Modélisation et optimisation

Programmation linéaire (PL) : Exercices

Dr Mohammed Harfaoui
I. Méthode graphique et méthode du simplexe
Exercice.1.
Programme linéaire standard

Donner le programme linéaire standard de chacun des programmes linéaires canoniques

suivants :

1. Enoncé.1.

Max 100x  200x

1 2
s.c. x  x  150
1 2
4x  2x  440
1 2
x  4x  480
1 2
x  90
1
x  0, x  0
1 2
2. Enoncé.2.

Max - 2 x1  3 x 2
s.c. x1  5 (1)
2 x1  3 x 2  6 (2)
x1  0, x 2  0

Solutions. On introduit des variables auxiliaires positives ou nulles appelées variables d’écart
de la façon suivante :

Solution.1.

Max 100x  200x

1 2
s.c. x  x  e  150
1 2 1
4 x  2 x  e  440
1 2 2
x  4x  e  480
1 2 3
x e  90
1 4
x  0, x  0
1 2
Solution.2.
Max - 2 x1  3 x 2
s.c. x1  e  5 (1)
1
2 x1  3 x 2  e 6 (2)
2
x1  0, x 2  0

Exercice.2.

Soit à maximiser la fonction objectif : z= 7x1+5x2

Maximiser z= 7x1+5x2

SC : x1≤300

x2≤400

x1+x2 ≤ 500

2x1+x2 ≤700

x1 ≥ 0 et x2 ≥ 0.
1. Méthode graphique (2 variables)

Domaine des solutions réalisables

Le maximum est atteint en C(200,300) est ce maximum est z(200,300) =2900.

(z(0,300) =1500 ; z(300,100) =2600 ; z(200,300) =2900, z(100,400) =2700.)

2. Méthode des tableaux

Tableau 0 : Tableau initial

On utilise la méthode des pivots et l’optimum est obtenu après un certain nombre
d’itérations et une fois les coefficients dans la fonction objectif z deviennent négatifs.

Tableau.1.
Il y a encore un coefficient positif (5). On continue.

Tableau.3.

Il y a encore un coefficient positif (3). On continue.

Tableau.4.

Conclusion :
La fonction objectif (ou la fonction économique s’écrit

Z = 2900−3x5−2x6, où x5 et x6 sont les variables hors-base donc nulles. Toute augmentation

de x5 et x6 conduit à une diminution de Z. Donc x1 = 200, x2 = 300, x3 = 100, x4 = 100 et

Z = 2900. La fonction économique atteint son maximum au point C(200, 300) et vaut 2900.

La méthode utilisée pour passer d’un tableau à l’autre.

Condition d'arrêt.

Si l'objectif est la maximisation, quand dans la dernière ligne (ligne de la fonction

objectif) n'existe aucune valeur positive parmi les coûts), on obtient la condition d'arrêt.

Dans ce cas, on attend la fin de l'algorithme puisqu'on ne peut pas l'améliorer. La valeur
de Z est la solution optimale du problème.

Un autre cas possible, c'est que dans la colonne de la variable qui rentre en base toutes les
valeurs sont négatives ou nuls. Indicative que le problème ne se trouve pas délimité et sa
solution peut toujours être amélioré. Face à cette situation il n'est pas nécessaire de continuer
réitérant indéfiniment et aussi on peut mettre fin à l'algorithme.

Lorsque cette condition n'est pas remplie, on exécute les processus suivants
itérativement.
 II. Dualité

Exercice.
Donner le dual deu programme primal PLP Max z=3x1+x2-2 x3 ;

S .C x1+2 x2≥10
3x1-x2+ x3 =7
x1+3 x3≤8
x1 qcq, x1≥0, x2≥0.

On écrit le sous forme :PLP 1 Max z=3x1+x2-2 x3 ;

S .C x1+2 x2 ≥10

3x1-x2+ x3 ≤7
- 3x1+x2- x3 ≤-7
x1+3 x3≤8
x1 qcq, x2≥0, x3≥0.

Le dual du programme primal PLP1 eest :

Min w=10y1+ 7y2-7y3+8 y4

S .C y1+ 3y2-3 y3+ y4 =3(car x1 qcq)
2y1- y2+ y3+3 y4 ≥ 1(car x2≥0)
y2- y3+3 y4 ≥-2 (car x3≥0)
y1≤0,, y2 ≥0 ,y3 ≥0, y4≥0

Si on pose y’= y2- y3 le dual deu programme devient

Min w=10y1+7 y’+8 y4

S .C y1+ 3y’+ y4 =3(car x1 qcq)
2y1- y’ ≥ 1(car x2≥0)
y’+3 y4 ≥-2 (car x3≥0)
y1≤0,, y’ qcq, y4≥0

Programme Primal

x1 X2 X3
1 2 0 10
3 -1 1 7
-3 1 -1 -7
1 0 3 8
3 1 -2
Programme Dual

y1 Y2 Y3 Y4
1 3 -3 1 3
2 -1 1 3 1
0 1 -1 3 -1
10 7 -7 8