Vous êtes sur la page 1sur 3

EPFL MATHÉMATIQUES DISCRÈTES

Institut de Mathématiques MA/IN


J.-F. Hêche HIVER 2003/2004

CORRIGÉ DE LA SÉRIE D’EXERCICES 8

Les énoncés des séries et leurs corrigés ainsi que les copies des présentations sont disponibles
sur le site du cours : http://roso.epfl.ch/cours/ro/2003-2004

Problème 1

a) Le plan de production optimal est de produire x 1 = 1200 boı̂tes de type 1 et x2 = 3400


boı̂tes de type 2, ce qui donne un chiffre d’affaires de z = 20 600 CHF.
b) i) Remarquons premièrement que, pour chaque minute de travail supplémentaire, le
chiffre d’affaires augmente potentiellement de 1 CHF. Cette valeur correspond au
prix marginal associé à la contrainte sur le nombre de minutes disponibles (variable
duale y2∗ ). Comme l’étudiant demande à être payé 0.5 CHF (< 1 CHF) la minute,
l’entreprise peut donc entrer en matière.
Afin de déterminer la durée de l’engagement, il faut effectuer une analyse de sensibilité
pour le coefficient b2 . Si b2 varie d’une quantité δ, la base actuelle reste optimale tant
que δB −1 e2 ≥ −B −1 b, c’est-à-dire tant que
   
−1 3400
δ  2  ≥ −  1200  ⇐⇒ −100 ≤ δ ≤ 3400.
2 200
Exprimant δ en heures, la base actuelle reste optimale tant que -1h40 0 ≤ δ ≤ 56h400 .
L’entreprise a donc intérêt à engager l’étudiant pendant 42 heures.
ii) Le nouveau chiffre d’affaires est z̄ = 20 600 + 60 · 42 = 23 120 CHF (si on déduit le
salaire de l’étudiant, la nouvelle valeur optimale est z̄ = 20 600+(60−30)·42 = 21 860
CHF). Le nouveau plan de production optimal est obtenu en calculant
      
x2 2 −1 0 8000 880
xB =  x1  = B −1 b̄ =  −3 2 0   12600 + 42 · 60  =  6240 
x5 −5 2 1 15000 5240
Il faut donc produire 6240 boı̂tes de type 1 et 880 boı̂tes de type 2.
c) Le prix marginal y3∗ associé aux agrafes étant nul (il reste de quoi agrafer l’équivalent
de 200 boı̂tes de type 1), cette nouvelle boı̂te d’agrafes n’apporte rien de plus. Le chiffre
d’affaires maximal et le plan de production optimal restent les mêmes.

Problème 2

a) Le plan de production optimal pour la semaine à venir comprend x 1 = 750 verres à vin,
x2 = 5000 verres à eau et x3 = 750 flûtes à champagne, pour un bénéfice de 24000 Frs.
b) Les informations fournies par CPLEX permettent de reconstituer entièrement le tableau
optimal, hormis l’inverse de la matrice de base :
x1 x2 x3 x4 x5 x6 z
1 0 0 0 750
T∗ = 0 1 0 0 5000
0 0 1 0 750
0 0 0 1/4 1 10 1 24000

1
c) Si l’entreprise engageait l’étudiant pendant trois jours, ce dernier ne serait productif que
22 heures, soit 1320 minutes. Comme 9500 + 1320 = 10820 se trouve dans l’intervalle
[9125,11000] fourni par CPLEX, la base courante resterait optimale. Le gain de l’entreprise
augmenterait alors de 1320 · 1 = 1320 Frs, pour un coût de 24 · 30 = 720 Frs. Ainsi,
l’entreprise a intérêt à engager l’étudiant pour trois jours, car son bénéfice passerait de
24000 à 24000 + 1320 − 720 = 24600 Frs. Il est par ailleurs bien clair que le bénéfice de
l’entreprise serait moindre si elle engageait l’étudiant sur une plus courte période.

Problème 3
Soit x∗ ∈ K tel que
f (x∗ ) = max f (x).
x∈K
1. Si x∗ est un point extrême de K, il n’y a rien à démontrer.
2. Si x∗ n’est pas un point extrême, il peut s’écrire comme combinaison convexe des points
extrêmes de K (car tout polytope est égal à l’enveloppe convexe de ses points extrêmes).
Ainsi
X k
x∗ = λi xi
i=1
Pk
où xi est un point extrême de K pour tout i, λ i > 0 pour tout i et i=1 λi = 1.
On a alors : !
Xk X k

f (x ) = f λi xi ≤ λi f (xi )
i=1 i=1

car f est convexe. De plus, x∗ étant un maximum de f sur K, on a

k
X k
X
λi f (xi ) ≤ λi f (x∗ ) = f (x∗ ).
i=1 i=1

Ainsi les inégalités sont des égalités. On doit donc avoir f (x ∗ ) = f (xi ) pour tout i et f
atteint son maximum en au moins un point extrême de K.

Problème 4
Un algorithme satisfaisant les contraintes imposées peut être dérivé de l’équivalence suivante :
K 6= ∅ est un polytope ⇔ les n + 1 programmes linéaires :

max ξ = ni=1 xi
P
min ωi = xi
et
s.c. x ∈ K s.c. x ∈ K

possèdent un optimum fini.


La nécessité de l’affirmation précédente est immédiate, car toute fonction à valeur réelle possède
un max et un min sur un ensemble compact non vide. La suffisance est prouvée en fin d’algo-
rithme.

Algorithme :

1. Résoudre :
max ξ = ni=1 xi
P
s.c. x ∈ K
Si K = ∅ : Stop, K est compact.
S’il n’existe pas d’optimum fini : Stop, K est non borné.

2
2. Pour i de 1 à n
Résoudre :
min ωi = xi
s.c. x ∈ K
Si le problème n’admet pas d’optimum fini : Stop, K est non borné.
3. K est compact car il est inclus dans la boule fermée B(ω,ξ − ni=1 ωi ) où ω = [ω1 , . . . ,ωn ].
P

8 décembre 2003 – JFH/sp