Vous êtes sur la page 1sur 11

CHAPITRE V: PROBLEMES DINITIALISATION

Nous avons vu chaptre second que lalgorithme su simplexe sinitialise au niveau de lorigine du
repre cest--dire au point O o toutes ses coordonnes sont nulles. En ce point les vecteurs en base sont
les variables dcart.
Les problmes dinitialisation comme leur nom lindique sont des problmes pour lesquels il est
impossible dinitialiser lalgorithme du simplexe et ce, du fait que lorigine du repre ne fait pas partie des
solutions de base.
Schmatiquement lalgorithme du simplexe commence au point O et passe de sommet ralisable
en sommet ralisable suivant le chemin faisant crotre au plus vite la fonction objectif. Il est ais de
comprendre que nous avons un problme ds lors que le point initial nest pas ralisable. Lvaluation de
loptimalit en dcoulant et entranant la dfinition des variables devant sortir et entrer en base en
fonction de leurs contributions la croissance de la fonction objectif, na plus aucun sens.

5.1- Approche graphique:

Soit le programme linaire suivant:

Max 3 x1 + 6 x2

3 x1 + 2 x2 18 (1)
( P ) s x1 + x2 4 ( 2 )
c 3 x + 4 x 24 ( 3 )
2
1
x1 , x2 0
- Reprsenter graphiquement lensemble des solutions ralisables. Commenter.
- Expliciter le tableau simplexe initial associ au problme. Commenter.

1.- Graphiquement.
Nous reprsentons continuation lensemble des solutions ralisables et constatons que lorigine nen fait
pas partie.

Auteur: Philippe Gollotte


Page 110 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

x2

Nous constatons ici que le point O ne fait pas


partie des solutions de base.

LGENDE:
contraintes

10

aire des solutions


ralisables

La contrainte (2) est responsable du problme


dinitialisation.

solutions de base

1
(2)

(1)

(3)

x1

10

2.- Tableau simplexe initial.


Afin de pouvoir initialiser lalgorithme du simplexe nous devons transformer le problme en un problme
de maximisation dont les contraintes soient toutes de type infrieur ou gal . Nous avons:

Max 3x1 + 6 x2

3 x1 + 2 x2 18 (1)

( P ) s x1 + x2 4 ( 2 )
c 3 x + 4 x 24 ( 3 )
2
1
x1 , x2 0

Max 3 x1 + 6 x2

3 x1 + 2 x2 18 (1)
( P ) s x1 x2 4 ( 2 )
c 3 x + 4 x 24 ( 3 )
2
1
x1 , x2 0

Nous obtenons comme tableau simplexe initial:


-1

B b < 0,
e 3 point NON ralisable

Le tableau simplexe initial associ notre


problme prsente un lment ngatif dans le

x1

x2

e1

e2

e1

18

second membre. Le point (0;0) nest pas


ralisable.

e2

-1

-1

-4

Cest tout fait logique car nous savions dj que

e3

24

le point de coordonnes (0;0) ne fait pas partie


des solutions ralisables.

0 J =0

Nous ne pourrons utiliser lalgorithme du simplexe ici car dun ct lvaluation de loptimalit sur un point
non ralisable na aucun sens et dun autre, la prochaine itration pourrait nous envoyer nimporte o en
termes de sommet.

Auteur: Philippe Gollotte


Page 111 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

3.- Quelques prcisions.


Nous pourrions avoir lide de corriger le signe du second membre hauteur de la forme standard
du problme. Nous aurions alors pour la forme standard:

Max 3 x1 + 6 x2

3 x1 + 2 x2 18 (1)
( P ) s x1 x2 4 ( 2 )
c 3 x + 4 x 24 ( 3 )
2
1
x1 , x2 0

Max 3 x1 + 6 x2

3 x1 + 2 x2 + e1 = 18 (1)

( P ) s x1 x2 + e2 = 4 ( 2 )
c 3 x + 4 x + e = 24 ( 3 )
2
3
1

x1 , x2 0; e1 , e2 , e3 0

De l une ide pour rsoudre le problme du coefficient ngatif au second membre:

Max 3x1 + 6 x2

3 x1 + 2 x2 + e1 = 18 (1)

( P ) s x1 x2 + e2 = 4 ( 2 ) ( 1)
c 3 x + 4 x + e = 24 ( 3 )
2
3
1

x1 , x2 0; e1 , e2 , e3 0

Max 3 x1 + 6 x2

3 x1 + 2 x2 + e1 = 18 (1)
( P ) s x1 + x2 e2 = 4 ( 2 )
c 3 x + 4 x + e = 24 ( 3 )
2
3
1

x1 , x2 0; e1 , e2 , e3 0

Nous obtenons alors comme tableau simplexe initial:


-1

B b 0,
x1

x2

e1

e2

e 3 point ralisable

e1

18

??

-1

e3

24

0 J =0

Le point est maintenant ralisable. Cependant nous


remarquons que le corps du tableau simplexe ne
prsente pas la classique base canonique de 3 .
Nous pouvons facilement identifier deux vecteurs
de base mais pas le troisime. La base associe au
point O est maintenant incomplte ce qui ajoute un
problme l o nous en avons rsolu un.

5.2- Variables artificielles pnalises:


5.2.1.- Principe:
Notre situation est la suivante: soit nous travaillons avec un sommet non ralisable, soit nous
travaillons avec une base incomplte. Un sommet non ralisable disqualifie lalgorithme du simplexe, nous
prfrerons donc travailler avec une base incomplte. Nous la complterons.

Pour cela nous introduirons dans les contraintes responsables du problme dinitialisation des
variables dites artificielles (nous les noterons ai ) lesquelles complterons la base incomplte. Elles

Auteur: Philippe Gollotte


Page 112 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

jouent un rle similaire celui jou par les variables dcart cependant, elles offrent lavantage de nous
donner le vecteur unitaire ncessaire pour complter la base. Dans lexemple:

Max 3 x1 + 6 x2

3 x1 + 2 x2 + e1 = 18 (1)

( P ) s x1 x2 + e2 = 4 ( 2 ) ( 1)
c 3 x + 4 x + e = 24 ( 3 )
2
3
1
x1 , x2 0; e1 , e2 , e3 0

Max 3 x1 + 6 x2

3 x1 + 2 x2 + e1 = 18 (1)

( P ) s x1 + x2 e2 + a1 = 4 ( 2 )
c 3 x + 4 x + e = 24 ( 3 )
2
3
1
x1 , x2 0; e1 , e2 , e3 0; a1 0

Potentiellement nous avons complt la base. Cependant nous pourrions tout fait nous retrouver
avec un sommet optimum incluant la variable artificielle ce qui serait particulirement difficile interprter
du fait que cette variable nexiste pas dans notre problme original et nest rien autre quun artifice dont le
but est de complter la base et initialiser lalgorithme du simplexe.
Une fois rempli son rle de nous aider initialiser lalgorithme du simplexe, nous devons nous
assurer que la variable artificielle soit mise lcart. En particulier elle doit sortir de base. Nous allons donc
pnaliser la variable artificielle de faon telle que ce soient les mcanismes mmes de lalgorithme du
simplexe qui la fassent disparatre pour nous.
Pour cela nous pondrerons fortement et ngativement la variable artificielle dans la fonction
objectif de faon telle que sa prsence en base nuise lobjectif de maximisation. Le problme devient:

Max 3 x1 + 6 x2 - Ma1

3 x1 + 2 x2 + e1 = 18 (1)
o M est trs grand (imaginez des millions)
( P ) s x1 + x2 e2 + a1 = 4 ( 2 )
c
3 x1 + 4 x2 + e3 = 24 ( 3 )

x1 , x2 0; e1 , e2 , e3 0; a1 0
5.2.2.- Rsolution par lalgorithme du simplexe:
1.- Tableau simplexe initial.

Le tableau simplexe initial permet


lutilisation de lalgorithme du simplexe.

-1

B b 0,
x1

x2

e1

e2

e3

a 1 point ralisable

e1

18

2 = 18

a1

-1

1 =4

24

4 =6

pivot

e3

entre

-M J = -4M

sort

Le point nest pas optimum, nous


itrerons. La variable artificielle sortira de
base (trs vite dans cet exemple ce nest
pas toujours le cas).
La fonction objectif vaut -4M (M trs
grand).

Auteur: Philippe Gollotte


Page 113 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

2.- Base = {e1 ; x2 ; e3 } .


Evaluation

-1

B b 0,
x1

x2

e1

e2

e3

a1

e1

-2

10

x2

-1

e3

-1

-4

-3

0 -M -6 J = 24

de

loptimalit:

le

cot

dopportunit de la variable hors base e2

point ralisable

est positif. Le point nest pas optimum.

2 =5
La fonction objectif vaut 24.

imp.

pivot

4 =2

sort

Nous remarquons la ressemblance entre


les colonnes de e2 et a1 en raison de la
construction
artificielle.

entre

mme

de

la

variable

3.- Base = {e1 ; x2 ; e2 } .


-1

B b 0,
x1

x2

e1

e2

e3

a1

3/2

-1/2

x 2 3/4

1/4

e2

1/3

1/4

-1

-3/2

-3/2 -M

e1

point ralisable

Evaluation de loptimalit: Les cots


dopportunit des variables hors base sont tous
ngatifs. Le point x * ( 0;6 ) est optimum.
La fonction objectif vaut 36.

J = 36

Problme de synthse pour le chaptre 5.

Soit le programme linaire suivant:

Max 3 x1 + x2

2 x1 + x2 6 (1)
( P ) s x1 + x2 10 ( 2 )
c x + 2 x 4 (3)
2
1
x1 , x2 0
- Rsoudre graphiquement le problme. Commenter.
- Expliciter le tableau simplexe optimum.
- Rsoudre le problme grce lalgorithme du simplexe. Commenter.

Auteur: Philippe Gollotte


Page 114 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

PROPOSITION DE RESOLUTION
1.- Graphiquement.
a.- Contraintes:
Nous avons:

2 x1 + x2 6

(1 )

x2 2 x1 + 6

( 1)

x1 + x2 10

(2)

x2 x1 + 10

(2)

x2 1 x1 + 2
2

(3)

x1 + 2 x2 4

(3)

b.- Fonction objectif:

Gradient de J: indique dans quelle direction la fonction J crot.

x = 3 3

1
=
J ( x1 , x2 ) =
J
1
x = 1
1

Courbe de niveau k de J:

J ( x1 ; x2 ) = k
3 x1 + x2 = k

x2 = 3 x1 + k

Il sagit de droites parallles de coefficient directeur 3 .


c.- Graphique:
Lorigine ne fait pas partie de lensemble des
solutions ralisables. Nous aurions donc un
problme dinitialisation si nous voulions
utiliser lalgorithme du simplexe.

LGENDE:

x2

contraintes
aire des solutions
ralisables
solutions de base

J gradient de J
courbes de
niveau de J
x* solution optimale

10

La solution optimale se situe lintersection


des contraintes (2) et (3). Les coordonnes de
cette solution vrifient donc simultanment
les quations des deux contraintes.

(3)

x*

De ( 2 ) x*2 = x1* + 10
De ( 3) x2* = 1 x1* + 2
2


J

Nous avons:

1
(1)

(2)

10

x1

x1* + 10 = 1 x1* + 2
2
16
x1* =
3

Auteur: Philippe Gollotte


Page 115 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

Do:

x*2 =

16
14
+ 10 =
3
3

La fonction objectif vaut:

16 14 62
+ =
3 3
3

2.- Tableau simplexe optimum.


Nous pouvons dduire le tableau simplexe optimum associ la base = { x1 ; x2 ; e1} . Nous
devrons tout dabord modifier le problme.

Max 3 x1 + x2

2 x1 + x2 6 (1)
( P ) s x1 + x2 10 ( 2 )
c x + 2 x 4 (3)
2
1
x1 , x2 0

Max 3 x1 + x2

2 x1 x2 6 (1)
( P ) s x1 + x2 10 ( 2 )
c x 2 x 4 ( 3 )
2
1
x1 , x2 0

A partir de ce point nous devrions ajouter des variables artificielles afin de pouvoir utiliser
lalgorithme du simplexe (question 3). Pour le moment cela ne sera pas ncessaire car nous allons
atterrir directement au point optimum.
a) Base: = { x1 ; x2 ; e1} .
b) Matrice de base:

2 1 1
B = 1 1 0
1 2 0

c) Vecteurs hors base: = {e2 , e3 }

CALCULS:
Inverse de B:

2 1 1
0 2 1
1

1
B = 1 1 0 B = 0 1 1
3
1 2 0

3 5 1

Coordonnes de B y b dans la base :

d) Matrice des vecteurs hors base:

0 0
B = 1 0
0 1

e) Second membre:

6

b = 10
4

B 1

0 0 6

1 0 10
0 1 4

0 2 1 2 3 1 3 16 3
1


B b = 0 1 1 = 1 3 1 3 14 3
3

3 5 1 5 3 1 3 28 3

( )

Auteur: Philippe Gollotte


Page 116 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

Cots dopportunit:

f) Tableau simplexe associ:


-1

B b 0,
x1

x2

e1

e2

e 3 point ralisable

x1

2/3 1/3 16/3

x2

1/3 -1/3 14/3

e1

5/3 1/3 28/3

-7/3 -2/3 J = 62/3

2 3 3


Ce2 = 0 1 3 ; 1 = 7 3
5 3 0


1 3 3


Ce3 = 0 1 3 ; 1 = 2 3
1 3 0

g) Evaluation de loptimalit: les cots d'opportunit


des variables hors base sont tous ngatifs. Le point
est optimum et la fonction objectif vaut 62/3.
3.- Algorithme du simplexe.
Nous avons un problme dinitialisation. Nous devrons donc introduire des variables artificielles pnalises.

Max 3 x1 + x2

2 x1 x2 + e1 = 6 (1)
( P ) s x1 + x2 + e2 = 10 ( 2 )
c x 2 x + e = 4 ( 3 )
2
3
1

x1 , x2 0; e1 , e2 , e3 0

Max 3 x1 + x2 Ma1 a2

2 x1 + x2 e1 + Ma1 = 6 (1)
( P ) s x1 + x2 + e2 = 10 ( 2 )
c x + 2 x e + a = 4 ( 3 )
2
3
2
1

x1 , x2 0; e1 , e2 , e3 0; a1 , a2 0

Tableau simplexe initial:


-1

B b 0,
x1

x2

e1

e2

e3

a1

a1

-1

2 =3

e2

10

1 = 10

a2

-1

-1

-M

-

0 J = -6M -4

pivot

Evaluation

a 2 point ralisable

de

loptimalit:

les

cots

d'opportunit des variables hors base x1 et


sort

x2 sont positifs. Le point nest pas


optimum.
Nous itrerons.

entre

Auteur: Philippe Gollotte


Page 117 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

Base = { x1 , e2 , a2 } :

-1

B b 0,
x1

x2

e1

e2

e3

a1

a 2 point ralisable

x1

1/2

-1/2

1/2

1/2 = 6

e2

1/2

1/2

-1/2

1/2 = 14

-1/2

-1

1/2

5/2 = 14/5

- -1/2+1/2

pivot

a2

5/2

0 -3/2+5/2 3/2-1/2

sort

0 J = 9-7

entre

Base = { x1 , e2 , x2 } :

-1

B b 0,
x1

x2

e1

e2

e3

a1

a2

point ralisable

x1

-2/5

1/5

2/5

-1/5

8/5

e2

3/5

1/5

-3/5

-1/5 28/5

1/5

2/5

sort

pivot

x2

-1/5

-2/5

14/5

7/5

-1/5 -7/5-M 1/5- J = 38/5

entre

Base = { x1 , e1 , x2 } :

-1

B b 0,
x1

x2

e1

x1

e1

x2

e2

e3

a1

a2

2/3 1/3

-1/3 16/3

5/3 1/3

-1

-1/3 28/3

1/3 -1/3

1/3 14/3

-7/3 -2/3 -M 2/3- J = 62/3

point ralisable

Evaluation de loptimalit: les cots d'opportunit des variables hors base sont tous nuls. Le point

( x1; x2 ) = (16 3 ;14 3 ) est

optimum. La fonction vaut 62

conformment nos rsultats la

deuxime question.

Auteur: Philippe Gollotte


Page 118 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

Exercices du chaptre 5.
Exercice 1.Soit le programme linaire:

Max x1 + 2 x2

x1 + x2 2
( P ) b 2 x1 + 1x2 8
r 2 x + 3x 12
2
1

x1 0, x2 0
-

Rsoudre le problme grce lalgorithme du simplexe.

Exercice 2.Soit le programme linaire:

Max x1 + 2 x2

x1 + x2 2
( P ) b x1 + x2 1
r x + x 6
1 2

x1 0, x2 0
-

Rsoudre le problme graphiquement.


Dduire le tableau simplexe associ loptimum.
Rsoudre le problme grce lalgorithme du simplexe.

Exercice 3.Soit le programme linaire:

Max 3 x1 + 2 x2

x1 + x2 5
( P ) b x1 + 2 x2 8
r x 4
2

x1 0, x2 0
-

Rsoudre le problme graphiquement. Commenter.


Rsoudre le problme grce lalgorithme du simplexe.

Auteur: Philippe Gollotte


Page 119 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

Exercice 4.Soit le programme linaire:

Max 3 x1 + 3 x2

x1 + x2 5
( P ) b x1 + 2 x2 8
r x 3
1

x1 0, x2 0
-

Rsoudre le problme graphiquement. Commenter.


Rsoudre le problme grce lalgorithme du simplexe.

Exercice 5.Une entreprise fabrique deux produits A et B.


Afin de justifier des cots fixes levs lis la production de B, B ne sera produit que si la quantit
envisage est au moins gale 300.
Les matires premires permettent de produire 1 000 produits maximum quils sagisse de produits A ou B.
Afin dobtenir une part de march satisfaisante, lentreprise doit considrer assurer une production
minimum de 700 produits A ou 400 produits B ou une combinaison quelconque des deux produits
respectant ces paramtres.
Cependant le march nabsorberait pas plus de 600 produits A.
La vente de A et de B rapporte S/. 3 000 et S/. 2 000 respectivement.
-

Rsoudre le problme de lentreprise.


Le rsoudre grce lalgorithme du simplexe.

Auteur: Philippe Gollotte


Page 120 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation