在组合优化中，有许多问题可以表述为网络流模型或混合整数规划(MIP)，例如供应链、运输和基于图的问题。一些求解器利用逻辑和/或基于图形的语法来有效地解决网络问题。然后应用网络单纯形法。
此外，如Bazaraa, MS, Jarvis, JJ 和 Sherali, HD 所述；线性规划和网络流，第 4 版，新泽西州霍博肯：Wiley & Sons, Inc.，2010 年；第 453 页：
我们讨论了有助于在计算机上实现这种图论过程的适当数据结构。与忽略除稀疏性以外的任何固有特殊结构的标准单纯形方法相比，这种过程的整体效率使人们能够以200-300 倍的速度解决问题。
实际上，从时间效率的角度来看，建模为混合整数规划和建模为网络问题之间是否存在显着差异？为什么（除了稀疏性）？
哪些优化求解器在解决网络问题时计算速度快？
实际上，从时间效率的角度来看，建模为混合整数规划和建模为网络问题之间是否存在显着差异？为什么（除了稀疏性）？
是的。网络单纯形更快的原因主要与利用网络矩阵的总单模性有关- 基本上，网络矩阵的结构总是使得它们的子矩阵具有积分逆。这个性质意味着对于网络问题，我们可以将对应于单纯形基中变量的系数矩阵的列取反，而不是必须枚举分支定界树来获得积分解。这些反演操作比求解分支定界树更便宜，因为它们在最坏情况多项式时间内运行（甚至比在最坏情况指数时间运行但通常在线性时间运行的普通单纯形更好）；分支定界在最坏情况下的指数时间内运行，对于一般的混合整数程序也通常在指数时间内运行。
当然，稀疏性也很好，并且是网络问题的典型属性，但主要的速度提升来自能够使用常规线性代数运算来获得积分解决方案，而不是分支定界，这是一种美化的猜测和 -检查方案。