Académique Documents
Professionnel Documents
Culture Documents
Décomposition de Dantzig-Wolfe
1. Exemples d’application
4. Bornes
Chapitre 6 : Décomposition de Dantzig-Wolfe 6.2
min cT x (6.1)
x
sujet à : Ax = b (6.2)
Dx = e (6.3)
x ∈ Nn (6.4)
0
où x est le vecteur de variables ; c ∈ Rn, b ∈ Zm, e ∈ Zm ,
0
A ∈ Zm × Zn et D ∈ Zm × Zn sont des vecteurs et
matrices de scalaires.
v
Xij : Variable de flot binaire qui indique si le véhicule v
utilise ou non l’arc (i, j) ∈ Ak(v).
Chapitre 6 : Décomposition de Dantzig-Wolfe 6.6
sujet à :
X X
v
Xsj = 1, ∀s ∈ S (6.6)
v∈V j | (s,j)∈Ak(v)
X
Xovk(v)j = 1, ∀v ∈ V (6.7)
j∈S∪{dk (v)}
X X
v v
Xis − Xsj = 0, ∀v ∈ V, s ∈ S (6.8)
i | (i,s)∈Ak(v) j | (s,j)∈Ak(v)
X
v
Xid k(v) = 1, ∀v ∈ V (6.9)
i∈S∪{ok(v) }
v
Xij ≥ 0, binaire, ∀v ∈ V, (i, j) ∈ Ak(v).
(6.10)
La formulation est :
X
min Yu (6.11)
X,Y
u∈U
sujet à :
X
Xju ≥ dj , ∀j ∈ J (6.12)
u∈U
X
lj Xju ≤ LYu, ∀u ∈ U (6.13)
j∈J
X X
x= θp ω p + λr ρr
p∈Ω r∈Γ
X
θp = 1
p∈Ω
θp ≥ 0, ∀p ∈ Ω, λr ≥ 0, ∀r ∈ Γ
θp ≥ 0, ∀p ∈ Ω
λr ≥ 0, ∀r ∈ Γ
X X
x= θpωp + λr ρr entiers.
p∈Ω r∈Γ
θp ≥ 0, ∀p ∈ Ω
λr ≥ 0, ∀r ∈ Γ
X X
x= θpωp + λr ρr entiers.
p∈Ω r∈Γ
Chapitre 6 : Décomposition de Dantzig-Wolfe 6.12
X X
min c p θp + cr λr (6.16)
x,θ,λ
p∈Ω r∈Γ
X X
sujet à : apθp + ar λr = b (6.17)
p∈Ω r∈Γ
X
θp = 1 (6.18)
p∈Ω
θp ≥ 0, ∀p ∈ Ω (6.19)
λr ≥ 0, ∀r ∈ Γ (6.20)
X X
x= θp ω p + λr ρr entiers. (6.21)
p∈Ω r∈Γ
X X X
min cpk θpk + crk λrk (6.22)
x,θ,λ
k∈K p∈Ωk r∈Γk
sujet à :
X X X
apk θpk + ark λrk = b (6.23)
k∈K p∈Ωk r∈Γk
X
θpk = 1, ∀k ∈ K (6.24)
p∈Ωk
θpk ≥ 0, ∀k ∈ K, p ∈ Ωk
(6.25)
λrk ≥ 0, ∀k ∈ K, r ∈ Γk
(6.26)
X X
xk = θpk ωpk + λrk ρrk entiers, ∀k ∈ K.
p∈Ωk r∈Γk
(6.27)
Chapitre 6 : Décomposition de Dantzig-Wolfe 6.14
X X
min cpv θpv (6.28)
X,θ
v∈V p∈Ωv
sujet à :
X X
aspv θpv = 1, ∀s ∈ S (6.29)
v∈V p∈Ωv
X
θpv = 1, ∀v ∈ V (6.30)
p∈Ωv
θpv ≥ 0, ∀v ∈ V, p ∈ Ωv (6.31)
X
v
Xij = bij
pv θpv entiers, ∀v ∈ V, (i, j) ∈ Ak(v)(6.32)
,
p∈Ωv
X X
min cpk θpk (6.33)
X,θ
k∈K p∈Ωk
sujet à :
X X
aspk θpk = 1, ∀s ∈ S (6.34)
k∈K p∈Ωk
X
θpk = nk , ∀k ∈ K (6.35)
p∈Ωk
X X
min θpu (6.37)
X,Y,θ
u∈U p∈Ωu \{0}
sujet à :
X X
ajpuθpu ≥ dj , ∀j ∈ J (6.38)
u∈U p∈Ωu
X
θpu = 1, ∀u ∈ U (6.39)
p∈Ωu
θpu ≥ 0, ∀u ∈ U, p ∈ Ωu (6.40)
X
Xju = ajpuθpu entiers, ∀j ∈ J, u ∈ U (6.41)
p∈Ωu
X
Yu = θpu ∈ {0, 1} ∀u ∈ U, (6.42)
p∈Ωu \{0}
X
min θp (6.43)
X,θ
p∈Ω\{0}
sujet à :
X
ajpθp ≥ dj , ∀j ∈ J (6.44)
p∈Ω
θp ≥ 0, ∀p ∈ Ω (6.45)
X
θp = θpu, ∀p ∈ Ω (6.46)
u∈U
X
θpu = 1, ∀u ∈ U (6.47)
p∈Ωu
X
Xju = ajpθpu entiers, ∀j ∈ J, u ∈ U. (6.48)
p∈Ωu
X
min cpθp (6.49)
x,θ
p∈Ω
sujet à :
X
apθp = b (6.50)
p∈Ω
X
θp = 1, (6.51)
p∈Ω
θp ≥ 0, ∀p ∈ Ω (6.52)
X
x= θpωp entiers. (6.53)
p∈Ω
Chapitre 6 : Décomposition de Dantzig-Wolfe 6.20
X
min c p θp (6.54)
x,θ
p∈Ωi
sujet à :
X
apθp = b (6.55)
p∈Ωi
X
θp = 1, (6.56)
p∈Ωi
θp ≥ 0, ∀p ∈ Ωi. (6.57)
c̄ip = cp − (π i)Tap − σ i.
sujet à : Dx = e (6.59)
x ∈ Nn (6.60)
X
lj Xj ≤ LY (6.61)
j∈J
Y ∈ {0, 1} (6.62)
Xj ≥ 0, entiers, ∀j ∈ J. (6.63)
6.3.2 Branchement
Xokk ,j =
P P
Si le nombre de véhicules θpk
j | (ok ,j)∈Ak p∈Ωk \{0}
utilisés par un dépôt k ∈ K dans la solution d’une re-
laxation linéaire est fractionnaire, un branchement sur
ce nombre de véhicules peut être effectué au niveau du
PM. Une telle décision ne peut s’imposer au niveau des
SPs car elle est globale, i.e., elle ne peut être imposée
qu’en considérant simultanément tous les horaires géné-
rés pour le dépôt k.
6.4 Bornes
DSP
C
= {x : Dx = e, x ≥ 0}, le domaine du SP continu.
DSP
I
= {x : Dx = e, x ≥ 0, x entiers}, le domaine du SP
en nombres entiers.
DDW
C
= DPM ∩ DSP
C
, le domaine du PM obtenu par la
décomposition de DW lorsque le SP est continu.
DDW
I
= DPM ∩ conv(DSP
I
), le domaine du PM obtenu
par la décomposition de DW lorsque le SP est en
nombres entiers.
Chapitre 6 : Décomposition de Dantzig-Wolfe 6.35
I
DDW ⊆ DDW
C
= DPL.
Relaxation lagrangienne
1. Relaxation et propriétés
2. Méthodes de résolution
3. Solutions réalisables
4. Qualité de la borne
5. Décomposition lagrangienne
Chapitre 7 : Relaxation lagrangienne 7.2
A2x ≥ b2 (7.3)
Dx = e (7.4)
x ∈ X (7.5)
sujet à : Dx = e (7.7)
x ∈ X (7.8)
L’objectif de ce SP se récrit :
L(π, µ) ≤ z P.
Chapitre 7 : Relaxation lagrangienne 7.7
L∗ = max L(π, µ)
π,µ
sujet à : µ ≥ 0.
L(π, µ) ≤ L∗ ≤ z P ≤ cTx.
Remarques :
• Si f (x) est différentiable, alors ∂f (x) = {∇f (x)}.
• Si γ ∈ ∂f (x̄), alors la fonction affine f (x̄)+γ T(x− x̄)
minore f (x) en tout point x et passe par le point
(x̄, f (x̄)).
1. kγtk <
2. J¯ − z < ;
3. t > tmax
Sinon
Par conséquent,
T
π b 1 + µ T
b 2 + min (c T
− π T
A1 − µ T
A2)ωp
p∈Ω
L(π, µ) = si (cT − π TA1 − µTA2)ρr ≥ 0, ∀r ∈ Γ
−∞ sinon.
sujet à :
µ ≥ 0.
Chapitre 7 : Relaxation lagrangienne 7.15
X X
sujet à : a1pθp + a1r λr = b1
p∈Ω r∈Γ
X X
a2pθp + a2r λr ≥ b2
p∈Ω r∈Γ
X
θp = 1
p∈Ω
θp ≥ 0, ∀p ∈ Ω
λr ≥ 0, ∀r ∈ Γ.
X X
k
min cij Xij (7.9)
X
k∈K (i,j)∈Ak
sujet à :
X X
k
X`j = 1, ∀` ∈ C (7.10)
k∈K j | (`,j)∈Ak
X X
k
Xj` = 1, ∀` ∈ C (7.11)
k∈K j | (j,`)∈Ak
X
Xokk j ≤ nk , ∀k ∈ K (7.12)
j∈C∪{dk }
X X
k k
Xi` − X`j = 0, ∀k ∈ K, ` ∈ C (7.13)
i | (i,`)∈Ak j | (`,j)∈Ak
k
Xij ≥ 0, entiers, ∀k ∈ K, (i, j) ∈ Ak .
(7.14)
D2 x = e 2 (7.17)
x ∈ X (7.18)
D2 y = e 2 (7.21)
x = y (7.22)
x, y ∈ X. (7.23)
x ∈ X (7.26)
D2 y = e 2 (7.27)
y ∈ X (7.28)
Proposition: : Soit
LRL
1 , la borne duale lagrangienne obtenue par relaxa-
LRL
2 , la borne duale lagrangienne obtenue par relaxa-
Alors,
LC ≤ min{LRL
1 , L2 } ≤ max{L1 , L2 } ≤ L .
RL RL RL DL
Remarques :
• Si les deux SPs possèdent la propriété d’intégrité,
alors les trois inégalités deviennent des égalités.
• Si seulement un des deux SPs possède la propriété
d’intégrité, alors les première et troisième inégalités
deviennent des égalités.
Chapitre 8
Décomposition de Benders
1. Introduction
2. Exemple d’application
3. Principe de décomposition
4. Méthode de résolution
Chapitre 8 : Décomposition de Benders 8.2
8.1 Introduction
sujet à : Ax + By = e (8.2)
x ≥ 0 (8.3)
y ∈ Y (8.4)
Variables :
1 si un entrepôt est construit sur le site j
yj =
0 sinon
1 si entrepôt j dessert client i
xij =
0 sinon
Chapitre 8 : Décomposition de Benders 8.5
sujet à :
X
xij = 1, ∀i ∈ M (8.6)
j∈N
xij ≤ yj , ∀i ∈ M, j ∈ N (8.7)
xij ≥ 0, ∀i ∈ M, j ∈ N (8.8)
sujet à : Ax = e − By (8.11)
x ≥ 0 (8.12)
On suppose que
∞ si SPP est non-réalisable
h(y) =
−∞ si SPP est non-borné.
ρTr (e − By) ≤ 0, ∀r ∈ Γ.
ρTr (e − By) ≤ 0, ∀r ∈ Γ.
y ∈ Y.
y ∈ Y. (8.18)
Chapitre 8 : Décomposition de Benders 8.10
8.4.1 Algorithme