کارایی الگوریتم های عام برای حل مسایل برنامه ریزی خطی در مقیاس بزرگ عموما مطلوب نیستند. تحقیقات زیادی در زمینه توسعه الگوریتم های خاص برای این دسته از مسایل در جریان است. محققین با استفاده از روش های مختلف، الگوریتم های متنوعی ارائه داده اند که هر یک دارای ویژگی های خاص خود می باشد. در این پایان نامه، از روش گرادیان مزدوج برای حل مسایل برنامه ریزی خطی در مقیاس بزرگ در شرایطی که تعداد محدودیت های مسئله خیلی بزرگتر از تعداد متغیرها باشد، استفاده شده است. در این روش با استناد به تحقیقات پیشین ، ابتدا به کمک یک تابع جریمه بیرونی، یک مساله بهینه سازی غیر خطی بدون محدودیت (یک تابع محدب قطعه قطعه درجه دو) تشکیل می شود که معادل مساله اصلی برنامه ریزی خطی است و نشان داده خواهد شد که مسئله حداقل سازی این تابع همان شرایط بهینگی حداقل نرم مسئله دوگان است. نتیجه بهینه سازی این تابع جواب دوگان و در نتیجه جواب مسئله اولیه است. برای حل مساله بدون محدودیت قطعه قطعه درجه دو ، از روش گرادیان مزدوج تسریع شده با طول گام ثابت در هر تکرار استفاده و با الگوریتم های موجود دیگر مانند روش نیوتن و سیمپلکس دوگان مقایسه شده است. با مقایسه الگوریتم ها، درمی یابیم که الگوریتم جدید پیشنهادی کارایی بالاتری نسبت به بقیه روش ها دارد. برای ارزیابی و مقایسه این الگوریتم ها مسائل برنامه ریزی خطی همراه با جواب های بهینه تولید و با استفاده نمودار دولان و مور عملکرد و کارایی آن ها با یکدیگر مقایسه شده است. نتایج محاسباتی برای مسائل در مقیاس متوسط تقریبا دارای عملکرد یکسانی با سیمپلکس دوگان دارد. در حل مسائل در مقیاس بزرگ الگوریتم گرادیان مزدوج پیشنهادی با احتمال بالای 90 درصد مسائل را سریع تر از روش سیمپلکس دوگان حل می نماید.