RO_usmba_2017_2018_simplexe 2 Introduction On a présenté une démarche graphique pour résoudre un PL à deux variables.
Dans la réalité les problèmes ont plus que deux variables
à déterminer.
Appel à une procédure algébrique pour résoudre les PL
avec plus de deux variables : Méthode de simplexe.
L’implémentation de l’algorithme correspondant à cette
méthode permet de résoudre des PL avec plusieurs centaines de variables.
RO_usmba_2017_2018_simplexe 3 Bases et points extrêmes
Rappels • A matrice m * n max z = cx • x = (x1 , x2 . . . . xn) s.c. Ax b • b = (b1 , b2 . . . . bm) x 0 • c = (c1 , c2 . . . . . cn)
• Les contraintes définissent un polyèdre
• La solution optimale est un sommet (ou segment reliant deux sommets) du polyèdre
Comment énumérer les sommets d’un polyèdre ?
RO_usmba_2017_2018_simplexe 4 RO_usmba_2017_2018_simplexe 5 Mise sous forme standard
L’impact de ces variables d’écart sur la fonction objectif est nul.
Leur existence est tout simplement une mise en forme du PL. Le fait de donner la valeur de ces variables d’écart à l’optimum donne une idée sur la quantité de ressources non utilisées. Passage à la forme standard
Max z 4x 5x Max z 4x 5x 1 2 1 2 s.c. 2x x 8 s.c. 2x x s 8 1 2 1 2 1 x 2x 7 x 2x s 7 1 2 1 2 2 x 3 x s 3 2 2 3 x , x 0 x , x , s , s , s 0 1 2 1 2 1 2 3 RO_usmba_2017_2018_simplexe 6 Mise sous forme standard
• 9 points intéressants (intersection des contraintes)
• 5 points admissibles énumération de ces 9 points comme solution de la forme standard (solutions de base)
RO_usmba_2017_2018_simplexe 7 Mise sous forme standard s.c. 2x1 + x2 + s1 =8 x 1 + 2 x2 + s2 =7 x2 + + s3 =3 x1 x2 s1 s2 s3 0
Sol de Sol Point
x1 x2 s1 s2 s3 base admissible extrême 0 0 8 7 3 V V O (0,0) 0 8 0 -9 -5 V N 0 3,5 4,5 0 -0,5 V N 0 3 5 1 0 V V A (0,3) 4 0 0 3 3 V V B (4,0) 7 0 -6 0 3 V N 0 0 N N 3 2 0 0 1 V V C (3,2) 2,5 3 0 -1,5 0 V N 1 3 3 0 0 V V D (1,3)
{ points extrêmes } { solutions de base admissibles }
RO_usmba_2017_2018_simplexe 8 Mise sous forme standard Les points O,A,B,C et D forment un polyèdre. C’est la région réalisable. Remarque : En chaque sommet de ce polyèdre, certaines variables sont nulles tandis que d’autres ne le sont pas. Définition : Les variables non nulles sont dites de base. Celles qui sont nulles sont dites hors base.
RO_usmba_2017_2018_simplexe 18 Algorithme du simplexe
RO_usmba_2017_2018_simplexe
RO_usmba_2017_2018_simplexe 19 Algorithme du simplexe Maximisation Observation essentielle : z = 4x + 5y = 0 on peut augmenter z si x ou y rentre dans la base (Changement de base).
Essayons avec y : quelle est la valeur max que pourra avoir y ?
• s1 = 8 - 2x - y 0 y 8 • s2 = 7 - x - 2y 0 y 3,5 • s3 = 3 - y 0 y3 Bilan : ymax = 3 Dans ce cas on a : • s1 = 5 – 2x • s2 = 1 - x • s3 = 0 (sort de la base) Candidat pour une nouvelle base : {s1, s2, s3} U {y} \ {s3} = {s1, s2, y} RO_usmba_2017_2018_simplexe 20 Algorithme du simplexe
RO_usmba_2017_2018_simplexe 21 Algorithme du simplexe
RO_usmba_2017_2018_simplexe 22 Algorithme du simplexe
RO_usmba_2017_2018_simplexe 23 Algorithme du simplexe
L’optimum On a : z = 22 - 2s2 - s1 z 22
Or la solution de base :
x = 3, y = 2, s3 = 1 donne z = 22
L’optimum est obtenu à l’aide des coefficients de z*
exprimée avec les variables hors base ( 0).
RO_usmba_2017_2018_simplexe 24 Algorithme du simplexe La forme canonique Soit le PL : max z = 20x1 + 10x2 s:c: x1 + 2x2 120 x1 + x2 100 x1 70 x2 50 x1, x2 0
La forme standard max z s.c. z - 20x1 - 10x2 =0 x1 + 2x2 + s1 = 120 x1 + x2 + s2 = 100 x1 + s3 = 70 x2 + s4 = 50 RO_usmba_2017_2018_simplexe 25 Algorithme du simplexe La forme tableau
Toutes les variables
Variables A = (aij) bj Valeurs des
de base matrice des coefficients des variables de base courante contraintes du programme standard courante
Valeur de la coefficients de la fonction fonction économique sous sa forme initiale économique (*)
RO_usmba_2017_2018_simplexe 26 Algorithme du simplexe
La forme tableau Toutes les variables
Coefficients de la fonction A = (aij) bj Variables Valeurs des économique matrice des coefficients des de base variables de associés aux contraintes du programme courante base courante variables de standard base courante
coefficients de la fonction Valeur de la
économique sous sa forme fonction initiale économique
RO_usmba_2017_2018_simplexe 27 Algorithme du simplexe
La forme tableau
z x1 x2 s1 s2 s3 s4 bi bi/aie
s1 1 2 1 0 0 0 120
s2 1 1 0 1 0 0 100
s3 1 0 0 0 1 0 70
s4 0 1 0 0 0 1 50
z 20 10 0 0 0 0 0
RO_usmba_2017_2018_simplexe 28 Algorithme du simplexe Principe heuristique 1) Faire entrer dans la base la variable ayant le coefficient le plus grand (le plus grand apport > 0 ds Z) x1. C’est la variable entrante.
z 20 10 0 0 0 0 0 La variable à faire sortir de la base ?
RO_usmba_2017_2018_simplexe 29 Algorithme du simplexe Principe heuristique 2) On calcule les rapports bi/aie . La ligne correspondante au rapport positif le plus petit indique la variable sortante
RO_usmba_2017_2018_simplexe 30 Algorithme du simplexe Principe heuristique 3) L’élément ase à l’intersection de la colonne pivot (variable entrante) et de la ligne pivot (variable sortante) est appelé pivot de la transformation.
x1, s1, s2, s4 en base et x2, s3 hors base et la solution de base devient : (70, 0, 50, 30, 0, 50) et une valeur 1400 de la fonction économique
RO_usmba_2017_2018_simplexe 34 Algorithme du simplexe
2ème itération x2 est la variable ayant le coefficient en z positif le plus élevés. Donc x2 est la variable entrante. Le rapport bi/aie minimum nous donne s1 variable sortante.
x1, x2, s2, s4 en base et s1, s3 hors base et la solution de base devient: (70, 25, 0, 5, 0, 25) et une valeur 1650 de la fonction économique.
La solution est optimale car tous les coefficients de la fonction
économique sont négatifs ou nuls. Z = 1650 - 5s1 - 15s3 RO_usmba_2017_2018_simplexe 36 Algorithme du simplexe Phasage de l’algorithme du simplexe Input : 1 PL et 1 solution de base admissible Output : 1 sol de base admissible optimale sinon déclarer " PL non borné " 1. Identifier la colonne pivot = variable entrante • choisir la variable hors base xj qui permet de maximiser la fonction objectif : variable entrante • Si pas de colonne pivot : stop la solution de base est optimale 2. Identifier la ligne pivot = variable sortante • Choisir la ligne ayant le rapport bCi/aie minimal : variable sortante • Si pas de variable sortante : stop le tableau courant est non borné 3. Mise à jour de la base et du tableau • Pivoter autour des coefficients aij et recommencer en 1 RO_usmba_2017_2018_simplexe 37
