Vous êtes sur la page 1sur 66

Coupes de Chv atal-Gomory

Pierre Bonami
Optimisation Combinatoire, Masters II, ID et IF

17 d ecembre 2012

Premi` ere partie I Rappels

Plans coupants

Soit X = {Ax b , x 0, xj Z, j = 1, . . . , p }. Comme x minimize la relaxation continue et x X , on a x conv(X ) (x est une solution de base de (PL)). paration si P est convexe et x Th. de Se P , hyperplan T x = tel que T x x P et T x .

1 x = (6, 2 )

Plans coupants

Soit X = {Ax b , x 0, xj Z, j = 1, . . . , p }. Comme x minimize la relaxation continue et x X , on a x conv(X ) (x est une solution de base de (PL)). paration si P est convexe et x Th. de Se P , hyperplan T x = tel que T x x P et T x .

1 x = (6, 2 )

`me de se paration : Trouver T x = s 1. Proble eparant X et x . 2. Ajouter T x ` a (PL) et r ep eter les etapes (re-r esoudre PL, v erier 1. et 2.,...).

Plans coupants

Soit X = {Ax b , x 0, xj Z, j = 1, . . . , p }. Comme x minimize la relaxation continue et x X , on a x conv(X ) (x est une solution de base de (PL)). paration si P est convexe et x Th. de Se P , hyperplan T x = tel que T x x P et T x .

1 x = (6, 2 )

`me de se paration : Trouver T x = s 1. Proble eparant X et x . 2. Ajouter T x ` a (PL) et r ep eter les etapes (re-r esoudre PL, v erier 1. et 2.,...).

Deuxi` eme partie II

Quelques r esultats sur les syst` eme din egalit es l

Elimination de Fourrier Motzkin


Soit P := {x : Ax b } (n variables, m contraintes).

Question Comment d eterminer si P = .

Elimination de Fourrier Motzkin


Soit P := {x : Ax b } (n variables, m contraintes).

Question Comment d eterminer si P = . une par une les Approche de Fourrier : Eliminer variable de P jusqu` a:

Elimination de Fourrier Motzkin


Soit P := {x : Ax b } (n variables, m contraintes).

Question Comment d eterminer si P = . une par une les Approche de Fourrier : Eliminer variable de P jusqu` a:
1. Une contradiction ( P = ), ou

Elimination de Fourrier Motzkin


Soit P := {x : Ax b } (n variables, m contraintes).

Question Comment d eterminer si P = . une par une les Approche de Fourrier : Eliminer variable de P jusqu` a:
1. Une contradiction ( P = ), ou 2. Un interval en dimension 1.

Elimination de Fourrier Motzkin


Soit P := {x : Ax b } (n variables, m contraintes).

Question Comment d eterminer si P = . une par une les Approche de Fourrier : Eliminer variable de P jusqu` a:
1. Une contradiction ( P = ), ou 2. Un interval en dimension 1.

P s ecrit :

a11 x1 + . . . . . . aj 1 x1 + . . . . . .

+a1n xn b1

+ajn xn bj

am1 x1 + . . . +amn xn bm

Etape d elimination
On elimine la derni` ere variable xn . Soient :

I + := {i {1, . . . , m} : ain > 0 I := {i {1, . . . , m} : ain < 0 I 0 := {i {1, . . . , m} : ain = 0 ai 1 x1 + . . . +ai (n1) xn1 + ain xn bi ai 1 x1 + . . . +ai (n1) xn1 + ain xn bi ai 1 x1 + . . . +ai (n1) xn1 bi i I+ i I i I0

ecrit : P s

Etape d elimination
On elimine la derni` ere variable xn . Soient : + I := {i {1, . . . , m} : ain > 0 I := {i {1, . . . , m} : ain < 0 I 0 := {i {1, . . . , m} : ain = 0 P se re- ecrit : ai (n1) ai 1 bi x1 + . . . + xn 1 + xn ain ain ain a ai 1 bi i (n1) x1 + . . . + xn 1 xn ain ain ain ai 1 x1 + . . . +ai (n1) xn1 bi i I+ i I i I0

Etape d elimination
On elimine la derni` ere variable xn . Soient : + I := {i {1, . . . , m} : ain > 0 I := {i {1, . . . , m} : ain < 0 I 0 := {i {1, . . . , m} : ain = 0 P se re- ecrit : ai (n1) ai 1 bi x1 + . . . + xn 1 + xn ain ain ain a ai 1 bi i (n1) x1 + . . . + xn 1 xn ain ain ain ai 1 x1 + . . . +ai (n1) xn1 bi Pour tout i + I + et i I on a :
n 1 j =1

i I+ i I i I0

ai j bi b+ xj xn i ai n ai n ai + n

n 1 j =1

ai + j xj ai + n

Etape d elimination
On elimine la derni` ere variable xn . Soient :

I + := {i {1, . . . , m} : ain > 0 I := {i {1, . . . , m} : ain < 0 I 0 := {i {1, . . . , m} : ain = 0

On peut maintenant eliminer xn , on obtient P : a ai + 1 i 1 ai + n ai n + x1 + . . . xn 1 bi+ b i ai + n ai n bi i + I + , i I i I 0

ai (n1) ai 1 ain ai (n1)

ai 1 x1 + . . . + ai (n1) xn1

Th eor` eme
(x1 , . . . , xn1 ) P xn tel que (x1 , . . . , xn ) P

Lemme de Farkas
Question :

Sous quelle conditions P est vide ?

Lemme de Farkas
Question :

Sous quelle conditions P est vide ?

Th eor` eme
Le syst` eme P := {x : Ax b } na pas de solutions si et seulement si le syst` eme uA = 0, ub < 0 et u 0 a une solution.

Lemme de Farkas
Question :

Sous quelle conditions P est vide ?

Th eor` eme
Le syst` eme P := {x : Ax b } na pas de solutions si et seulement si le syst` eme uA = 0, ub < 0 et u 0 a une solution.

D emonstration.
Supposons x P , pour tout u 0, uAx ub . Si u 0 tel que uA = 0 et ub < 0, x : uAx = 0 > ub donc x P . Pour le sens inverse, on suppose P = , en appliquant l elimination de Fourrier on trouve u satisfaisant le th eor` eme.

Corollaires du Lemme de Farkas


Corrolaire
Le syst` eme Ax b a une solution si et seulement si u 0 tel que uA = 0 on a ub 0.

Corollaires du Lemme de Farkas


Corrolaire
Le syst` eme Ax b a une solution si et seulement si u 0 tel que uA = 0 on a ub 0.

Corrolaire (Programmation lin eaire)


Le syst` eme Ax = b, x 0 a une solution si et seulement si u tel que uA 0 on a ub 0.

Corollaires du Lemme de Farkas


Corrolaire
Le syst` eme Ax b a une solution si et seulement si u 0 tel que uA = 0 on a ub 0.

Corrolaire (Programmation lin eaire)


Le syst` eme Ax = b, x 0 a une solution si et seulement si u tel que uA 0 on a ub 0.

Corrolaire
Le syst` eme Ax + By f Cx + Dy = g , x 0 a une solution si et seulement si (u , v ) tel que uA + vC 0, uB + vD = 0 et u 0 on a uf + vg 0.

Dualit e forte en Programmation Lin eaire


Th eor` eme
Soient P := {x : Ax b } et D := {u : uA = c , u 0}. (a) Si P = et D = : max{cx : x P } = min{ub : u D }.

(b) Si P = et D = , max{cx : x P } nest pas born e.

Dualit e forte en Programmation Lin eaire


Th eor` eme
Soient P := {x : Ax b } et D := {u : uA = c , u 0}. (a) Si P = et D = : max{cx : x P } = min{ub : u D }.

(b) Si P = et D = , max{cx : x P } nest pas born e.

Id ee de preuve.
Cas (a). xinP et u D on a cx = uAx ub (dualit e faible). En utilisant (plusieurs fois) le lemme de Farkas on montre que si P = et D = , le syst` eme : Ax b , uA = c , u 0, ub cx est r ealisable.

In egalit e valides pour une Programme Lin eaire


Denition
x est une in egalit e valide pour P R n si x P , x .

In egalit e valides pour une Programme Lin eaire


Denition
x est une in egalit e valide pour P R n si x P , x . Question : Si P := {x : Ax b }, ` a quelle condition x est une in egalit e valide pour P ?

In egalit e valides pour une Programme Lin eaire


Denition
x est une in egalit e valide pour P R n si x P , x . Question : Si P := {x : Ax b }, ` a quelle condition x est une in egalit e valide pour P ?

Th eor` eme
Supposons P = . x est valide pour P si et seulement si u 0 tel que = uA et ub.

In egalit e valides pour une Programme Lin eaire


Denition
x est une in egalit e valide pour P R n si x P , x . Question : Si P := {x : Ax b }, ` a quelle condition x est une in egalit e valide pour P ?

Th eor` eme
Supposons P = . x est valide pour P si et seulement si u 0 tel que = uA et ub.

D emonstration.
Si u 0 tel que = uA et ub , x P : x = uAx ub . Si x est valide, max{x : x P } . Par la dualit e max{x : x P } = min{ub : uA = , u 0}, la solution optimale u satisfait le Th eor` eme.

Troisi` eme partie III Coupes de Chv atal-Gomory

Rappels : Algorithme de plans coupants


On consid` ere un programme en nombres entiers pur : max cx Ax b x 0 x Zn

Algorithme
1. C 2. R esoudre la relaxation continue max{cx : Ax b , x , , C , x 0}. Soit x la solution. 3. Si x Zn FIN. 4. Trouver x tel que x > et x pour tout x Zn tel que Ax b et x 0. 5. Ajouter , ` a C et aller en 2.

Un principe de coupe
Un principe simple
Si x Z et x f f Z alors x f o` u f est la partie enti` ere de f .

Utilisation
Soit une in egalit e x telle que i Z i = 1, . . . , n. Si x satisfait lin egalit e et x est entier x .

Exemple
x Z2 tel que x1 + x2 1.9

Un principe de coupe
Un principe simple
Si x Z et x f f Z alors x f o` u f est la partie enti` ere de f .

Utilisation
Soit une in egalit e x telle que i Z i = 1, . . . , n. Si x satisfait lin egalit e et x est entier x .

Exemple
x Z2 tel que x1 + x2 1.9

Un principe de coupe
Un principe simple
Si x Z et x f f Z alors x f o` u f est la partie enti` ere de f .

Utilisation
Soit une in egalit e x telle que i Z i = 1, . . . , n. Si x satisfait lin egalit e et x est entier x .

Exemple
x Z2 tel que x1 + x2 1.9 x1 + x2 1.9 = 1

Coupes de Chv atal-Gomory


Th eor` eme
Si x Zn v erie Ax b , lin egalit e uAx ub est valide pour m tout u 0 tel que uA Z .

Exemple
On consid` ere le polyh` edre donn e par les in egalit es : x1 + x2 2 3x1 + x2 5

Coupes de Chv atal-Gomory


Th eor` eme
Si x Zn v erie Ax b , lin egalit e uAx ub est valide pour m tout u 0 tel que uA Z .

Exemple
On consid` ere le polyh` edre donn e par les in egalit es : x1 + x2 2 3x1 + x2 5

Coupes de Chv atal-Gomory


Th eor` eme
Si x Zn v erie Ax b , lin egalit e uAx ub est valide pour m tout u 0 tel que uA Z .

Exemple
On consid` ere le polyh` edre donn e par les in egalit es : x1 + x2 2 3x1 + x2 5 En prenant u1 = u2 = 1/2 : 2x1 + x2 3.5

Coupes de Chv atal-Gomory


Th eor` eme
Si x Zn v erie Ax b , lin egalit e uAx ub est valide pour m tout u 0 tel que uA Z .

Exemple
On consid` ere le polyh` edre donn e par les in egalit es : x1 + x2 2 3x1 + x2 5 En prenant u1 = u2 = 1/2 : 2x1 + x2 3.5 En arrondissant on obtient : 2x1 + x2 3

Fermeture el ementaire
D enition
Soient P := {x Rn : Ax b } et X = P Zn , on appelle fermeture el ementaire de Chv atal lensemble : P (1) (P ) = {x Rn : uAx ub , pout tout u 0 tel que uA Zn }.

Proposition
X P (1) (P ) P

Application r ecursive
On peut appliquer r ecursivement la proc edure : P (2) (P ) = P (1) P (1) (P ) . . . P (k ) (P ) = P P (k 1) (P )

Th eor` eme de Chv atal-Gomory


Th eor` eme
Soit A une matrice ` a coecients rationnelles et b un vecteur ` a coecients rationelles. Toute in egalit e valide pour X peut etre obtenue par un nombre ni dapplication de la proc edure de Chv atal. (i.e. conv(X ) = P k (X ) pour k ni).

Exemple
max 9x1 + 5x2 x1 6 3x1 + 2x2 19 x Z2 + u1 u3 x1 + 3x2 1 u2

Th eor` eme de Chv atal-Gomory


Th eor` eme
Soit A une matrice ` a coecients rationnelles et b un vecteur ` a coecients rationelles. Toute in egalit e valide pour X peut etre obtenue par un nombre ni dapplication de la proc edure de Chv atal. (i.e. conv(X ) = P k (X ) pour k ni).

Exemple
max 9x1 + 5x2 x1 6 3x1 + 2x2 19 x Z2 + u1 u3 x1 + 3x2 1 u2

Th eor` eme de Chv atal-Gomory


Th eor` eme
Soit A une matrice ` a coecients rationnelles et b un vecteur ` a coecients rationelles. Toute in egalit e valide pour X peut etre obtenue par un nombre ni dapplication de la proc edure de Chv atal. (i.e. conv(X ) = P k (X ) pour k ni).

Exemple
max 9x1 + 5x2 x1 6 3x1 + 2x2 19 x Z2 + u1 u3 x1 + 3x2 1 u2

u1 = 0, u2 = 3/11, u3 = 1/11

Th eor` eme de Chv atal-Gomory


Th eor` eme
Soit A une matrice ` a coecients rationnelles et b un vecteur ` a coecients rationelles. Toute in egalit e valide pour X peut etre obtenue par un nombre ni dapplication de la proc edure de Chv atal. (i.e. conv(X ) = P k (X ) pour k ni).

Exemple
max 9x1 + 5x2 x1 6 3x1 + 2x2 19 x Z2 + u1 u3 x1 + 3x2 1 u2

u1 = 0, u2 = 3/11, u3 = 1/11 x1 1 (u4 )

Th eor` eme de Chv atal-Gomory


Th eor` eme
Soit A une matrice ` a coecients rationnelles et b un vecteur ` a coecients rationelles. Toute in egalit e valide pour X peut etre obtenue par un nombre ni dapplication de la proc edure de Chv atal. (i.e. conv(X ) = P k (X ) pour k ni).

Exemple
max 9x1 + 5x2 x1 6 3x1 + 2x2 19 x Z2 + u1 u3 x1 + 3x2 1 u2

u1 = 0, u2 = 3/11, u3 = 1/11 x1 1 (u4 )

Th eor` eme de Chv atal-Gomory


Th eor` eme
Soit A une matrice ` a coecients rationnelles et b un vecteur ` a coecients rationelles. Toute in egalit e valide pour X peut etre obtenue par un nombre ni dapplication de la proc edure de Chv atal. (i.e. conv(X ) = P k (X ) pour k ni).

Exemple
max 9x1 + 5x2 x1 6 3x1 + 2x2 19 x Z2 + u1 u3 x1 + 3x2 1 u2

u1 = 0, u2 = 3/11, u3 = 1/11 x1 1 (u4 )

Retour aux plans coupants


Algorithme
1. C 2. R esoudre la relaxation continue max{cx : Ax b , x , , C , x 0}. Soit x la solution. 3. Si x Zn FIN. 4. Trouver x tel que x > et x pour tout x Zn tel que Ax b et x 0. 5. Ajouter , ` a C et aller en 2. a coecients entiers. On suppose A `

R esolution de la relaxation continue


Le programme lin eaire est mis sous forme standard (par lajout de variables d ecarts) : max cx A x = b x 0 x Zn+m et r esolu par la m ethode du simplexe. A loptimum de la relaxation continue, on a une base B et un tableau du simplexe : xB + B 1 NxN = B 1 b o` u N est la matrice des variables hors base, et la solution optimale x est donn ee par x N = 0 et x B = B 1 b . On note A = B 1 A et a0 = B 1 b . Une ligne du tableau est de la forme : xi +
j B

aij xj = ai 0

Si a0 Zm la solution optimale de la relaxation continue est enti` ere (FIN). Sinon, il existe i tel que ai 0 Z

S eparation dune coupe de Gomory


xi +
j B

aij xj = ai 0

On note fj = aij aij xi +


j B

fj xj +
j B

aij xj = ai 0

Comme xj 0 et fj 0, cette egalit e implique ; xi +


j B

aij xj ai 0

Le membre de gauche est entier, on peut arrondir celui de droite : xi +


j B

aij xj ai 0

S eparation dune coupe de Gomory (II)


Lin egalit e xi +
j B

aij xj ai 0

nest pas satisfaite par la solution courante : x i = ai 0 et x j = 0 pour j B donc : x i +


j B

aij x j = ai 0 > ai 0

On peut donc ajouter cette in egalit e et appliquer lalgorithme de s eparation.

Algorithme de Gomory
On suppose A ` a coecients entiers. 1. C 2. R esoudre la relaxation continue max{cx : Ax b , x , , C , x 0}, par lalgorithme du simplexe. Soit x la solution et B la base optimale. 3. Si x Zn FIN. 4. Choisir une ligne du tableau : xi +
j B

aij xj = ai 0

telle que ai 0 Z. 5. Ajouter lin egalit e de Gomory xi +


j B

aij xj ai 0

et aller en 2.

Finitude de lalgorithme
Solution lexicographiquement minimale
Une solution x est dite lexicographiquement optimale si :

elle est optimale ; elle est minimale dans lordre lexicographique : toute autre solution optimale x est telle que x 1 < x 1 ou ( x1 = x 1 et x 2 < x 2 ) ou . . .

n < x n ) ou ( xi = x i pour i = 1,. . . ,n-1 et x

Th eor` eme de Gomory


Lalgorithme converge en temps ni si la relaxation continue est r esolue ` a une solution lexicographiquement optimale ` a chaque it eration.

Remarques

Lalgorithme de Gomory a et e d ecouvert en 1958.

Remarques

Lalgorithme de Gomory a et e d ecouvert en 1958. Tr` es vite (1960 ?) il a et e consid er e comme inutile en pratique : mauvaise convergence, num eriquement instable. . .

Remarques

Lalgorithme de Gomory a et e d ecouvert en 1958. Tr` es vite (1960 ?) il a et e consid er e comme inutile en pratique : mauvaise convergence, num eriquement instable. . . En 2008 Zanette, Balas et Fischetti ont (re)d ecouvert que lalgorithme original de Gomory ne marchait pas si mal. En 2010, Z.B.F. donnent comme exemple un probl` eme pos e par Knuth en 1960 avec 51 variables et 43 contraintes r esolu pour la premi` ere fois en 1995 avec CPLEX.

Par branch-and-cut, le probl` eme est r esolu en 6 secondes et 91 000 nuds. Lalgorithme de Gomory (l eg` erement modi e) r esoud le probl` eme en 0,15 secondes avec 1 032 coupes !

Importance de lordre lexicographique

Gomory pensait que lordre lexicographique etait une technicit e th eorique uniquement n ecessaire pour la preuve. En fait, il joue un ordre capital en pratique.

Figure: Nombre dit eration de lalgorithme avec di erente options.

Quatri` eme partie IV Coupes de Gomory Mixtes

Coupes mixtes de Gomory


Les coupes de Gomory peuvent uniquement etre utilis ees pour un probl` eme en nombres entiers pur. Nous consid erons maintenant un probl` eme mixte : max cx Ax b x 0 xi Z i I {1, . . . , n}

Principe disjonctif
Un principe simple
Si x Rn , x 0 et x satisfait soit la contrainte i =1 ai1 xi 1 soit la n contrainte i =1 ai2 xi 1. Alors x satisfait la contrainte :
n n

max{ai1 , ai2 }xi 1


i =1

Exemple
Si x 0 satisfait soit x2 x1 + 1 2 2 soit 3 x2 x1 + 1 5 5

Principe disjonctif
Un principe simple
Si x Rn , x 0 et x satisfait soit la contrainte i =1 ai1 xi 1 soit la n contrainte i =1 ai2 xi 1. Alors x satisfait la contrainte :
n n

max{ai1 , ai2 }xi 1


i =1

Exemple
Si x 0 satisfait soit x2 x1 + 1 2 2 soit 3 x2 x1 + 1 5 5

Principe disjonctif
Un principe simple
Si x Rn , x 0 et x satisfait soit la contrainte i =1 ai1 xi 1 soit la n contrainte i =1 ai2 xi 1. Alors x satisfait la contrainte :
n n

max{ai1 , ai2 }xi 1


i =1

Exemple
Si x 0 satisfait soit x2 x1 + 1 2 2 soit 3 x2 x1 + 1 5 5

Principe disjonctif
Un principe simple
Si x Rn , x 0 et x satisfait soit la contrainte i =1 ai1 xi 1 soit la n contrainte i =1 ai2 xi 1. Alors x satisfait la contrainte :
n n

max{ai1 , ai2 }xi 1


i =1

Exemple
Si x 0 satisfait soit x2 x1 + 1 2 2 soit 3 x2 x1 + 1 5 5

Principe disjonctif
Un principe simple
Si x Rn , x 0 et x satisfait soit la contrainte i =1 ai1 xi 1 soit la n contrainte i =1 ai2 xi 1. Alors x satisfait la contrainte :
n n

max{ai1 , ai2 }xi 1


i =1

Exemple
Si x 0 satisfait soit x2 x1 + 1 2 2 soit 3 x2 x1 + 1 5 5 il satisfait : 3 x2 x1 + 1 5 2

D erivation dune coupe mixte simple


On consid` ere toujours une ligne du tableau (maintenant certaines variables sont continues) corrspondant a une variable de base enti` ere (xi Z) : xi + aij xj = ai 0
j B

Soit f0 = ai 0 ai 0 . On r eecrit la ligne : aij xj f0 = ai 0 xi


j B

Comme ai 0 xi Z on a soit ai 0 xi 0 soit ai 0 xi 1 et donc soit aij xj f0 0


j B

soit aij xj f0 1.
j B

D erivation dune coupe mixte simple (II)


En r earangeant les termes, soit aij xj f0
j B

soit aij xj f0 1.
j B

On divise la premi` ere in egalit e par f0 > 0 et la seconde par f0 1 < 0, soit aij x 1 f0 j

j B

soit
j B

aij x 1. f0 1 j

On peut maintenant appliquer le principe disjonctif, on obtient : max{


j B

aij aij , }x 1. f0 f0 1 j

Remarque
Comme f0 > 0 et f0 1 < 0 : max{ et lin egalit e s ecrit : aij x + f0 j aij x 1. 1 f0 j aij aij , }= f0 f0 1
aij f0 aij f0 1

si aij > 0 si aij < 0.

j B ,aij >0

j B ,aij <0

Une meilleure in egalit e : In egalit e Mixte de Gomory


Au d ebut de la d erivation on peut am eliorer l n egalit e en di erenciant les variables hors bases enti` eres et continues dans la ligne du tableau : xi +
j B ,j I

aij xj +
j B ,j I

aij xj = ai 0

Soit f0 = ai 0 ai 0 , fj = aij aij . La ligne peut se r eecrire : xi +


j B ,j I ,f j f 0

fj xj +
j B ,j I ,f j > f 0

(1 fj )xj
j B ,j I

aij xj = aij xj
j B ,j I ,f j > f 0

ai 0 xi
j B ,j I ,f j f 0

aij xj

(1)

En utilisant lint egrit e du membre de droite on peut d eriver une coupe de la m eme mani` ere, on obtient : fj x+ f0 j 1 fj x+ 1 f0 j aij x+ f0 j aij x 1. 1 f0 j

j B ,j I ,f j f 0

j B ,j I ,f j > f 0

j B ,j I ,aij >0

j B ,j I ,aij <0

Comparaison des coupes de Gomory pures et Mixtes


Si on suppose le probl` eme entier, on peut montrer que lin egalit e mixte fj x + f0 j 1 fj x 1. 1 f0 j

j B ,f j f 0

j B ,f j > f 0

domine lin egalit e pure : xi +


j B

aij xj ai 0 .

Remarques
Pour les programmes mixtes, lalgorithme de Gomory ne converge pas en temps ni. En 1996, il a et e d ecouvert que lalgorithme pouvait en fait etre utile dans le cadre dun branch-and-cut.

Algorithme de renforcement
esoudre la relaxation continue 1. R max{cx : Ax b , x , , C , x 0}. Soit x la solution et B la base optimale. 2. Si x Zn FIN. 3. Pour toute les lignes du du tableau : xi +
j B

aij xj = ai 0

telles que ai 0 Z, ajouter lin egalit e Mixte de Gomory et aller en 2. Ces coupes sont int egr ees dans tous les solveurs modernes (CPLEX, GUROBI, GLPK, COIN-OR,. . . ).