Vous êtes sur la page 1sur 30

Quelques exemples Approche graphique Approche g eom etrique Extensions

Programmation Lin eaire - Cours 1


P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Universit e Bordeaux 1 B at A33 - Bur 265

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Ouvrages de r ef erence

V. Chv atal - Linear Programming, W.H.Freeman, New York, 1983. Japanese translation published by Keigaku Shuppan, Tokyo, 1986. R. J. Vanderbei - Linear Programming, Foundations and Extensions, Springer-Verlag, 2008. C. Gu eret, C. Prins et M. Sevaux - Programmation lin eaire : 65 probl` emes doptimisation mod elis es et r esolus avec Visual Xpress, Eyrolles, 2000. C. Prins et M. Sevaux - Programmation lin eaire avec Excel : 55 probl` emes doptimisation mod elis es pas ` a pas et r esolus avec Excel, Eyrolles, 2011.

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Exemple 1 : Production Exemple 2 : Transport Exemple 3 : Planication

Sommaire

Quelques exemples Exemple 1 : Production Exemple 2 : Transport Exemple 3 : Planication Approche graphique Approche g eom etrique Extensions

2 3 4

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Exemple 1 : Production Exemple 2 : Transport Exemple 3 : Planication

Probl` eme de production


Un fabricant produit 2 types de yaourts ` a la fraise A et B ` a partir de Fraise, de Lait et de Sucre. Chaque yaourt doit respecter les proportions suivantes de mati` eres premi` eres. A 2 1 0 B 1 2 1

Fraise Lait Sucre

Les mati` eres premi` eres sont en quantit e limit ee : 800 kilos de Fraises, 700 kilos de Lait et 300 kilos de sucre. La vente des yaourts A rapportent 4e par kilo et les yaourts B 5e.

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Exemple 1 : Production Exemple 2 : Transport Exemple 3 : Planication

Mod elisation :

Variables : xi : quantit e (en kg) de yaourts du type i = A, B produit Objectif : Maximiser 4xA + 5xB Contraintes : 2xA + xA + xA , xB 2xB xB xB 800 700 300 0

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Exemple 1 : Production Exemple 2 : Transport Exemple 3 : Planication

Probl` eme de transport


Approvisionner au moindre co ut les clients ` a partir des usines. Usines (i I ) Productions (pi ) Clients (j J ) Demandes (dj ) Prix/unit e (ci ,j ) Bordeaux Biarritz Toulouse Pau 20 Pau 26 12 19 Bordeaux 25 Bayonne 12 Bayonne 19 2 30 Biarritz 15 Toulouse 20 Libourne 14 Libourne 4 24 28

Bordeaux 9 Bordeaux 0 20 24

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Exemple 1 : Production Exemple 2 : Transport Exemple 3 : Planication

Mod elisation :

Variables : xi ,j : quantit e transport ee de i ` aj Objectif : Minimiser Contraintes : xi ,j pi , x i I i ,j = dj , xi ,j 0,


j J i I j J ci ,j xi ,j

i I j J i I , j J

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Exemple 1 : Production Exemple 2 : Transport Exemple 3 : Planication

Probl` eme de planication


Planier la production darticles ` a moindre co ut pour les 4 prochains mois. Production maximale normale : 1200 articles / mois Production maximale en heure sup : 400 articles / mois Sur-co ut heures sup : 7 euros / article Stockage : 3 euros / article / mois mois 1 900 mois 2 1100 mois 3 1700 mois 4 1300

Demandes

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Exemple 1 : Production Exemple 2 : Transport Exemple 3 : Planication

Mod elisation :
Variables : xt : production normale en p eriode t = 1, . . . , 4 yt : production en heure sup en periode t = 1, . . . , 4 st : stock en n de p eriode t = 1, . . . , 3 Objectif : =4 t =3 Minimiser 7 t t =1 yt + 3 t =1 st Contraintes : x1 + y1 = 900+ s1 s1 + x2 + y2 = 1100+ s2 s2 + x3 + y3 = 1700+ s3 s3 + x4 + y4 = 1300 0 xt 1200, t = 1, . . . , 4 0 yt 400, t = 1, . . . , 4 st 0, t = 1, . . . , 3
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Hypoth` eses de base Repr esentation graphique R esolution graphique

Sommaire

1 2

Quelques exemples Approche graphique Hypoth` eses de base Repr esentation graphique R esolution graphique Approche g eom etrique Extensions

3 4

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Hypoth` eses de base Repr esentation graphique R esolution graphique

Hypoth` eses fondamentales pour la programmation lin eaire


Lin earit e : Objectif et contraintes sont des fonctions lin eaires par rapport aux variables de d ecisions (co ecients de variables constants, pas de produit de variables) Objectif : c 1 x1 + c 2 x2 + + c n xn Contraintes : a1,1 x1 + a1,2 x2 + + a1,n xn = b1 a2,1 x1 + a2,2 x2 + + a2,n xn b2 a3,1 x1 + a3,2 x2 + + a3,n xn b3 Continuit e : Les variables peuvent prendre nimporte quelle valeur r eelle (par opposition aux variables enti` eres) x1 , x2 , . . . , xn IR n

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Hypoth` eses de base Repr esentation graphique R esolution graphique

Repr esentation graphique


Revenons au premier exemple :
xB 2xA + xB 800

Max

4xA + 2xA + xA + xA ,

5xB xB 2xB xB xB

800 700 300 0

xB 300

xA + 2xB 700

xA

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Hypoth` eses de base Repr esentation graphique R esolution graphique

Terminologie
Solution : Aectation de valeurs num eriques aux variables du probl` eme. Solution r ealisable : Une solution est r ealisable si les valeurs num eriques associ ees aux variables satisfont ` a lensemble des contraintes du programme lin eaire R egion r ealisable : Ensemble des solutions r ealisables.
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Programmation Lin eaire - Cours 1

xB 2xA + xB 800

xB 300

xA + 2xB 700

xA

Quelques exemples Approche graphique Approche g eom etrique Extensions

Hypoth` eses de base Repr esentation graphique R esolution graphique

R esolution graphique
xB 2xA + xB 800

Max

4xA + 2xA + xA + xA ,

5xB xB 2xB xB xB

800 700 300 0

xB 300 4xA + 5xB = 2900 xA + 2xB 700 4xA + 5xB = 2200 4xA + 5xB = 1000 4xA + 5xB = 0 xA

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Hypoth` eses de base Repr esentation graphique R esolution graphique

Quelques observations
La solution optimale (sil en existe une) se trouve sur la fronti` ere de la r egion r ealisable Quand il en existe, il existe toujours une solution optimale sur un sommet (point extr eme) de la r egion r ealisable Il sut dexaminer les points extr emes de la r egion r ealisable (la PL est un probl` eme doptimisation combinatoire)
xB 2xA + xB 800

xB 300 4xA + 5xB = 2900 xA + 2xB 700 4xA + 5xB = 2200 4xA + 5xB = 1000 4xA + 5xB = 0 xA

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

R esolution g eom etrique Terminologie

Sommaire

1 2 3

Quelques exemples Approche graphique Approche g eom etrique R esolution g eom etrique Terminologie Extensions

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

R esolution g eom etrique Terminologie

Algorithme g eom etrique


1

Partir dun point extr eme x de la r egion r ealisable D eterminer une ar ete le long de laquelle lobjectif augmente. Sil nen existe pas, x est optimal, STOP Se d eplacer le long de lar ete jusquau point extr eme y suivant. Sil nexiste pas, le probl` eme est non born e, STOP Sinon, poser x y et revenir en 2
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

xB

1 0 4xA + 5xB 0 1

= 2200

xA

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

R esolution g eom etrique Terminologie

Algorithme g eom etrique


xB

Theorem Loptimum local ainsi obtenu (meilleur que ses voisins) est un optimum global

1 0 4xA + 5xB 0 1

= 2200

xA

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

R esolution g eom etrique Terminologie

Variables d ecart / Forme standard

Max

4xA + 2xA + xA + xA ,

5xB + xB + 2xB + xB + xB ,

0 s1 + s1

0 s2 + s2

0 s3 = 800 = 700 = 300 0

s1 ,

s2 ,

s3 s3

Chaque variable peut etre associ ee ` a une contrainte n variables m contraintes n + m variables m contraintes

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

R esolution g eom etrique Terminologie

Forme normale / Forme Standard


Normale Max s.c. Ax x cx b 0 Ajout variables d ecart = Standard Max s.c. Ax x cx =b 0

Transformation en forme normale : Min cx Max c x o` u c = c ax b a x b o` u a = a et b = b ax = b ax b et ax b Variable xi 0 : on d enit une nouvelle variable xi 0 et on pose xi = xi Variable xi non restreinte : on d enit deux nouvelles variables + + xi , xi 0 et on pose xi = xi xi
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

R esolution g eom etrique Terminologie

Interpr etation g eom etrique


xB

Chaque in egalit e lin eaire d enit n un demi-espace dans IR Lintersection de ces demi-espaces d enit un poly` edre dans IR n qui corespond ` a la r egion r ealisable Chaque face du poly` edre est un sous ensemble de points qui satisfont une des in egalit es ` a l egalit e

2xA + xB 800

xB 300

xA + 2xB 700

xA

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

R esolution g eom etrique Terminologie

D enition g eom etrique dun sommet


Les points extr emes du poly` edre sont les points qui se trouvent ` a lintersection dau moins n hyperplans Ils sont donc caract eris es par n variables de valeur 0 (celles associ ees aux hyperplans qui forment lintersection) Si lintersection est d enie par plus de n hyperplans, alors la solution est dite d eg en er ee Id ee na ve pour obtenir une solution ` a partir de la forme standard : 1 Choisir n hyperplans 2 Mettre les variables associ ees ` a0 3 R esoudre le syst` eme lin eaire ` a m variables et m equations Attention, le syst` eme na pas n ecessairement de solution. Si oui, la solution nest pas forcement r ealisable
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

R esolution g eom etrique Terminologie

pivotage

le pivotage consiste ` a passer dun point extr eme ` a un point extr eme voisin en longeant une ar ete Deux solutions voisines ne dif` erent que par un hyperplan Lop eration consiste ` a choisir deux hyperplans (et donc deux variables) qui vont pivoter pour la description du point voisin.

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Extension 1 : Programme lin eaire en nombres entiers Extension 2 : Objectif quadratique

Sommaire

1 2 3 4

Quelques exemples Approche graphique Approche g eom etrique Extensions Extension 1 : Programme lin eaire en nombres entiers Extension 2 : Objectif quadratique

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Extension 1 : Programme lin eaire en nombres entiers Extension 2 : Objectif quadratique

Probl` eme de localisation de d ep ots

Parmi un ensemble de sites potentiels, choisir o` u construire des d ep ots et aecter les magasins aux d ep ots pour leur r eapprovisionnement. Minimiser le co ut de construction et la distance parcourrue. Donn ees : I = {1, . . . , n} : ensemble des sites potentiels J = {1, . . . , m} : ensemble des magasins fi : co ut de construction du d ep ot i I di ,j : distance entre le d ep ot i I et le magasin j J

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Extension 1 : Programme lin eaire en nombres entiers Extension 2 : Objectif quadratique

Mod elisation :
Variables : xi =

1 si on construit en i I 0 sinon 1 si le d ep ot i I dessert le magasin j J yi ,j = 0 sinon Objectif : Minimiser i I fi xi + i I j J di ,j yi ,j Contraintes :


i I yi ,j = 1, yi ,j xi , xi {0, 1}, yi ,j {0, 1},

j i i i

J I,j J I I,j J
Programmation Lin eaire - Cours 1

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Quelques exemples Approche graphique Approche g eom etrique Extensions

Extension 1 : Programme lin eaire en nombres entiers Extension 2 : Objectif quadratique

Composition de portefeuille nancier


Probl` eme : D eterminer un ensemble davoirs nanciers qui vont composer le portefeuille, minimisant les risques et assurant une certaine rentabilit e. Donn ees : I = {1, . . . , n} ensemble davoirs nanciers possibles Ci ,j , i , j I covariance entre les avoirs pi prot g en er e par lavoir i I R rentabilit e minimum du portefeuille

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Extension 1 : Programme lin eaire en nombres entiers Extension 2 : Objectif quadratique

Mod elisation continue :

Variables : xi = Proportion de lavoir i I dans le portefeuille Objectif : Minimiser Contraintes : p i xi R x i I i = 1 xi 0,


i I i I j I

Ci ,j xi xj

i I

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Extension 1 : Programme lin eaire en nombres entiers Extension 2 : Objectif quadratique

Mod elisation enti` ere :

Variables : xi =

1 si on prend lavoir i I 0 sinon


i I j I

Objectif : Minimiser Contraintes :

Ci ,j xi xj

i I p i x i R xi {0, 1},

i I

P. Pesneau pierre.pesneau@math.u-bordeaux1.fr

Programmation Lin eaire - Cours 1

Quelques exemples Approche graphique Approche g eom etrique Extensions

Extension 1 : Programme lin eaire en nombres entiers Extension 2 : Objectif quadratique

Mod elisation enti` ere : lin earisation de lobjectif


Variables : xi = 1 si on prend lavoir i I 0 sinon 1 si les avoirs i , j I sont pris ensemble yi ,j = 0 sinon Objectif : Minimiser Minimiser i I j I Ci ,j xi xj C y i , j i , j i I j I Contraintes : yi ,j xi i , j I yi ,j xj i , j I yi ,j xi + xj 1 i , j I yi ,j {0, 1}, i , j I p x R i I i i xi {0, 1}, i I
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Programmation Lin eaire - Cours 1

Vous aimerez peut-être aussi