Méthodes opérationnelles d’aide

à la décision

Mastère MIQSSE
ISET Charguia

2021-2022

1
I-3 Résolution d’un programme linéaire par
l’algorithme du Simplexe: ou « algorithme de
Dantzig »

 C’est une méthode itérative qui permet de trouver la

solution d’un programme linéaire.

I-3-1 Formulation générale

 La forme canonique
 La forme standard ou alogo du simplexe
 La forme matricielle

I-3-2 L’algorithme du Simplexe

2
 I-3-1 Formulation générale
La forme canonique
Soit le programme linéaire suivant:

Sous les contraintes

 Économiques

 de signe

3
La forme standard

Fonction objectif

sous les contraintes

 Économiques

 de signe

4
La forme standard sous forme matricielle

F=

Variable
Variable
hors
de base
base
5
 I-3-1 L’algorithme du Simplexe
a-Détermination de la Solution Réalisable de Base (SRB):
• Les variables de base sont les variables dont l’écriture matricielle fait apparaître 1
et 0. Par convention, ces variables sont non nuls.
• Les variables hors base sont les autres. Par convention, ces variables sont nulles.
Dans notre cas,
oLes variables hors base sont x1 et x2. oLes variables de base sont e1, e2 et e3.
e1 =270
x1 =0
e2 =800
x2 =0
e3 =360

On aura, f=1500 x1 +1800 x2 =0

• Cette solution admissible est une SRB mais elle n’est pas optimale car on ne
produit rien.
Définition 1: les solutions admissibles est un ensemble de valeurs données aux variable qui satisfont
toutes les contraintes.
Définition 2: une solution optimale est une solution admissible qui optimise la fonction objectif.

On va passer à une autre solution grâce à l’algorithme du Simplexe.

6
b-Mise en œuvre de l’algrithme du Simplexe:
• Le passage d’une SRB à une autre s’analyse comme le passage
d’une base à une autre. Il y aura échange d’une variable de base
contre une variable hors base.
• Ce changement de base représente le passage d’un sommet du
polygone à un autre.
• On itère jusqu’à ce que les variables structurelles entre dans la
base.
• On regroupe généralement les données sous la forme d’un
tableau.
Tableau du Simplexe (I)
Résultat
Fonction f0 -1500 -1800 0
objectif
Variable e1 5 3 270
de base e2 7 8 800
e3 4 6 360
x1 x2
Variable hors base 7
Échange d’une variable hors base contre une variable de base
• Test d’entrée: il se fait au niveau de la fonction objectif: on
choisit parmi les variables hors base la colonne qui a la plus
petite valeur.
• Test de sortie: il se fait en divisant, ligne par ligne, la colonne
résultat par les valeurs de la colonne de la variable entrante. On
choisit parmi les variables de base la ligne qui a le plus petit
résultat.
Tableau du Simplexe (I)
Résultat Test de
Test d’entrée
sortie
Fonction f0 -1500 -1800 0
objectif
Variable e1 5 3 270 270/3=90
de base e2 7 8 800 800/8=100
e3 4 6 360 360/6=60
x1 x2
Variable hors
base 8
Détermination de la nouvelle Base :
Dans notre cas, la nouvelle base s’obtient par l’échange de e3 contre x1.

ola variables hors base entrante est ola variables de base sortante est
x2 e3 =0

On aura le tableau suivant,

Tableau du Simplexe (II)

Résultat Test de
sortie
Fonction f1
objectif
Variable e1
de base e2
x2
x1 e3
Variable hors
base 9
 Formules de changement de base:
• Soit P le pivot: c’est la valeur qui se trouve à l’intersection de la ligne et de la
colonne sélectionnée.
la nouvelle valeur qui remplace P est NP=1/P
• Soit L la ligne de pivot: L NL= L/P
• Soit C la colonne de pivot: C NC= - C/P
• Soit Aij les autres valeurs: Aij NAij = Aij – (Lj*Ci)/P
avec Lj = valeur de la ligne de pivot correspondant à Aij
Ci = valeur de la colonne de pivot correspondant à Aij

Tableau du Simplexe (I) Résultat Test de

sortie
Fonction f0 -1500 -1800 0
objectif
Variable e1 5 3 270 270/3=90
de base e2 7 8 800 800/8=100
e3 4 6 360 360/6=60
x1 x2
Variable hors
base 10
Détermination de la nouvelle Base :

Tableau du Simplexe (II)

Résultat Test de sortie

Fonction f1 -300 300 108000

objectif
Variable e1 3 -3/6 90 90/3=30
de base e2 5/3 -4/3 320 320*3/5=192
x2 4/6= 1/6 60 60*3/2=90
2/3
x1 e3
Variable hors
base

La solution est optimale quand tous les coefficients de la

fonction objectif sont positifs. On arrête alors l’algorithme.
11
Détermination de la nouvelle Base :
La nouvelle base s’obtient par l’échange de x1contre e1.

Résultat
Tableau du Simplexe
Fonction f1 100 250 117000
objectif
Variable x1 1/3 -1/6 30
de base e2 -5/9 -19/18 270
x2 -2/9 5/18 40
e1 e3
Variable hors base

Tous les coefficients de la fonction objectif sont positifs. La

solution est optimale

12
La solution optimale peut être vérifiée par le logiciel Lindo
sous forme de tableau

13
 La solution optimale peut aussi être interprétée à partir du tableau

Dual price
THE TABLEAU
Valeur de la fonction
objectif
ROW (BASIS) X1 X2 SLK 2 SLK 3 SLK 4 Résultat

1 ART 0.000 0.000 100 0.000 250 11700.000

2 X1 1.000 0.000 0.333 0.000 -0.167 30.000
3 SLK 3 0.000 0.000 -0.556 1.000 -1.056 270.000
4 X2 0.000 1.000 -0.222 0.000 0.278 40.000

Variables hors base Variables de base

Remarque : il est à noter que :

SLK2 correspond à e1 la variable d’écart associé à la contrainte heures machine soit e1

SLK3 correspond à e1 la variable d’écart associé à la contrainte heures ouvriers soit e2
SLK4 correspond à e1 la variable d’écart associé à la contrainte heures technicien soit e3

Les variables de base sont les variables dont l’écriture matricielle fait apparaître 1 et 0. Par convention, ces
variables sont non nuls : dans notre cas on aura x1,x2 et e2.

Les variables hors base sont les autres. Par convention, ces variables sont nulles, soit dans notre cas : e1et
e3.

Les variables de base et la valeur de la fonction objectif sont égales aux valeurs correspondantes à la
colonne résultats
Les prix fictifs ou dual price ou valeur marginale sont donnés par la ligne fonction objectif.
14
c- Interprétation des résultats
À l’optimum,

• x1= 30 unités de fours F1.

• x2= 40 unités de fours F2.

• La marge optimale sur coûts de production est de 1500*30+1800*40= 117000 UM.

• e1, e2, et e3 représentent les marges entre les valeurs limites des contraintes et les
valeurs techniquement utilisées.

• e1=e3=0 les contraintes 1 et 3 relatives aux heures machines et heures techniciens

sont saturées.
une variation du second membre de chacune de ces deux contraintes
engendre un changement dans la valeurs de la solution optimale.

• e2=270 heures ouvriers, la contraintes 2 n’est pas saturées car il reste encore270
heures.

le fait de disposer d’une unité supplémentaire de ce bien n’aura aucune

influence sur la valeur de la fonction objectif. On dit alors que ce bien à une valeur
marginale nulle, ou par extension, que la variable d’écart associée à ce bien a une valeur
marginale nulle.
15
le coût ( ou valeur ) marginal

 Les variations de la valeur de la fonction objectif par des variations marginales

( des petites variations) sur une contrainte sont données par les valeurs des
variables d’écart dans la fonction objectif.
• Les valeurs marginales des variables de base sont égales à 0.
• Les valeurs marginales des variables hors base sont données par la
ligne fonction objectif.

Exemple: Analyser les variations suivantes sur la solution optimale:

• La capacité des heures machines passe de 270 heures à 263 heures.
• La capacités des heures ouvriers passes de 800 heures à 802 heures.
• La capacité des heures techniciens passe de 360 heures à 365 heures.

Les valeurs marginales du programme « Pyrofour »

variables e1 e2 e3 x1 x2
Valeurs 100 0 250 0 0
marginales
16
Se souvenir :

• Le coût marginal « Cmi » mesure l’amélioration de la

valeur de la fonction objectif quand la contrainte i est
relâchée et de manière symétrique la détérioration de la
valeur de la fonction objectif quand la contrainte i est
resserrée.

• Quand on «maximise» amélioration signifie augmentation,

• Quand on «minimise» amélioration signifie diminution,

17