Académique Documents
Professionnel Documents
Culture Documents
Mr.Imed MAHFOUDHI
mahfoudhi.imed5@gmail.com
ENIM-Université de Monastir
19 novembre 2017
1/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
PLAN
2/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
PLAN
2/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
PLAN
2/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
PLAN
3/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
O PTIMISATION ?
I Installation poteau
électrique.
I Réduire la
consommation
d’électricité.
I Maximiser la zone de
F IGURE – Exemple en logistique couverture.
4/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
I Installation poteau
électrique.
I Réduire la
consommation
d’électricité.
I Maximiser la zone de
F IGURE – Exemple en l’ectricité couverture.
5/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
A PPLICATION
Voici quelques domaines d’application de l’optimisation dans les
entreprises :
I Gestion de la ressource humaine
I Optimiser la consommation électrique
I Logistique (transport)
I Production Industrielle.
I Surveillance (placement de capteurs pour la surveillance)
Importance de l’optimisation :
I Maximiser la production.
I Maximiser le gain.
I Minimiser le coût total
I Minimiser le temps.
6/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
O PTIMISATION
7/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Modélisation mathématique
E XEMPLE D ’ APPLICATION
Une usine fabrique deux produits P1 et P2 à l’aide de trois matières
premières M1, M2 et M3 dont on dispose en quantité limitée. On se
pose le problème de l’utilisation optimale de ce stock de matières
premières c’est-à-dire la détermination d’un schéma, d’un
programme de fabrication tel que :
I les contraintes de ressources en matières premières soient
respectées,
I le bénéfice réalisé par la vente de la production soit maximum.
Modèle mathématique :
I Données numériques des contraintes. La disponibilité en
matières premières est de 18 unités de M1, 8 unités de M2 et 14
unités de M3.
I Caractéristiques de fabrication. Elles sont données dans le
tableau ci-dessous :
8/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Modélisation mathématique
E XEMPLE D ’ APPLICATION
M1 M2 M3
P1 1 1 2
P2 3 1 1
9/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Modélisation mathématique
10/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
PLAN
11/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Méthode Graphique
I NTRODUCTION
Méthode graphique : en hachurant la zone correspondant aux contraintes
dite domaine réalisable, et en traçant les lignes de niveaux (des lignes
parallèles dont chacune correspond à une valeur constante de z) de la
fonction à maximiser. On obtient ainsi la solution optimale elle correspond à
un ”sommet” du domaine réalisale.
Exemple : Soit P1 le programme suivant
Avec
- Z La fonction objectif.
- L1 à L3 Les contraintes.
- L4 Les contraintes de non négativité.
12/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Méthode Graphique
M ÉTHODE GRAPHIQUE
Question : Trouver la solution du programme linéaire (P1 ) ?
I On commencer par résoudre les contraintes L1 à L4 la zone des
solutions réalisable.
I Ensuite, Traçant les lignes de niveaux qui correspondant à l’équation
Z = cste.
I Enfin, résoudre le problème.
13/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Méthode Graphique
M ÉTHODE GRAPHIQUE
Question : Trouver la solution du programme linéaire (P1 ) ?
I On commencer par résoudre les contraintes L1 à L4 la zone des
solutions réalisable.
I Ensuite, Traçant les lignes de niveaux qui correspondant à l’équation
Z = cste.
I Enfin, résoudre le problème.
Feasible region and a level line with the objective value = 8.1667
8
programme P1 . 2
de niveau (Z = cst). 0
0 1 2 3 4 5 6 7 8
x1
13/41
Imed MAHFOUDHI 2015-2016 F IGURE – zone des ENIM-Monastir
solutions
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Méthode Graphique
Definition
1 Solution admissible : Une solution admissible est un ensemble
de valeurs données aux variables qui satisfait toutes les
contraintes.
2 Solution optimale : Une solution optimale est une solution
admissible qui optimise la fonction objectif.
3 Programme linéaire : Modèle mathématique dans lequel la
fonction objectif et les contraintes sont linéaires en les variables.
14/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Méthode Graphique
Definition
4 Forme standard : Un programme linéaire est sous forme
standard lorsque toutes ses contraintes sont des égalités
(Ax = b) et toutes ses variables sont non-négatives (x ≥ 0).
5 Forme canonique : Un programme linéaire est sous forme
canonique lorsque toutes ses contraintes sont des inégalités
(Ax ≤ b) et toutes ses variables sont non-négatives (x ≥ 0).
6 Solution de base : Une solution de base d’un programme
linéaire est la solution unique du système de m équations à n
inconnues obtenu en fixant à zéro n − m variables (pourvu que
la matrice du système soit inversible)
Les variables fixées à zéro sont appelées variables hors base et les
autres variables en base.
Exemple :
1) Déterminer la forme standard et canonique du programme P1 .
15/41
2) Déterminer une solution de base et les variable hors base.
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Forme Standard/Canonique
A PPLICATION
Application
Méthode du Simplexe
M ÉTHODE DU S IMPLEXE
Definition
7 Méthode du simplexe : partir d’une solution de base
admissible et passer à une solution de base voisine qui
améliore la valeur de l’objectif.
- Solution voisine : changement d’une variable en base.
Détermination de la variable entrante.
Détermination de la variable sortante.
Pivotage.
17/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Méthode du Simplexe
Méthode du Simplexe
Méthode du Simplexe
20/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Méthode du Simplexe
v.base A1 A2 A3 A4 A5 B
5
x3 3 0 1 − 13 0 10 L01
x2 − 23 1 0 1
3 0 4 L02
4 1
x5 3 0 0 3 1 16 L03
∆0j 3 0 0 -1 0 max(z) − 12 L04
20/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Méthode du Simplexe
v.base A1 A2 A3 A4 A5 B
5
x3 3 0 1 − 13 0 10 L01
x2 − 23 1 0 1
3 0 4 L02
4 1
x5 3 0 0 3 1 16 L03
∆0j 3 0 0 -1 0 max(z) − 12 L04
Méthode du Simplexe
21/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Méthode du Simplexe
21/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Méthode du Simplexe
v.base A1 A2 A3 A4 A5 B
x1 1 0 3
5
− 15 0 6 L001
x2 0 1 2
5
1
5
0 8 L002
x5 0 0 − 45 3
5
1 8 L003
∆00j 0 0 − 95 − 25 0 max(z) − 30 L004
21/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Méthode du Simplexe
v.base A1 A2 A3 A4 A5 B
x1 1 0 3
5
− 15 0 6 L001
x2 0 1 2
5
1
5
0 8 L002
x5 0 0 − 45 3
5
1 8 L003
∆00j 0 0 − 95 − 25 0 max(z) − 30 L004
I Ensuite on a ∆00
j ≤ 0, ∀j = 1, ...5 =⇒ Condition d’arrêt.
I La solution optimale se lit dans le tableau : les variables qui ne sont pas
dans le tableau sont hors-base donc à zéro. La solution optimale est
X5
donc : Z = ci xi la valeur correspondante de B soit Z= 6x1 + 3x8 + 8x0
i=1
= 6+24 = 30 atteinte en S = (6, 8, 0, 0, 8).
21/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Méthode du Simplexe
P RIMAL - DUAL
Definition
Au programme primal On associe le programme dual
22/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Méthode du Simplexe
23/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Méthode du Simplexe
23/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Méthode du Simplexe
Exemple N :2
Programme linéaire dual
Méthode du Simplexe
Exemple N :2
Programme linéaire dual Programme linéaire primal
PLAN
24/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
M INIMUM /M AXIMUM
Les notions de maximum local et global sont définies de façon tout à
fait similaire. En fait, on peut facilement démontrer que les problèmes
(avec ou sans contraintes) :
sont équivalents dans le sens où ils ont même ensemble de solutions :
QUELQUES EXEMPLES
3 0
la fonction f(x)=3exp(−x2) +exp(−(x−3)2)
2 −1
1.5 −1.5
1 −2
0.5 −2.5
0 −3
−5 0 5 10 −5 0 5 10
laxe des x laxe des x
26/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
E NSEMBLE CONVEXE
Exemple :
1 R est convexe
2 Les intervalles de la forme [a, b], −∞ ≤ a < b ≤ +∞, sont
convexes R.
27/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
F ONCTION CONVEXE
Definition (Fonction convexe/strictement convexe )
Soit C ⊂ Rn convexe et f : C −→ R.
I f est convexe ssi
Proposition :
Soit f : R −→ R une fonction dérivable sur R
R APPEL :
Exemple !
Déterminer les intervalles de convexité des fonctions suivantes :
1) f1 (x) = ex 3) f3 (x) = ln(3x2 + 2x)
2 2
2) f2 (x) = e−x 4) f4 (x) = 34x −1
29/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Théorème :
Soit C ⊂ Rn convexe et f : C −→ R différentiable.
I La fonction f est convexe ssi :
I ou de façon équivalente :
I ou de façon équivalente :
M ATRICE H ESSIENNE
Soit f : Rn −→ R admet
des dérivées
partielles d’ordre 2 en x, on pose :
H[f ](x) = ∇2 f (x) = ∇ ∇f (x)> . La matrice hessienne de f
∂ 2 f (x) ∂ 2 f (x)
∂x21
... ∂x1 ∂xn
∂ 2 f (x) ∂ 2 f (x)
H[f ](x) = ∇2 f (x) =
∂x2 ∂x1
... ∂x2 ∂xn
... ... ...
∂ 2 f (x) ∂ 2 f (x)
∂xn ∂x1
... ∂x2n
Exemple !
Déterminer ∇fi et H[fi ] dans les cas suivant :
1) f1 (x, y) = x2 + y2
2) f2 (x, y) = 4x2 y + 2x3 − 4xy + 2x + 1
3) f3 (x) = ||x||2 , ∀ x ∈ Rn
4) f4 (x) = ||x||, ∀ x ∈ Rn
31/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Théorème :
Soit f : Rn −→ R une fonctionnelle de classe C2 .
Si la hessienne H[f ](x) de f est une matrice symétrique définie
positive pour tout x ∈ Rn , alors f est strictement convexe.
Si H[f ](x) est une matrice symétrique semi-définie positive pour tout
x ∈ Rn , alors f est convexe.
Méthode de descente
Definition
Soit f : Rn −→ R. On dira qu’un vecteur d0 est une direction de
descente en x0 s’il existe t0 > 0 tel que
f (x0 + td0 ) < f (x0 ), ∀ t ∈ ]0, t0 ].
Le principe d’une méthode de descente consiste à faire les itérations
suivantes xk+1 = xk + tk dk , tk > 0, tout en assurant la propriété
f (xk+1 ) < f (xk ).
I Le vecteur dk est la direction de descente en xk
I Le scalaire tk est appelé le pas de la méthode à l’itération k.
Proposition
Soient x0 , d0 ∈ Rn vérifiant < ∇f (x0 ), d0 >< 0.
Alors d0 est une direction de descente en x0 .
34/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
min ϕ0 (0)
d∈R,||d||=1
(
∇f (x )
dk = − ||∇f (xkk )||
xk+1 = xk + tk dk .
où tk est choisi de manière à ce que :
Definition (A-conjugués)
Soit A ∈ Mn,n (R), une matrice symétrique définie positive. Alors,
i 6= j =⇒ Axi .xj = 0
38/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
Algorithme (GC)
Soient x0 ∈ Rn la valeur initiale (donnée) et d1 = −∇f (x0 )
1 k ème étape k ≥ 0
Calcul de λk+1 minimisant ϕk+1 (tk+1 ) = f (xk + tk+1 dk+1 )
<∇f (x ),dk+1 > <∇f (xk ),∇f (xk )>
tk+1 = − <Adk+1k ,dk+1 > = <Adk+1 ,dk+1 >
xk+1 = xk + tk+1 dk+1
calcul de ∇f (xk+1 )
Si ∇f (xk+1 ) = 0 alors xk+1 est optimal fin ; sinon :
||∇f (xk+1 ||2
dk+2 = −∇f (xk+1 ) + βk+1 dk+1 avec : βk = ||∇f (xk )||2
2 k←k+1
39/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
min f (x)
x∈ Rn
40/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir
Chapitre 1 : Introduction aux problèmes d’optimisation Chapitre 2 : Résolution des programmes linéaire Chapitre 3 : Optimisation n
< ∇f (xk ), dk >= − < ∇f (xk ), [∇2 f (xk )]−1 ∇f (xk ) >< 0,
41/41
Imed MAHFOUDHI 2015-2016 ENIM-Monastir