Vous êtes sur la page 1sur 24

Programmation Linaire

Une usine fabrique 2 pices P1 et P2 usines dans 2 ateliers A1 et A2


Les temps d'usinage sont :
pour P1 : de 3 heures dans l'atelier A1 et de 6 heures dans A2

pour P2 : de 4 heures dans l'atelier A1 et de 3 heures dans A2


Le temps de disponibilit hebdomadaire de l'atelier A1 est de 160 heures et
celui de l'atelier A2 de 180 heures.

La marge bnficiaire est de 1200 dhs pour une pice P1 et 1000 dhs pour une
pice P2.
Problme :
Quelle production de chaque type doit-on fabriquer pour maximiser la
marge hebdomadaire ?

Prof. Amale LAHLOU

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 130

Programmation Linaire

Variables conomiques ou de dcision :


x1 = quantit de pices P1 fabriquer
x2 = quantit de pices P2 fabriquer

la forme canonique
max

z 1200 x1 1000 x2

sc
3 x1

6 x1
x ,
1

la forme standard
max

z 1200 x1 1000 x2 0e1 0e2

sc
4 x2
3 x2
x2

160
180
0

3x1

6 x1
x ,
1

4 x2
3 x2
x2 ,

e1
0
e1 ,

0
e2
e2

160
180
0

Signification contextuelle des variables dcart e1 et e2 :


Il s'agit de la capacit horaire disponible et non utilise respectivement dans
chacun des ateliers A1 et A2

La reprsentation graphique servira illustrer et commenter


gomtriquement la dmarche algbrique commande par lalgorithme de
simplexe.

Prof. Amale LAHLOU

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 131

70

z 47200

x1 0

60

6 x1 3x2 180 e2 0

50

Programmation Linaire

La rgion admissible est celle colore sur

40

le graphique, elle est convexe. La

30

rsolution algbrique ncessite la forme

20

standard du modle :
( PL ) max
3x1

sc 6 x1
x ,
1

z 1200 x1 1000 x2 0e1 0e2

4 x2
3 x2
x2 ,

e1 0
0 e2
e1 , e2

z0

160
180
0

non-ngatives.

-10

Prof. Amale LAHLOU

x2 0

0
0

10

20

30

40

50

60

Si x1= 0 et x2= 0 alors e1= 160, e2= 180

do le sommet O = (0,0,160,180)
Si x1= 0 et e1= 0 alors x2= 40, e2= 60
do le sommet A = (0,40,0,60)

Ces

Si e1= 0 et e2= 0 alors x1= 16, x2= 28

do le sommet B = (16,28,0,0)

sommets sont dits solutions de base


admissibles du (PL=).

3x1 4 x2 160 e1 0

10

a deux variables nulles et les deux autres


sont

-10

Chaque sommet de la rgion admissible

variables

Si e2= 0 et x2= 0 alors x1= 30, e1= 70

Semestre VI - Licence en Sciences de Gestion

do le sommet C = (30,0,70,0)

RETOUR SOMMAIRE

Diapositive 132

70

z 47200

x1 0

60
50

La mthode du simplexe est un

40

Programmation Linaire

procd itratif partant dune solution de

admissible initiale pour un programme de


maximisation

aves

des

contraintes

A
B

30

base admissible initiale (en gnral,


lorigine est une solution de base

6 x1 3x2 180 e2 0

3x1 4 x2 160 e1 0

20

z0

10

-10

x2 0

0
0

10

20

30

40

50

60

-10

d'infriorit et un second membre non-

Ce problme de production exigera 2

ngatif) un sommet adjacent de la

itrations : on passera successivement de

rgion

atteindre

lorigine O C, puis de C B o lon

progressivement la solution optimale du

sarrtera, puis B est loptimum de ce

programme linaire.

problme.

admissible

jusqu

Chaque passage

amliore, ou du moins ne dgrade pas, la


valeur prise par la fonction-objectif.

Prof. Amale LAHLOU

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 133

70

z 47200

x1 0

60

0n pose x1=0 et x2=0

50
40

Programmation Linaire

x1 et x2 sont VHB

A
B

30

les variables dcart e1 et e2 sont VB

z0

ainsi que toutes les contraintes


du

problme

3x1 4 x2 160 e1 0

20
10

Il faut rcrire la fonction-objectif (z)

technologiques

6 x1 3x2 180 e2 0

-10

x2 0

0
0

10

20

30

40

50

60

-10

do le sommet O = (0,0,160,180) ayant

exprimer les VB (e1 et e2) en fonction

zO= 0. La solution nest pas optimale. On

des deux VHB (x1 et x2) :

passe un sommet adjacent. Deux choix

z 1200 x1 1000 x2

e1
e2

160
180

3x1
6 x1

4 x2
3x2

Si x1= 0 et x2= 0 alors,


e1= 160, e2= 180
Prof. Amale LAHLOU

sont possibles : le sommet C ou le sommet


A. On se pose la question, lequel des deux

augmente et de faon rapide la valeur de


la fonction-objectif z = 1200 x1 + 1000 x2?

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 134

70

z 47200

x1 0

60

Recherche

dune

admissible

solution

de

6 x1 3x2 180 e2 0

50

base

40

qui amliore la fonction-

A
B

Programmation Linaire

30

objectif :

z 1200 x1 1000 x2

Une augmentation dune unit de x1

z0

10

engendre une augmentation de 1200 UM


de

la

fonction-objectif

et

une

augmentation dune unit de x2 engendre

3x1 4 x2 160 e1 0

20

-10

x2 0

0
0

10

20

30

40

50

60

-10

une augmentation de 1000 UM de la

la variable x2 restant nulle, on peut


augmenter la valeur de x1 telle que :

fonction-objectif. On a donc intrt

e1 160 3x1 4 x2 160 3x1 0 x1 160


3

augmenter la variable x1. Mais jusqu quel

e2 180 6 x1 3x2 180 6 x1 0 x1 180


30
6

niveau ? Quelle valeur maximale ?


En gnral, ou augmente x1 jusqu ce

quune VB devienne nulle (cest--dire,


devienne VHB) et sans quaucune autre VB

Ainsi, on augmente x1 de 0 jusqu la valeur


maximale 30. La variable e2 devient nulle (e2
devient VHB). x1
est appel variable
entrante et e2 est appele variable sortante.

ne devienne ngative.
Prof. Amale LAHLOU

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 135

et

Programmation Linaire

Do, les nouvelles VB sont x1 et e1 et les


nouvelles VHB sont x2 et e2 .
partir de la deuxime contrainte, on tire

e2

180 6 x1

3x2

On exprime x1 en fonction des deux VHB


180 1
3
1
1
e2 x2 30 e2 x2
6
6
6
6
2
En suite on rcrit la fonction-objectif ainsi que
les deux contraintes technologiques du
problme en fonction des deux VHB :
x1

z 1200 x1 1000 x2
1
1

z 1200 30 e2 x2 1000 x2
6
2

z 36000 400 x2 200e2


avec
e1 160 3 x1 4 x2
1
1

e1 160 3 30 e2 x2 4 x2
6
2

5
1
e1 70 x2 e2
2
2

Prof. Amale LAHLOU

x1 30

1
1
x2 e2
2
6

Si x2= 0 et e2= 0 alors x1= 30, e1= 70.


Les VB sont x1 et e1 . Les VHB sont x2 et e2
Do

la solution de base admissible

amliorante est le sommet adjacent


lorigine C = (30,0,70,0) avec zC= 36000
La solution C nest pas optimale car d aprs
la nouvelle fonction-objectif :
z 400 x2 200e2 36000

une augmentation de 1 unit de la variable


x2 engendre une augmentation de 400 UM
de la fonction objectif. Par contre, cause
du coefficient ngatif de la variable e2, toute
augmentation de cette variable a pour effet
de diminuer la valeur de la fonction-objectif.

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 136

70

z 47200

x1 0

60
50

Recherche dune solution de base

40

Programmation Linaire

admissible amliorante : on augmente x2,

B
3x1 4 x2 160 e1 0

20

z0

10

autre VB ne devienne ngative : la variable


e2 restant hors base, donc nulle :

30

jusqu ce quune VB devienne nulle (cest-dire, devienne VHB) et sans quaucune

6 x1 3x2 180 e2 0

-10

x2 0

0
0

10

20

30

40

50

60

-10

1
1
1
x1 30 x2 e2 30 x2 0 x2 60
2
6
2
On exprime x2 en fonction des deux VHB
5
1
5
140
2
1
e1 70 x2 e2 70 x2 0 x2
28
x2 28 e1 e2
2
2
2
5
5
5

On augmente x2 de 0 jusqu la valeur

En suite on rcrit la fonction-objectif ainsi

maximale 28. La variable e1 devient nulle

que les deux contraintes du problme en

(e1 devient VHB).

fonction des deux VHB :

Ainsi, les nouvelles VB sont x1 et x2, les


nouvelles VHB sont e1 et e2 . partir de la
deuxime contrainte e1 70

Prof. Amale LAHLOU

5
1
x2 e2
2
2

z 36000 400 x2 200e2


2
1

z 36000 400 28 e1 e2 200e2


5
5

z 47200 160e1 120e2

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 137

70

z 47200

x1 0

60

Avec

Recherche Oprationnelle

6 x1 3x2 180

50

1
2
1 1
x1 30 28 e1 e2 e2
2
5
5 6
1
4
x1 16 e1 e2
5
15

Donc,

40

B est lunique solution


optimale finie

A
B

30
20

z0

3x1 4 x2 160

10

z 47200 160e1 120e2


1
4
x1 16 e1 e2
5
15
2
1
x2 28 e1 e2
5
5

-10

x2 0

0
0

10

20

30

40

50

60

-10

La solution est optimale car daprs la

lexpression de la fonction-objectif
z 160e1 120e2 47200

Si e1= 0 et e2= 0 alors x1= 16 et x2= 28

toute augmentation des VHB e1 et e2 a

do la solution de base admissible est le

pour effet une diminution de la valeur de la

sommet :

fonction-objectif.

B = (16,28,0,0) avec zB= 47200 UM.


Prof. Amale LAHLOU

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 138

Programmation Linaire

Construction du tableau initial


(solution de dpart)

Solution
optimale

oui

Stop

Non
Choix de la variable
entrante
Choix de la variable
sortante

Pivotage

impossible

Stop

Programmation Linaire

Les calculs ncessits par lalgorithme de simplexe seffectuent de faon rapide et


facile si le modle linaire est dispos sous forme de tableau de simplexe o les
variables et les paramtres se prsentent de faon visuelle et bien structure.

z 1200

max

sc

avec

4
3

x1

x2
e 0
1
e
2

Prof. Amale LAHLOU

1
0

1000

x1

x2
e
1
e
2

x1

x2 160
180

1
e
2

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 140

Chaque tableau du simplexe correspond une solution de base admissible.


cj

Programmation Linaire

Base

1200

1000

Valeur

Coeff

Var

x1

x2

e1

e2

e1

160

e2

180

zj

cj - zj

1200

1000

Le tableau initial correspond la solution de base admissible initiale :

x1 , x2 , e1 , e2 0,0,160,180

La partie centrale du tableau reprsente les contraintes technologiques :

3 x1 4 x2 1e1 0e2 160


6 x1 3 x2 0e1 e2 180
Var correspond aux Variables de Base (VB) : e1 160, e2 180
Les variables Hors Base (VHB) sont : x1 0,

x2 0

On augmente la
valeur prise par la
fonction-objectif z

La valeur de la fonction-objectif : z 0
La dernire ligne (celle de cj zj ) se lit : z 1200 x1 1000 x2 0e1 0e2 0
Cette ligne donne les cots marginaux (ou taux de substitution) des VHB.

Prof. Amale LAHLOU

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 141

La dernire cellule donne la valeur


Dterminons une solution de base admissible initiale de z.
Tableau initial :

z 1200 x1 1000 x2 0e1 0e2 0

Programmation Linaire

Base

1200

1000

Valeur

Coeff

Var

x1

x2

e1

e2

e1

160

e2

180

zj

cj - zj

1200

1000

Les valeurs des VHB sont donnes par : x1 0, x2 0


Les valeurs des VB se lisent dans la colonne Valeur
e1 160, e2 180

Prof. Amale LAHLOU

x1 , x2 , e1 , e2 0,0,160,180

Ainsi, ce plan de production

on fabrique 0 pices P1 et 0 pices P2 : aucun


intrt pratique

En effet :

Donc la marge z 0
La solution de base admissible de
dpart est donc,

e1 160 3x1 4 x2 160

e2 180 6 x1 3x2 180


Semestre VI - Licence en Sciences de Gestion

suggre de ne produire ni pice P1


ni pice P2 et assure un bnfice
nul. Il reste

encore 160 h

d'utilisation possible de latelier A1


et 180 h de latelier A2
Le plan nest pas optimale. On
recherche donc une solution de
base meilleure et plus rentable :
autre itration.

RETOUR SOMMAIRE

Diapositive 142

Choix de la variable
entrante

Programmation Linaire

Maintenant comment
dterminer le sommet adjacent ?

Base

1200

1000

Valeur

Coeff

Var

x1

x2

e1

e2

e1

160

e2

180

zj

cj - z j

1200

1000

VE Colonne de pivot
La dernire ligne donne les cots marginaux des variables hors base :
Si on pose x1 1, x2 0 alors,
et

z (1200 1) (1000 0) 0e1 0e2 0 1200

e1 160 (3 1) (4 0) 157

e2 180 (6 1) (3 0) 174
une augmentation de 1 unit de x1 ferait crotre la fonction-objectif de 1200 UM

Si on pose x1 0, x2 1 alors, z (1000 0) (1000 1) 0e1 0e2 0 1000


et

e1 160 (3 0) (4 1) 156

e2 180 (6 0) (3 1) 177
une augmentation de 1 unit de x2 ferait crotre la fonction-objectif de 1000 UM

On a intrt augmenter la valeur de la fonction-objectif le plus rapidement possible


donc augmenter la variable ayant le plus grand coefficient strictement positif (cas de
maximisation) de la dernire ligne cj zj : ici, x1 est variable entrante dans la base.

Prof. Amale LAHLOU

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 143

Critre de On augmente la fonction-objectif en faisant entrer une


slection variable dans la base prenant la place d'une variable qui va

Programmation Linaire

sortir de la base.

Prof. Amale LAHLOU

Variable entrante dans la base

Critre Meilleur Cot Marginal (MCM) : On exprime la


fonction-objectif en fonction des seules VHB et on
choisit en cas dun problme de maximisation la

variable pondre par le cot marginal le plus grand qui


est strictement positif.

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 144

Choix de la variable
sortante
Le rapport des coefficients de la

Programmation Linaire

strictement positifs de la colonne de


la VE dans la base (celle de pivot)
on augmente x1 et on

1200

1000

Valeur

Limite

160

160/3

180

180/6

Coeff

Var

x1

x2

e1

e2

e1

e2

pivot

zj
cj - z j

1200
1000
0
VE Colonne de pivot

garde x2 = 0, mais jusquo peut on augmenter la valeur de x1 ?

VS
Ligne de pivot

colonne Valeur par les coefficients

Base

e1 160 3x1 0
x1 160 3
160

x1 min 180

6 , 3
e

180

6
x

180
6

0 x1 180
2
1

1
6
x

0
1

x 0
x 0
1
1
Ainsi, la variable ne peut dpasser la plus petite des valeurs dans la dernire colonne Limite
On a intrt prendre le maximum de x1 : x1 = 180/6 = 30. La deuxime contrainte sera
sature e2 = 0: e2 variable sortante de la base,
e2 180 6 x1 3x2 180 (6 30) (3 0) 0
e1 = 70, en effet

e1 160 3x1 4 x2 160 (3 30) (4 0) 70

z = 36000 UM, en effet :

z 1200 x1 1000 x2 0e1 0e2 0 1200 30 36000


La solution ( x1 , x2 , e1 , e2 ) (30,0,70,0) est une solution de base admissible
correspondant au point extrme de la rgion admissible C , sommet adjacent lorigine.

Prof. Amale LAHLOU

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 145

Critre de On augmente la fonction-objectif en faisant entrer une variable dans

Programmation Linaire

slection la base prenant la place d'une variable qui va sortir de la base.

Prof. Amale LAHLOU

Variable sortante de la base


On effectue le rapport des coefficients du second
membre des contraintes techniques valeur par
rapport

aux

coefficients

strictement

positifs

correspondants la variable entrante : on slectionne


la VB ayant le plus petit rapport positif dans la dernire
colonne limite .

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 146

La valeur de la variable entrante x1 sera positive,


et x1 : VB
La valeur de la variable sortante e2 sera nulle, et
e2 :VHB
x1 prendra place de e2
Pour une VB, le coefficient (cj zj ) est nul
Les coefficients de la colonne du pivot (sauf le
pivot et zj) sont nuls
Les coefficients de la ligne du pivot sont diviss
par le pivot. Ainsi, le pivot sera gal 1

Les autres coefficients


des contraintes
technologiques sont obtenus par la rgle du
rectangle de faon pouvoir inscrire 0 dans la
colonne de pivot sauf le pivot :
Cpivot
Nv Av
Lpivot
Pivot
Av : coefficient considr
Nv : nouvelle valeur, valeur modifie de Av
Cpivot : coefficient situ sur la mme ligne que
Av mais sur la colonne de pivot
Lpivot : coefficient situ sur la mme colonne
que Av mais sur la ligne de pivot

Base

1200

1000

Valeur

Limite

160

160/3

180

180/6=30

1000

Coeff

Var

x1

x2

e1

e2

e1

e2

zj

cj - z j

1200

Base

1200

1000

x2

e1

e2

Coeff

Var

x1

e1

1200

x1

6/6=1

Valeur

1
3/6

0/6 =0

1/6

180/6= 30

zj
cj - z j

Base

1200

1000

Valeur

Coeff

Var

x1

x2

e1

e2

e1

5/2

-1/2

70

1200

x1

3/6

1/6

30

zj

1200

600

200

cj - z j

400

-200

36000

Lorsque au moins lun des cots marginaux cj zj est positif et que lobjectif consiste maximiser z, le tableau
courant est considr comme non optimal et un autre tableau sera construit par pivotage.
Prof. Amale LAHLOU

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 147

Base

1200

1000

Valeur

Limite

Coeff

Var

x1

x2

e1

e2

e1

160

e2

180

zj

cj - zj

1200

1000

Base

1200

1000

Valeur

Coeff

Var

x1

x2

e1

e2

160/3

e1

5/2

-1/2

70

180/6

1200

x1

3/6

1/6

30

zj

1200

600

200

cj - zj

400

-200

36000

Calculs justificatifs : pivotage


La dernire ligne donne les valeurs marginales :

z 1200 180e62 3 x2 1000 x2 200e2 400 x2 36000

Une augmentation de 1 unit de x2 (la production de


x1

x2

e1

e2

e1

la fonction-objectif de 400 UM. En effet,

(3 NLP)
e1

Les VHB sont nulles : x2 = 0, e2 =0


on fabrique 0 pices P2 et il reste 0 h d'utilisation
disponible A2
La contrainte associe e2 est sature.
La nouvelle solution de base ralisable est :
(x1, x2, e1, e2) = (30, 0, 70, 0)
on fabrique 30 P1 et il reste 70h d'utilisation
disponibles A1
la marge est gale z =36 000 UM
Prof. Amale LAHLOU

1 pice de P2) tout en maintenant e2 nulle, ferait crotre

e1 70 ( 52 1) e1 52
x1 30 ( 63 1) x1 63
z (400 1) 36000 z 400
On a intrt a augmenter x2 : x2 V entrante dans la
base e1

x1

70 52 x2 0

x2 28

x2 28

30 12 x2 0 x2 60

e1 est la variable sortante de la base

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 148

Base

1200

1000

Valeur

Limite

Coeff

Var

x1

x2

e1

e2

e1

5/2

-1/2

70

1200

x1

3/6

1/6

30

zj

1200

600

200

cj - z j

400

-200

Base

1200

1000

Valeur

Coeff

Var

x1

x2

e1

e2

70/(5/2)

1000

x2

2/5

-1/5

28

30/(3/6)

1200

x1

-1/5

4/15

16

zj

1200

1000

160

120

cj - zj

-160

-120

36000

47200

Calculs justificatifs : pivotage


Toutes les valeurs sur la colonne de pivot doivent tres
nulles sauf le pivot qui doit tre gal :

il reste 0 h d'utilisation disponible aux ateliers A1 et


A2 La nouvelle solution de base ralisable est :
(x1, x2, e1, e2) = (16, 28, 0, 0)

5
2

Pour obtenir la me ligne (celle de x1) du tableau de


simplexe optimal :
x1

x2

e1

e2

Lecture du tableau final de simplexe

x1

( 12 NLP)
x1

Les cots marginaux des variables hors base e1 et e2


sont ngatifs. Toute augmentation de ces variables
rsulterait en une diminution de la fonction-objectif. La
solution est donc optimale.
Prof. Amale LAHLOU

Les variables hors base


sont
nulles
(Les
contraintes associes sont satures) : e1=0 et e2=0

le plan optimale de production est :


On fabrique 16 pices P1 et 28 pices de P2 par
(e1 0, e2 0)
semaine
Le profit retir de cette production : 47 200UM
Les deux ateliers A1 et A2 seront utiliss pleine
capacit

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 149

Rappel : Mthode du rectangle


Les
coefficients
des
contraintes
technologiques, sauf ceux de la ligne de pivot,
sont obtenus par la rgle du rectangle de faon
pouvoir inscrire 0 dans la colonne de pivot
(sauf le pivot) :
Cpivot
Nv Av
Lpivot
Pivot

Av : coefficient considr
Nv : nouvelle valeur, valeur modifie de Av
Cpivot : coefficient situ sur la mme ligne que
Av mais sur la colonne de pivot
Lpivot : coefficient situ sur la mme colonne
que Av mais sur la ligne de pivot
Var de base

Base

1200

1000

Valeur

Limite

160

160/3

180

180/6=30

1000

Coeff

Var

x1

x2

e1

e2

e1

e2

zj

cj - z j

1200

Valeur
Base
Av

Cpivot

Lpivot

pivot

1200

1000

Valeur

Coeff

Var

x1

x2

e1

e2

e1

5/2

-1/2

70

1200

x1

3/6

1/6

30

zj
cj - z j
exemple

5
3
4 3
2
6

Prof. Amale LAHLOU

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 150

Base

1200

1000

Valeur

Limite

160

160/3

180

180/6

1000

Coeff

Var

x1

x2

e1

e2

e1

e2

zj

cj - zj

1200

Base

1200

1000

(c j z j ) :

Valeur

Limite

Coeff

Var

x1

x2

e1

e2

e1

5/2

-1/2

70

70/(5/2)

1200

x1

3/6

1/6

30

30/(3/6)

zj

1200

600

200

cj - zj

400

-200

Base

36000

1200

1000

VB : e1 , e2

VHB : x1 , x2

VB : e1 , x1

VHB : e2 , x2

(c j z j ) :

Valeur

Coeff

Var

x1

x2

e1

e2

1000

x2

2/5

-1/5

28

1200

x1

-1/5

4/15

16

zj

1200

1000

160

120

cj - zj

-160

-120

47200

VB : x1 , x2

VHB : e1 , e2

e1 160 3x1 4 x2
e2 180 6 x1 3x2
z 1200 x1 1000 x2 0

5
1
x2 e2
2
2
3
1
x1 30 x2 e2
6
6

e1 70

z 400 x2 200e2 36000


1
4
e1 e2
5
15
2
1
x2 28 e1 e2
5
5
x1 16

(c j z j ) : z 160e1 120e2 47200

Programmation Linaire

Profit total

47 200

Profit
unitaire
(UM)

1 200

1 000

Pice P1

Pice P2

Temps
dusinage
unitaire

Temps
dusinage
total

Temps
dusinage
unitaire

Temps
dusinage
total

Temps
dusinage
effective
(heure)

Atelier A1

3 h

48

4h

112

160

160

Atelier A2

6h

96

3h

84

180

180

quantit

16

Capacit
maximum
(heure)

cart

28

La solution optimale recommande au producteur de fabriquer 16 pices P1, qui


rapportent 1 200 UM chacune, et 28 pices P2, qui rapportent 1 000 UM chacune. Le

profit total est donc de 47 200 UM. Pour cela, les deux atelier seront utiliss pleine
capacit.

Prof. Amale LAHLOU

Semestre VI - Licence en Sciences de Gestion

RETOUR SOMMAIRE

Diapositive 152

Programmation Linaire

le tableau du simplexe est optimal si tous les cots


marginaux des VHB sont tous 0 dans le cas dun
modle de maximisation, et tous 0 dans le cas de
minimisation.
La solution optimale est unique.
Si le cot marginal dune VHB (non artificielle) est nul
et sa limite en tant que variable entrante potentielle est
strictement positive, alors il existe une infinit de
solutions optimales. Les autres solutions sont obtenues
en faisant rentrer cette VHB dans la base.
On parle de dgnrescence si la limite de cette VHB
tant nulle

S'il existe une VHB ayant un cot marginal


positif et aucun de ses coefficients de la colonne
correspondante nest positif, alors la solution est
infinie

max
cj-zj
min
cj-zj

Semestre VI - Licence en Sciences de Gestion

max
cj-zj

max
cj-zj

VHB

- 14

-9

VHB

VHB

VHB

VHB

-300

Valeur
0

-300

264
Valeur

- 360

Valeur

VHB

max

cj-zj

Prof. Amale LAHLOU

VHB

1400

VH
B

Valeur

1400

VHB

Valeur

limite

-2

12

------

13

------

20

260

RETOUR SOMMAIRE

Diapositive 153