Programme Linéaire en nombres entiers

(PLNE)

Dans cette partie, on ne considérera que des

programmes linéaires en nombres entiers.
(c-à-d les variables xi sont des entiers positifs ou nuls)

Approche intuitive immédiate :

§ On relaxe les variables ( les considérer entant que
réels)
§ On arrondi la solution.
En général, cela ne marche pas !

H.Samadi ENSA de Tanger 1

 Contre exemple

max 3 x1 + 13 x2
sc.
2 x1 + 9 x2 ≤ 40
11 x1 – 8 x2 ≤ 82
x1, x2 ≥ 0
x1, x2 entiers

H.Samadi ENSA de Tanger 2

 Sol.optim.entière
x*=(2,4)!!

2x1+9x2=40

11x1-8x2 = 82

Voisins non x*continu=(9.2,2.4)

admissibles
H.Samadi ENSA de Tanger 3
 Méthode par séparation et évaluation :
(Branch and Bound)

§ Soit un programme linéaire en nombres entiers

suivant :
Max z= c.x
s.c.
Ax <= b
X entier positif ou nul

H.Samadi ENSA de Tanger 4

 Relaxation

§ On considère sa relaxation linéaire :

§ Max z = c.x
§ s.c.
Ax <= b
x≥0
x réel

H.Samadi ENSA de Tanger 5

 On calcule à chaque étape:

Ø le coût optimal de la relaxation linéaire.

Ø Si la solution de la relaxation est entière, pas

besoin de partitionner le sous-problème.
Sinon, on choisit un x*i non entier, et on crée deux
sous-problèmes en ajoutant les contraintes

xi ≤ [x*i ] et xi ≥ [x*i ] +1

H.Samadi ENSA de Tanger 6

 Séparation

§ On partitionne F en un une collection finie de sous-ensembles

F1,…,Fk.

§ On résout séparément les problèmes

Max z = c.x
s.c. x ∈ Fi

§ A priori, les sous-problèmes peuvent être aussi difficiles que le

problème original. Dans ce cas, on applique le même système et
on partitionne le/les sous-problèmes.
§ On obtient l’arborescence suivante :

H.Samadi ENSA de Tanger 7

 F

F1 F2 Fk

F21 F22 F2m

F211 F212 F21n

H.Samadi ENSA de Tanger 8
 Exemple 1:

§ Soit le problème F suivant :

max z = - x1 + 2x2
S.C
-4x1 + 6x2 ≤ 9
x1 + x2 ≤ 4
x1, x2 ≥ 0
x1, x2 entiers

H.Samadi ENSA de Tanger 9

 En appliquant la méthode de Branch and Bound on
obtient l’arborescence suivante :

F x* = (1.5,2.5) , z = 3.5

x2 ≥ 3 x2 ≤ 2

F1 Non adm. F2 x* = (0.75,2) , z = 3.25

x1 ≥ 1 x1 ≤ 0

F21 F22
x* = (1,2) , z = 3 x* = (0,1.5) , z = 3

H.Samadi ENSA de Tanger 10

 Remarque:

Ø Le nombre de manières de choisir un sous-

ensemble de n éléments est 2n !.

Ø Si n est grand, il est impossible de considérer

toutes les possibilités (210 = 1024 !!).

Ø Un algorithme efficace devrait obtenir la solution

optimale en examinant un très petit nombre de
solutions.
H.Samadi ENSA de Tanger 11
 Exemple 2 : Investissement

§ Une société dispose de 1 400 000 $ à

investir. Les experts proposent 4
investissements possibles:

Coût Bénéfice Rendement

Inv. 1 500 000 1 600 000 3.20
Inv. 2 700 000 2 200 000 3.14
Inv. 3 400 000 1 200 000 3.00
Inv. 4 300 000 800 000 2.67
H.Samadi ENSA de Tanger 12
 Modélisation : C’est un PLNE à variables binaires

§ Variables de décision : xi, i=1,…,4

§ xi = 1 si investissement i est choisi
§ xi = 0 sinon
§ Objectif : maximiser bénéfice
max 16 x1 + 22 x2 + 12 x3 + 8 x4
§ Contrainte : budget d’investissement
5 x1 + 7 x2 + 4 x3 + 3 x4 ≤ 14

H.Samadi ENSA de Tanger 13

 Voici l’arborescence du problème :
(Solution optimale F1212: (0,1,1,1) de max 42 00000)

F
x3=1 x3=0
F1 F2 x4=1
x2=1
x2=0
x4=0
F11 F12 F22
x1=0 F21 x2=1
x1=1
x2=0
x4=0 F121 F222
x4=1 F122 F221
F1211
F1212 F2222
F2221
H.Samadi ENSA de Tanger 14
 Autre application : Problème du sac à dos

§ Un campeur part en randonnée dans la montagne.

§ Il ne peut emporter dans son sac à dos qu’un poids limité à
P.

§ Chaque article i qu’il peut potentiellement emporter pèse

pi et lui procure une utilité ui pour sa randonnée.
§
§ Question :
§ Quels articles emporter pour maximiser son utilité sans
dépasser la limite de poids ?

H.Samadi ENSA de Tanger 15

 C’est aussi un PLNE à variables binaires

Variables de décision
§ xi = 1 si Jo emporte l’article i
§ xi = 0 sinon
max u1x1+u2x2+…+unxn
§ s.c.
p1x1+p2x2+… +pnxn ≤ P
x1,…,xn ∈ {0,1}

H.Samadi ENSA de Tanger 16

 Application:

En utilisant Matlab, donner l’arborescence du problème du sac à

dos ci dessous.

Retrouver la solution par la fonction prédéfinie « bintprog »

max z = 10 x1 + 8x2+5x3

s.c. 6x1 + 5x2 +4x3 ≤ 9

x1, x2, x3 dans {0,1}

H.Samadi ENSA de Tanger 17