🔁 原始-对偶算法 (Primal-Dual Method) · 基于互补松弛与受限原问题
算法逻辑： 保持对偶可行 \(\pi\)，通过求解受限原问题 (RP) 提取改进方向，逐步扩大容许集 \(J\)，直至原问题可行且互补松弛成立。
Problem Scale
0 × 0
约束数 × 变量数
Iteration
0
当前累计迭代轮次
Mode
Idle
Manual / Auto / Optimal
Sample
—
普通样本 / 不可行注入
📘 原问题 (P) : \(\min c^\mathsf{T}x\)
等待生成问题...
📙 对偶问题 (D) : \(\max \pi^\mathsf{T}b\)
🧠 算法状态 & 迭代信息
求解监控
Active Set
0 / 0
Dual Status
Ready
RP State
—
Decision
—
算法进程
保持对偶可行 \(\pi\)
计算紧约束集 \(J\)
求解受限原问题 RP / 提取 \(\bar{\pi}\)
最优 / 不可行 / 继续更新
📌 当前对偶变量 \(\pi\)—
🔹 容许集 J—
🎯 对偶目标值 \(w=\pi^\mathsf{T}b\)—
⚙️ 受限原问题最优值 \(z_{RP}\)—
📈 步长 \(\theta\) / 更新方向 \(\bar{\pi}\)—
🔍 是否继续迭代—
✅ 原问题当前候选解 \(\hat{x}\)—
🏁 状态 / 结果未开始
📜 迭代日志 & 算法解释 (基于原始-对偶框架)
日志模板加载中...
📊 当前迭代关键数据 (RP求解详情)
尚未求解受限原问题：\(\min\;\sum_i y_i\)。