ENCG 2011-2012

ENCG 2011-2012

INTRODUCTION A LA PROGRAMMATION LINEAIRE

On appelle Programmation Linaire, le problme mathmatique qui consiste optimiser (maximiser ou minimiser) une fonction linaire de plusieurs variables qui sont relies par des relations linaires appeles contraintes. 1) RESOLUTION GRAPHIQUE Cette mthode n'est applicable que dans le cas o il n'y a que deux variables. Son avantage est de pouvoir comprendre ce que fait la mthode gnrale du Simplexe, sans entrer dans la technique purement mathmatique. Soit rsoudre le problme suivant: Maximiser la fonction objectif sous les contraintes conomiques

et les contraintes de signe les inconnues x1 et x2 sont appeles variables d'activit

z = 1200 x1 + 1000 x2 3 x1 + 4 x2 160 6 x1 + 3 x2 180 x1 0 ; x2 0

Les contraintes conomiques et de signe sont reprsentes graphiquement par des demi-plans dont l'intersection est un ensemble convexe (c..d. tout segment de droite dont les extrmits appartiennent l'ensemble est entirement inclus dans cet ensemble). Les solutions, si elles existent appartiennent donc cet ensemble appel rgion des solutions admissibles.

ENCG 2011-2012 Il s'agit donc de chercher l'intrieur de ce domaine, le couple (x1 , x2) maximisant la fonction objectif. Or l'quation 1200 x1 + 1000 x2 = z0 est reprsente par une droite de pente constante (-1,2) dont tous les points (x1 , x2) fournissent la mme valeur z0 pour la fonction conomique. En particulier, la droite 1200 x1 + 1000 x2 = 0 passe par l'origine et donne une valeur nulle la fonction conomique. Pour augmenter la valeur de z0 et donc la fonction conomique, il suffit d'loigner de l'origine (dans le quart de plan x1 0 ; x2 0) la droite de pente -1,2 Pour respecter les contraintes, cette droite sera dplace jusqu' l'extrme limite o il n'y aura plus qu'un point d'intersection (ventuellement un segment) avec la rgion des solutions admissibles.

On remarquera que la solution optimale se trouve ncessairement sur le pourtour de la rgion des solutions admissibles. La solution se trouvant sur les deux droites d'quation 3 x1 + 4 x2 = 160 6 x1 + 3 x2 = 180 la rsolution de ce systme conduit la solution x1 =16 , x2 = 28, d'o z = 47200. 2) METHODE DU SIMPLEXE a) Forme canonique d'un Programme Linaire Max z = c1 x1 + c2 x2 + .......... +cn xn a11 x1 + a12 x2 + .......... + a1n xn b1 a21 x1 + a22 x2 + .......... + a2n xn b2
............................................................................

ENCG 2011-2012

am1 x1 + am2 x2 + .......... + amn xn bm x1 0 ; x2 0 ; .........; xn 0

b) Forme standard d'un Programme Linaire On transforme les ingalits des contraintes conomiques en galits par introduction de variables supplmentaires positives ou nulles appeles variables d'cart. ai1 x1 + ai2 x2 + .......... + ain xn bi devient ai1 x1 + ai2 x2 + .......... + ain xn + ti = bi d'o la forme standard Max z = c1 x1 + c2 x2 + ..........+ cn xn a11 x1 + a12 x2 + .......... + a1n xn + t1 = b1 a21 x1 + a22 x2 + .......... + a2n xn + t2 = b2
............................................................................

am1 x1 + am2 x2 + .......... + amn xn + tm = bm x1 0 ; x2 0 ; .........; xn 0 ; t1 0 ; t2 0 ; .........; tm 0

c) Rsolution Afin de comparer avec la rsolution graphique, nous pouvons considrer que nous sommes dans un espace n dimensions (nombre de variables d'activit). Les contraintes dlimitent un polydre convexe, rgion des solutions admissibles; la fonction objectif est un hyperplan que l'on va dplacer le plus loin possible de l'origine, jusqu' l'extrme limite o il n'y aura plus qu'un point d'intersection (ventuellement un segment, un plan...) avec la rgion des solutions admissibles. La solution se trouvant forcment sur le pourtour du polydre admissible, la mthode du simplexe consiste en itrations qui font passer d'un sommet du polydre un autre en slectionnant le sommet adjacent maximisant la fonction objectif. Pour dmarrer l'algorithme, il est ncessaire d'avoir une solution initiale. Dans le cas simple, l'origine est solution, c..d. que la premire solution est x1 = 0 ; x2 = 0 ; .........; xn = 0 ; t1 = b1 ; t2 = b2 ; .........; tm = bm (ceci suppose que les bi ne soient pas ngatifs pour satisfaire les contraintes de signe) L'algorithme, bas sur la mthode du pivot de Gauss pour la rsolution des systmes d'quations linaires, est prsent sous forme de tableau. Soit rsoudre le programme linaire suivant sous sa forme canonique 3 x1 + 4 x2 160 6 x1 + 3 x2 180 Max z = 1200 x1 + 1000 x2 x1 0 ; x2 0 * Forme standard 3 x1 + 4 x2 + 1 t1 + 0 t2 = 160 6 x1 + 3 x2 + 0 t1 + 1 t2 = 180 Max z = 1200 x1 + 1000 x2 + 0 t1 + 0 t2 x1 0 ; x2 0 ; t1 0 ; t2 0

ENCG 2011-2012 * Tableau 0 en ne conservant que les coefficients des quations ci-dessus, on obtient le tableau de dpart HB B

x1
3 6 1200

x2
4 3 1000

t1
1 0 0

t2
0 1 0

C 160 180 0

t1 t2

Ce tableau nous donne la premire solution admissible: - Les variables Hors Base (HB) sont nulles: x1 = 0 ; x2 = 0 (t1 et t2 en rouge ne sont pas hors base; elles ne sont prsentes que pour rappeler qu'il s'agit des colonnes des coefficients de ces deux variables) - Les valeurs des variables dans la Base (B) se lisent dans la colonne C: t1 = 160 et t2 =180 - La dernire cellule (intersection de C et ) donne la valeur de -z : -z = 0 donc z = 0 - La ligne donne les valeurs marginales ou taux marginal de substitution; elles s'interprtent de la manire suivante: ce stade de la solution, une augmentation de 1 unit de x1 ferait accrotre la fonction objectif de 1200, et une augmentation de 1 unit de x2 ferait accrotre la fonction objectif de 1000. * Tableau 1 On augmente la fonction objectif en faisant entrer une variable dans la base, prenant la place d'une variable qui va sortir de la base. Critre de slection de la variable entrant dans la base: On slectionne la variable HB ayant le plus grand coefficient positif dans la ligne .

x1 entre donc dans la base

Pour slectionner la variable sortant de la base, il est ncessaire de rajouter une colonne R au tableau, obtenue en faisant le rapport membre membre de la colonne C et de la colonne de la variable entrant dans la base (x1) Remarques sur la colonne R: - Un 0 dans la colonne C est remplac par un infiniment petit positif pour effectuer le calcul de R - Dans la colonne R on ne tient pas compte des valeurs ngatives ou indtermines HB B

x1
3 6 1200

x2
4 3 1000

t1
1 0 0

t2
0 1 0

C 160 180 0

R 160/3 30

t1 t2

Critre de slection de la variable sortant de la base: On slectionne la variable dans la Base ayant le plus petit coefficient positif dans la colonne

ENCG 2011-2012 R .

t2 sort donc de la base

HB B

x1
3 6

x2
4 3

t1
1 0 0

t2
0 1 0

C 160 180 0

R 160/3 30 variable sortant

t1 t2

1200 1000 variable entrant

On appelle pivot (gal 6) l'intersection de la variable entrante et de la variable sortante Pour obtenir le tableau 1, on applique les rgles suivantes: - Le pivot est gal 1 - Les coefficients de la ligne du pivot sont diviss par le pivot - Les coefficients de la colonne du pivot sont nuls - Les autres coefficients sont obtenus par la rgle du rectangle La rgle du rectangle est la suivante:

Remarque importante: d = d' c b = 0 b = 0 ou c = 0 En consquence, si dans la colonne (resp. ligne) du pivot il y a un 0, toute la ligne (resp. colonne) correspondante reste inchange.

En appliquant ces rgles on obtient le tableau 1:

ENCG 2011-2012 HB B

x1
0 1 0

x2
5/2 1/2 400

t1
1 0 0

t2
-1/2 1/6 -200

C 70 30 -36000

t1 x1

Ce tableau nous donne la deuxime solution admissible: - Les variables Hors Base (HB) sont nulles: x2 = 0 ; t2 = 0 (x1 et t1 en rouge ne sont pas hors base; elles ne sont prsentes que pour rappeler qu'il s'agit des colonnes des coefficients de ces deux variables) - Les valeurs des variables dans la Base (B) se lisent dans la colonne C: t1 = 70 et x1 =30 - La dernire cellule (intersection de C et ) donne la valeur de -z : -z = -36000 donc z = 36000 - La ligne donne les valeurs marginales ou taux marginal de substitution; elles s'interprtent de la manire suivante: ce stade de la solution, une augmentation de 1 unit de x2 ferait accrotre la fonction objectif de 400, et une augmentation de 1 unit de t2 ferait diminuer la fonction objectif de 200 (il est noter qu'une augmentation de 1 unit de la variable d'cart t2 revient diminuer le second membre de l'quation correspondante de 1 unit). * Tableau 2:

HB B

x1
0 1 0

x2
5/2 1/2 400 variable entrant

t1
1 0 0

t2
-1/2 1/6 -200

C 70 30 - 36000

R 28 60 variable sortant

t1 x1

d'o le tableau 2 HB B

x1
0 1 0

x2
1 0 0

t1
2/5 -1/5 -160

t2
-1/5 4/15 -120

C 28 16 - 47200

x2 x1

Ce tableau nous donne la troisime solution admissible: - Les variables Hors Base (HB) sont nulles: t1 = 0 ; t2 = 0 (x1 et x2 en rouge ne sont pas hors base; elles ne sont prsentes que pour rappeler qu'il s'agit des colonnes des coefficients de ces deux variables)

ENCG 2011-2012 - Les valeurs des variables dans la Base (B) se lisent dans la colonne C: x2 = 28 et x1 =16 - La dernire cellule (intersection de C et ) donne la valeur de -z : -z = - 47200 donc z = 47200 - La ligne donne les valeurs marginales ou taux marginal de substitution; elles s'interprtent de la manire suivante: ce stade de la solution, une augmentation de 1 unit de t1 ferait diminuer la fonction objectif de 160, et une augmentation de 1 unit de t2 ferait diminuer la fonction objectif de 120 (il est noter qu'une augmentation de 1 unit d'une variable d'cart revient diminuer le second membre de l'quation correspondante de 1 unit). Critre d'arrt des itrations: Si tous les coefficients de la ligne , relatifs aux variables HB, sont ngatifs ou nuls, la solution trouve est optimale. Nous avons donc ici atteint la solution optimale. Remarques importantes: - S'il existe une variable HB ayant un coefficient positif dans la ligne et telle que tous les coefficients correspondants dans le tableau soient nuls ou ngatifs, alors la solution est infinie. - Si, la fin des itrations, une variable est HB avec un coefficient nul dans la ligne , alors on a une arte (plan,...) optimale. Les autres sommets solutions sont obtenus en faisant rentrer cette variable dans la base. 3) DUAL A tout programme linaire appel PRIMAL correspond un programme linaire appel DUAL obtenu de la manire suivante: PRIMAL m contraintes d'infriorit n variables d'activit m variables d'cart criture en ligne PRIMAL 3 x1 + 4 x2 160 6 x1 + 3 x2 180 Max z = 1200 x1 + 1000 x2 x1 0 ; x2 0 DUAL n contraintes de supriorit n variables d'cart m variables d'activit criture en colonne exemple DUAL 3 y1 + 6 y2 1200 4 y1 + 3 y2 1000 Min w = 160 y1 + 180 y2 y1 0 ; y2 0

A l'optimum, le primal et le dual sont lis par les rgles suivantes: - les fonctions objectifs z et w ont la mme valeur optimale - la valeur marginale d'une variable dans un programme est gale l'oppos de la valeur optimale de la variable associe dans l'autre programme et rciproquement. exemple PRIMAL

z = 47200

x1

x2

t1

t2

ENCG 2011-2012 valeurs optimales valeurs marginales 16 0 28 0 0 -160 0 -120

w = 47200
DUAL valeurs optimales valeurs marginales

u1
0 -16

u2
0 -28

y1
160 0

y2
120 0

B) FORME USUELLE D'UN PROGRAMME LINEAIRE Considrons la forme usuelle d'un Programme Linaire: Max ou Min z = c1 x1 + c2 x2 + .......... + cn xn a11 x1 + a12 x2 + .......... + a1n xn b1 a21 x1 + a22 x2 + .......... + a2n xn b2
............................................................................

am1 x1 + am2 x2 + .......... + amn xn bm x1 0 ; x2 0 ; .........; xn 0

La rsolution du problme Maximum a t vue prcdemment. La rsolution du problme Minimum ne pose pas de difficult; il suffit, dans le critre de slection de la variable entrant dans la base, de remplacer "plus grand coefficient positif "par "plus grand coefficient ngatif" et dans le critre d'arrt des itrations de remplacer "coefficients ngatifs ou nuls " par "coefficients positifs ou nuls". C) FORME NON USUELLE D'UN PROGRAMME LINEAIRE La rsolution du problme prcdent ncessite les assertions suivantes:

Les seconds membres sont non-ngatifs: bi 0 (ncessaire pour avoir une solution initiale) Les variables d'activit sont non-ngatives : xi 0 Les contraintes sont de type " "

Que peut-on faire lorsque ces conditions ne sont pas respectes? a) Un second membre est ngatif Il suffit de multiplier la contrainte par -1. Ceci a pour effet de changer le sens de l'ingalit [voir c)] b) Une variable d'activit n'est pas contrainte la non-ngativit Tout nombre, positif ou ngatif, peut toujours tre crit comme la diffrence de deux nombres non-ngatifs (par exemple, - 4 = 6 - 10). Il suffit donc de remplacer la variable d'activit par la diffrence de deux nouvelles variables d'activit non-ngatives (le nombre de variables d'activit augmente de 1).

ENCG 2011-2012 c) Une contrainte n'est pas du type " " Nous distinguons deux cas: la contrainte est du type " " ou du type " = " - Contrainte du type " " Il suffit de rajouter une variable d'cart non-ngative ai1 x1 + ai2 x2 + .......... + ain xn bi devient ai1 x1 + ai2 x2 + .......... + ain xn - ti = bi Il est noter qu'il n'y a plus de solution initiale vidente: en effet pour x1 = 0 ; x2 = 0 ; .........; xn = 0, ti = -bi, ce qui n'est pas une solution admissible car ti doit tre non-ngative. Tout se passe comme si cette variable d'cart tait une variable d'activit et que nous tions en prsence d'une contrainte de type " = " que nous allons traiter maintenant. - Contrainte du type " = " Dans le cas usuel les variables d'cart introduites taient reprsentatives des contraintes. Suivant le mme principe, nous rajoutons une variable non-ngative, dite variable artificielle, qui sera reprsentative de la contrainte dans la base. ai1 x1 + ai2 x2 + .......... + ain xn = bi devient ai1 x1 + ai2 x2 + .......... + ain xn + ei = bi Il est clair que pour que la contrainte d'galit soit respecte il faut que ei = 0. La solution initiale tant x1 = 0 ; x2 = 0 ; .........; xn = 0, ei = bi, l'algorithme doit permettre de mettre hors base cette variable artificielle afin qu'elle soit nulle lorqu'on atteindra la solution optimale. Si ceci n'est pas possible, le problme n'aura alors pas de solution. Exemple de forme non-usuelle (1) 3 x1 + 4 x2 - 2 x3 10 (2) 6 x1 + 3 x2 + 5 x3 = 20 (3) -2 x1 + 5 x2 - 4 x3 -5 (4) x1 0 ; x3 0 Max z = 12 x1 + 10 x2 + 8 x3 (1) On rajoute une variable d'cart t1 3 x1 + 4 x2 - 2 x3 + t1 = 10 (2) On rajoute une variable artificielle e2 6 x1 + 3 x2 + 5 x3 + e2 = 20 (3) On multiplie par -1 2 x1 - 5 x2 + 4 x3 5 On rajoute une variable d'cart t3 et une variable artificielle e3 2 x1 - 5 x2 + 4 x3 - t3 + e3 = 5 (4) x2 n'est pas contrainte la non-ngativit x2 = x'2 - x''2 Finalement le problme se ramne la forme standard suivante 3 x1 + 4 x'2 - 4 x''2 - 2 x3 + t1 = 10 6 x1 + 3 x'2 - 3 x''2 + 5 x3 + e2 = 20 2 x1 - 5 x2 + 5 x''2 + 4 x3 - t3 + e3 = 5 x1 0; x'2 0; x''2 0; x3 0; t1 0; t3 0; e2 0; e3 0 Max z = 12 x1 + 10 x'2 - 10 x''2 + 8 x3 10

ENCG 2011-2012 3) METHODE DES PENALITES ( ou du grand M) Cette mthode permet de tenir compte des variables artificielles. On les pnalise en leur affectant un coefficient de valeur trs leve dans la fonction conomique (- M pour un problme maximum, + M pour un problme minimum). Les pnalits ont pour objet de provoquer l'limination des variables artificielles au fil des itrations. Normalement, l'optimum (s'il existe) les variables artificielles sont hors base. Si celles-ci sont l'optimum dans la base, avec une valeur non nulle, le programme n'a pas de solution. Soit rsoudre le programme linaire suivant sous sa forme canonique 5 x1 + 6 x2 10 2 x1 + 7 x2 14 Min z = 3 x1 + 10 x2 x1 0 ; x2 0 * Forme standard 5 x1 + 6 x2 - 1 t1 + 0 t2 + 1 e1 + 0 e2 = 10 2 x1 + 7 x2 + 0 t1 - 1 t2 + 0 e1 + 1 e2 = 14 Min z = 3 x1 + 10 x2 + 0 t1 + 0 t2 + M e1 + M e2 x1 0 ; x2 0 ; t1 0 ; t2 0; e1 0 ; e2 0 * Tableau 0 HB B

x1
5 2 3

x2
6 7 10

t1
-1 0 0

t2
0 -1 0

e1
1 0 M

e2
0 1 M

C 10 14 0

e1 e2
'

La ligne ' donne les coefficients de la fonction conomique, mais pas les valeurs marginales des variables HB; de plus les variables artificielles sont dans la base et devraient donc avoir des valeurs marginales nulles. De manire gnrale, dans tout tableau du simplexe, si on note ck les coefficients de la fonction conomique et aik les coefficients du tableau, * les valeurs marginales mj sont - nulles pour les variables dans la base - gales cj - aik ck pour les variables hors base, la sommation tant faite sur toutes les variables de la base (les lignes du tableau) * la valeur de la fonction conomique est gale - aik ck d'o le tableau 0 (les calculs annexes ont t rajouts)

cj
HB B

10

x1

x2

t1

t2

e1

e2

ck

x1

aik ck x2 t1 t2

11

ENCG 2011-2012

e1 e2

5 2 3-7M

6 7 1013M

-1 0 M

0 -1 M

1 0 0

0 1 0

10 14 -24 M

M M

5M 2M 7M

6M 7M

-M 0

0 10M -M 14M 24M

13M -M -M

aik ck

* Tableau 1 Puisqu'on recherche un minimum, la variable entrante est celle qui a le plus grand coefficient ngatif, c..d. x2. En fait il suffit de regarder le coefficient de M car M est trs grand; le coefficient indpendant de M n'intervient que dans le cas o plusieurs variables ont le mme coefficient pour M. HB B

x1
5 2 3-7M

x2
6 7 10-13M

t1
-1 0 M

t2
0 -1 M

e1
1 0 0

e2
0 1 0

C 10 14 -24M variable sortant

e1 e2

variable entrant la variable artificielle sortant de la base, va se trouver dans la ligne avec un fort coefficient positif et ne pourra donc plus y entrer; on peut donc supprimer la colonne correspondante dans la suite des itrations, d'o le tableau 1 HB B

x1
5/6 -23/6 -16/3+(23/6)M

x2
1 0 0

t1
-1/6 7/6

t2
0 -1

e2
0 1 0

C 5/3 7/3 -50/3-(7/3)M

x2 e2
* Tableau 2 HB B

5/3-(7/6)M M

x1
5/6 -23/6 -16/3+(23/6)M

x2
1 0 0

t1
-1/6 7/6

t2
0 -1

e2
0 1 0

C 5/3 7/3 -50/3-(7/3)M variable sortant

x2 e2

5/3-(7/6)M M variable entrant

d'o le tableau 2

12

ENCG 2011-2012 HB B

x1
6/21 -23/7 1/7

x2
1 0 0

t1
0 1 0

t2
-1/7 -6/7 30/21

C 2 2 -20

x2 t1

On a atteint la solution optimale qui est x1 = 0; x2 = 2; t1 = 2; t2 = 0; z = 20. Remarque: dans le cas particulier de cet exemple qui tait sous forme standard, il aurait t plus rapide de traiter le problme dual et d'en dduire la solution du problme primal initial. 4) METHODE DES DEUX PHASES Cette mthode permet de tenir compte des variables artificielles. Dans une premire phase on rend nulles les variables artificielles : pour cela on minimise la somme des variables artificielles sous les contraintes du programme initial. Comme les variables artificielles sont forcment positives ou nulles le minimum est atteint quand elles sont nulles (si ce n'est pas le cas, c'est qu'il n'y a pas de solution). Une fois les variables artificielles annules, on a une solution de base admissible qui nous permet dans une seconde phase de rsoudre le programme initial. Soit rsoudre le programme linaire suivant x1 + x2 6 x1 4 x2 3 Max z = 5 x1 + 7 x2 x1 0 ; x2 0 PHASE 1 * Forme standard 1 x1 + 1 x2 - 1 t1 + 0 t2 + 0 t3 + 1 e1 + 0 e2 = 1 x1 + 0 x2 + 0 t1 - 1 t2 + 0 t3 + 0 e1 + 1 e2 = 0 x1 + 1 x2 + 0 t1 + 0 t2 +1 t3 + 0 e1 + 0 e2 = Min z' = e1 + e2 x1 0 ; x2 0 ; t1 0 ; t2 0; t3 * Tableau 0 HB B 6 4 3 0 ; e1 0 ; e2 0

x1
1 1 0 0

x2
1 0 1 0

t1
-1 0 0 0

t2
0 -1 0 0 13

t3
0 0 1 0

e1
1 0 0 1

e2
0 1 0 1

C 6 4 3 0

e1 e2 t3
'

ENCG 2011-2012

La ligne ' donne les coefficients de la fonction conomique, mais pas les valeurs marginales des variables HB; de plus les variables artificielles sont dans la base et devraient donc avoir des valeurs marginales nulles. De manire gnrale, dans tout tableau du simplexe, si on note ck les coefficients de la fonction conomique et aik les coefficients du tableau, les valeurs marginales mj sont - nulles pour les variables dans la base - gales cj - aik ck , la sommation tant faite sur toutes les variables de la base (les lignes du tableau) la valeur de la fonction conomique est gale - aik d'o le tableau 0 (les calculs annexes ont t rajouts)

cj
HB B

x1
1 1 0 -2

x2
1 0 1 -1

t1
-1 0 0 1

t2
0 -1 0 1

t3
0 0 1 0

e1
1 0 0 0

e2
0 1 0 0

C 6 4 3 -10

ck
1 1 0

x1
1 1 0 aik 2

aik ck x2 t1 t2
1 0 0 1 -1 0 0 -1 0 -1 0 -1

C 6 4 0 10

e1 e2 t3

ck

* Tableau 1 Puisqu'on recherche un minimum, la variable entrante est celle qui a le plus grand coefficient ngatif, c..d. x1. HB B

x1
1 1

x2
1 0

t1
-1 0 0 1

t2
0 -1 0 1

t3
0 0 1 0

e1
1 0 0 0

e2
0 1 0 0

C 6 4 3 -10 variable sortant

e1 e2 t3

0 1 -2 -1 variable entrant

la variable artificielle sortant de la base, va prendre une valeur nulle, ce que l'on dsire; il n'est donc pas question de la faire rentrer de nouveau dans la base et on peut donc supprimer la colonne correspondante dans la suite des itrations, d'o le tableau 1 * Tableau 2

14

ENCG 2011-2012 HB B

x1
0 1

x2
1 0

t1
-1 0

t2
1 -1 0 -1

t3
0 0 1 0

e1
1 0 0 0

C 2 4 3 -2 variable sortant

e1 x1 t3

0 1 0 0 -1 1 variable entrant

d'o le tableau 2 HB B

x1
0 1 0 0

x2
1 0 0 0

t1
-1 0 1 0

t2
1 -1 -1 0

t3
0 0 1 0

C 2 4 1 0

x2 x1 t3

L'optimum est atteint. Une solution de base admissible est donc x1 = 4 ; x2 = 2 ; t1 = 0 ; t2 = 0 ; t3 = 1 PHASE 2 * Tableau 0 A partir de cette solution de base admissible, on poursuit les itrations en reprenant la fonction objectif initiale Max z = 5 x1 + 7 x2 La ligne des valeurs marginales est bien sr modifie puisqu'on n'a plus la mme fonction conomique

cj
HB B

x1
0 1 0 0

x2
1 0 0 0

t1
-1 0 1 7

t2
1 -1 -1 -2

t3
0 0 1 0

C 2 4 1 -34

ck
7 5 0 aik ck

t1
-7 0 0 -7

aik ck t2 C
7 -5 0 2 14 20 0 34

x2 x1 t3

d'o le tableau 0

15

ENCG 2011-2012 HB B

x1
0 1 0 0

x2
1 0

t1
-1 0

t2
1 -1

t3
0 0 1 0

C 2 4 1 -34 -2 + infini variable sortant 1

x2 x1 t3

0 1 -1 0 7 -2 variable entrant

* Tableau 1 HB B

x1
0 1 0 0

x2
1 0 0 0

t1
0 0 1 0

t2
0 -1 -1 5

t3
1 0 1 -7

C 3 4 1 -41

x2 x1 t1

La solution optimale obtenue est donc infinie puisqu'une variable HB a une valeur marginale positive et tous ses coefficients ngatifs ou nuls dans le tableau. Il suffit de prendre x1 infini et x2 3

16