单纯形法基础
首先，梳理一下基础，线性规划一般适用单纯形法求解；非线性规划包括无约束问题，有约束问题，一般做法为将有约束转为无约束；对于离散且容易找到状态的问题，适合用动态规划。
有数学证明指出线性规划问题通常是凸规划，也就是说正常情况下，是能找到最优解的。单纯形法通过添加人工变量的形式，对原问题进行基变换，迭代获得最优解。下面是一个简单的线性规划问题，并初步用单纯形法解决：
首先，将原问题转化成标准型，方法是通过添加变量来使得约束转为等式：
对照标准型，进行列表，用于单纯形法迭代计算，新添加的变量称为剩余变量，它们是默认的基。
讲一下这里，首先看z的系数，选择最大值对应那一列，再用b分别除以该列得到theta，选择theta最小行，由此锁定x4行和x2列，意义是x2进基，x4出基；重复以上操作，并在每次进出基后通过线性变换确保（基行，基列）值为1，同列的其他值为0。因此，x2进基，x4出基后，线性变换并重新确定基为：
计算theta时，对于系数为负数情况，直接写none即可，none不参与比较。由此锁定x3行和x1列，意义是x1进基，x3出基。再重复一次得到：
此时，z的系数全小于等于零，迭代结束，即有解为：
这就是非常基本的单纯形法求解顺序（因为目前还未考虑在可行基内迭代这件事情）
大M法
前面的解法有一个前提条件，迭代已经在可行基内，但对于大部分问题，还需要找到可行基，才能迭代，为了一步到位，就出现了大M法；
大M法的原则是先构造包含大M的标准式，把大M视为一个无限大的数值，然后用前面进出基的解法求解即可得到结果；
构造大M标准型
先加变量：
对于的约束条件，直接加一个剩余变量
；
对于的约束条件，先减去一个剩余变量
，再加人工变量
；
对于等式约束，直接加人工变量
；
在问题原来的target函数中，加上：
最后一步，min条件转为max，选择人工变量作为基变量，将其对应的检验数化为0
