Académique Documents
Professionnel Documents
Culture Documents
GALASSO 13/06/2018
Plan du cours
• La programmation linéaire c’est quoi et ça sert à
quoi ?
• Éléments de modélisation
• Méthode graphique
• Résolution algébrique
Éléments de
• Algorithme du simplexe modélisation
• Dualité Résolution algébrique : un moyen de généraliser
• Extensions à différents problèmes
F. Galasso 38 F. Galasso 39
F. Galasso 40 F. Galasso 41
900
Quand est-ce polyèdre
1. On calcule la qu’on s’arrête ?
valeur de Convexe Pas Convexe Optimum global
700 x2 x2
l’objectif
Optimum local
500
B
2. Optimisation
A B
locale 300 A
100
x1 x1
100 300 500 700 900 1000 x1
F. Galasso 42 F. Galasso 43
3IL - 2017-2018 1
F. GALASSO 13/06/2018
900
Quand est-ce • Ce sont les critères de Dantzig (1947)
1. On calcule la qu’on s’arrête ?
valeur de 700
• 1er critère : choisir la variable qui a le coefficient
l’objectif positif le plus fort dans l’expression de z
Dans quel sens
500
parcourir le variable entrante
2. Optimisation
locale 300 polyèdre ? • 2ème critère : Choisir la variable qui est dans la
contrainte où la variable entrante est le plus faible
100
variable sortante
100 300 500 700 900 1000 x1
F. Galasso 44 F. Galasso 45
Plan du cours
• La programmation linéaire c’est quoi et ça sert à
quoi ?
• Éléments de modélisation
• Algorithme du simplexe
• Présentation de l’algorithme
• Méthodes des tableaux Algorithme du Simplexe
• Cas général LA méthode à la base de tout (enfin, en PL et PLNE…)
• Dualité
• Extensions à différents problèmes
F. Galasso 46 F. Galasso 47
3IL - 2017-2018 2
F. GALASSO 13/06/2018
50 51
c’ = « coût réduit » 52 53
x1
3IL - 2017-2018 3
F. GALASSO 13/06/2018
3IL - 2017-2018 4
F. GALASSO 13/06/2018
3IL - 2017-2018 5
F. GALASSO 13/06/2018
F. Galasso 68 F. Galasso 69
3IL - 2017-2018 6
F. GALASSO 13/06/2018
3IL - 2017-2018 7
F. GALASSO 13/06/2018
F. Galasso 80 F. Galasso 81
Cellule
contenant -z
F. Galasso 82 F. Galasso 83
x1
Variables réelles
x2 x3 x' 1
Variables d'écart
• Forme standard
Variables
de la base
x' 2
x' 3
x' 4
négatifs ou nuls
z
F. Galasso 84 F. Galasso 85
3IL - 2017-2018 8
F. GALASSO 13/06/2018
F. Galasso 86 F. Galasso 87
4 x1 x2 8 L2 L2 – 4 × L1 0 x 7 x 16
1 2
F. Galasso 88 F. Galasso 89
C 3 : x1 x2 12 C 3 : x1 x2 x5 12 zz 30 10 0 0 0 0
x1 , x2 0 x1 , x2 , x3 , x4 , x5 0 xx 11
0
xx 22
0
xx 33
6
xx 44
4
xx 55
12
zz
0
C
C 111
6
C
C 222
4
C
C 333
12
3IL - 2017-2018 9
F. GALASSO 13/06/2018
z 0 40 0 -30 0 -120
Modèle Variables réelles Variables d'écart
x1 x2 x3 x4 x5
Second
membres Q • 1ère étape : utilisation du pivot
x3 0 0 1 1 0 10 #DIV/0!
Variables
1 -1 0 1 0 4 -4
de la base
x1 1. Entrée de x2 à la main 2. pivoter toutes
x5 0 2 0 -1 1 8 4
Modèle Variables réelles Variables d'écart Second les lignes
z 0 40 0 -30 0 -120 x1 x2 x3 x4 x5 membres Q
x3 0 0 1 1 0 10 #DIV/0! déjà nul
x1 x2 x3 x4 x5 z C1 C2 C3 Variables
4 0 10 0 8 120 6 4 12 x1 1 0 0 0,5 0,5 8 #DIV/0!
de la base
x2 0 1 0 -0,5 0,5 4 4 L2 L2 +L3
• Pourquoi a-t-on choisi x2 ? z 0 0 0 -10 -20 -280
• Plus fort coefficient de z : 1er critère de Dantzig L3 L3/2
x1 x2 x3 x4 x5 z C1 C2 C3
• Quels calculs pour les quotients ? 8 4 10 0 0 280 6 4 12 Lz Lz-40*L3
• 10/0 ; 4/-1 ; 8 / 2 C’est x5 qui sort de la base
3. écrire les nouvelles valeurs 4. contrôler le respect des contraintes etla valeur de z
F. Galasso 94 F. Galasso 95
F. Galasso 96 F. Galasso 97
3IL - 2017-2018 10
F. GALASSO 13/06/2018
3IL - 2017-2018 11