2020 2021 USMB Simplexe

INTRODUCTION À LA
RECHERCHE OPÉRATIONNELLE
Filière Sciences Mathématiques et Informatique

(S5)
M. AZZOUZI IDRISSI
Année universitaire : 2020-2021

Méthode du simplexe
RO_usmba_2020_2021_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 PLs

avec plus de deux variables : Méthode de simplexe.
L’implémentation de l’algorithme correspondant à cette

méthode permet de résoudre des PLs avec plusieurs
centaines de variables et de contraintes.
Bases et points extrêmes
Rappels
• A matrice m * n
max z = cx
• x = (x1 , x2 . . . . xn)
s.c. x 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 ?
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 d’exprimer 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
1 2
s.c. 2x  x  s 8
1 2 1
x  2x  s 7
1 2 2
x  s 3
2 3
x , x , s , s , s 0
1 2 1 2 3
• 9 points intéressants (intersection des contraintes)

• 5 points admissibles
 énumération de ces 9 points comme solution de la forme
standard (solutions de base)
s.c. 2x1 + x2 + s1 =8
x1 + 2x2 + 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 }

Les points O,A,B,C et D forment un polyèdre. C’est l’espace des
solutions réalisables.
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.
Variables de base Variables hors base
Sommet Coordonnées
0 =0
O x1 = 0, x2 = 0, s1 = 8 , s2 = 7 , s3 = 3 s1, s2, s3 x1 , x2
A x1 = 0, x2 = 3, s1 = 5, s2 = 1, s3 = 0 x2 , s1, s2 x1 , s3
B x1 = 4, x2 = 0, s1 = 0, s2 = 3, s3 = 3 x1, s2 , s3 x2 , s1
C x1 = 3, x2 = 2, s1 = 0, s2 = 0, s3 = 1 x1, x2 , s3 s1, s2
D x1 = 1, x2 = 3, s1 = 3, s2 = 0, s3 = 0 x1, x2 , s1 s2 , s3
Forme algébrique
• Système linéaire A x = b
• Matrice A (m,n), rang A = m  n
• Base de A : sous-matrice B(m, m) inversible
• Solution de base associée à B :

– xN = 0 variables hors base
– xB = B-1b variables de base
Forme algébrique
• on met les variables hors base à 0
• On en déduit la valeur des variables de base
• Ax = b, x0
• (xB, 0) associée à B est une solution de base admissible si xB0
• {points extrêmes du polyèdre }  { solutions de base admissibles
du système linéaire correspondant}
• solution de base dégénérée : certaines variables de base sont nulles
• si A est inversible, la solution de base est unique.
Base voisine et pivotage
Deux sommets voisins correspondent à deux bases B et B’ tel qu'on
remplace une variable dans B pour obtenir B’
Passer à un sommet voisin = changer de base (base voisine) : Principe

de pivotage.
Reprenons l’exemple précédant:
Qui faire entrer dans la base ? ( y )

Quelle est la valeur max que pourra prendre y ?
Base voisine et pivotage
Valeur max que pourra prendre y
•  
•  
•  
Y doit justifier les 3 contraintes; donc le bilan est que : ymax = 3

Dans ce cas on a :
• s1 = 5-2x
• s2 = 1-x,
• s3 =0
On dit que y entre dans la base (y 0) et que s3 sort de la base (s3=0)
{s1, s2, s3} U {y} \ {s3} = {s1, s2, y}
(x, y, s1, s2, s3) = (0, 3, 5, 1, 0)  la nouvelle base est : (s1, s2, y)
Algorithme du simplexe
Méthode de résolution des PLs = énumérer d’abord tous les

sommets, calculer ensuite la fonction f sur ces points et prendre
enfin le sommet pour lequel f est optimisée :
• Ça marche si le nombre de sommets est fini
• limitation : ce nombre peut être très grand ...
L'algorithme du simplexe (G. B. Dantzig 1947) = Algorithme

itératif qui permet de résoudre un problème de programmation
linéaire.
Principe d'amélioration locale
A partir d'un sommet, chercher un sommet voisin qui améliore la

fonction objectif.
Principe d'amélioration locale (maximisation) :
Soit x0 1 sommet non optimum. Alors Ǝ x, un sommet voisin de x0, tel

que f (x) > f (x0).
Méthode de résolution : on part d'un sommet x0 quelconque, on passe

à un sommet voisin pour lequel f augmente, et ainsi de suite.
Remarque : on passe d'un problème continu (z = variable réelle) à un

problème discret (nombre fini de sommets)
Illustration 2D :
Max z  4x  5x
1 2
s.c. 2x  x  8
1 2
x  2x  7
1 2
x 3
2
x , x 0
1 2
Z = 4x1 + 5x2
x0 = (0, 0), z = 0  x = (0, 3), z = 15

x0 = (0, 3), z = 15  x = (1, 3), z = 19
x0 = (1, 3), z = 19  x = (3, 2), z = 22
x = (3,2) , z = 22
∗ ∗
Illustration par un exemple :
1.Standardisation :
Maximiser z = 4x + 5y


Base initiale : {s1, s2, s3} par exemple, donc
• s1, s2, s3 = variables de base
• x, y = variables hors base
Illustration par un exemple :
1.Solution de base associée
• On met les variables hors base à 0

• On en déduit :
• valeur des variables de base
• valeur de z
Ce qui correspond donc au point O(0,0)
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  y3
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}
Nouvelle de base ?
L’ancienne base était {s1, s2, s3}
L’expression de z en fonction des variables hors base est :
z = 4x + 5y = 15 + 4x -5s3
La solution de base associée est:
Itération
z = 15 + 4x -5s3 peut encore augmenter si x entre dans la base.
Il faut déterminer donc la variable qui sort de la base ?
Valeur maximale de x :
• s1 = 5 - 2x + s3 0  x 2.5
• s2 = 1 - x + 2 s 3  0  x  1
s3 = 3 - y  0  aucune contrainte sur x
Bilan : xmax = 1 entre dans la base et s2 en sort:
La nouvelle base est donc {s1, x, y} :
𝟐 𝟑
Itération (suite)
z = 19 - 4s2 +3s3 peut encore augmenter si s3 entre dans la base.
Si s3entre dans la base, quelle est la variable qui sort donc ?
Valeur maximale de s3 :
• s1 = 3 + 2s2 - 3s3 0  s3  1
• x = 1 - s2 + 2s3  0  aucune contrainte sur s3
• y = 3 - s 3 0  s3  3
Bilan : s3max = 1 et s1 sort de la base :
La nouvelle base est donc {s3, y, x} :
𝟐 𝟏
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).
La forme canonique
Soit le PL :
max z = 20x1 + 10x2
x1 + 2x2  120
x1 + x2  100
s.c. x1  70
x2  50
x1, x2  0
La forme standard
max z = 20x1 + 10x2
x1 + 2x2 + s1 = 120
s.c x1 + x2 + s2 = 100
x1 + s3 = 70
x2 + s4 = 50
z - 20x1 - 10x2 =0
La forme tableau
Toutes les variables
Variables A = (aij) bi 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 (*)
La forme tableau
Toutes les variables
Coefficients de
la fonction A = (aij) bi
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
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
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
(aie).
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
La variable à faire sortir de la base ?

2) On calcule les rapports bi/aie . La ligne correspondante au rapport
positif le plus petit indique la variable sortante
s1 1 2 1 0 0 0 120 120
s2 1 1 0 1 0 0 100 100
s3 1 0 0 0 1 0 70 70
s4 0 1 0 0 0 1 50 
z 20 10 0 0 0 0 0
La variable à faire sortir de la base est s3
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.
s1 1 2 1 0 0 0 120 120
s2 1 1 0 1 0 0 100 100
s3 1 0 0 0 1 0 70 70
s4 0 1 0 0 0 1 50 
z 20 10 0 0 0 0 0
4) On divise la ligne pivot (variable sortante) par le pivot
5) Dans la colonne pivot (variable entrante) on ne garde que le pivot

(=1). Les autres termes sont mis à zéro
6) Dans la colonne de gauche, on remplace la variable sortante par la

variable qui entre dans la base
7) Pour la ligne pivot, chaque fois que la ligne pivot rencontre une
colonne en zéro on recopie la colonne.
8) Pour la colonne pivot, chaque fois que la colonne pivot rencontre une
ligne en zéro on recopie la ligne.
9) Pour les autres termes, on applique la méthode du rectangle:
c . . . a
. .
. .
. .
. .
ligne
pivot
p . . b  a a-bc/p
colonne
pivot
1ère itération
s1 0 2 1 0 -1 0 50
s2 0 1 0 1 -1 0 30
x1 1 0 0 0 1 0 70
s4 0 1 0 0 0 1 50
z 0 10 0 0 -20 0 -1400
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
2ème itération
x2 est la variable ayant le coefficient en z positif le plus élevé. Donc
x2 est la variable entrante.
Le rapport bi/aie minimum nous donne s1 variable sortante.
z x1 x2 S1 s2 s3 s4 bi bi/aie
s1 0 2 1 0 -1 0 50 25
s2 0 1 0 1 -1 0 30 30
x1 1 0 0 0 1 0 70 
s4 0 1 0 0 0 1 50 50
z 0 10 0 0 -20 0 1400
2ème itération
z x1 x2 s1 s2 s3 s4 bi
x2 0 1 1/2 0 -1/2 0 25
s2 0 0 -1/2 1 -1/2 0 5
x1 1 0 0 0 1 0 70
s4 0 0 -1/2 0 1/2 1 25
z 0 0 0 0 -20 0 -1650
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
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 bi/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

2020 2021 USMB Simplexe

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

2020 2021 USMB Simplexe

Transféré par

Droits d'auteur :

Formats disponibles

INTRODUCTION À LA

Filière Sciences Mathématiques et Informatique

Année universitaire : 2020-2021

On a présenté une démarche graphique pour résoudre un

Dans la réalité les problèmes ont plus que deux variables

Appel à une procédure algébrique pour résoudre les PLs

L’implémentation de l’algorithme correspondant à cette

• Les contraintes définissent un polyèdre

Comment énumérer les sommets d’un polyèdre ?

L’impact de ces variables d’écart sur la fonction objectif est nul.

• 9 points intéressants (intersection des contraintes)

Sol de Sol Point

{ points extrêmes }  { solutions de base admissibles }

• Solution de base associée à B :

Passer à un sommet voisin = changer de base (base voisine) : Principe

Reprenons l’exemple précédant:

Qui faire entrer dans la base ? ( y )

Y doit justifier les 3 contraintes; donc le bilan est que : ymax = 3

Méthode de résolution des PLs = énumérer d’abord tous les

• Ça marche si le nombre de sommets est fini

• limitation : ce nombre peut être très grand ...

L'algorithme du simplexe (G. B. Dantzig 1947) = Algorithme

Principe d'amélioration locale

A partir d'un sommet, chercher un sommet voisin qui améliore la

Principe d'amélioration locale (maximisation) :

Soit x0 1 sommet non optimum. Alors Ǝ x, un sommet voisin de x0, tel

Méthode de résolution : on part d'un sommet x0 quelconque, on passe

Remarque : on passe d'un problème continu (z = variable réelle) à un

x0 = (0, 0), z = 0  x = (0, 3), z = 15

Illustration par un exemple :

Base initiale : {s1, s2, s3} par exemple, donc

• s1, s2, s3 = variables de base

• x, y = variables hors base

1.Solution de base associée

• On met les variables hors base à 0

Ce qui correspond donc au point O(0,0)

Essayons avec y : quelle est la valeur max que pourra avoir y ?

L’ancienne base était {s1, s2, s3}

L’expression de z en fonction des variables hors base est :

La solution de base associée est:

Il faut déterminer donc la variable qui sort de la base ?

Bilan : xmax = 1 entre dans la base et s2 en sort:

La nouvelle base est donc {s1, x, y} :

Si s3entre dans la base, quelle est la variable qui sort donc ?

La nouvelle base est donc {s3, y, x} :

L’optimum est obtenu à l’aide des coefficients de z*

Toutes les variables

Variables A = (aij) bi Valeurs des

coefficients de la fonction Valeur de la

La variable à faire sortir de la base ?

La variable à faire sortir de la base est s3

5) Dans la colonne pivot (variable entrante) on ne garde que le pivot

6) Dans la colonne de gauche, on remplace la variable sortante par la

9) Pour les autres termes, on applique la méthode du rectangle:

La solution est optimale car tous les coefficients de la fonction

Phasage de l’algorithme du simplexe

Vous aimerez peut-être aussi