Vous êtes sur la page 1sur 6

Cours de Programmation Linaire donn par le Dr.

Ali DERBALA

Cours 10:
Mthode du grand M (big M Method)

Solution de base duale-ralisable de dpart


Pour appliquer l'algorithme dual du simplexe, il est ncessaire de possder une base
duale-ralisable, une solution tel que cj - zj 0, j J (l'ensemble des indices hors base).
Considrons un programme linaire :

A
n
min z = c j x j

ID
j =1
n
aij x j = d i , i = 1,..., m

BL
j =1
x j 0, j = 1,..., n

D
On suppose que le rang de A, r(A) = r(A, d) = m.
Soit B = (a1,, am) une base du systme.
B
LA
Alors on peut diagonaliser ce problme qui devient :
min z = c0 + cm +1 xm +1 + ... + cn x n
H

1 + ... +
x a1m +1 xm +1 + ... + a1n x n = d1
A

x2 + ... + a 2 m +1 xm +1 + ... + a2n xn = d 2



D


........
D

xm + amm +1 xm +1 + ... + amn xn = d m


A

x j 0, j = 1,..., n.
SA

x = (xB, xN), c = (cB, cN) et A = (B, N) avec cB = (0,,0) alors


cj - zj = cj - cB . B-1.aj = cj , j J (l'ensemble des indices hors base).
TE

cj - zj 0 cj 0, j J.
SI

La mthode duale du simplexe est applicable si cj 0, j J.


ER

Supposons que certains coefficients de la fonction objectif soient ngatifs (cj < 0) et certaines
composantes de x B = ( x 1,, x m) soient ngatives.
IV

Soient J1 l'ensemble des indices de variables hors bases avec cj 0,


N

et J2 l'ensemble des indices de variables hors bases avec cj < 0.


U

Alors J = J1 + J2.

Cours 10 : Mthode du grand M (big M). 83


Cours de Programmation Linaire donn par le Dr. Ali DERBALA

Le problme devient :
min z = c j x j + c j x j + c0
j J1 j J 2
xi + aij x j + aij x j = d i , i = 1,..., m
j J1 j J 2
x j 0, j = 1,..., n

Considrons une contrainte artificielle de la forme x j M , M tant un nombre positif


j J 2

aussi grand que l'on veut.


L'quation devient en ajoutant une variable d'cart xn+1 non ngative et affect d'un coefficient
nul dans la forme linaire minimiser.

A
x j + x n + 1 = M , avecx n + 1 0 .

ID
j J 2

BL
Le problme s'crira :
min z = c j x j + c j x j + c0 (1)

E
j J1 j J 2
xi + aij x j + aij x j = d i , i = 1,..., m (2)

D
j J1 j J 2
x j + x n +1 = M (3)
j J 2 B
LA
x j 0, j = 1,..., n

Ce problme obtenu est appel " Problme augment ".


H

{ }
A

Soit ct = min c j .
j J 2
D

min z = c j x j + c j x j + ct xt + c0 (1' )
D

j J1 jJ 2
A

j t
xi + aij x j + aij x j + ait xt = d i , i = 1,..., m (2' )
SA

j J1 jJ 2
j t
c j x j + xt + xn +1 = M (3' )
TE

j J 2
j t
SI

x j 0, j = 1,..., n
ER

De l'quation (3'), on a que xt = M c j x j x n +1 (4) o M est un nombre positif


j J 2
IV

j t

assez grand.
N
U

En remplaant dans (1') et (2') la variable xt par (4)

Cours 10 : Mthode du grand M (big M). 84


Cours de Programmation Linaire donn par le Dr. Ali DERBALA




min z = c j x j + c j x j + ct x j xn +1 M + c0
j J1 j J 2 j J 2
j t
j t
Le problme devient
min z = c j x j + (c j ct ) x j ct xn +1 + ct .M + c0
j J1 j J 2
j t
xi + aij x j + ( aij ait ) x j ait xn +1 = d i ait .M , i = 1,..., m
j J1 j J 2
j t
c j x j + xt + x n + 1 = M

A
j J 2

ID
j t
x j 0, j = 1,..., n

BL
Dans ce problme tous les coefficients de la fonction objectif sont positifs alors on peut lui
appliquer l'algorithme dual du simplexe.

E
D
Les variables de base sont x1, x2, , xm, xt.
L'algorithme conduit l'une des trois situations suivantes.
B
LA
1. Le problme augment n'a pas de solutions finie (minz - ) alors le problme initial
n'a pas de solutions.
H

2. Le problme augment possde une solution finie et xn+1 est une variable hors base, alors
A

le problme initial n'a pas de solutions optimale finie ( montrer!!!!).


D

3. Le problme augment possde une solution optimale finie et xn+1 est une variable dans la
D

base optimale. Le problme initial possde une solution optimale finie qui est celle de
A

l'augment.
SA

Exemple : rsoudre le problme suivant :


TE

Minz = - 2 x1 - x2 - x3
SI

4 x1 + 6 x2 + 3 x3 8
ER

- x1 + 9 x2 - x3 3
2 x1 + 3 x2 - 5 x3 4
IV

x1 0, x2 0 et x3 0.
N

Considrons sa forme standard.


U

Cours 10 : Mthode du grand M (big M). 85


Cours de Programmation Linaire donn par le Dr. Ali DERBALA

Minz = - 2 x1 - x2 - x3
4 x1 + 6 x2 + 3 x3 + x4 = 8
- x 1 + 9 x2 - x 3 - x5 = 3
2 x 1 + 3 x2 - 5 x 3 - x6 = 4
xi 0, i = 1, , 6.
Ce problme est quivalent :
Minz = - 2 x1 - x2 - x3
4 x1 + 6 x2 + 3 x3 + x4 = 8
x1 - 9 x2 + x3 + x5 = -3

A
- 2 x1 - 3 x2 + 5 x3 + x6 = - 4

ID
xi 0, i = 1, , 6.

BL
Dans ce problme c1 = - 2, c2 = - 1 et c3 = - 1.
On introduit dans le problme la contrainte artificielle:

E
x1+ x2 + x3 M qui est quivalente x1+ x2 + x3 + x7 = M.

D
Minz = - 2 x1 - x2 - x3
4 x1 + 6 x2 + 3 x3 + x4 = 8
B
LA
x1 - 9 x2 + x3 + x5 = -3
H

- 2 x1 - 3 x2 + 5 x3 + x6 = - 4
A

x1+ x2 + x3 + x7 = M
D

xi 0, i = 1, , 7.
D

Dterminons le min { cj, cj < 0 } = -2 = c1.


A

La variable x1 = M - x1- x2 - x3 - x7 sera remplace dans le problme qui deviendra :


SA

Minz = - 2.M + x2 + x3 + 2 x7
2 x2 - x3 + x4 - 4 x7 = 8 - 4M
TE

- 10 x2 + x5 - x7 = - 3 - M
SI

- x2 + 7 x3 + x6 + 2 x7 = - 4 + 2M
ER

x1 + x2 + x3 + x7 = M
xi 0, i = 1, , 7.
IV

La solution de base de dpart : x4 = 8 - 4M, x5 = - 3 - 3M, x6 = - 4 + 2M et x1 = M est une


N

solution duale-ralisable de base.


U

Dressons le tableau reprsentant le problme et calculons le :


min { xj , xj < 0} = min { 8 - 4M, - 3 -3M } = 8 - 4M. a4 sort de la base courante.
Dterminons quelle variable rentrera dans la base.

Cours 10 : Mthode du grand M (big M). 86


Cours de Programmation Linaire donn par le Dr. Ali DERBALA

Pour cela, calculons min { zj - cj, a4j < 0 } = min { -1/-1; -2/-4} = 2/4 = 1/2.
a7 rentre dans la base.

CB xB Di x1 x2 x3 x4 x5 x6 x7
0 x4 8 - 4M 0 2 -1 1 0 0 -4
0 x5 -3 -3M 0 -10 0 0 1 0 -1
0 x6 -4+2M 0 -1 7 0 0 0 2
0 x1 M 1 1 1 0 0 1 1
Zj - cj - 2M 0 -1 -1 0 0 0 -2

A
I D
CB xB di x1 x2 x3 x4 x5 x6 x7

BL
2 x7 M-2 0 -1/2 1/4 -1/4 0 0 1
0 x5 -5 0 - 21/2 1/4 -1/4 1 0 0

E
D
0 x6 0 0 0 13/2 1/2 0 0 0
0 x1 2 1 3/2 3/4 1/4 0 1 0

B
LA
Zj - cj -4 0 -2 -1/2 -1/2 0 0 0
H

CB xB di x1 x2 x3 x4 x5 x6 x7
A

2 x7 M- 37/21 0 0 5/21 -5/21 -1/21 0 1


D

1 x2 10/21 0 1 -1/42 1/42 -2/21 0 0


D

0 x6 0 0 0 13/2 1/2 0 1 0
A

0 x1 9/7 1 0 11/14 3/14 1/7 0 0


SA

Zj - cj - 64/21 0 0 -21/42 -19/42 -4/21 0 0


TE

u1 u2 u3
SI

Le dernier tableau donne une solution optimale du problme augment ; x7 est dans la base
ER

optimale.
IV

La solution x* = ( 9/7, 10/21, 0, 0, 0, 0) est une solution optimale du problme initial et


min z = - 64/21.
N

La solution du dual du primal est donne dans le tableau final ou optimal.


U

u*= ( 19/42, 4/21, 0) et max w = -64/21.

Cours 10 : Mthode du grand M (big M). 87


Cours de Programmation Linaire donn par le Dr. Ali DERBALA

A
ID
BL
E
D
B
LA
H
A
D
D
A
SA
TE
SI
ER
IV
N
U

Cours 10 : Mthode du grand M (big M). 88