Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Introduction Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

11. Interior Point Methods

verfasst von : Nikolaos Ploskas, Nikolaos Samaras

Erschienen in: Linear Programming Using MATLAB®

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Nowadays, much attention is focused on primal-dual Interior Point Methods (IPMs) due to their great computational performance. IPMs have permanently changed the landscape of mathematical programming theory and computation. Most primal-dual IPMs are based on Mehrotra’s Predictor-Corrector (MPC) method. In this chapter, a presentation of the basic concepts of primal-dual IPMs is performed. Next, we present the MPC method. The various steps of the algorithm are presented. Numerical examples are also presented in order for the reader to understand better the algorithm. Furthermore, an implementation of the algorithm in MATLAB is presented. Finally, a computational study over benchmark LPs and randomly generated sparse LPs is performed in order to compare the efficiency of the proposed implementation with MATLAB’s IPM solver.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Exterior Point Simplex Algorithm
Nächstes Kapitel Sensitivity Analysis
Anhänge
Nur mit Berechtigung zugänglich
Literatur
1.
Bixby, E. R. (1992). Implementing the simplex method: The initial basis. ORSA Journal on Computing, 4, 267–284.MathSciNetCrossRef
2.
Dantzig, G. B. (1949). Programming in linear structure. Econometrica, 17, 73–74.CrossRef
3.
Frisch, K. F. (1955). The logarithmic potential method of convex programming. Technical report, University Institute of Economics, Oslo, Norway.
4.
Gondzio, J. (1992). Splitting dense columns of constraint matrix in interior point methods for large-scale linear programming. Optimization, 24, 285–297.MathSciNetCrossRef
5.
Gondzio, J. (1996). Multiple centrality corrections in a primal-dual method for linear programming. Computational Optimization and Applications, 6, 137–156.MathSciNetCrossRef
6.
Gondzio, J. (2012). Interior point methods 25 years later. European Journal of Operational Research, 218(3), 587–601.MathSciNetCrossRef
7.
8.
Hoffman, A. J., Mannos, M., Sokolowsky, D., & Wiegman, N. (1953). Computational experience in solving linear programs. Journal of the Society for Industrial and Applied Mathematics, 1, 17–33.MathSciNetCrossRef
9.
Karmarkar, N. K. (1984). A new polynomial-time algorithm for linear programming. Combinatorica, 4, 373–395.MathSciNetCrossRef
10.
Khachiyan, L. G. (1979). A polynomial algorithm in linear programming. Soviet Mathematics Doklady, 20, 191–194.MATH
11.
Lustig, I. J., Marsten, R. E., & Shanno, D. F. (1992). On implementing Mehrotra’s predictor corrector interior point method for linear programming. SIAM Journal on Optimization, 2, 435–449.MathSciNetCrossRef
12.
Lustig, I. J., Marsten, R. E., & Shanno, D. F. (1994). Interior point methods for linear programming: Computational state of the art. ORSA Journal on Computing, 6(1), 1–14.MathSciNetCrossRef
13.
Mehrotra, S. (1992). On the implementation of a primal-dual interior point method. SIAM Journal on Optimization, 2, 575–601.MathSciNetCrossRef
14.
Potra, F. A., & Wright, S. J. (2000). Interior-point methods. Journal of Computational and Applied Mathematics, 124(1), 281–302.MathSciNetCrossRef
15.
Von Neumann, J. (1947). On a maximization problem. Technical report, Institute for Advanced Study, Princeton, NJ, USA.
Metadaten
Titel
Interior Point Methods
verfasst von
Nikolaos Ploskas
Nikolaos Samaras
Copyright-Jahr
2017
Buch
Linear Programming Using MATLAB®

Print ISBN: 978-3-319-65917-6

Electronic ISBN: 978-3-319-65919-0

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-65919-0_11