由于时间和内存的限制，现有的优化算法无法解决大规模One to One营销优化问题。然而可以在现有经典优化算法的基础上进行改进来开发新的One to One营销优化算法，这就需要提出一种验证方法来验证这些算法在求解One to One营销优化问题时的性能。因此，本文提出了一种基于理论和实践相结合的BenchMark验证方法。 本文首先对十种经典优化算法进行了高级语言环境下的BenchMark验证和基于理论的BenchMark验证，并依据验证结果选择了十种算法中性能最优的LIPSOL算法作为开发One to One营销优化算法的基础。接着，在开发One to One营销优化算法的过程中，本文提出不断地对新算法进行BenchMark验证，以检验新算法是否真正得到逐步完善，并依据验证结果提出算法尚需进一步改进的地方，从而能有的放矢地对算法进行改进，使算法能够逐步得以完善，更有效地求解大规模One to One营销优化问题。最后，选择了目前国际上比较流行的GLPK优化软件包与新开发的One to One营销优化算法进行BenchMark验证，通过验证来证实新算法的优越性。 为顺利地进行BenchMark验证，本文建立了一组One to One营销优化模型，并针对这一模型生成了基于数据库的BenchMark测试数据和基于MPS格式的BenchMark测试数据，这为BenchMark验证的顺利进行奠定了坚实的基础。