Académique Documents
Professionnel Documents
Culture Documents
Recherche opérationnelle
Filière Economie et Gestion
Semestre 6
1. Introduction à la RO
3. Résolution graphique
4. La méthode du simplexe
Définition : La dualité associe à tout problème linéaire un autre problème linéaire qui est appelé problème dual
du problème initial ; par opposition le problème initial est appelé problème primal.
• d’une part, le programme dual à une interprétation économique importante : il constitue une autre vision du
programme primal. En particulier, la dualité permet de montrer qu’un problème d’allocation optimale des
ressources rares est aussi un problème de tarification optimale de ces ressources ;
• d’autre part, les propriétés liant le programme primal et son dual permettront de résoudre des problèmes de
minimisation en termes de maximisation, ce qui est souvent plus facile, et de développer de nouveaux
algorithmes qui se révéleront plus performants dans un grand nombre de situations.
L’entreprise REMOX envisage la fabrication de quatre produits. La fabrication de chaque produit nécessite une
certaine quantité de ressources. Les ressources consommées, les stocks des ressources et les bénéfices des
produits sont récapitulés dans le tableau suivant :
Appelant 𝑥1 ; 𝑥2 ; 𝑥3 ; 𝑥4 les quantités respectives de produits 1, 2, 3, 4, le problème admet le modèle (𝑃) suivant :
Brahim, le propriétaire d’une entreprise concurrente de la même ville, se propose de racheter les ressources de
l’entreprise REMOX. Ce dernier connaît bien les paramètres du modèle (𝑃), qu’il sait formuler mais sans savoir le
résoudre. Brahim offre à REMOX de lui racheter les ressources à des prix unitaires qu’il reste à fixer. REMOX se
montre intéressé, à condition d’y trouver son compte.
Soit 𝑢1 , 𝑢2 et 𝑢3 les prix respectifs pour s’approprier chaque une unité de la ressource 𝐴 , de 𝐵 et de 𝐶
respectivement. Comme Brahim ne jette pas son argent par les fenêtres, il veut débourser le moins possible pour
l’achat de la totalité des trois ressources de l’entreprise REMOX. Il cherche alors à minimiser :
Quand REMOX vend 1 unité du Produit 1, elle empoche 7 DH. Mais pour vendre une unité du Produit 1, elle lui
faut consacrer à sa production : 2 unités de la ressource A, 1 unité de la ressource B et 1 unité de la ressource C.
Brahim estime que REMOX n’acceptera pas de céder ce paquet de ressources pour moins de 7 DH.
2 𝑢1 + 1 𝑢2 + 1 𝑢3 ≥ 7 (Produit 1)
Une démarche similaire à propos des autres produits l’amène à écrire que :
4 u1 + 1 u2 + 2 u3 ≥ 9 (Produit 2)
5 u1 + 2 u2 + 3 u3 ≥ 18 (Produit 3)
7 u1 + 1 u2 + 3 u3 ≥ 17 (Produit 4)
Avec
𝑢1 , 𝑢2 , 𝑢3 ≥ 0
Finalement, pour déterminer les prix unitaires minimaux qu’elle proposera à Remox, l’entreprise concurrente
devrait résoudre le programme linéaire suivant :
Les problèmes (𝑃) et (𝐷) utilisent exactement les mêmes données numériques. On peut les lire directement à
partir du tableau ci-dessous ; (𝑃) correspond à une lecture ligne par ligne, (𝐷) à une lecture colonne par colonne.
Un pharmacien doit préparer une poudre vitaminée contenant au moins 25 mg de vitamine A, 60 mg de vitamine
B et 15 mg de vitamine C. Il s’approvisionne auprès d’un laboratoire qui vend deux types de poudre vitaminée en
sachet :
Combien doit-il se procurer de poudre X et de poudre Y pour assurer, au coût minimum, sa nouvelle poudre ?
Le laboratoire décide de vendre séparément les vitamines A, B et C en sachet de 25, 60 et 15 unités. Combien
doit-il vendre l’unité de chaque vitamine pour être compétitif avec le pharmacien ?
Le laboratoire doit fixer les prix offerts pour les vitamines de façon à ce que :
20 u1 + 30 u2 + 5 u3 ≤ 60 (Mélange 1)
5 u1 + 20 u2 + 10 u3 ≤ 90 (Mélange 2)
𝑢1 , 𝑢2 , 𝑢3 ≥ 0
Finalement, pour déterminer les prix unitaires maximaux qu’il ne doit pas dépasser pour rester compétitif, le
laboratoire devrait résoudre le programme linéaire suivant :
En notation matricielle :
Les règles de passage du primal au dual sont simples : elles résultent pour la plupart de la transposition de 𝐴.
• Le second membre du primal devient le vecteur des coefficients de la fonction objectif du dual et
réciproquement ;
𝑚𝑖𝑛 𝑐 𝑥
(P) 𝐴𝑥 = 𝑏
𝑥≥0
𝑚𝑎𝑥 u b
(D) 𝐴𝑡 𝑢 ≥ 𝑐
𝑢 𝑞𝑐𝑞
Le tableau suivant donne un ensemble de règles formelles permettant de passer d’un problème de P.L. général à
sa forme duale.
Propriété 1 : Si 𝑥ҧ et 𝑢ത sont des solutions réalisables respectivement du primal (maximum) et du dual (minimum),
elles vérifient :
𝑐𝑥ҧ ≤ 𝑢𝑏
ത
En effet,
Corollaire 1 :
Une solution réalisable du dual (resp. primal) fournit une borne supérieure (resp. inférieure) de 𝑧ǁ (resp. 𝑤)
:
𝑧ǁ ≤ 𝑢𝑏 , ∀ 𝑢 𝑟é𝑎𝑙𝑖𝑠𝑎𝑏𝑙𝑒 𝑑𝑢 𝑑𝑢𝑎𝑙
𝑤
≥ 𝑐𝑥 , ∀ 𝑥 𝑟é𝑎𝑙𝑖𝑠𝑎𝑏𝑙𝑒 𝑑𝑢 𝑝𝑟𝑖𝑚𝑎𝑙
Corollaire 2 :
Soient 𝑥ҧ et 𝑢ത des solutions réalisables respectivement du primal et du dual. Si 𝑐𝑥ҧ = 𝑢ത 𝑏, alors 𝑥ҧ et 𝑢ത sont des
solutions optimales
Note : Le corollaire 2 indique que l’égalité des fonctions économiques du primal et du dual est une condition
suffisante d’optimalité pour des solutions réalisables des deux problèmes.
Corollaire 3 :
Si un problème possède une valeur optimale infinie, son dual est impossible.
Propriété 2 : Si le problème primal (resp. dual) possède une solution optimale finie, alors il en de même pour le
problème dual (resp. primal) et de plus 𝑧ǁ = 𝑤.
Corollaire :
L’égalité des fonctions économiques du primal et du dual est donc une C.N.S. d’optimalité pour des solutions
réalisables des deux problèmes.
Propriété 3 :
Propriété : Soient 𝑥ҧ et 𝑢ത deux solutions réalisables respectivement du primal et du dual. Une CNS pour que 𝑥ҧ et 𝑢ത
soient solutions optimales, est qu’elles vérifient les relations :
𝑢(𝐴
ത 𝑥ҧ − 𝑏) = 0
𝑐 − 𝑢𝐴
ത 𝑥ҧ = 0
Appelons
𝐿𝑖 𝑥 ≤ 𝑏𝑖 , 𝑢𝑖 ≥ 0 𝑖 = 1, . . . , 𝑚
ou
𝑥𝑗 ≥ 0 , 𝑢𝐶𝑗 ≥ 𝑐𝑗 𝑗 = 1, . . . , 𝑛
Des couples de contraintes duales.
Convenons qu’une contrainte d’inégalité (≥ ou ≤) est dite serrée (saturée) pour une solution, si elle est vérifiée
avec le signe d’égalité (=) et non serrée (non saturée) dans le cas où elle est vérifiée avec le signe d’inégalité
stricte (< ou >).
Propriété : A l’optimum, dans tout couple de contraintes duales, il y a au moins une contrainte serrée.
L’objectif de cet exemple est de vérifier l’optimalité d’une solution réalisable (𝑥1 ; 𝑥2 ) de (𝑃) en appliquant le TEC
(sans utiliser ni la méthode graphique ni la méthode du simplexe).
Cette solution ne satisfait pas la 1ère contrainte duale et donc elle est non réalisable ! Et par suite la solution
primale (𝑥1 , 𝑥2 ) = (0, 32) précédente n’est donc pas optimale !
D’où la solution : (𝑢1 ; 𝑢2 ; 𝑢3 ) = (5; 10; 0), est réalisable pour (D). Par primale (𝑥1 , 𝑥2 ) = (0, 32) est optimale !
Définition : Une solution de base optimale est dite stable si l’ensemble des variables de base à l’optimum ne
changent pas, même si les valeurs de ces variables de base sont modifiées.
on examinera la stabilité de la solution optimale d’un programme linéaire suite à la variation de l’un des
paramètres de ce programme. On utilisera pour présenter l’analyse de sensibilité l’exemple de production.
On cherche à déterminer un intervalle dans lequel peut varier 𝐶𝑗 sans que la solution optimale ne change.
𝟐𝟎𝟎 𝟑𝟎𝟎 𝟎 𝟎 𝟎
𝒙𝟏 𝒙𝟐 𝒆𝟏 𝒆𝟐 𝒆𝟑 𝒃𝒊
𝟎 𝒆𝟏 0 0 1 1 −4 100
𝟑𝟎𝟎 𝒙𝟐 0 1 0 1 −1 175
𝟐𝟎𝟎 𝒙𝟏 1 0 0 −1 2 50
0 0 0 −100 −100 −62500
• En remplaçant dans le tableau optimal 200 par 200 + Δ , on obtient le tableau suivant :
𝟐𝟎𝟎 + 𝚫 𝟑𝟎𝟎 𝟎 𝟎 𝟎
𝒙𝟏 𝒙𝟐 𝒆𝟏 𝒆𝟐 𝒆𝟑 𝒃𝒊
𝟎 𝒆𝟏 0 0 1 1 −4 100
𝟑𝟎𝟎 𝒙𝟐 0 1 0 1 −1 175
𝟐𝟎𝟎 + 𝚫 𝒙𝟏 1 0 0 −1 2 50
0 0 0 −100 + Δ −100 − 2Δ −62500
−100 + Δ ≤ 0 Δ ≤ 100
൝ ⟺ ቊ ⟺ −50 ≤ Δ ≤ 100
−100 − 2Δ ≤ 0 Δ ≥ −50
• Donc la solution optimale est stable et prend la même valeur (𝑥1 , 𝑥2 ) = (50, 175)
tant que 150 ≤ 𝑐1 ≤ 300
On cherche à déterminer un intervalle dans lequel peut varier 𝑏𝑖 sans que la solution optimale ne change.
• Considérons une variation dans la troisième contrainte du second membre 𝑏3 de 225 à 225 + Δ.
• Sachant que dans le premier tableau de simplexe 𝑏3 n’est présent que dans la troisième contrainte. On obtient
ainsi une correspondance entre la colonne des quantités 𝑄𝑖 et la colonne de 𝑒3 .
𝟐𝟎𝟎 𝟑𝟎𝟎 𝟎 𝟎 𝟎
𝒙𝟏 𝒙𝟐 𝒆𝟏 𝒆𝟐 𝒆𝟑 𝒃𝒊
𝟎 𝒆𝟏 0 0 1 1 −4 100 − 4Δ
𝟑𝟎𝟎 𝒙𝟐 0 1 0 1 −1 175 − Δ
𝟐𝟎𝟎 𝒙𝟏 1 0 0 −1 2 50 + 2Δ
0 0 0 −100 −100 −62500 − 100Δ
100 − 4Δ ≥ 0 Δ ≤ 25
ቐ 175 − Δ ≥ 0 ⟺ ቐ Δ ≤ 175 ⟺ − 25 ≤ Δ ≤ 25
50 + 2Δ ≥ 0 Δ ≥ −25
• Tant que 200 ≤ 𝑏3 ≤ 250 la base demeure la même et la solution optimale est stable mais elle change en
valeur.
• Exemple : pour Δ = 2 le vecteur de solutions optimale est (𝑥1 , 𝑥2 , 𝑒1 , 𝑒2 , 𝑒3 ) = (54,173,96,0,0)