线性编程使用MATLAB：本书提供了各种线性编程算法和方法的理论和计算演示，重点是修订后的单纯形方法及其组件。 每种算法都包括理论背景和数学公式，以及完整的数值示例和相应的MATLAB:registered:代码。 本书介绍的MATLAB:registered:实现非常复杂，允许用户找到大规模基准线性程序的解决方案。 每种算法之后都进行了基准问题的计算研究，该研究分析了所提出算法的计算行为。 作为现有特定算法文献的坚实伴侣，这本书对具有线性代数和微积分基础知识的研究人员，科学家，数学程序员和学生非常有用。 清晰的演示使读者能够理解和利用单纯形方法的所有组成部分，例如预求解技术，缩放技术，数据透视规则，基础更新方法和敏感性分析。

Dantzig的单纯形算法 用两阶段方法解决线性规划问题（LPP）的Dantzig单纯形算法，以获得初始的基本可行解。 注意仅将SimplexTwoPhase脚本用于教育目的。 该脚本不适合专业应用，因为它并不是Dantzig单纯形算法的最有效，最优化，正确和安全的实现。 关于 该代码以MATLAB语言编写，并支持标准格式的最小化LPP ： Minimize cx subject to Ax = b x >= 0 其中c是成本系数向量， x是决策变量的向量， b是要满足的最低需求（需求）的（ RHS ）向量，而A中的元素a_ij是技术系数。 例子 A = [ 1 2 1 0; -1 1 0 1 ]; b = [4; 1]; c = [-3 1]; [x z] = simplex_two_phase(A, b, c, false) 结果 x

市区 urbs是一个优化模型，用于容量扩展规划和分布式能源系统的机组承诺。 它的名字，拉丁语为“城市”，源于其作为城市能源系统优化模型的起源。 从那时起，它已经适应了从邻里到大洲的多种规模。 特征 urbs是用于多商品能源系统的线性规划模型，着重于优化存储大小和使用。 它找到了可能满足多种商品（例如电力）的给定需求时间序列的最小成本能源系统。 默认情况下，按小时间隔的时间步进行操作（可配置）。 多亏了 ，复杂的数据分析才变得容易。 该模型本身非常小，这要归功于它依赖于软件包。 小型代码库包含报告和绘图功能。 屏幕截图 安装 有两种方法可以在Windows下获取所有必需的软件包。 我们建议使用Python发行版Anaconda。 如果您不想使用它，或者已经安装了现有的Python（建议使用3.6版，也支持2.7版），还可以自己下载所需的软件包。 Anaconda / Minicon

Python MIP（混合整数线性编程）工具 套件网站： : Python MIP是用于混合整数线性程序（MIP）建模和解决方案的Python工具集合。 MIP语法受启发。 就像一样，它也提供对高级求解器功能的访问，例如切割生成，惰性约束，MIPstart和解决方案池。 移植Pulp和Gurobi模型应该很容易。 MIP的一些主要功能包括： 高级建模：就像使用这样的高级语言一样，用Python轻松编写MIP模型：运算符重载使使用Python编写线性表达式变得容易。 全功能： 剪切生成器和惰性约束：通过在分支和剪切搜索过程中仅生成所需的不等式来处理具有大量约束的强公式； 解决方案池：查询在搜索过程中找到的精英解决方案集； MIPStart：使用问题相关的启发式方法为MIP搜索生成初始可行的解决方案。 快速：Python MIP软件包使用现代的python 模块直接调用已安

线性编程：单纯形法，双重单纯形法和灵敏度分析的MATLAB实现

matlab内点法代码使用单纯形法和内点法的线性优化 单纯形法 两阶段单纯形法的 Matlab 实现，使用 Bland 法则寻找枢轴。 内点法 用于线性优化的 INP 指令的 Matlab 实现 用法 代码描述和使用这两种方法的例子请参考description.pdf 。

混合整数线性规划示例电力系统分析A：电力系统发电机投标策略的混合整数线性规划（MILP）问题，公式和解决方案。 目标函数是MW的单价乘以其他范围及其各自产品上的可接受数量再加上空载成本的总和