Vous êtes sur la page 1sur 16
CHAPITRE VI: DUALITE Le terme dualité fait généralement référence à la duplicité intrinsèque à un

CHAPITRE VI: DUALITE

CHAPITRE VI: DUALITE Le terme dualité fait généralement référence à la duplicité intrinsèque à un concept.

Le terme dualité fait généralement référence à la duplicité intrinsèque à un concept. Dans le cadre de ce cours nous verrons qu´un problème d´optimisation est dual dans le sens où il peut être abordé de deux façons différentes mais étroitement liées.

Nous nous intéressons à ce caractère dual des problèmes d´optimisation car il est parfois plus aisé de résoudre le dual que le problème original et que le dual apporte des informations intéressantes (nous y reviendrons).

6.1- La dualité, formulation:

6.1.1.- Problème primal:

“… Une entreprise fabrique deux modèles de voiture, la sportive (plutôt ostentatoire) et la routière

(plutôt familiale). Elle utilise de la main d´œuvre et des machines.

Capital: l´entreprise dispose - pour simplifier- de deux machines identiques pouvant fonctionner 24 heures sur 24 de lundi a vendredi. Les week-ends sont dédiés à la maintenance. La sportive et la routière requièrent de 60 et 30 heures de travail sur une des machines respectivement.

Travail: l´entreprise compte 70 employés travaillant 35 heures par semaine. 70 heures homme sont nécessaires à la fabrication de chacune des voitures.

La routière se vend €10 000 et la sportive €20 000. …”

Nous savons formuler ce genre de problème facilement. Il s´agit de maximiser la vente hebdomadaire en respectant les contraintes d´heures machine (240 heures machines disponibles au total par semaine) et d´heures homme (420 hebdomadaires).

Nous obtenons le programme linéaire suivant:

Soient

x

1

et

x

2

les nombres de sportives et routières fabriquées respectivement.

Auteur: Philippe Gollotte

Page 121 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

 Max 30 000 x + 10 000 x 1 2    60
Max
30 000
x
+ 10 000
x
1
2
60
x
+
30
x
240
(
)
1
1
2
(
P )
s
70
x
+
70
x
420
(
)
2
c
1
2
x
,
x
≥ 0
1
2
 c  1 2   x , x ≥ 0   1 2

Ce problème est appelé PRIMAL. Il est identique aux autres problèmes traités dans les chapîtres antérieurs. A ce problème primal est associé un problème appelé DUAL qui consisterait à aborder ce même problème non par le biais de la vente sinon par le biais des coûts.

6.1.2.- Problème dual:

Le chef d´entreprise est contacté par le directeur financier de la concurrence. Les de ce dernier se vendent comme des petits pains. Il peine à assurer l´approvisionnement. Il souhaiterait louer les capacités

de production du chef d´entreprise jusqu´à ce que sa nouvelle usine soit prête.

Le problème du directeur financier consiste alors à proposer un prix pour les heures machine et les heures homme de notre chef d´entreprise. Il voudra bien entendu minimiser le coût de la location.

2 les coûts de location hebdomadaire des heures machine et des heures homme

2 sont appelées VARIABLES DUALES. L´objectif du directeur financier est de

minimiser le coût de location des 240 heures machine et des 420 heures homme de notre chef d´entreprise. Son objectif s´exprime donc:

respectivement.

Soient

y

1

et

y

1

y

et

y

Min 240 y + 420 y

1

2

Ils pèsent des contraintes de bon sens économique sur le directeur financier Si bien celui-ci veut minimiser les coût de location, le chef d´entreprise n´acceptera de lui céder ses capacités de production que s´il obtient de la location un revenu au moins égal à ce qu´il obtiendrait de la vente de ses produits.

Ainsi le chef d´entreprise vend une voiture sportive pour €30 000. Cette voiture incorpore 60 heures machine et 70 heures homme. Le chef d´entreprise ne cèdera donc ses capacités de production que si le prix est tel que 60 heures machine et 70 heures homme valent au moins €30 000.

De la même façon le chef d´entreprise vend une voiture routière pour €10 000. Cette voiture incorpore 30 heures machine et 70 heures homme. Le chef d´entreprise ne cèdera donc ses capacités de production que si le prix est tel que 30 heures machine et 70 heures homme valent au moins €10 000.

Nous obtenons les contraintes:

60

30

y

,

1

y

y

1

1

y

+

+

2

70

70

0

y

y

2

2

30 000

10 000

(

(

1

2

)

)

Auteur: Philippe Gollotte

Page 122 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

Nous avons donc formulé le dual de notre problème original. Il s´agit d´un problème de
Nous avons donc formulé le dual de notre problème original. Il s´agit d´un problème de

Nous avons donc formulé le dual de notre problème original. Il s´agit d´un problème de minimisation avec contraintes de type “supérieur ou égal à”. Il faudrait donc transformer ce problème pour pouvoir lui appliquer l´algorithme du simplexe.

(

D

)

 Min      s  c     
Min
s
c

240

420

60

30

,

y

y

y

1

1

1

y

y

1

+

+

+

70

70

2

0

y

y

2

2

y

2

30 000

10 000

(

(

1

2

)

)

6.1.3.- Transformation du primal au dual: relation pratique:

Intéressons-nous maintenant aux règles permettant de passer du primal au dual avec facilité.

PRIMAL: DUAL: • Variables primales: x • Variables duales: y i i  Max c
PRIMAL:
DUAL:
• Variables primales:
x
• Variables duales:
y
i
i
Max
c
;
x
Min
b
;
y
• Formulation: (
P )
D
)
M x
≤ b
Formulation: (
T
M
y
c
s c  
s c
x ≥ 0
y
≥ 0
• Exemple:
Exemple:
Max
30 000
x
+ 10 000
x
Min
240
y
+ 420
y
1
2
1
2
60
x 1 x
+ 30
240
(
1 )
 60
y
1 + 70
y
30 000
(
1 )
2
(
P )
2
(
D )
s
70
x
1 + 70
x
420
(
2 )
s
30 y
1 + 70
y
10 000
(
2 )
c
2
c
2
,
≥ 0
x 1
x 2
y
,
y
≥ 0
 
 
1
2
• Matriciellement:
• Matriciellement:
30
000
 
x 1 
 240  
y
Max
;
1
Min
;
10
000
x
 
420
y
2
 
2
(
P )
 60
30
 x 
240
(
D )
1
 60
70
 y 
30 000
1


s


70
70
x
420
s

30
70
y
10 000
c
2

c
2
x ≥ 0
y ≥ 0
30
000
 
240
 
y
x 1 
1
Max
;
Min
;
10
000
x
420
y
 
2
 
2
(
P )
60
30
240
(
)
D
60
70
 
y
x 1 
1 
30
000
s
70
70
x
420
s
30
70
y
10
000
 
2 
c
2
c
x ≥ 0
y ≥ 0
transposition
Il apparaît évident que le dual du dual nous donnera à nouveau le primal.

Auteur: Philippe Gollotte

Page 123 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

6.2- Propriétés des problèmes de dualité: 6.2.1.- De l´existence de solutions optimales. Un programme linéaire

6.2- Propriétés des problèmes de dualité:

6.2.1.- De l´existence de solutions optimales.

de dualité: 6.2.1.- De l´existence de solutions optimales. Un programme linéaire possède une solution optimale finie

Un programme linéaire possède une solution optimale finie si et seulement si lui et son dual possèdent des solutions réalisables. C´est le cas de figure que nous traitons dans le cadre de ce cours.

Si le problème primal possède une solution optimale infinie, alors le dual n’a pas de solution réalisable (cas non traité dans le cadre de ce cours). Si le dual ne possède pas de solution réalisable, alors la solution du primal est une solution optimale infinie (cas non traité dans le cadre de ce cours).

6.2.2.- Relations à l´optimum.

Nous éviterons d´entrer en dans les détails théoriques et autres démonstration et énoncerons les

trois principes les plus importants:

la valeur optimale de la fonction objectif dans le dual est égale à la valeur optimale de la fonction objectif dans le primal.

une contrainte satisfaite sous forme d'égalité dans le primal correspond à une variable strictement positive dans le dual et réciproquement (cela permet d´identifier quelques variables en base à l´optimum dans le dual à partir du primal et inversement).

à l'optimum, la i ème variable duale est égale (au signe près) au coût d´opportunité de la i ème variable d'écart du primal (cela complète la propriété précédente mais surtout établit un lien entre variable duale et variable d´écart primale).

6.3- De la solution du primal à la solution du dual:

Nous allons maintenant voir par l´exemple les liens unissant la solution optimale du primal à la solution optimale du dual.

6.3.1.- Solution du primal.

Revenons à notre exemple:  Max 30 000 x + 10 000 1  
Revenons à notre exemple:
Max
30 000
x
+ 10 000
1
 60
x
+ 30
x
240
1
2
(
P )
s
70
x
+ 70
x
420
c
1
2
x
,
x
≥ 0
 
 
1
2

x

2

Auteur: Philippe Gollotte

(

(

1

)

2

)

Page 124 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

1.- Graphiquement. x 2 LÉGENDE: contraintes 10 aire des solutions réalisables solutions de base ∇J
1.- Graphiquement. x 2 LÉGENDE: contraintes 10 aire des solutions réalisables solutions de base ∇J

1.- Graphiquement.

x 2 LÉGENDE: contraintes 10 aire des solutions réalisables solutions de base ∇J gradient de
x 2
LÉGENDE:
contraintes
10
aire des solutions
réalisables
solutions de base
∇J
gradient de J
courbes de
niveau de J
x*
solution optimale
5
∇J
1
x*
0
x
1
5
10
1
2.- Tableau simplexe associé.
-1 b
B
≥ 0,
x 1
x 2
e 1
e 2
point réalisable
x
1
1/2
1/60
0
4
1
e
0
35
-7/6
1
140
2
0
-5 000 -500
0
J
= 120 000

Nous observons que la solution optimale est une solution «en coin». Il s´agit du point

(

x ; x

1

2

)

=

(

4;0

)

.

La vente est donc maximum lorsque l´on produit 4 voitures sportives avec les ressources dont on dispose.

En observant le graphique nous déduisons que la seconde contrainte relative aux

est

donc en base.

heures homme n´est pas saturée.

e

2

Nous observons que

x

2

n´est pas en base donc nul.

Nous ne produirons pas de voitures routières.

Remarquons que

e , variable d´écart associée aux

2

heures machine vaut 140.

Les coûts d´opportunité de

respectivement -5 000 et -500.

x

2

et

e

1

valent

6.3.2.- Solution du dual.

En nous rappelant les propriétés des problèmes de dualité, nous pouvons dire:

- Le primal a une solution optimale finie donc le dual en aura une aussi. Ces deux solutions impliquent une même valeur des fonctions objectif primale et duale.

- n´est pas en base dans le primal donc nulle. Cela signifie que la première contrainte est

e

1

saturée. La première contrainte ou première ligne du primal correspond à la première colonne

1 dans le dual du fait que la matrice des coefficients est transposée lors

du processus de transformation du primal au dual.

De plus sa valeur à l´optimum est égale au signe près à la valeur du coût d´opportunité de la première variable d´écart du primal soit 500.

soit à la variable duale

y

y

1

est donc en base.

Auteur: Philippe Gollotte

Page 125 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

En suivant ce dernier principe la valeur de la seconde variable duale d´opportunité de la
En suivant ce dernier principe la valeur de la seconde variable duale d´opportunité de la

En suivant ce dernier principe la valeur de la seconde variable duale

d´opportunité de la seconde variable d´écart du primal ( e ) et donc n´est pas en base.

y

2 est 0, valeur du coût

2

- Il nous reste à identifier la seconde variable en base dans le dual. Pour se faire nous inverserons les rôles. En effet, le primal n´est autre que le dual du dual. Alors le dual serait le primal en quelque sorte.

2 ici) sont égales au signe près aux valeurs des

coûts d´opportunités des variables d´écart du primal (qui est le dual dans ce jeu des rôles inversés). Nous n´avons jusqu´à présent pas nommé ces variables d´écart. Nous les appellerons

pour «variables d´écart du dual» et ce afin de ne pas les confondre avec les variables

Dans le dual du dual, les variables duales (

d

1

et

d

2

x

1

et

x

d´écart

Nous avons

l´optimum de

est en base et vaut 5 000.

e .

i

x

1

d

1

et

et

x

2

d

2

qui valent 4 et 0 respectivement donc les coûts d´opportunité à

valent -4 et 0 respectivement.

d

1

n´est donc pas en base et vaut 0.

d

2

6.3.3.- Déduisons le tableau simplexe associé à la solution du dual.

De ce qui précède nous pouvons prendre des raccourcis et déduire la solution optimale du dual

avec rapidité.

1.- Le problème dual. Si les variables en jeu n´apparaissent pas claires, nous pouvons exprimer la forme standard du problème dual. Ce ne serait pas peine perdue si nous voulions vérifier par la suite la solution obtenue en calculant le tableau simplexe associé à la base optimum.

(

D

)

 Min 240 y + 420 y 1 2    60 y +
 Min
240
y
+ 420
y
1
2
 60
y
+ 70
y
1
2
s
30
y
+ 70
y
c
1
2
y
,
y
≥ 0
 
 
1
2

30 000

10 000

(

(

)

1 (
2

)

D

)

− Max − (   −  60 y 1  s − 30
−
Max
(
−
60
y
1
s
30 y
c
1
y
,
y
 
 
1
2

240

0

y

70

70

1

+

y

y

2

2

d

1

420

+

+

,

d

d

1

2

d

2

y

2

)

=−

30 000

=−

0

10 000

( )

1

(

2 )

2.- La fonction objectif. Problème primal ou dual, à l´optimum la fonction objectif vaut 120 000.

3.- Correspondance des variables (variables en base). En résumé nous avons un lien établi entre les variables duales et les variables d´écart primale d´une part et les variables d´écart duales et les variables primales d´autre part. Soient les correspondances suivantes:

x

1

d ,

1

x

2

d ,

2

e

1

y

1

et e y .

2

2

Comme les coûts d´opportunité de

x

2

et

e

1

sont non nuls,

d

2

au signe près la valeur de ces coûts d´opportunité.

Auteur: Philippe Gollotte

et

y

1 sont en base et leur valeur est

Page 126 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

Nous avons: B - 1 b ≥ 0,   y 1 y 2 d 1

Nous avons:

B -1 b

≥ 0,

 

y 1

y 2

d 1

d 2

point réalisable

y

1

1

0

500

 

d

2

0

1

5 000

 

0

0

J

= 120 000

2 0 1 5 000   0 0 J = 120 000 4.- Correspondance des variables

4.- Correspondance des variables (variables hors base).

d 1 sont hors base donc

nulles. Leurs coûts d´opportunité seront égaux au signe près aux valeurs des variables primales correspondantes. Les coefficients manquants à l´intérieur du tableau simplexe dual sont égaux au signe près aux valeurs des coefficients correspondants dans le primal. Il peut être utile de faire apparaître dans le tableau primal les variables duales correspondant aux variables primales. Voyons un exemple:

Pour compléter les colonnes vides nous savons que les variables

y

2

et

TABLEAU DUAL:

B -1 b

≥ 0,

 

y 1

y 2

d 1

d 2

point réalisable

y

1

1

y 1 1 0 500  

0

500

 

d

2

0

1

5 000

 

0

0

J

= 120 000

Nous recherchons dans le dual la valeur du coefficient situé à l´intersection de la ligne de

y

1 et de la colonne de

y .

2

TABLEAU PRIMAL:

d

y

1

2

 

d

1

d 2

y 1

y 2

B

-1 b

x

1

x 2

e 1

e 2

 

x 1

1

1/2

1/60

0

 

4

e 2

0

35

-7/6
-7/6

1

140

 

0

-5 000 -500

0

J

≥ 0,

point réalisable

= 120 000

Il correspond au signe près dans le primal au coefficient

situe à l´intersection de la ligne de

e

2

et de la colonne de

e

1

.
.

soit 7 6

En suivant ce principe nous complétons le tableau et obtenons:

B -1 b

≥ 0,

 

y 1

y 2

d 1

d 2

point réalisable

y

1

1

7/6

-1/60

0

500

 

d

2

0

-35

-1/2

1

5 000

 

0

-140

-4

0

J

= 120 000

Auteur: Philippe Gollotte

Page 127 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

Nous pouvons aisément vérifier ce résultat en calculant le tableau simplexe associé à la base
Nous pouvons aisément vérifier ce résultat en calculant le tableau simplexe associé à la base

Nous pouvons aisément vérifier ce résultat en calculant le tableau simplexe associé à la base

optimum identifiée

{

β= y ;d

1

2

}

a)

b) Matrice de base:

Base:

{

β= y ;d

1

2

}

B

−

=

60

30

.

0

1

c) Vecteurs hors base:

d) Matrice des vecteurs hors base:

{

β= y ,d

2

1

B

−

=

70

70

1

0

e) Second membre:

b

−

=

30

10

000

000

}

f) Tableau simplexe associé:

B -1 b

≥ 0,

 

y 1

y 2

d 1

d 2

point réalisable

y

1

1

7/6

-1/60

0

500

 

d

2

0

-35

-1/2

1

5 000

 

0

-140

-4

0

J

= 120 000

g) Evaluation de l´optimalité: les coûts d'opportunité des variables hors base sont tous négatifs. Le point

est optimum et la fonction objectif vaut 120 000.

Auteur: Philippe Gollotte

Inverse de B:

B

=

−

60

30

0

1

CALCULS:

B

1

=−

1

60

1

0

30

60

Coordonnées de B y b dans la base β :

− 70 1 − 30 000    − 70 0 − 10 000
−
70
1
30
000
70
0
10
000
1
1 30
7
6
1 60
500
− 1
B
(
B
b
)
=−
=
60
0 −
60
35
1 2
5 000
Coûts d´opportunité:
7 6
 ; −
240
C
=−
420
=−
140
y
2
− 35
0
 
−
1 60
 ; −
240
C
= −
0
=−
4
d
1
− 1 2
0
 

Page 128 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

6.4- Quelques interprétations: Comparons maintenant les tableaux simplexes optimum primal et dual: TABLEAU PRIMAL:

6.4- Quelques interprétations:

6.4- Quelques interprétations: Comparons maintenant les tableaux simplexes optimum primal et dual: TABLEAU PRIMAL:

Comparons maintenant les tableaux simplexes optimum primal et dual:

TABLEAU PRIMAL:

TABLEAU DUAL:

B -1 b

B -1 b

≥ 0,

≥ 0,

 

x 1

x 2

e 1

e 2

   

x

1

1

1/2

1/60

0

4

e

2

0

35

-7/6

1

140

 

0

-5 000 -500

0

J

Rappelons que

x

1

et

x

2

 

y 1

y 2

d 1

d 2

point réalisable

y

1

1

7/6

-1/60

0

500

 

d

2

0

-35

-1/2

1

5 000

 

0

-140

-4

0

J

= 120 000

point réalisable

= 120 000

sont les nombres de sportives et routières fabriquées respectivement et

que

y

1

et

y

2 sont les coûts de location hebdomadaire des heures machine et homme respectivement.

6.4.1.- Au sujet du prix des ressources non saturées.

est en base ce qui signifie que la seconde contrainte relative aux heures homme

qui

serait le coût de location de cette ressource est nul. En effet si cette ressource n´est pas rare elle n´a apparemment pas de valeur. Cette interprétation traditionnelle n´est cependant pas à notre goût.

n´est pas saturée. Nous avons donc un surplus d´heures homme soit trop d´employés. Dans le dual

Dans le primal

e

2

y

2

Nous préférerons considérer que du fait que cette ressource est disponible en excès elle peut être louée à n´importe quel prix supérieur à 0 car ce serait de toute façon économiquement plus profitable que de compter sur la ressource et ne pas en tirer profit.

Par exemple imaginez que dans une exploitation minière vous aillez trois camions benne pour transporter les morceaux de roche contenant le métal et deux casques de protection pour les chauffeurs. Vous ne pourriez faire travailler que deux camions benne dans les conditions de sécurité standard. Vous auriez donc un camion benne au repos.

Cela ne signifie pas qu´il n´ait pas de valeur sinon que votre restriction, goulet d´étranglement à la production, est liée aux casques. Si vous perdez un casque votre production baisse car vous perdrez l´usage d´un camion par la même. Si vous perdez un camion votre production ne baisse pas car vous avez à la base un camion en trop.

Si le camion est oisif vous pouvez le louer c´est mieux que rien. Par contre si vous désirez augmenter la production vous devez relâcher la restriction portant sur les casques en en achetant un de plus. Alors ce camion de trop aura un coût d´opportunité positif égal au bénéfice net que son travail rapporte. Vous ne le loueriez pas à un prix inférieur à ce que son travail rapporte.

Auteur: Philippe Gollotte

Page 129 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

6.4.2.- Au sujet du prix des ressources saturées. e 1 n´est pas en base ce
6.4.2.- Au sujet du prix des ressources saturées. e 1 n´est pas en base ce

6.4.2.- Au sujet du prix des ressources saturées.

e 1 n´est pas en base ce qui signifie que la première contrainte relative aux heures

qui serait le coût

de location de cette ressource est en base et vaut 500. En anglais on appelle ce coût SHADOW PRICE traduit en français comme coùt caché ou coût r´duit comme l´on trouve souvent dans les logiciels d´optimisation.

machine est saturée. Nous utilisons les machines à 100% de leur capacité. Dans le dual

Dans le primal

y

1

A l´optimum nous produirons 4 voitures sportives pour une vente de €120 000. Chacune d´elles incorpore 60 heures machine soit 240 au total. Cela nous donne €500 en moyenne par heure machine.

Nous rappelons qu´au début de ce cours nous avons spécifié que celui-ci n´aborderait pas la programmation linéaire en nombres entiers. En conséquence nous considérons les variables continues et divisibles et ce afin de simplifier le raisonnement.

Nous admettons que dans la réalité les choses seraient plus complexes car si nous venions à perdre une heure machine nous perdrions une voiture sportive car les 59 heures machine restantes ne suffiraient pas à produire cette voiture.

Maintenant dans notre cadre simplifié, renoncer à une heure machine est acceptable si et seulement si nous sommes payés au moins €500 pour celle-ci car une heure machine en moins signifie que

pour celle-ci car une heure machine en moins signifie que nous ne produirons que 5 9

nous ne produirons que 59 60 sportive que nous vendrons

produirons que 5 9 6 0 sportive que nous vendrons 59 60 ( 30 000 )

59

60

(

30 000

)

= 29 500

€ soit €500 de moins.

6.4.3.- Au sujet de la décision de production.

Dans le primal

x

2

n´est pas en base ce qui signifie que l´on ne produira pas de voitures routières. Le

est en base et vaut 5 000. C´est en quelque

. En anglais ce prix s´appelle shadow

coût d´opportunité de la variable est de -5 000. Dans le dual

d

2

sorte ce qu´il faudrait nous payer pour que l´on accepte de produire

price

x

2

Analysons la colonne de x dans le primal. 2 -1 b B ≥ 0, x
Analysons la colonne de
x
dans le primal.
2
-1 b
B
≥ 0,
x 1
x 2
e 1
e 2
point réalisable
x
1
1/2
1/60
0
4
1
e
0
35
-7/6
1
140
2
0
-5 000 -500
0
J
= 120 000

Le coefficient de la colonne de

relative à la variable en base

que nous devrons renoncer à produire 1 2 unité de

x

2 dans la première ligne

à produire 1 2 unité de x 2 dans la première ligne x 1 est 1

x 1 est 1 2 . Cela signifie

x

1

si nous désirons produire une unité de

x .

2

Auteur: Philippe Gollotte

Page 130 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

est 30. Comme cette ressource est saturée nous perdrons 30 heures machines que nous aurions
est 30. Comme cette ressource est saturée nous perdrons 30 heures machines que nous aurions

est 30. Comme

cette ressource est saturée nous perdrons 30 heures machines que nous aurions pu dédier à la production

de

En effet le nombre d´heures machine nécessaires à la production d´une unité de

x

machine nécessaires à la production d´une unité de x 2 x . Comme une unité de

2

x . Comme une unité de

1

x 1 requière de 60 heures machine, nous ne produirons pas 1 2 unité de

x .

1

x 1 se vend €30 000 l´unité. Nous perdrons donc €15 000 de vente dans cette opération. Cependant

laquelle se vend €10 000. La perte nette résultant de la production d´une

nous produirons une unité de

unité supplémentaire de

x

2

x

2

est donc de €5 000 d´où le coût d´opportunité égal à -5 000.

Notons que dans la littérature on trouve parfois le coût d´opportunité appelé COUT MARGINAL. En économie le raisonnement “à la marge” consiste à considérer les conséquences de produire une unité de plus, consommer une unité de plus, travailler une heure de plus… à partir d´un état donné. Cela s´applique

très bien ici vu que l´on considère le coût de produire une unité de

optimum.

supplémentaire par rapport à l´état

x

2

Le coefficient de la colonne de

x

2

dans la seconde ligne relative à la variable en base

e

2

Cela signifie que nous devrons renoncer à 35 unité de

e

2

si nous désirons produire une unité de

est 35 .

.

x

2

Il convient de rappeler ici que

e

2

est la variable d´écart relative aux heures homme. À l´optimum

est en base et vaut 140. Nous avons donc 140 heures homme en surplus. Si nous décidions de produire

il n´en resterait que 105.

e

x

2

2

En effet une unité de

x

2

requière de 70 heures homme mais implique également renoncer à

produire une demi unité de

x 1 laquelle requière également de 70 heures homme soit un solde de 35.

Nous retiendrons donc que si la variable d´écart duale est en base, le produit (variable primale correspondante) n´est pas fabriqué (la variable est hors base). Au contraire le produit correspondant à une variable d´écart duale hors base est fabriqué.

Auteur: Philippe Gollotte

Page 131 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

Problème de synthèse pour le chapître 6. “… Soit le problème de minimisation suivant: (

Problème de synthèse pour le chapître 6.

“… Soit le problème de minimisation suivant:

(

P

)

 Min         s c   
Min
 
s c
 

3 x

x

1

+

2

x

x

x

1

x

2

+

x

2

2

6

1

1

1

+

+

,

x

x

2

2

10

x

2

0

4

(

1

(

2

(

3

)

)

)

- Résoudre le problème.

…”

PROPOSITION DE RESOLUTION

) - Résoudre le problème. …” PROPOSITION DE RESOLUTION Nous pourrions transformer ce problème en un

Nous pourrions transformer ce problème en un problème de maximisation avec contraintes de type “inférieur ou égal à” mais nous devrions alors travailler avec trois variables artificielles. Il semble donc plus simple de résoudre le problème dual et de déduire ensuite la solution du primal.

1.- Problème dual. Le primal a deux variables et trois contraintes donc le dual aura trois variables et deux contraintes.

Soient y , y 2 et y 3 les variables duales. 1  Min 3
Soient
y ,
y
2 et
y
3 les variables duales.
1
 Min
3 x
+ x
1
2
Max
 2
+
x
6
(
)
1
 x
1
2
(
P )
x
+
x
10
(
)
(
)
2
D
s
1
2
s
c
c
x
+
2
x
4
(
)
3
 
1
2
 
 
x
,
x
0
1
2
2.- Tableau simplexe initial.
B -1 b
≥ 0,
y 1
y 2
y 3
d 1
d 2
point réalisable
d
2
1
1
1
0
3 = 3
1
1
pivot
d
1
1
2
0
1
1 = 1
sort
1
2
6
10
4
0
0
J
= 0

entre

Auteur: Philippe Gollotte

6

y

1

+

10

y

2

+

4

2

y

y

y

1

1

+

1

,

y

y

2

+

y

,

2

2

y

3

+

+

y

y

3

2

0

3

y

3

1

3

( )

1

( )

2

Page 132 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

3.- Base β = d ; y . 1 2 { } B - 1
3.- Base β = d ; y . 1 2 { } B - 1

3.- Base

β= d ; y .

1

2

{

}

B -1 b

≥ 0,

 

y 1

y 2

y 3

d 1

d 2

 

d

1

1

0

-1

1

-1

2

y

2

1

1

2

0

1

1

 

-4

0

-16

0

-10

J

= 10

point réalisable

Les coûts d´opportunité des variables hors base sont tous négatifs. Le point est optimum. La

fonction objectif vaut 10.

4.- Solution du primal.

Nous avons appelé la fonction objectif J dans le dual. Nous appellerons la fonction objectif du

primal L. A l´optimum elle vaut 10.

Connaissant le lien unissant variables d´écart du dual et variables primales d´un côté et variables duales et variables d´écart du primal d´un autre côté nous avons les correspondances:

x

1

d ,

1

x

2

d ,

2

e

1

y ,

1

e

2

y

2

et e y .

3

3

Les variables correspondant aux variables hors base du dual sont en base dans le primal donc la

base optimum du primal est:

β=

{

x ;e ;e

2

1

3

}

.

Nous avons donc:

x

e

1

2

TABLEAU DUAL:

TABLEAU PRIMAL:

 

e

1

e 2

e 3

x 1

x 2

B

-1 b

≥ 0,

y

1

y 2

y 3

d 1

d 2

point réalisable

d 1

1

0

-1

1

-1

 

y 2

1

1

2

0

1

 

-4

0

-16

0

-10

J

= 10

B -1 b

≥ 0,

 

x 1

x 2

e 1

e 2

e 3

 
 

2

1

1

0

-1

0

10

1

-1

0

1

-1

0

4

e

3

1

0

0

-2

1

16

 

-2

0

-16

-1

-10

L

= 10

point réalisable

2 x

1 e

Dans le primal le point x = (0;10;4;0;16)

est optimum. La fonction objectif vaut 10.

Auteur: Philippe Gollotte

Page 133 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

Exercices du chapître 6. Exercice 1.- Source: d´après Module 105 Programmation Mathématique et Optimisation, Gérard

Exercices du chapître 6.

Exercices du chapître 6. Exercice 1.- Source: d´après Module 105 Programmation Mathématique et Optimisation, Gérard

Exercice 1.- Source: d´après Module 105 Programmation Mathématique et Optimisation, Gérard Michel Cochard. Résoudre le programme dual du programme linéaire suivant:

3 variables indépendantes:

Contraintes:

x

1

3

x

+

2

1

+

x

2

2

x

+

3

2

+

x

2

3

x

3

9

15

x

1

,

x

2

et

Fonction économique à maximiser:

z

1

x

3

non négatives.

= x + 9x + x

1

2

3

Exercice 2.- Source: d´après Module 105 Programmation Mathématique et Optimisation, Gérard Michel Cochard. Résoudre le programme linéaire suivant:

2 variables indépendantes:

Contraintes:

y

1

5

y

+

2

1

+

y

y

2

2

3

4

y

1

et

y

Fonction économique à minimiser:

2

z

non négatives.

2

= 6y + 9y

1

2

Exercice 3.- Source: d´après Module 105 Programmation Mathématique et Optimisation, Gérard Michel Cochard. Résoudre le programme linéaire suivant:

2 variables indépendantes d´activité:

Contraintes:


 

+

+

x 1 1

3

2

x

1

x

1

2

3

x

x

2

2

6

6

x

1

et

Fonction économique à minimiser:

z = 2x

1

x

2

+ x

non négatives.

2

On utilisera 3 méthodes (qui doivent évidemment conduire au même résultat):

1) Résolution graphique. 2) Transformer le problème en un problème de maximisation et utiliser l'algorithme du simplexe. 3) Résoudre le problème dual et en déduire la solution optimale.

Auteur: Philippe Gollotte

Page 134 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

Exercice 4.- Résoudre le programme linéaire suivant:  2 Max x + 3 x 1

Exercice 4.- Résoudre le programme linéaire suivant:

 2 Max x + 3 x 1  + 2  4 x ≥
 2
Max
x
+
3
x
1
 +
2
4
x
4
 x
1
2
(
P )
2
x
+ x
12
1
2
s c
x
+
3
x
4
1
2
x
,
x
0
 
1
2
≥ 4  1 2  x , x ≥ 0    1 2

Exercice 5.- Source: d´après Examen mensuel n°4, Universidad de San Martín de Porres, Lima-Pérou, novembre 2010, Philippe Gollotte. Dans une entreprise on fabrique deux produits A et B vendus €200 et €300 respectivement. Pour la fabrication des produits on utilise deux machines 1 et 2 lesquelles travaillent 24 heures sans interruption

Les produits A et B requièrent de 4 et 3 heures de travail respectivement dans la machine 1. La machine 2 a un rendement quotidien de 8 et 6 produits A et B respectivement.

Pour justifier que l´on commence un cycle productif (mobilisation d´hommes, matières premières, préparation des machines…) on doit fabriquer un minimum de 4 produits (A ou B).

- Exprimer le programme linéaire correspondant à un objectif de maximisation sous contrainte de la vente quotidienne (en supposant que tout ce qui est produit est vendu).

- Résoudre le problème grâce à l´algorithme du simplexe. Commenter.

- En déduire la solution du dual.

- Un concurrent propose à l´entreprise de louer les machines 1 et 2 pour 2 heures chacune à un prix de €40 l´heure chaque machine. L´entreprise doit-elle accepter?

Exercice 6.- Dans une entreprise on fabrique deux produits A et B vendus S/. 100 chacun. Le directeur marketing pense que la participation de marché maximum que l´entreprise pourrait conquérir sur le segment du produit A correspondrait à une vente de 4 000 unités.

Les produits A et B requière de 2 et 3 unités respectivement d´une matière première dont on dispose de 30 000 unités en stock. Le processus de production prévoit l´usage d´une machine fonctionnant 200 heures par mois. Les rendements mensuels sont de 6 000 et 12 000 unités respectivement pour A et B.

- Formuler le problème de l´entreprise et le résoudre grâce à l´algorithme du simplexe.

- Formuler le dual de ce problème et déduire de la question précédente le tableau simplexe optimum associé au dual.

Auteur: Philippe Gollotte

Page 135 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

Répondre aux questions suivantes en détail. Toutes vos réponses doivent être justifiées en vous appuyant
Répondre aux questions suivantes en détail. Toutes vos réponses doivent être justifiées en vous appuyant

Répondre aux questions suivantes en détail. Toutes vos réponses doivent être justifiées en vous appuyant sur vos tableaux simplexes optimum.

- Quelles seraient les conséquences pour l´entreprise (en termes de variations dans la production, variations dans les capacités de production utilisées et non utilisées et de variations dans le chiffre d´affaire) si elle décidait stratégiquement de se positionner sur le segment du produit A en obtenant la part de marché maximum possibles pour ce produit?

- A quels prix l´entreprise pourrait céder une unité de matière première ou une heure de travail machine?

- Un concurrent propose à notre entreprise de lui racheter 10 000 unités de matière première et 50 heures machine contre 3 000 unités de produit A et S/. 50 000. L´entreprise doit-elle accepter?

- Que doit faire l´entreprise si le concurrent propose de louer 30 heures machine pour S/.60 000?

Exercice 7.- Source: d´après examen FOAD e-Miage décembre 2010, Gérard-Michel Cochard Un entreprise fabrique deux types de produits A et B. Le produit A laisse à la vente un bénéfice net de 4 €; le produit B, 6 €.

Une étude de marché montre que le nombre maximum de produits A diffusables par jour est 12 et que le nombre maximal de produits B diffusables par jour est 10. Par ailleurs, par jour, la capacité de production est de 16 produits (A ou B) au maximum.

On recherche les quantités de produits A et B optimales pour maximiser le bénéfice net.

- Quelle est la fonction économique z à maximiser ?

- Exprimer sous forme d'inéquations les contraintes du système.

- Par résolution graphique, déterminer les quantités optimales de produits A et B à fabriquer par jour.

- Définir le problème dual.

- Déduire de la question 3 la solution du problème dual. (aide: la façon la plus rapide et élégante de répondre à cette question ne demande pas l´usage de l´algorithme du simplexe et ne requière pas non plus de connaître le tableau primal optimum).

Auteur: Philippe Gollotte

Page 136 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation