Vous êtes sur la page 1sur 69

COURS DE RECHERCHE OPRATIONNELLE

Bachelor L3

PROGRAMME
Chapitre I: La Programmation Linaire L3 B & Sgraphes Chapitre II:Bachelor La Thorie des Chapitre III: Ordonnancement de la production Chapitre IV: Flot dans un rseau de transport

CHAPITRE I: LA PROGRAMMATION LINAIRE 1- Introduction la PL par un exemple Bachelor L3 B & S p1, p2, p3 l'aide Une usine fabrique 3 produits de 3 machines M1, M2, M3. Le tableau de fabrication des produits p1, p2 et p3 par semaine est le suivant :
P1 M1 M2 M3 1h 3h 1h P2 3h 2h 1h P3 2h 1h 4h

CHAPITRE I: LA PROGRAMMATION LINAIRE Interprtation du tableau


P1 M1 M2 M3 1h 3h 1h P2 B & S Bachelor L3 3h 2h 1h P3 2h 1h 4h

Pour fabriquer une unit du produit P1, il faut 1 heure de fonctionnement de M1, 3 heures de fonctionnement de M2 et 1 heure de fonctionnement de M3,

CHAPITRE I: LA PROGRAMMATION LINAIRE Interprtation du tableau


P1 M1 M2 M3 1h 3h 1h P2 B & S Bachelor L3 3h 2h 1h P3 2h 1h 4h

Pour fabriquer une unit du produit P2, il faut 3 heures de fonctionnement de M1, 2 heures de fonctionnement de M2 et 1 heure de fonctionnement de M3,

CHAPITRE I: LA PROGRAMMATION LINAIRE Interprtation du tableau


P1 M1 M2 M3 1 P2 P3 2 3

Bachelor L3 B&S 3
2 1

Pour fabriquer une unit du produit P3, il faut 2 heures de fonctionnement de M1, 1 heure de fonctionnement de M2 et 4 heures de fonctionnement de M3.

CHAPITRE I: LA PROGRAMMATION LINAIRE On sait de plus, que chacune des machines M1, Bachelor B&S M2, ou M3 ne peut L3 fonctionner qu'un nombre d'heures imites par semaine, soit 40 heures pour M1, 45 heures pour M2, 38 heures pour M3. L'industriel connait de plus, le prix de vente unitaire de chacun des produits p1, p2 et p3. Il s'agit de 100 F pour p1, 140 F pour p2, et 120F pour p3.

CHAPITRE I: LA PROGRAMMATION LINAIRE Problme rsoudre B & S le modle linaire On demande Bachelor alors de L3 formuler qui permettrait d'obtenir la production des produits p1, p2 et p3 assurant l'industriel le chiffre d'affaire optimal(maximum dans ce cas).

CHAPITRE I: LA PROGRAMMATION LINAIRE Formulation du modle linaire Bachelor L3 B & Svariables Etape1: Dtermination des Notons par : x1, le nombre d'units de p1 fabriquer par semaine x2, le nombre d'units de p2 fabriquer par semaine x3, le nombre d'units de p3 fabriquer par semaine

CHAPITRE I: LA PROGRAMMATION LINAIRE Etape2: La fonction objectif Bachelor L3 B & daffaire S Objectif: maximiser le chiffre Notons par Z le prix de vente des 3 produits p1, p2 et p3. Z est appel fonction objectif (ou conomique). Le prix de vente est Z = 100x1 + 140x2 + 120x3

CHAPITRE I: LA PROGRAMMATION LINAIRE Etape 3: Les contraintes Bachelor L3 B & production: S Les contraintes de temps de M1 ne peut travailler plus de 40 heures par semaine. Pour fabriquer une unit de p1, il faut 1 heure de fonctionnement de M1, donc pour fabriquer x1 units de p1, il faut 1x1 heures de fonctionnement de M1;

CHAPITRE I: LA PROGRAMMATION LINAIRE Etape 3: Les contraintes Bachelor L3 B & S Pour fabriquer une unit de p2, il faut 3 heures de fonctionnement de M1, donc pour fabriquer x2 units de p2, il faut 3x2 heures de M1; Pour fabriquer une unit de p3, il faut 2 heures de M1, donc pour fabriquer x3 units de p3, il faut 2x3 heures de M1;

CHAPITRE I: LA PROGRAMMATION LINAIRE Etape 3: Les contraintes Bachelor L3 B & S Ainsi, pour M1, dans la semaine, il faut que: X1 + 3x2 + 2x3 40 Pour M2:

CHAPITRE I: LA PROGRAMMATION LINAIRE Etape 3: Les contraintes Bachelor L3 B & S Ainsi, pour M1, dans la semaine, il faut que: X1 + 3x2 + 2x3 40 Pour M2: il faut que 3x1 + 2x2 + x3 45 Et pour M3:

CHAPITRE I: LA PROGRAMMATION LINAIRE Etape 3: Les contraintes Bachelor L3 B&S Ainsi, pour M1, dans la semaine, il faut que: X1 + 3x2 + 2x3 40 Pour M2: il faut que 3x1 + 2x2 + x3 45 Et pour M3: X1 + x2 +4x3 38

CHAPITRE I: LA PROGRAMMATION LINAIRE Etape 3: Les contraintes Bachelor L3 B & S Contraintes de non ngativit des variables: X1, x2, et x3 reprsentent le nombre d'units des produits fabriquer. Elles doivent donc tre positives ou nulles, do: x10, x20, x30.

CHAPITRE I: LA PROGRAMMATION LINAIRE Etape 4: Le modle linaire En runissant les contraintes et la fonction Bachelor L3 B & S objectif, le programme linaire(standard) scrit: Max Z = 100x1 + 140x2 + 120x3 Sous les contraintes (PL) X1 + 3x2 +2x3 40 3x1 + 2x2 + x3 45 X1 + x2 + 4x3 38 x10, x20, x30

CHAPITRE I: LA PROGRAMMATION LINAIRE 2- Forme canonique dun programme linaire Le modle prcdent appel Bachelor est L3 B & S forme canonique du programme linaire, Tout programme linaire peut scrire sous la forme suivante, appele forme canonique:
(PL) Max(Min) Z = C1X1 + C2X2 + . CnXn Sc: a11X1 + a12X2+ a1jXj+ ..a1nXn b1 a21X1 + a22X2+ a2jXj+ ..a2nXn b2 - - - - - - - - - - - - - - -- - - - - - - - - - - - - am1X1 + am2X2+ amjXj+ ..amnXn bm xj0, j =1n

CHAPITRE I: LA PROGRAMMATION LINAIRE 2- Forme canonique dun programme linaire


Bachelor Ou tout simplement:
(PL)

L3 B & S
=1

Max (Min ) Z = Sc

CHAPITRE I: LA PROGRAMMATION LINAIRE 3- Forme standard dun programme linaire Bachelor L3 B & S A partir de la forme canonique, on peut crire la forme standard dun programme linaire en transformant les contraintes dinfriorit ou de supriorit des contraintes en contraintes dgalits en ajoutant des variables dcarts ou en retranchant des variables de surplus.

CHAPITRE I: LA PROGRAMMATION LINAIRE 3- Forme standard dun programme linaire Forme canonique avec des de type Bachelor L3 contraintes B&S
Max(Min) Z = Sc:
=1

Max(Min) Z = Sc: (PL)


=1

(PL)

Forme canonique

Forme standard

CHAPITRE I: LA PROGRAMMATION LINAIRE 3- Forme standard dun programme linaire Forme canonique avec des de type Bachelor L3 contraintes B&S
Max(Min) Z = Sc:
=1

Max(Min) Z = Sc:
=1

(PL)

(PL)
-

Forme canonique

Forme standard

CHAPITRE I: LA PROGRAMMATION LINAIRE Remarque


X1, x2, . . . ,xj sont appels variables de commande, et e1, e2, . . . ., em Bachelor sont appeles variables dcarts. L3 B & S

CHAPITRE I: LA PROGRAMMATION LINAIRE 3- Formes matricielles dun programme linaire


Considrons un programme linaire sous forme canonique:

Bachelor L3 B & S

=1

Max (Min ) Z = (PL) Sc

CHAPITRE I: LA PROGRAMMATION LINAIRE 3- Formes matricielles dun programme linaire


Cette criture est quivalent : Max (Min ) Z = Ct X sc AXB X0

Bachelor L3 B & S

(PL)

O A, B, C et X sont des matrices dfinit par:

Chapitre i: La programmation linaire


3- Formes matricielles dun programme linaire
c1 c2 . . . cn x1 x2 . . . xn b1 b2 . . . bm

C=

X=

B=

C t est la transpose de la matrice C, C t = [c1, c2, . . . ., cn]

Chapitre i: La programmation linaire


3- Formes matricielles dun programme linaire A est la matrice dfinit par:
a11 a12 . . . . . . . a1n a21 a22 . . . . . . . a2n . . . am1 am2 . . . . . . . amn

A=

Cette criture est appele forme matricielle (de la forme canonique)du programme linaire. La forme matricielle pour la forme standard est:

CHAPITRE I: LA PROGRAMMATION LINAIRE 3- Formes matricielles dun programme linaire


Cette criture est quivalent : Max (Min ) Z = Ct X = C t X sc A X + E = B AX = B X, E 0

Bachelor L3 B & S

(PL)

O A, B, C et X sont des matrices dfinit par:

Chapitre i: La programmation linaire


3- Formes matricielles dun programme linaire
c1 . cn 0 . 0 x1 . xn e1 . en b1 b2 . . . bm e1 e2 . E= . em

C =

X =

B=

Et

Chapitre I: La programmation linaire


3- Formes matricielles dun programme linaire A est la matrice dfinit par:
a11 a12 . . . . . . . a1n 1 . . . . . . . . 0 a21 a22 . . . . . . . a2n 0 1 . . . . .. . 0 . . . am1 am2 . . . . . . . amn 0 . . . . . . . . . 1

A =

Cette criture est appele forme matricielle (de la forme standard)du programme linaire.

Applications: Donnez les formes standard et matricielles

de lexemple introductif,

Chapitre I: La programmation linaire


3- Rsolution des programmes linaires Il existe plusieurs mthodes de rsolution des programmes linaires. 3-1. La mthode graphique Elle est simple dapplication mais inapproprie si le nombre de variables devient important ( 3). La rsolution graphique permet de dterminer la solution d'un problme linaire par la construction d'un graphique. La solution, si elle existe est un des sommets (angle) d'un polytope. Cette mthode repose sur le principe suivant:

Chapitre I: La programmation linaire


3-1. La mthode graphique 1. Construire un repre orthonorm 2. Construire les droites d'quations reprsentant les diffrentes contraintes 3. Dterminez le domaine des solutions possibles en fonctions des contraintes. 4. Si cette rgion ou domaine constitue un ensemble convexe ferm (polytope), une solution optimale existe. 5. Dterminer les points extrmes de l'ensemble convexe 7. Dterminez partir de la fonction objectif, quel point extrme donne la solution optimale.

Chapitre I: La programmation linaire


3-1. La mthode graphique Exemple Une usine fabrique deux produits p1 et p2 l'aide de trois matires premires M1, M2 et M3 dont on dispose en quantits limites. Pour fabriquer une unit de p1, il faut une unit de M1, une unit de M2 et 2 units de M3. Pour fabriquer une unit de p2, il faut 3 units de M1, 1 unit de M2 et 1 unit de M3. On dispose de 18 units de M1, 8 units de M2 et 14 units de M3. Les prix de vente (en milliers) sont : 1 F par unit de p1 et 4 F par unit de p2.

Chapitre I: La programmation linaire


3-1. La mthode graphique 1. Donnez le problme linaire permettant de rsoudre le problme pour maximiser les bnfices de l'industriel. 2. Donnez la forme standard du problme 3. Rsoudre graphiquement le problme linaire. Rsolution

Chapitre I: La programmation linaire


3-1. La mthode graphique Le problme sous forme standard scrit: Max Z = x1 + 4x2 Sc (PL) x1 + 3x2 + x3 =18 x1 + x2 +x4 = 8 2x1 + x2 + x5 =14 x1, x2, x3, x4, x5 0

Chapitre I: La programmation linaire


3-1. La mthode graphique Soit x1, la quantit de p1 fabriquer, x2 la quantit de p2. Il s'agit de maximiser le problme linaire. Max Z = x1 + 4x2 Sc x1 + 3x2 18 x1 + x2 8 2x1 + x2 14 X1, x2, x3 0

(PL)

Chapitre I: La programmation linaire


3-1. La mthode graphique Rsolution graphique On reprsente les droites d'quations des contraintes (de la forme ax + by = c) (D1): x1 + 3x2 =18 elle passe par deux points (0, 6) et (6,4) (D2) : x1 + x2 =8 elle passe par deux points (4,4) et (3,5) (D3): 2x1 + x2 =14 elle passe par les points (7,0) et (4,6) On obtient un ensemble convexe ferm et dont les points extrmes sont A(3,5), B(6, 2), C(0,6) et D(7,0) Pour A(3,5), Z = 23, avec B, on a Z = 14, avec C, on a Z = 24, avec D, on trouve Z = 7. La solution optimale est alors C*(0,6).

Chapitre I: La programmation linaire


3-2. La mthode du simplexe Elle sapplique la forme standard dun programme linaire. Lensemble des solutions ralisables est un polydre convexe appel SIMPLEXE. Les sommets du simplexe sont appels solutions de base ralisables. La mthode du simplexe consiste partir dune solution de base initiale ralisable, parcourir les autres sommets du simplexe par des changements de base successifs, jusqu obtenir le sommet qui donne la solution optimale. Variables de base, variables hors base Un changement de base entraine une modification de la fonction objectif en fonction des variables de commande et des variables dcart.

Chapitre I: La programmation linaire


3-2. La mthode du simplexe Pour toute solution de base, les variables de base sont celles qui ont une valeur non nulle, et les variables hors base sont celles qui ont une valeur nulle. Changement de base Un changement de base consiste remplacer un vecteur de base par un vecteur hors base par: - Le choix de la variable hors base faire rentrer dans la base. - - le choix de la variable de base faire sortir de la base.

Chapitre I: La programmation linaire


3-2. La mthode du simplexe Test doptimalit On effectue le test doptimalit en regardant dans la fonction objectif, sil est encore possible damliorer la solution en faisant sortir une variable de la base. Application Soit rsoudre le programme linaire suivant: Min Z = -3x1 -5x2 sc: 3x1 + 2x2 18 (PL) x1 4 2x2 12 x1, x2 0

Chapitre I: La programmation linaire


La forme standard scrit Min Z = -3x1 -5x2 +0e1 + 0e2 + 0e3 sc: 3x1 + 2x2 + e1 = 18 (PL) x1 + e2 = 4 2x2 + e3 =12 x1, x2, e1, e2, e3 0 On peut crire : Min Z = -3x1 -5x2 +0e1 + 0e2 + 0e3 sc: e1 = 18 - 3x1 - 2x2 (1) (PL) e2 = 4 - x1 (2) e3 = 12 - 2x2 (3) x1, x2, e1, e2, e3 0

Chapitre I: La programmation linaire


On pose: x1 = 0, x2 = 0, donc e1 = 14, e2 = 4, e3 = 12. Ainsi (0, 0, 14, 4, 12) est une solution de base initiale avec Z = 0 pour cette solution. X1 et x2 sont les variables hors base, e1, e2 et e3 sont les variables de base. Premire itration (amlioration de la fonction objectif) On cherche minimiser la valeur de Z. il est avantageux d'augmenter la valeur de x2, puisque x2 contribue plus que x1 la diminution de Z . Donc x2 est susceptible entrer dans la base.

Chapitre I: La programmation linaire


Dtermination de la variable de sortie(donc rendre nulle) On peut alors conserver x1 = 0, puis chercher la plus grande valeur que peut prendre x2 sans violer les contraintes du problme, c'est-dire e3, e4, e50. e1 = 18 - 3x1 - 2x2 (1) e2 = 4 - x1 (2) e3 = 12 - 2x2 (3) x1, x2, e1, e2, e3 0

(PL)

X1 = 0 alors (1) => e1 = 18 2x2 0 donc x2 9 e3 0 donc (3) => 12 -2x2 0 on a alors x2 6 La plus grand valeur que prendre x2 est donc x2 = 6 (car si on prend x2 = 9), alors e3 0 daprs (3). Pour x2 = 6, on a e3 = 0 daprs (3). donc e3 est la variable de sortie,

Chapitre I: La programmation linaire


Dtermination de la variable de sortie(donc rendre nulle) On obtient une nouvelle solution de base ralisable (0, 6, 6, 4,0). Pour cette solution de base, x1 et e3 sont les variables hors base, x2, e1 et e2 sont les variables de base. Z = -30 Pour savoir si on peut toujours amliorer la solution, on exprime z en fonction des seules variables hors base x1 et e3: Daprs (3), on a x2 = 6 -1/2 e3 (4) Z = -3x1 -5x2 +0e1 + 0e2 + 0e3 = -3x1 -5(6-1/2 e3) = -30 - 3x1+5/2 e3

Chapitre I: La programmation linaire


2e itration Z = -30 - 3x1+5/2 e3 On constate qu'une augmentation de la valeur de e3 entraine une augmentation de la valeur de Z. il faut donc maintenir e3 = 0. Par contre une augmentation de la valeur de x1 entraine une diminution de la valeur de Z. donc x1 est variable dentre. Cherchons alors la plus grande valeur que peut prendre x1 tout en respectant les contraintes x2, e1, e2 0 Pour cela, on exprime les variables de base en fonction des variables hors base. Ce qui donne:

Chapitre I: La programmation linaire


2e itration Ce qui donne: e1 = 18 -3x1 -2x2 = 18 3x1 -2(6 d aprs (4) do: e1 = 6 3x1 + e3 et e1 0 => 6 -3x1 0 et donc x1 2 e2 = 4 x1 0 =>x1 4 On dduit alors que x1 = 2
1 2 1 - e3) 2

= 6 -3x1 + e3

X2 = 6 e3 => x2 = 6 car e3 =0. Ainsi e1 = 0 (variable de sortie). On obtient une nouvelle solution de base ralisable (2, 6,0, 2, 0)

Chapitre I: La programmation linaire


On obtient une nouvelle solution de base ralisable (2, 6,0, 2, 0) Pour cette solution de base, e1 et e3 sont les variables hors base tandis que x1, x2 et e2 sont les variables de base, pour cette solution, z = -36. Pour savoir si cette solution est optimale, on exprime z en fonction des variables hors base e1 et e3 Z = = -3x1 -5x2 = e1-e3-6-5(6e1 + e3 -36
3 2 1 e3)= 2

e1-e3-6-30

5 + e3 2

Chapitre I: La programmation linaire


On constate alors que toute augmentation de la valeur de e1 ou e3 entraine une augmentation de la valeur de Z. e1 et e3 doivent donc rester 0. La solution prcdente est donc une solution optimale. On note x* = (2, 6, 0, 2, 0). Z = e1 + e3 -36
3 2

Chapitre I: La programmation linaire


3-3. La mthode des tableaux du simplexe La mthode du simplexe permettra, par des tableaux appel tableaux du simplexe, de raliser les itrations. Nous allons associer chaque itration, un tableau rsumant le problme tel qu'il se prsente.

3-3. La mthode des tableaux du simplexe


Tableau initial
Ve
Second membre 18 4 12 0 Valeur de Z quotient

Variables de base x1 e1 e2 3 1 0 -3

x2 2 0 (2) -5

e1 1 0 0 0

e2 0 1 0 0

e3 0 0 1 0

L1 L2 L3

Vs

e3 coeff de Ct

c1

c2

c3

c4

c5

3-3. La mthode des tableaux du simplexe


Premire itration On regarde les coefficients des variables hors base sur la dernire ligne (ligne de Z). On marque la colonne o se trouve le coefficient ngatif le plus faible, soit r cette colonne ; la variable se trouvant dans cette colonne entre dans la base ; ici cest x2.
Ve
Variables de base x1 e1 e2 3 1 0 -3 Second membre 18 4 12 0 Valeur de Z quotient

x2 2 0 (2) -5

e1 1 0 0 0

e2 0 1 0 0

e3 0 0 1 0

L1 L2 L3

Vs

e3 coeff de Ct

c1

c2

c3

c4

c5

3-3. La mthode des tableaux du simplexe


Premire itration Pour chaque ligne i on calcule le quotient qi = bi/aik (aik>0) . On marque la ligne du quotient positif le plus faible, soit s cette ligne; la variable de cette ligne sort de la base ; ici cest e3. llment se situant lintersection de la colonne ve et de la ligne vs est appel pivot, ici cest a32
Ve
Variables de base x1 e1 e2 3 1 0 -3 Second membre 18 4 12 0 quotient

x2 2 0 2 -5

e1 1 0 0 0

e2 0 1 0 0

e3 0 0 1 0

18/2 = 9 12/2 = 6

L1 L2 L3
Valeur minimum

Vs

e3 coeff de Ct

c1

c2

c3

c4

c5

Valeur de Z

3-3. La mthode des tableaux du simplexe


Premire itration X2 remplace donc e3 dans la base. On excute le pivot comme suit: La ligne du pivot est divise par le pivot Le reste de la colonne du pivot est mis zro, Pour toutes les autres cellules, sauf celle qui contient la valeur de z, la nouvelle valeur est : aij = aij (air.asj)/asr o asr est le pivot, La nouvelle valeur de z : z = z + (bs . Cr)/asr On obtient le nouveau tableau du simplexe:

3-3. La mthode des tableaux du simplexe


Ve

Variables de base x1

Second membre x2 0 0 1 0 e1 1 0 0 0 e2 0 1 0 0 e3 -1 0
1 2 5 2

Vs

e1 e2 X2

3 1 0 -3

6 4 6 -30

Itration 2 On rpte le mme processus que prcdemment. On obtient le tableau suivant.

3-3. La mthode des tableaux du simplexe


Variables base X1 e2 0 X2 0 0 1 0 0 1 0 de x1 1 x2 0 e1
1 3

Second membre e2 0
1 3

e3 1
1 3

0 0

1 2 3 2

1 3

2 6 -36

Les variables de la solution optimale

On remarque dans ce tableau que tous les cots sont positifs ou nuls, donc la solution est optimale: X* = (x1*, x2*, e1*, e2*, e3*) = (2, 6, 0, 2, 0) et z* = -36

3-3. La mthode des tableaux du simplexe


Algorithme du simplexe pour un problme de

Si ais > 0 pour au moins un i, dterminez r tel que

et / ais>0} La variable de base se trouvant sur la r eme ligne est la variable de sortie. Etape3: excuter le pivot sur l'lment pivot ars et retourn l'etape1.

minimisation: Etape 1: dterminez s tel que Cs = min Cj Si Cs 0 alors la solution est optimale Si Cs < 0 alors Xs est la variable d'entre Etape2: si ais 0 le problme n'est pas born infrieurement

= min{

3-3. La mthode des tableaux du simplexe


Algorithme du simplexe pour un problme de

Si ais > 0 pour au moins un i, dterminez r tel que

maximisation Etape 1: dterminez s tel que Cs = max{ Cj} Si Cs 0 alors la solution est optimale Si Cs > 0 alors Xs est la variable d'entre Etape2: si ais 0 quelque soit i, le problme n'est pas born suprieurement

= min{

et / ais>0} La variable de base se trouvant sur la r eme ligne est la variable de sortie Etape3: excuter le pivot sur l'lment pivot ars et retourn l'etape1.

4. Dualit en programmation linaire


Dfinition

Soit le programme linaire suivant:


(PL) Max Z = C X (PL) sc AXB X0

Ce programme est appel programme primal. On appelle programme dual de ce programme, le programme linaire dfinit comme suit: Min y = B U sc AUC U0
t t

(PL)

4. Dualit en programmation linaire


Thoriquement Soit un problme de production et de ventes darticles partir de matires premires Le primal: maximiser le chiffre daffaires des ventes Etant donn la valeur unitaire (cj) de chaque produit (prix de vente unitaire dun produit, bnfice sur un produit ), et une borne suprieure la disponibilit de chaque ressource (bi), combien de chaque produit (xj) doit on fabriquer pour maximiser la valeur totale des ressources utilises?

4. Dualit en programmation linaire


Thoriquement Le dual: minimiser le cot de production Etant donn la disponibilit de chaque ressource (bi) et une borne infrieure la valeur unitaire(cj) de chaque produit vendu, quelles devront tre les valeurs unitaires yi des ressources pour minimiser la valeur totale des ressources utilises?
Rgles de construction primal dual tant donn un problme primal, on peut construire le

dual laide du tableau suivant:

4. Dualit en programmation linaire


Primal MAX Dual MIN

Contrainte i Contrainte i 0 Contrainte i = Variable xj 0 Variable xj libre

Yi 0 Yi 0

Variable yi libre Contrainte j Contrainte j= PRIMAL MIN Contrainte j

Variable xj 0

DUAL MAX

4. Dualit en programmation linaire


Exemple:
Max Z = 2x1 + x2 + 3x3 + 4x4

Sa: x1 + x2 x3 +2x4 6 (Primal) 2x1 + 3x3 + 4x3 +5x4 2 -x1 +6x2 + x3 x4 = 1 X1 0, x2 IR, x3 0, x4 0 Min V = 6y1 +2y2 + y3 Sc: y1 + 2y2 y3 2 y1 + 3y2 +6y3 = 1 - y1 + 4y2 +y3 3 2 y1 + 5y2 -y3 4 y1 0, y2 0 , y3 dans IR

y1 0 y2 0 y3 IR

(Dual)

4. Dualit en programmation linaire


Thorme de la dualit (forte) Si lun des deux programmes (primal ou dual) admet une solution optimale, lautre en admet galement une. Le maximum de lun est gal au minimum de lautre, c.--d. qu loptimum, les deux problmes ont la mme valeur pour la fonction objectif. Soient x et y des solutions ralisables respectivement du problme primal (PL) et du problme dual (PLD). Alors x et y sont des solutions ralisables optimales si et seulement si les conditions d'optimalit primal-dual (COPD) suivantes sont vrifies:

4. Dualit en programmation linaire


Thorme de la dualit (forte) Si une contrainte est satisfaite en tant qu'ingalite stricte dans (PL) (resp. (PLD)) alors la variable correspondante de (PLD) (resp. (PL)) est nulle. Si la valeur d'une variable dans (PL) ou (PLD) est strictement positive alors la contrainte correspondante de l'autre programme est une galit. Application: Considrons le programme linaire rsolu avec la mthode du simplexe: La solution optimale est (x1, x2, e1, e2, e3) = (2, 6, 0, 2, 0) et z* = -36.

4. Dualit en programmation linaire


Min Z = -3x1 -5x2 sc: 3x1 + 2x2 18 (PL) x1 4 2x2 12 x1, x2 0 Le programme dual scrit: max w = 18y1 + 4y2 + 12y3 sc 3y1 + y2 -3 (PLD) 2y1 + 2y3 -5 y1, y2 0

4. Dualit en programmation
X1 = 2 0 => 3y1 + y2 = -3 X2 = 6 0 => 2y1 + 2y3 = -5 e2 = 2>0 => y2 = 0 Do y1 = -1 et y3 = -3/2 W = 18(-1) + 4(0) +12(-3/2) = -18-18 = -36 = z

5. Les variables artificielles


Supposons que nous avons un programme linaire avec

des contraintes de types et des contraintes de types .


Max = 21x1 + 36x2

max z =21x1 + 36x2 + 0e1 + 0e2 -0e3


sc x1 + x2 +e1 = 6140 x1 +3/2x2 + e3 = 6600 x1 + x2 e3 = 1900 x1, x2, e1, e2, e3 0

Sc x1 + x2 6140 x1 + 3/2x2 6600 x1 + x2 1900 X1, x2 0

Forme Forme standard Mthode decanonique rsolution - Pas vident de trouver une solution initiale de base - On introduit dans les contraintes du type des variables supplmentaires positives dites variables artificielles, - Elles sont introduites aussi dans la fonction objectif avec un coefficient trs grand, M dans un problme de minimisation, -M dans un problme de maximisation( cette mthode est dite mthode du Big M ).

5. Les variables artificielles


Dans notre cas on a:
Max = 21x1 + 36x2 + 0e1 + 0e2 0e3 Ma1

Sc x1 + x2 +e1 = 6140 x1 +3/2x2 + e3 = 6600 x1 + x2 e3 + a1 = 1900 X1, x2, e1, e2, e3, a1 0

(1) (2) (3)

On a alors A1 = 1900 +e3 x1 x2 Z = 21x1 +36x2 + 0e1 + 0e2 0e3 M(1900 +e3 x1 x2) = (21 + M)x1 + (36 + M)x2 - Me3 -1900M On applique maintenant la methode du simplexe avec : Variables de base: e1, e2, a1 Variables hors base: x1, x2, e3

5. Les variables artificielles


on obtient le tableau initial du simplexe
X1 e1 e2 a1 1 1 1 21+ M X2 1 3/2 1 36 + M e1 1 0 0 0 e2 0 1 0 0 e3 0 0 -1 -M a1 0 0 1 0 bi 6140 6600 1900 -1900M