UNIVERSITE ABDELHAMID IBN BADIS

‫جامعــة عبد الحميد ابن باديس مستغانم‬

MOSTAGANEM
FACULTE DES SCIENCES EXACTES ET DE
L’INFORMATIQU ‫كلية العلوم الدقيقة و األعالم األلي‬
DEPARTEMENT DE MATHEMATIQUES ET
INFORMATIQUE ‫قسم الرياضيات و األعالم األلي‬

L3 : Informatique

PROGRAMMATION
LINÉAIRE
Responsable de la matière :BAHNES NACERA
nacera.bahnes@univ-mosta.dz
 2

Programmation linéaire

• Chapitre 1 : Introduction et propriétés de la programmation linéaire

• Chapitre 2 : Méthodes de résolution

• Résolution graphique
• Méthode de simplexe
• Méthode des 2 phases
• Méthode de grand M (big M )
• Méthode révisé du simplexe

• Chapitre 3 : Dualité en programmation linéaire

• Forme dual
• Interprétation économique
• Règles de passages du primal au dual
• Principaux théorèmes dualité forte, théorème des écarts complémentaires
• Algorithme dual du simplexe

• Chapitre 4 : Problème du transport et d’affectation

@mail: nacera.bahnes@univ-mosta.dz 31/01/2021

31/01/2021 @mail: nacera.bahnes@univ-mosta.dz 3

Chapitre 3
Dualité en programmation linéaire

• Forme dual

• Interprétation économique

• Règles de passages du primal au dual

• Principaux théorèmes dualité forte, théorème des

écarts complémentaires

• Algorithme dual du simplexe

31/01/2021 @mail: nacera.bahnes@univ-mosta.dz 4

FORME DUAL
• Les problème de la programmation linéaire existent toujours sous forme de paires (Primal , Dual)

• Chaque problème de maximisation est associé à un problème de minimisation

• Fournir des informations nécessaire pour l’élaboration des plans futurs.

• Réaliser des analyses de sensibilité

• Dans certains cas, la résolution de programme dual s’avère être plus facile que solutionner
le programme primal (économie appréciable de temps de calcul).

• Dual de Dual de PL est le Primal

31/01/2021 @mail: nacera.bahnes@univ-mosta.dz 5

Définition
Programme Primal Son Programme Dual

Max Z=ct*x Min W=bt*y

Sc A*x ≤ b Sc At*y ≥ c
x≥0 y≥0

A(m,n) , x(n), b(m), c(n) At (n,m) transposée de A,

y(m), b(m), c(n)
 31/01/2021 @mail: nacera.bahnes@univ-mosta.dz 6

EXEMPLE
Matière première P1 P2 Disponibilité
• Un atelier fabrique deux produits P1 et MP1(en Kg) 1 2 700
P2 nécessitant trois matières premières MP2(en Kg) 1 1 400
MP3(en Kg) 3 1 900
disponibles en quantités finies.
Profit /Kg 600 400 /

• PRIMAL
- Variables de décision (Inconnus):
x1 : quantité de produit P1 à fabriquer
x2 : quantité de produit P2 à fabriquer
• DUAL
- Variables de décision (Inconnus):
y1 : valeur imputée à une unité de MP1
y2 : valeur imputée à une unité de MP2
y3 : valeur imputée à une unité de MP 3

Max Z = 600x1 + 400x2 Min W= 700y1 +400y2 + 900y3

x1 + 2x2 ≤ 700 y1 + y2 + 3y3  600
x1 + x2 ≤ 400
3x1 + x2 ≤ 900 2y1 + y2 + y3  400
x1 ≥ 0 , x2 ≥ 0 y1  0, y2  0, y3  0
31/01/2021 @mail: nacera.bahnes@univ-mosta.dz 7

Interprétation économique
Exemple

- Forme dual
31/01/2021 @mail: nacera.bahnes@univ-mosta.dz 8

• Exemple : problème de production de peinture)

• Le rendement est diminué de 0.75 par la réduction d’une tonne de quantité de M1 et

de 0.5 par 1 tonne de M2. – Les "ressources" 3 et 4 sont abondantes, augmenter

ces ressources n’apporte aucun profit supplémentaire.

• La solution optimale du dual nous dira s’il est intéressant d’investir plus pour

augmenter certaines ressources.

Interprétation économique
31/01/2021 @mail: nacera.bahnes@univ-mosta.dz 9

Tableau de correspondance Primal-Dual

Max Min

A : Matrice des contraintes (m, n) At : Transposée de la matrice des contraintes (n, m)

b : Second membre des contraintes bt : Coefficient de la fonction objectif
Ct : Coefficient de la fonction objectif C : Second membre des contraintes

i ème contrainte de type «  » i ème variable de type «0»

«  » « 0»
« =» « IR »

j ème variable «  » j ème contrainte de type «  »

« » « »
« IR » « =»

Remarque : le dual de PL dual est le PL primal

Règles de passage de primal au dual

31/01/2021 @mail: nacera.bahnes@univ-mosta.dz 10

Exemples
Primal Dual
Min Z= - x1 + x2 Max W= 2y1 - 2y2 + 5y3
S.c 2x1 - x2  2 S.c 2y1 - y2 + y3  -1
- x1 + 2x2  -2 - y1 + 2y2 + y3  1
x1 + x2  5 y1  0, y2  0, y3  0
x1  0, x2  0

Max Z= 2x1 - x2 Min W= 3 y1+ 4 y2

S.c x1 - x2 = 3 S.c y1+ 2 y2  2
2x1  4 - y1  -1
x1  0, x2  0 y1IR, y2  0
31/01/2021 @mail: nacera.bahnes@univ-mosta.dz 11

Dualité faible

Min W=bt*y
Max Z=ct*x
At*y ≥ c
A*x ≤ b 
y≥0
x≥0
31/01/2021 @mail: nacera.bahnes@univ-mosta.dz 12

Dualité forte

Primal / Dual Solution problème non problème

optimale finie borné impossible

Solution optimale X Impossible Impossible

finie
Problème non borné Impossible Impossible X
problème impossible Impossible X X
31/01/2021 @mail: nacera.bahnes@univ-mosta.dz 13

Théorème des écarts complémentaires

• Si X* et Y* sont des solutions optimales respectivement

pour PL primal et son dual.

Y*(AX* - b) = (C-Y*A)X*= 0

• Cela indique que si :

• Yi* > 0  ième contrainte du primal est saturée

• Yi* = 0  le signe de la ième contrainte du primal est ‘<’

• Xj* > 0  jème contrainte du dual est saturée

• Xj* = 0  le signe de la jème contrainte du dual est ‘>’

 31/01/2021 @mail: nacera.bahnes@univ-mosta.dz 14
Algorithme du
Dual simplexe
(cas de Min) • Pas 0 : initialisation
Mettre le problème de sa forme standard
Trouver une solution de base non réalisable (mais SB dual admissible)

• Pas 1 : choix de la variable sortante

Soit un PL de Choisir comme variable sortante la variable de base
Manimisation avec tous
dont br = Min (bi telque bi < 0),
les Cj >=0, Ǝ i tq bi < 0
soit « r » : l’indice de la ligne de variable de base sortante qui donne cette valeur.
À chaque itération nous
Si aucun des variables de base n’est négatif alors stop, (la solution de base
avons une solution de
courante est optimal).
base du problème qui
n’est pas réalisable, • Pas 2 : choix de la variable entrante xs

sauf à la dernière Déterminer l’indice « s » de VHB qui va rentrer dans la base :

itération de l’algorithme Cs/(-ars) =Min ( Cj/(- arj), tq arj < 0)
(pour laquelle les
Si aucune variable HB n’est candidate alors stop
coefficients relatifs de
(Le problème est non réalisable et son dual est non borné).
toutes les variables sont
• Pas 3 : Pivotage
non négatifs).
• Pas 4 : Retour au « Pas 1 »
31/01/2021 @mail: nacera.bahnes@univ-mosta.dz 15

CHAPITRE 4
PROBLÈME DE
TRANSPORT
Prochain cours