单纯形法。θ选最小，好像遇到了退化，选下角标最小的那个，但是还是算不下去

在单纯形法中遇到退化问题是一个常见的挑战。退化意味着在某一步迭代中，选择最小θ值的变量导致了基底的改变，但目标函数值却没有改变，这可能导致算法陷入循环，无法继续找到更优解。

当出现退化时，确实有选择下角标最小的策略来打破这种循环。但是，如果这种方法仍然无法计算下去，可能需要尝试其他方法来处理退化问题。例如，可以采用Bland's规则（布兰德规则），这是一种确保算法在有限步内收敛的方法，它通过始终选择下标最小的退化变量来避免循环。

此外，还可以考虑使用其他优化方法，比如修订单纯形法或使用内点法等。这些方法在某些情况下可能对退化问题更为有效。

如果你的单纯形法在具体问题上仍然无法得到解，建议检查你的初始基解是否正确，以及在每一步迭代中计算是否准确。有时候，问题可能出在数据输入或计算过程中。

希望这些建议能帮助你解决问题。如果需要更具体的帮助，建议提供更多的问题背景信息或具体的计算步骤。