本文介绍了PDLP，一种基于一阶方法的大规模线性规划求解器。传统线性规划求解器在处理超大规模问题时，面临内存溢出和硬件挑战。PDLP利用矩阵向量乘法而非矩阵分解，降低了内存需求，更适用于GPU和分布式系统等现代计算技术。PDLP的核心算法是重启的原始对偶混合梯度法（PDHG），并进行了预解、预处理、不可行性检测、自适应重启和自适应步长等改进。PDLP已开源并集成到Google的OR-Tools中，并在数据中心网络流量工程、集装箱运输优化和旅行商问题等方面有广泛应用。