Académique Documents
Professionnel Documents
Culture Documents
Pour pouvoir appliquer l’algorithme du simplexe au programme P, il faut que les conditions
suivantes soient vérifiées :
AJ : Matrice unité à permutation près des colonnes.
J : base ; b≥0 ; CJ=0
A b
(0) Soit la matrice des coefficients :
C 0
(1) Si le CJ≤0, alors cette solution de base est optimale, on arrête le traitement.
br b
s
=Min is / Ais > 0
Ar Ai
Si tous les A i ≤0, alors on arrête le traitement et le problème n’admet pas de solution
optimale.
(4)- Si r existe, alors : X s va rentrer dans la base et la variable correspondante qui se trouve sur
la ligne r va sortir.
C s .br
Z* = Z -
Ars
Ceci est une itération du simplexe, puis, on reprend l’étape (1), et on refait les mêmes étapes
jusqu’à l’arrêt :
o Soit on trouve une solution optimale.
o Soit le problème n’admet pas une solution optimale.
Afin de mieux comprendre les différentes approches théoriques de la méthode du simplexe,
nous allons donner des exemples numériques ou elles seront successivement utilisées.
Les premiers exemples seront détaillés tandis que seule la solution des autres sera donnée
afin qu’ils puissent servir d’exercices.
Etude de cas simple
Une entreprise pouvant fabriquer trois produits P 1 , P 2 et P 3 en utilisant une ligne de production
travaillant jusqu’à 450 heures par semaine dégage pour chaque unité de produit un profit : de 40
unités monétaires pour P 1 , 120 unités monétaires pour P 2 et 30 unités monétaires pour P 3 .
La capacité de production de la ligne utilisée est respectivement de 500, 250 et 750 unités par heure
pour les trois produits.
Une étude de marché a montré que les possibilités de vente ne dépassent pas 10000 unités de P 1 ,
5000 unités de P 2 et 15000 unités de P 3 .
Le problème qui se pose est de répartir la capacité de production entre les trois produits, de manière
à maximiser le profit hebdomadaire.
I- Formulation du problème en un PL :
Mettons le problème sous forme algébrique.
Appelons x 1 , x 2 et x 3 les quantités respectives des produits P 1 , P 2 et P 3 que nous avons à fabriquer
pour maximiser le profit. Ces quantités ne doivent pas dépasser respectivement 10000, 5000 et
15000 par semaine. Ce qui permet d’écrire :
x 1 ≤10000
x 2 ≤5000
x 3 ≤15000
D’autre part, le temps employé pour produire x 1 unités de P 1 est en heures : x 1 ×1/500 R R R R R R
Celui qui correspond à la fabrication de x 2 unités de P 2 est en heures : x 2 ×1/250 et enfin pour
R R R R R R
50 25 R
75
Transformer le PL en forme standard consiste à introduire des variables d’écarts pour chaque
contrainte de manière a réécrire les inégalités ≤ sous la forme d’égalités =
Chacune de ces variables d’écart représente le nombre de ressources non utilisés.
S/C:
x 1 + + x4 = 10000
x 2 + x5 = 5000
x3 + x6 = 15000
30x 1 + 60x 2 + 20x 3 + x 7 = 67500
x 1 , x 2 , x 3 , x 4, x 5 , x 6, x 7 ≥ 0
Max Z= 4x 1 + 12 x 2 +3 x 3
X1 X2 X3 X4 X5 X6 X7 bi Ratio
10000/0
X4 1 0 0 1 0 0 0 10000
X5 0 1 0 0 1 0 0 5000 5000/1LP
X6 0 0 1 0 0 1 0 15000 15000/0
X7 3 6 2 0 0 0 1 67500 67500/6
C j 40 120 30 0 0 0 0 0
- Nous rapportons les éléments de b à ceux de X 2 , et choisissons le plus petit rapport positif, qui est
b 2 /a 22 égal à 5000/1=5000.
C’est donc le vecteur X 5 correspondant à la ligne 2 que nous allons faire sortir de la base.
L’élément a 22 et le pivot de la transformation qu’implique la sortie de X 5 de l’ancienne base, et
l’entrée de X 2 dans la nouvelle.
Pour déterminer les nouveaux éléments du tableau, nous appliquons les ce qui suit :
- Mettre 0 sur la colonne 2 et 1 à la place de l’élément a 22 ;
- Diviser la ligne 2 par a 22 ;
- ²Recopier les colonnes de la base restante en utilisant les formules :
Ai2 . A2 j
X ij * = X ij -
A22
C 2 .b2
Z* = Z -
A22
X1 X2 X3 X4 X5 X6 X7 bi Ratio
X4 1 0 0 1 0 0 0 10000 10000/1LP
X2 0 1 0 0 1 0 0 5000
X6 0 0 1 0 0 1 0 15000
67500/3
X7 3 0 2 0 -6 0 1 67500
cj 40 0 30 0 -120 0 0 60000
Poursuivons l’algorithme.
Au 2ème pas, le pivot est b 11 =1.
En appliquons les mêmes étapes de l’itération précédente, nous obtenons le tableau :
X1 X2 X3 X4 X5 X6 X7 bi Ratio
X1 1 0 0 1 0 0 0 10000
X2 0 1 0 0 1 0 0 5000
X6 0 0 1 0 0 1 0 15000 15000/1
X7 0 0 2 -3 -6 0 1 7500 7500/2LP
X1 X2 X3 X4 X5 X6 X7 bi Ratio
X1 1 0 0 1 0 0 0 10000 10000/1
X2 0 1 0 0 1 0 0 5000
X6 0 0 0 3/2 3 1 -1/2 11250 11250/3/2LP
X3 0 0 1 -3/2 -3 0 1/2 3750
cj 0 0 0 ½ -30 0 -3/2 111250
La nouvelle solution est :
x 1 =10000
x 2 =5000
x 3 =3750
Z=111 250
Enfin, le pivot est b 34 =3/2 , ce qui donne le tableau suivant :
X1 X2 X3 X4 X5 X6 X7 bi
X1 1 0 0 0 -2 -2/3 1/3 2500
X2 0 1 0 0 1 0 0 5000
X4 0 0 0 1 2 2/3 -1/3 7500
X3 0 0 1 0 0 1 0 15000
cj 0 0 0 0 -40 -1/3 -4/3 115000
x 1 =2500 X4=7500
x 2 =5000
x 3 =15000
Cette solution est optimale car tous les Cj sont négatifs ou nuls.
Exemple N° 1
2- Solution de base
VHB=0 VB
x1 x2 x3 x4 x5 bi Ratios
x3 10 5 1 0 0 50 50�10 𝐿𝐿𝐿𝐿
x4 6 6 0 1 0 36 36�
6
𝑥𝑥5 45 18 0 0 1 81 81�45
𝐶𝐶𝑗𝑗 − 𝑍𝑍 9 7 0 0 0 0
↓ 𝑐𝑐𝑐𝑐
x1 x2 x3 x4 x5 bi Ratios
x1 1 1 1 0 0 5 8
�1�
2 10 2
x4 0 3 −6 1 0 6 6� LP
3
10
𝑥𝑥5 0 15,75 -0,45 0 1 58,5 58,5�
15,75
𝐶𝐶𝑗𝑗 − 𝑍𝑍 0 5 ↑ 𝑐𝑐𝑐𝑐 −9 0 0 0
2 10
x1 x2 x3 x4 x5 bi
x1 1 0 2 −1 0 4
10 6
x4 0 1 −2 1 0 2
10 3
𝑥𝑥5 0 0 -2,7 -5,25 1 27
𝐶𝐶𝑗𝑗 − 𝑍𝑍 0 0 −4 −5 0 -50
10 6
Tous les Cj ≤ 0 donc c ′ est la solution optimale: 𝑍𝑍 = 50
𝑥𝑥1 = 4 𝑥𝑥3 = 0
𝑥𝑥2 = 2 𝑥𝑥4 = 0
𝑥𝑥5 = 27
Exercice N°2: L’algorithme du Simplexe
2𝑥𝑥1 + 𝑥𝑥2 ≤ 4
⎧ 4𝑥𝑥 − 3𝑥𝑥 ≤ 2
⎪ 1 2
−3𝑥𝑥1 + 2𝑥𝑥2 ≤ 3
⎨2𝑥𝑥 + 3𝑥𝑥 = 𝑍𝑍(𝑀𝑀𝑀𝑀𝑀𝑀)
⎪ 1 2
⎩ 𝑥𝑥1 , 𝑥𝑥2 ≥ 0
1- Mise sous Forme standard :
2𝑥𝑥1 + 𝑥𝑥2 + 𝑋𝑋3 ≤ 4
4𝑥𝑥1 − 3𝑥𝑥2 + 𝑋𝑋4 ≤ 2
−3𝑥𝑥1 + 2𝑥𝑥2 + 𝑋𝑋5 ≤ 3
2𝑥𝑥1 + 3𝑥𝑥2 = 𝑍𝑍(𝑀𝑀𝑀𝑀𝑀𝑀)
2- Solution de base
VHB=0 VB
1 9 1
𝑥𝑥1 = , 𝑥𝑥2 = 0, 𝑥𝑥3 = 3, 𝑥𝑥4 = 0, 𝑥𝑥5 = , 𝑍𝑍 ∗ =
2 2 2