纯形算法时，都指非退化情况，除非加以 特殊说明。
§2 单纯形算法（1）
单纯形算法根据寻找基础可行解的步骤可分为大M（T）法和 两阶段法，这两个方法无本质区别，下面主要阐述两阶段法。 两阶段法的主要步骤为两项： 找出规划的第1个基础可行解或证明无可行解； 从第1个基础可行解开始，逐步找了最优解或证明无最优解。 这两项工作可在有限步数内完成。现分别叙述这两个阶段是如 何完成的。