Académique Documents
Professionnel Documents
Culture Documents
Interprter la solution graphique prciser ce que lon entend par analyse de sensibilit, dterminer les limites de validit de loptimum lorsquon fait varier : un coefficient dune variable de dcision de la fonction objectif, un second membre des contraintes.
changements dans les donnes sous lesquels la solution optimale reste stable.
analyse de sensibilit sensibilit.
quadvient-il la solution optimale si, par exemple, un coefficient cj dune variable de dcision savre inexact ou encore la marge bnficiaire est rduite cause dune augmentation de cots ? de quelle faon la solution optimale est modifie sil y a augmentation de la capacit dun dpartement ?
Gilles Goncalves Programmation linaire -
volution de la solution optimale sous des changements syst systmatiques des donnes.
analyse param paramtrique.
Outils informatiques
On peut mesurer la sensibilit de la solution optimale un
mthodes pour retrouver rapidement une solution optimale lorsque des changements ponctuels dans les donnes font que la solution courante nest plus optimale.
roptimisation (hot start ).
en utilisant le rapport de sensibilit dExcel Solveur, en utilisant les tableaux de sortie du logiciel LINDO,
Exemple
Maximiser Z = 15 x1 + 9 x2 Soumise aux contraintes : (1) (2) (3) (4) 2 x1 + 1 x2 100 1 x1 + 1 x2 80 1 x1 + 0 x2 45 x1 0 , x2 0 Maximiser Z = 15 x1 + 9 x2 Soumise aux contraintes : (1) (2) (3) (4) 2 x1 + 1 x2 + s1 = 100 1 x1 + 1 x2 + s2 = 80 1 x1 + 0 x2 + s3 = 45 x1 0 , x2 0, s1 0 , s2 0, s3 0
Variable dcart
X 40 quivaut X + s = 40
cart s
40
x2
100 90 80 70 60 50 40 30 20 10 0
Gilles Goncalves Programmation linaire -
Interprtation du graphique
A B (20,60)
s3 = 0
La solution optimale actuelle est dtermin termine par deux contraintes uniquement : contrainte demballage (C1), contrainte de cuisson (C2).
Toutes les ressources de la contrainte C1 et C2 sont consomm consommes ! On alors parle de contraintes satur satures
C
10 20 30 40 50 60 70 80
x1
s1 = 0
s2 = 0
Gilles Goncalves Programmation linaire -
Un seul changement
Supposons quon fasse varier uniquement le premier coefficient. Maximiser Z = c1 x1 + 9 x2
c1 = 15 + c1
x2
10 0 90 80 70 60 50 40 30 20 10 0
Gilles Goncalves Programmation linaire -
x2
10 0 90 80
droite iso-profit A B
s3 = 0
Pente = c1 / 9.
A B
s3 = 0
70 60 50
40 30 20
C
10 20 30 40 50 60 70 80
10
C
10 20 30 40 50 60 70 80
x1
s2 = 0
0
Gilles Goncalves Programmation linaire -
x1
s2 = 0
s1 = 0
s1 = 0
x2
10 0 90 80 70 60 50 40 30 20 10 0
Gilles Goncalves Programmation linaire -
x2
10 0 90
droite iso-profit A B
s3 = 0
Pente = c1 / 9.
A B
s3 = 0
80 70 60 50
40 30 20
C
10 20 30 40 50 60 70 80
10
C
10 20 30 40 50 60 70 80
x1
s2 = 0
0
Gilles Goncalves Programmation linaire -
x1
s2 = 0
s1 = 0
s1 = 0
x2
10 0 90 80 70 60 50 40 30 20 10 0
Gilles Goncalves Programmation linaire -
x2
10 0 90
A B
s3 = 0
80 70 60 50
A B
s3 = 0
40 30 20
C
10 20 30 40 50 60 70 80
10
C
10 20 30 40 50 60 70 80
x1
s2 = 0
0
Gilles Goncalves Programmation linaire -
x1
s2 = 0
s1 = 0
s1 = 0
De manire similaire, si nous changeons uniquement le deuxime coefficient de la fonction objectif. Le point B restera optimal ssi : 3/2 c2 6 Au point B, la fonction objectif devient : Z = 840 + 60 c2.
Relaxation / restriction
Soient les deux problmes doptimisation suivants :
( P)
v* = Opt S.l.c.:
f ( x) x X
( P)
v* = Opt S.l.c.:
f ( x) x X
Les deux problmes ne diffrent que par les contraintes. Dans les deux cas, on veut soit maximiser soit minimiser la mme fonction objectif. Les valeurs optimales obtenues pour cet objectif sont respectivement v* et v*. Dfinition. Si X X alors : (P) est une relaxation de (P) (P) est une restriction de (P).
ax
ax permis
Soit lingalit: ax b.
ax permis
Soit lingalit: ax b.
interdit
interdit
Si on augmente b,
ax
x2
10 0 90 80 70 60
Si b1 augmente :
A B s3 = 0
b1 = 100 + b1
50 40 30 20 10 0 10 20 30 40
C
50 60 70 80
x1
b1 = 100
s2 = 0
x2
10 0 90 80 70 60 50 40 30 20 10 0
Gilles Goncalves Programmation linaire -
x2
10 0 90 80 70 60 50
Si b1 continue daugmenter : le domaine ralisable sagrandit davantage, A la solution optimale se dplace vers D. B s3 = 0
40 30 20
C
10 20 30 40 50 60 70 80
10
C
10 20 30 40 50 60 70 80
x1
b1 = 100
s2 = 0
0
Gilles Goncalves Programmation linaire -
x1
s2 = 0
x2
10 0 90 80 70 60 50 40 30 20 10 0
Gilles Goncalves Programmation linaire -
x2
10 0 90 80 70 60 50
40 30 20
C
10 20 30 40 50 60 70 80
10
C
10 20 30 40 50 60 70 80
x1
s2 = 0
0
Gilles Goncalves Programmation linaire -
x1
s2 = 0
x2
10 0 90 80 70 60 50 40 30 20 10 0
Gilles Goncalves Programmation linaire -
Si b1 diminue :
x2
10 0 90
Si b1 diminue : Lespace des solutions admissibles se restreint Loptimum B se dplace vers A s3 = 0 Au-del de A, la contrainte C2 devient inactive D
A B s3 = 0
80 70 60 50
A B
40 30 20
C
10 20 30 40 50 60 70 80
10
C
10 20 30 40 50 60 70 80
x1
b1 = 100
s2 = 0
0
Gilles Goncalves Programmation linaire -
x1
b1 = 100
s2 = 0
La solution optimale actuelle est dtermin termine par deux contraintes : contrainte demballage (C1), contrainte de cuisson (C2). Pour quelles valeurs de b1 cela restereste-t-il vrai ?
Dans cet intervalle, la valeur optimale de lobjectif est : Z* = 15 x*1 + 9 x*2 = 240 + 6 b1 = 840 + 6 b1 = 15(b1 80) + 9(160 b1) 6 $ = prix implicite du ct droit de la premire contrainte
Un seul changement
Supposons quon fasse varier uniquement le 3me ct droit. Maximiser Z = 15 x1 + 9 x2 Soumise aux contraintes : (1) (2) (3) (4) 2 x1 + 1 x2 100 1 x1 + 1 x2 80 1 x1 + 0 x2 b3 x1 0 , x2 0
x2
10 0 90 80 70 60 50 40 30
A B
b3 = 45b3 = 60 b3 = 45
b3 = 45 + b3
20 10 0 10 20 30 40
C
50 60 70 80
x1
s1 = 0
s2 = 0
Dans cet intervalle, la valeur optimale de lobjectif est : Z* = 15 x*1 + 9 x*2 = 840 + 0 b3 = 840 + 0 b3 0 $ = prix implicite du ct droit de la 3me contrainte.