Académique Documents
Professionnel Documents
Culture Documents
1 Recherche 8 S IMPLEXEe
1 Recherche 8 S IMPLEXEe
simplexe
1
Méthode de simplexe
Introduction
◼ Dans le chapitre précédent, on a vu comment
résoudre graphiquement un PL à deux variables. Or
la majorité des problèmes réels ont plusieurs
variables. D’où la nécessité d’avoir une méthode
algébrique pour résoudre des PLs ayant plus que 2
variables.
◼ La méthode de Simplexe est l’une des méthodes les
plus anciennes (Dantzig, 1947), et la plus utilisée
jusqu’à nos jours, pour résoudre même des
problèmes de grandes tailles avec quelques milliers
de variables et quelques milliers de contraintes.
2
Méthode de simplexe
3
Méthode de simplexe
4
Méthode de simplexe
Mise en forme standard
6
Méthode de simplexe
Exemple : Usine de ceintures
Une usine fabrique de 2 sortes de ceintures : luxe et standard
Chaque type demande 1m2 de cuir
• Une ceinture standard demande 1h de travail
• Une ceinture de luxe demande 2h
7
Méthode de simplexe
Exemple:
max z 4x1 + 3x2 max z 4x1 + 3x2
s.c. x1 + x2 ≤ 40 s.c. x1 + x2 + e1 = 40
2x1 + x2 ≥ 60 2x1 + x2 – e2 = 60
x1, x2 0 x1, x2, e1, e2 0
9
Méthode de simplexe
Remarque : L'impact de ces variables d'écart sur la fonction
objectif est nul. Ceci explique le fait que leur existence soit tout
simplement liée à une mise en forme du programme linéaire
initial.
En général, la mise en forme standard d’un PL donne :
max Z = c x + c x + ... + c x
1 1 2 2 n n
s.c. a11 x1 + a12 x2 + ... + a1n xn = b1
a21 x1 + a22 x2 + ... + a2 n xn = b2
…
On suppose que n m
➔ (PL) : Max ct x
s.c. Ax = b
x≥0
11
Méthode de simplexe
Remarques:
1- Dans la résolution graphique on travaille
dans le plan, (2 dimensions)
2- Dans la résolution par la méthode de
simplexe nous sommes dans un espace à n
dimensions (nombre de variables d'activité).
Interprétation graphique:
Les contraintes délimitent un polyèdre convexe
(région des solutions admissibles).
12
Méthode de simplexe
Remarques: (suite)
La fonction objectif est un hyperplan que l'on va déplacer
jusqu'à l'extrême limite où il n'y aura plus qu'un point
d'intersection (éventuellement un segment, un plan...) avec
la région des solutions admissibles.
La solution se trouvant forcément sur le pourtour du
polyèdre admissible,
La méthode du simplexe consiste en itérations qui font
passer d'un sommet du polyèdre à un autre en
sélectionnant le sommet adjacent maximisant la fonction
objectif.
13
Les polyèdres convexes
1èr étape:
Pour démarrer l'algorithme, il est nécessaire d'avoir
une solution initiale. Dans le cas simple, l'origine est
solution, c.à.d. que la première solution est:
x1 = 0 ; x2 = 0 ; .........; xn = 0
e1 = b1 ; e2 = b2 ; .........; em = bm
(ceci suppose que les bi ne soient pas négatifs pour
satisfaire les contraintes de signe)
15
Méthode de simplexe
L'algorithme, basé sur la méthode du pivot de Gauss
pour la résolution des systèmes d'équations linéaires,
est présenté sous forme de tableau.
Exemple:
Soit à résoudre le programme linéaire suivant sous sa
forme canonique
Max z = 1200 x1 + 1000 x2
3 x1 + 4 x2 ≤ 160
6 x1 + 3 x2 ≤ 180
x1 ≥ 0 ; x2 ≥ 0
16
Méthode de simplexe
Forme standard de PL
Max z = 1200 x1 + 1000 x2 + 0 e1 + 0 e2
3 x1 + 4 x2 + 1 e1 + 0 e2 = 160
6 x1 + 3 x2 + 0 e1 + 1 e2 = 180
Tableau 0 x1 ≥ 0 ; x2 ≥ 0 ; e1 ≥ 0 ; e2 ≥ 0
En ne conservant que les coefficients des équations ci-
dessus, on obtient le tableau de départ :
Variables Hors base x1 x2 e1 e2 C
e1 3 4 1 0 160
Variables de base
e2 6 3 0 1 180
∆ 1200 1000 0 0 0
17
Solution admissible
18
Solution admissible: (suite)
19
Tableau 1 de simplexe
∆ 1200 1000 0 0 0 0
variable entrant
22
La règle du rectangle
x1 x2 e1 e2 C
e1 0 5/2 1 -1/2 70
x1 1 1/2 0 1/6 30
∆ 0 400 0 -200 -36000
Ce tableau nous donne la deuxième solution admissible:
- Les variables Hors Base (HB) sont nulles: x2 = 0 ; e2 = 0;
- Les valeurs des variables dans la Base (B) se lisent dans la
colonne C: e1 = 70 et x1 =30
- La dernière cellule (intersection de C et ∆) donne la valeur
de -z : -z = -36000 donc z = 36000
24
Tableau 2 de simplexe
x1 x2 e1 e2 C R
e1 0 5/2 1 -1/2 70 28
X1 1 1/2 0 1/6 30 60
∆ 0 400 0 -200 -36000 0
En appliquant les règles de Pivot on obtient :
x1 x2 t1 t2 C
x2 0 1 2/5 -1/5 28
x1 1 0 -1/5 4/15 16
∆ 0 0 -160 -120 -47200
25
Résultat de tableau 2
28
Remarques importantes
29
Rappel des critères
30