营销定价系列（三）--- 运筹优化技术

线性规划问题解法

        单纯形法、内点法（大M、两阶段法）、列生成法

        有约束问题： 拉格朗日对偶法

对比总结

方法	时间复杂度	核心思想	优势场景	局限性
单纯形法	指数级（最坏）	凸多面体（可行域）的顶点之间迭代移动，逐步逼近最优解	中小规模、需灵敏度分析	高维问题效率骤降
内点法	多项式 O(n3.5)	从可行域内部逼近最优解，适合大规模问题。	大规模稠密问题、高精度需求	实现复杂，需处理数值稳定性
列生成法	伪多项式（依赖子问题）	列生成法基于主问题-子问题分解框架，结合对偶理论，初始仅包含部分变量，求解松弛后的线性规划问题。通过分析主问题的对偶变量，生成能改进目标函数的新变量	当变量数目大于约束条件数时，需要使用列生成算法。变量指数级增长的组合优化问题 （下料问题）	子问题需高效求解，收敛速度不定

单纯形法

设置不同的基向量，经过矩阵的线性变换，求得基可行解（可行域顶点），并判断该解是否最优，否则继续设置另一组基向量，重复执行以上步骤，直到找到最优解。

单纯形法中的大M法（Big M Method）和两阶段法（Two-Phase Method）是两种处理无初始基可行解的线性规划问题的技术，常用于解决包含等式约束或无法直接构造可行基的情况。

大M法

        在目标函数中为人エ变量赋予一个极大正数 M（最大化问题中系数为 -M，最小化问题中为 +M），迫使这些变量在优化过程中被排除（取值为0）。

两阶段法

        第一阶段：构造辅助问题，目标是最小化人工变量的总和，找到初始基可行解；第二阶段：使用第一阶段的结果，求解原问题。

两阶段法通过分阶段验证可行性和求解原问题，规避了大M法的数值不稳定缺陷，适合工程计算与复杂问题‌；而大M法流程简洁，更适合小规模或人工计算场景，但对M值敏感‌。两者本质目标一致（处理无初始基问题），但实现路径与适用性不同。

检验数‌

‌检验数‌是线性规划中‌单纯形法‌的核心概念，用于判断当前基本可行解是否最优，并指导迭代方向。

列生成法

Column Generation是一种用于求解大规模线性优化问题的非常高效的算法[3]，其理论基础是由Danzig等于1960年提出。本质上而言，列生成算法就是单