Video RO3

Recherche opérationnelle
Filière Sciences Économiques et Gestion

Semestre 5
Mohamed HACHIMI
UNIVERSITÉ IBNOU ZOHR

FACULTÉ DES SCIENCES JURIDIQUES ECONOMIQUES
ET SOCIALES D’AGADIR
http://hachimicours.uiz.ac.ma
3
M. Hachimi Recherche opérationnelle Semestre 5 1 / 30
3
Algorithme du simplexe : Méthode algébrique

Algorithme du simplexe
Sommaire
1 Algorithme du simplexe

Bases
Considérons un problème général sous la forme standard :
Max z = cx
Ax = b
x>0
Dans ce qui suit, on suppose que rg(A) = m et m < n
Définition :
On appelle base toute sous-matrice B extraite de A qui est
carrée et régulière d’ordre m.
— Il existe au moins une base puisque rg(A) = m

Exemple
Reprenons l’exemple 1 et introduisans-y des variables d’écart :
Max z = 50x1 + 60x2

x1 + 2x2 + x3 = 8
x1 + x2 + x4 = 5
9x1 + 4x2 + x5 = 36
x1 , x2 , x3 , x4 , x5 > 0
La matrice A vaut :
x1 x2 x3 x4 x5
 
1 2 1 0 0
A=  1 1 0 1 0
9 4 0 0 1

Bases
— Soit B une base. Alors en permutant les colonne de A, on
peut écrire A sous la forme : A = [B, H]
où H est la sous-matrice formée par les colonnes de A qui
ne sont pas dans la base. De même on peut écrire :
x = [xB , xH ] et c = [cB , cH ].
• Les composantes de xB sont appelées variables de
base
• Les composantes de xH sont appelées variables hors
base
— Le système Ax = b peut alors s’écrire :

x
[B, H] B = b ou BxB + HxH = b
xH

Partitionnement de A, x et c
variables de base variables hors base

z }| {z }| {
xB xH
cB cH = z
B H
(base) (colonnes hors base) = b

Solutions de base
Définition :
La solution du système Ax = b obtenue en posant xH = 0
est appelée solution de base associée à la base B.
— xB est déterminé de façon unique par la résolution du

système (de Cramer) :
BxB = b soit xB = B−1 b.
Cette solution de base est donc :
xB = B−1 b
xH = 0

Exemple
— Si la base est B1 :
B1 H
z }| { z }| {
x1 x2 x3 x4 x5
 
1 2 1 0 0
A= 1 1 0 1 0
9 4 0 0 1
— Le système à résoudre est B1 xB = b, soit :
x1 + 2x2 + x3 = 8
x1 + x2 = 5
9x1 + 4x2 = 36
— Alors la solution de base est : x1 = 3.2, x2 = 1.8, x3 = 1.2

Exemple
B2 H
z }| { z }| {
x2 x3 x5 x1 x4
 
2 1 0 1 0
A= 1 0 0 1 1
4 0 1 9 0
2x2 + x3 = 8
x2 = 5
4x2 + x5 = 36
— Alors la solution de base est : x2 = 5, x3 = −2, x5 = 16

Exemple
B3 H
z }| { z }| {
x3 x4 x5 x1 x2
 
1 0 0 1 2
A= 0 1 0 1 1
0 0 1 9 4
x3 = 8
x4 = 5
x5 = 36
— Alors la solution de base est : x3 = 8, x4 = 5, x5 = 36

Solution de base réalisable
Définition :
— Une solution de base est dite réalisable si xB > 0, au-
trement dit : B−1 b > 0
— Une base correspondant à une solution de base réali-
sable est appelée base réalisable.
— Une solution de base est dite dégénérée lorsqu’au
moins une variable de base est nulle.

Définition :
— La solution de base
x1 = 3.2, x2 = 1.8, x3 = 1.2
est réalisable

Définition :
x2 = 5, x3 = −2, x5 = 16
est non réalisable car x3 < 0

Définition :
x3 = 8, x4 = 5, x5 = 36
est réalisable

Caractérisation algébrique des points extrêmes
Théorème :
Chaque point extrême (sommet) du polyèdre P
P = {x ∈ Rn | Ax = b, x > 0}
correspond à une et une seule solution de base réalisable.
Corollaire :
Tout point d’un polyèdre convexe P est combinaison
convexe des points extrêmes de P.

11
10
9
8
7
(0, 0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7
(2, 3,
(0,0,0)0, 6)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7
(2, 3,
(0,0,0)0, 6)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7
( 20 , 18
7(2, (0,
73, − 376), 0)
, 0,0)0,
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7
( 20 , 18
7(2, (0,
73, − 376), 0)
, 0,0)0,
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7
( 20
(8, , 18
7(2,
0, (0,
, −3,
70,
3, 3
−−36)
0,0)0, 76)
, 0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7
( 20
(8, , 18
7(2,
0, (0,
, −3,
70,
3, 3
−−36)
0,0)0, 76)
, 0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7
( 20
(8,
(0,, 18
7(2,
0,4,(0,
70,
3, −3,
,0,
0,0)
1,
0, 3
−36)
−20)
76)
, 0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7
( 20
(8,
(0,, 18
7(2,
0,4,(0,
70,
3, −3,
,0,
0,0)
1,
0, 3
−36)
−20)
76)
, 0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7
( 20
(8, 16 189 6
((0,
7(2,
0, (0,
5, ,4,
70,
3, ,−3,
5,0,
0,50)
1,
,0, 3
−36)
−0,20)
76)
0)
, 0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7
( 20
(8, 16 189 6
((0,
7(2,
0, (0,
5, ,4,
70,
3, ,−3,
5,0,
0,50)
1,
,0, 3
−36)
−0,20)
76)
0)
, 0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7
( 20
(8, 16 189 6
(5,
((0,
7(2,
0,
5, 0,(0,
,4,
70,
3, ,−3,
5,3,
0,
0,50)
0,
1,
,0, 3
−9)
−36)
−0,
20)
76)
0)
, 0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7
( 20
(8, 16 189 6
(5,
((0,
7(2,
0,
5, 0,(0,
,4,
70,
3, ,−3,
5,3,
0,
0,50)
0,
1,
,0, 3
−9)
−36)
−0,
20)
76)
0)
, 0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7 2016 189 6 3
(8,
((0,
(5,
((0,
7(2,
0,
5,5,
0,(0,
,4,5−2,
70,
3, ,−3,
,3,
0,
0,50)
0,
1,−−9)
,0,
0,−36)
20)
0,76)
16)
0)
, 0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7 2016 189 6 3
(8,
((0,
(5,
((0,
7(2,
0,
5,5,
0,(0,
,4,5−2,
70,
3, ,−3,
,3,
0,
0,50)
0,
1,−−9)
,0,
0,−36)
20)
0,76)
16)
0)
, 0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7 2016 189 6 3
(8,
((0,
(5,
((0,
7(4,
(2,
0,
5,5,
0,(0,
,4,5−2,
70,
3, ,−3,
,3,
0,
0,50)
4, 0,
1,−−9)
,1,
0,
0,−36)
20)
0,70)
6)
16)
0)
, 0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7 2016 189 6 3
(8,
((0,
(5,
((0,
7(4,
(2,
0,
5,5,
0,(0,
,4,5−2,
70,
3, ,−3,
,3,
0,
0,50)
4, 0,
1,−−9)
,1,
0,
0,−36)
20)
0,70)
6)
16)
0)
, 0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7 2016 189 6 3
(8,
((0,
(0,
(5,
((0,
7(4,
(2,
0,
5,9,
5,
0,(0,
−1,
,4,5−2,
70,
3, ,−3,
,3,
0,
0,50)
4, 0,
1,−4,
−−9)
,1,
0,
0,−36)
20)
0,70)
6)
16)
, 0)
0)0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7 2016 189 6 3
(8,
((0,
(0,
(5,
((0,
7(4,
(2,
0,
5,9,
5,
0,(0,
−1,
,4,5−2,
70,
3, ,−3,
,3,
0,
0,50)
4, 0,
1,−4,
−−9)
,1,
0,
0,−36)
20)
0,70)
6)
16)
, 0)
0)0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

11
10
9
8
7 2016 189 6 3
(8,
((0,
(0,
(5,
((0,
7(4,
(2,
0,
5,9,
5,
0,(0,
−1,
,0,
4,5−2,
70,
3, ,−3,
,3,
0,
8,
0,50)
4, 0,
1,
5,−4,
−−9)
,1,
0,
0,−36)
20)
36)
0,70)
6)
16)
, 0)
0)0)
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11

Optimalité en un point extrême
Théorème :
— L’optimum de z, fonction linéaire, sur P ⊂ Rn , polyèdre
convexe, est atteint en au moins un point extrême.
— S’il est atteint en plusieurs points extrêmes, il est at-
teint en tout point, combinaison convexe de ces points
extrêmes.

Caractérisation des solutions de base optimales
Théorème :
Une condition nécessaire et suffisante pour que B soit une
base réalisable optimale est que :
cH = cH − cB B−1 H 6 0
— Le vecteur π = cB B−1 est appelé le vecteur des

multiplicateurs du simplexe.
— Les composantes cj du vecteur cH sont appelés coûts
réduits des variables hors base

Corollaire :
Soit B une base réalisable quelconque, x0 la solution de
base correspondante, et cH = cH − πH. S’il existe une
variable hors base xs telle que cs > 0, alors :

Corollaire :
(a) ou bien on peut augmenter la valeur de xs , sans sortir

de P, et dans ce cas l’optimum de z est non borné
(+∞).

Corollaire :
(a) ou bien on peut augmenter la valeur de xs , sans sortir

de P, et dans ce cas l’optimum de z est non borné
(+∞).
(b) ou bien on met en évidence une autre base B et une
autre solution de base réalisable x telle que : z(x) <
z(x)

L’algorithme du simplexe appliqué à un exemple
Une entreprise fabrique 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 :
P1 P2 P3 P4 Stock
ressource A 2 4 5 7 42
ressource B 1 1 2 2 17
ressource C 1 2 3 3 24
Bénéfice 7 9 18 17
On souhaite établir un plan de production de façon à maximiser

le bénéfice.

Modélisation du problème
Appelant x1 , x2 , x3 , x4 les quantités respectives de produits 1, 2,

3, 4, le problème admet la modélisation suivante :
Max z= 7x1 + 9x2 + 18x3 + 17x4

2x1 + 4x2 + 5x3 + 7x4 6 42
x1 + x2 + 2x3 + 2x4 6 17
x1 + 2x2 + 3x3 + 3x4 6 24
x1 , x2 , x3 , x4 > 0
On reconnaît là un problème de programmation linéaire sous

forme canonique.

Formulation équivalente
Introduisons trois variables d’écart x5 , x6 , x7 , qui mesurent pour

chaque ressource la quantité inutilisé. On obtient une
formulation équivalente du problème :
Max z= 7x1 + 9x2 + 18x3 + 17x4

2x1 + 4x2 + 5x3 + 7x4 + x5 = 42
x1 + x2 + 2x3 + 2x4 + x6 = 17
x1 + 2x2 + 3x3 + 3x4 + + + x7 = 24
x1 , x2 , x3 , x4 , x5 , x6 , x7 > 0
On reconnaît là un problème de programmation linéaire sous

forme standard.

Solution initiale
Cette formulation permet d’exprimer facilement les variables
d’écart x5 , x6 , x7 comme fonctions affines des variables de
décision x1 , x2 , x3 , x4 :
x5 = 42 - 2x1 - 4x2 - 5x3 - 7x4
x6 = 17 - x1 - x2 - 2x3 - 2x4 Dic 1
x7 = 24 - x1 - 2x2 - 3x3 - 3x4
z = 0 + 7x1 + 9x2 + 18x3 + 17x4

Solution initiale
x5 = 42 - 2x1 - 4x2 - 5x3 - 7x4
x6 = 17 - x1 - x2 - 2x3 - 2x4 Dic 1
x7 = 24 - x1 - 2x2 - 3x3 - 3x4
z = 0 + 7x1 + 9x2 + 18x3 + 17x4
Ici
☞ Les variables x5 , x6 , x7 sont des variables de base

et x1 , x2 , x3 , x4 sont des variables hors base.

Solution initiale
x5 = 42 - 2x1 - 4x2 - 5x3 - 7x4
x6 = 17 - x1 - x2 - 2x3 - 2x4 Dic 1
x7 = 24 - x1 - 2x2 - 3x3 - 3x4
z = 0 + 7x1 + 9x2 + 18x3 + 17x4
Ici
☞ La solution de base S0 est :

x1 = x2 = x3 = x4 = 0, x5 = 42, x6 = 17, x7 = 24.

Solution initiale
x5 = 42 - 2x1 - 4x2 - 5x3 - 7x4
x6 = 17 - x1 - x2 - 2x3 - 2x4 Dic 1
x7 = 24 - x1 - 2x2 - 3x3 - 3x4
z = 0 + 7x1 + 9x2 + 18x3 + 17x4
Ici
☞ Cette base correspond au sommet (0, 0, 0, 0) du polyèdre

des contraintes.

Solution initiale
x5 = 42 - 2x1 - 4x2 - 5x3 - 7x4
x6 = 17 - x1 - x2 - 2x3 - 2x4 Dic 1
x7 = 24 - x1 - 2x2 - 3x3 - 3x4
z = 0 + 7x1 + 9x2 + 18x3 + 17x4
Ici
☞ Le bénéfice correspondant est z = 0 ( on ne produit rien, on

ne consomme aucune ressource et on ne gagne rien.)

Solution initiale
x5 = 42 - 2x1 - 4x2 - 5x3 - 7x4
x6 = 17 - x1 - x2 - 2x3 - 2x4 Dic 1
x7 = 24 - x1 - 2x2 - 3x3 - 3x4
z = 0 + 7x1 + 9x2 + 18x3 + 17x4
Ici
☞ Néanmoins, S0 est une solution réalisable.

Idée
— En partant de la solution basique S0 , on cherche à
améliorer le bénéfice.

Idée
— La fonction économique est actuellement nulle, mais nous
voyons qu’elle augmenterait
• de 7 par unité de x1 ;
• ou de 9 par unité de x2 ;
• ou de 17 par unité de x4 .

Idée
A première vue, x3 semble légèrement plus attrayante.

Idée
A première vue, x3 semble légèrement plus attrayante.
— Il est évident que si on fait croître x3 à partir de 0, les autres

variables hors-base restant nulles, la valeur de la fonction
z croît.
Idée
Mais jusqu’où peut-on « pousser » x3 , tout en gardant x1 , x2 et

x4 à zéro ?

Idée

x4 à zéro ?
— Il faut que la solution reste réalisable. Les contraintes sur

l’augmentation de x3 sont :
x5 > 0 =⇒ 42 − 5x3 > 0 =⇒ x3 6 8.4

x6 > 0 =⇒ 17 − 3x3 > 0 =⇒ x3 6 8.5
x7 > 0 =⇒ 24 − 3x3 > 0 =⇒ x3 6 8

Idée

x4 à zéro ?
— Il faut que la solution reste réalisable. Les contraintes sur

l’augmentation de x3 sont :
x5 > 0 =⇒ 42 − 5x3 > 0 =⇒ x3 6 8.4

x6 > 0 =⇒ 17 − 3x3 > 0 =⇒ x3 6 8.5
➡ x7 > 0 =⇒ 24 − 3x3 > 0 =⇒ x3 6 8
— La plus restrictive de ces contraintes est x3 6 8.

Interprétation géométrique
L’Interprétation géométrique est la suivante :

en partant du sommet (0, 0, 0, 0) du polyèdre des contraintes,
on se déplace sur une arête de ce polyèdre.
Le premier hyperplan rencontré est x7 = 0.
On arrive alors dans un nouveau sommet, à l’intersection des
hyperplans x1 = 0, x2 = 0, x4 = 0, x7 = 0.

Deuxième solution
Nous allons faire un changement de dictionnaire en

échangeant les rôles de x3 et x7 .
On utilise la troisième équation du Dic 1 pour exprimer x3 en
fonction de x1 , x2 , x4 et x7 :
x7 = 24 − x1 − 2x2 − 3x3 − 3x4

Deuxième solution

x7 = 24 − x1 − 2x2 − 3x3 − 3x4

Deuxième solution

x7 = 24 − x1 − 2x2 − 3x3 − 3x4

Deuxième solution

3x3 = 24 − x1 − 2x2 − x7 − 3x4

Deuxième solution

24 1 2 1 3
x3 = − x1 − x2 − x7 − x4
3 3 3 3 3

Deuxième solution

1 2 1
x3 = 8 − x1 − x2 − x7 − x4 (∗)
3 3 3

Deuxième solution

1 2 1
x3 = 8 − x1 − x2 − x7 − x4 (∗)
3 3 3
Ensuite . . .
Nous éliminons les termes en x3 du système d’équations, en
dehors de la troisième équation du Dic 1, en utilisant
l’expression (∗).

Vers le deuxième dictionnaire
On remplace ensuite x3 par cette expression dans les autres

équations du dictionnaire :
x5 = 42 − 2x1 − 4x2 − 5x3 − 7x4

x6 = 17 − x1 − x2 − 2x3 − 2x4
x3 = 8 − 13 x1 − 23 x2 − 13 x7 − x4
z = 0 + 7x1 + 9x2 + 18x3 + 17x4

Vers le deuxième dictionnaire

x5 = 42 − 2x1 − 4x2 − 5(8 − 13 x1 − 23 x2 − 13 x7 − x4 ) − 7x4

x6 = 17 − x1 − x2 − 2(8 − 13 x1 − 23 x2 − 13 x7 − x4 ) − 2x4
x3 = 8 − 13 x1 − 23 x2 − 13 x7 − x4
z = 0 + 7x1 + 9x2 + 18(8 − 13 x1 − 23 x2 − 13 x7 − x4 ) + 17x4

Deuxième solution
1 2 5
x5 = 2 - 3 x1 - 3 x2 + 3 x7 - 2x4
1 1 2
x6 = 1 - 3 x1 + 3 x2 + 3 x7 Dic 2
1 2 1
x3 = 8 - 3 x1 - 3 x2 - 3 x7 - x4
z = 144 + x1 - 3x2 - 6x7 - x4

Deuxième solution
1 2 5
x5 = 2 - 3 x1 - 3 x2 + 3 x7 - 2x4
1 1 2
x6 = 1 - 3 x1 + 3 x2 + 3 x7 Dic 2
1 2 1
x3 = 8 - 3 x1 - 3 x2 - 3 x7 - x4
z = 144 + x1 - 3x2 - 6x7 - x4
Ici
☞ La variable x7 est sortie de la base

et la variable x3 est entrée en base

Deuxième solution
1 2 5
x5 = 2 - 3 x1 - 3 x2 + 3 x7 - 2x4
1 1 2
x6 = 1 - 3 x1 + 3 x2 + 3 x7 Dic 2
1 2 1
x3 = 8 - 3 x1 - 3 x2 - 3 x7 - x4
z = 144 + x1 - 3x2 - 6x7 - x4
Ici
☞ Les variables de base sont : x5 , x6 , x3 ,

et les variables hors base sont : x1 , x2 , x7 , x4 .

Deuxième solution
1 2 5
x5 = 2 - 3 x1 - 3 x2 + 3 x7 - 2x4
1 1 2
x6 = 1 - 3 x1 + 3 x2 + 3 x7 Dic 2
1 2 1
x3 = 8 - 3 x1 - 3 x2 - 3 x7 - x4
z = 144 + x1 - 3x2 - 6x7 - x4
Ici

x1 = x2 = x7 = x4 = 0, x5 = 2, x6 = 1, x3 = 8.

Deuxième solution
1 2 5
x5 = 2 - 3 x1 - 3 x2 + 3 x7 - 2x4
1 1 2
x6 = 1 - 3 x1 + 3 x2 + 3 x7 Dic 2
1 2 1
x3 = 8 - 3 x1 - 3 x2 - 3 x7 - x4
z = 144 + x1 - 3x2 - 6x7 - x4
Ici

des contraintes.

Deuxième solution
1 2 5
x5 = 2 - 3 x1 - 3 x2 + 3 x7 - 2x4
1 1 2
x6 = 1 - 3 x1 + 3 x2 + 3 x7 Dic 2
1 2 1
x3 = 8 - 3 x1 - 3 x2 - 3 x7 - x4
z = 144 + x1 - 3x2 - 6x7 - x4
Ici
☞ Le bénéfice correspondant est z = 18 × 8 = 144

Interprétation économique
La solution S1 définit un plan de production beaucoup plus

intéressant :
— on fabrique 8 unités du produit 3 (x3 = 8)
• en consommant entièrement la ressource C (x7 = 0) ;
• il nous reste x5 = 2 unités de la ressource A ;
• il nous reste x6 = 1 unité de la ressource B.
— Le bénéfice est z = 144.

Est-ce qu’on peut faire mieux ?
Dans la nouvelle expression de la fonction z, nous voyons que

seule la variable x1 a un coefficient positif. Nous décidons de
faire entrer x1 en base, et ainsi de parcourir une nouvelle arête
du polyèdre des contraintes. On a les limites suivantes sur
l’augmentation de x1 :
x5 > 0 =⇒ 2 − 13 x1 > 0 =⇒ x1 6 6
x6 > 0 =⇒ 1 − 13 x1 > 0 =⇒ x1 6 3
x3 > 0 =⇒ 8 − 13 x1 > 0 =⇒ x1 6 24

Dans la nouvelle expression de la fonction z, nous voyons que

seule la variable x1 a un coefficient positif. Nous décidons de
faire entrer x1 en base, et ainsi de parcourir une nouvelle arête
du polyèdre des contraintes. On a les limites suivantes sur
l’augmentation de x1 :
x5 > 0 =⇒ 2 − 13 x1 > 0 =⇒ x1 6 6
➡ x6 > 0 =⇒ 1 − 13 x1 > 0 =⇒ x1 6 3
x3 > 0 =⇒ 8 − 13 x1 > 0 =⇒ x1 6 24
d’où x1 6 3. On fait sortir x6 de la base on et fait entrer x1 à sa

place.

Troisième solution
On obtient le dictionnaire suivant :
x5 = 1 + x6 - x2 + x7 - 2x4
x1 = 3 - 3x6 + x2 + 2x7 Dic 3
x3 = 7 + x6 - x2 - x7 - x4
z = 147 - 3x6 - 2x2 - 4x7 - x4

Troisième solution
x5 = 1 + x6 - x2 + x7 - 2x4
x1 = 3 - 3x6 + x2 + 2x7 Dic 3
x3 = 7 + x6 - x2 - x7 - x4
z = 147 - 3x6 - 2x2 - 4x7 - x4
Ici
☞ La variable x6 est sortie de la base

et la variable x1 est entrée en base

Troisième solution
x5 = 1 + x6 - x2 + x7 - 2x4
x1 = 3 - 3x6 + x2 + 2x7 Dic 3
x3 = 7 + x6 - x2 - x7 - x4
z = 147 - 3x6 - 2x2 - 4x7 - x4
Ici
☞ Les variables de base sont : x5 , x1 , x3 ,

et les variables hors base sont : x6 , x2 , x7 , x4 .

Troisième solution
x5 = 1 + x6 - x2 + x7 - 2x4
x1 = 3 - 3x6 + x2 + 2x7 Dic 3
x3 = 7 + x6 - x2 - x7 - x4
z = 147 - 3x6 - 2x2 - 4x7 - x4
Ici

x6 = x2 = x7 = x4 = 0, x5 = 1, x1 = 3, x3 = 7.

Troisième solution
x5 = 1 + x6 - x2 + x7 - 2x4
x1 = 3 - 3x6 + x2 + 2x7 Dic 3
x3 = 7 + x6 - x2 - x7 - x4
z = 147 - 3x6 - 2x2 - 4x7 - x4
Ici

des contraintes.

Troisième solution
x5 = 1 + x6 - x2 + x7 - 2x4
x1 = 3 - 3x6 + x2 + 2x7 Dic 3
x3 = 7 + x6 - x2 - x7 - x4
z = 147 - 3x6 - 2x2 - 4x7 - x4
Ici
☞ Le bénéfice correspondant est z = 7 × 3 + 18 × 7 = 147

Interprétation économique
La solution S3 définit le plan de production suivant :


• en consommant entièrement les ressources B & C
(x6 = x7 = 0) ;
• il ne nous reste qu’une unité de la ressource A

(x5 = 1) ;
— Le bénéfice est z = 144.

La solution optimale du problème
Tous les coefficients de la dernière ligne sont négatifs, donc on

ne peut pas se déplacer vers un sommet voisin en augmentant
la fonction du bénéfice.
Nous avons alors trouvé la solution optimale du problème.

Video RO3

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Video RO3

Transféré par

Droits d'auteur :

Formats disponibles

Recherche opérationnelle

Filière Sciences Économiques et Gestion

UNIVERSITÉ IBNOU ZOHR

M. Hachimi Recherche opérationnelle Semestre 5 2 / 30

M. Hachimi Recherche opérationnelle Semestre 5 3 / 30

Considérons un problème général sous la forme standard :

Dans ce qui suit, on suppose que rg(A) = m et m < n

— Il existe au moins une base puisque rg(A) = m

M. Hachimi Recherche opérationnelle Semestre 5 4 / 30

Reprenons l’exemple 1 et introduisans-y des variables d’écart :

Max z = 50x1 + 60x2

M. Hachimi Recherche opérationnelle Semestre 5 5 / 30

M. Hachimi Recherche opérationnelle Semestre 5 6 / 30

variables de base variables hors base

M. Hachimi Recherche opérationnelle Semestre 5 7 / 30

— xB est déterminé de façon unique par la résolution du

M. Hachimi Recherche opérationnelle Semestre 5 8 / 30

— Alors la solution de base est : x1 = 3.2, x2 = 1.8, x3 = 1.2

M. Hachimi Recherche opérationnelle Semestre 5 9 / 30

— Alors la solution de base est : x2 = 5, x3 = −2, x5 = 16

M. Hachimi Recherche opérationnelle Semestre 5 9 / 30

— Alors la solution de base est : x3 = 8, x4 = 5, x5 = 36

M. Hachimi Recherche opérationnelle Semestre 5 9 / 30

Solution de base réalisable

M. Hachimi Recherche opérationnelle Semestre 5 10 / 30

Solution de base réalisable

x1 = 3.2, x2 = 1.8, x3 = 1.2

M. Hachimi Recherche opérationnelle Semestre 5 10 / 30

Solution de base réalisable

est non réalisable car x3 < 0

M. Hachimi Recherche opérationnelle Semestre 5 10 / 30

Solution de base réalisable

M. Hachimi Recherche opérationnelle Semestre 5 10 / 30

Caractérisation algébrique des points extrêmes

correspond à une et une seule solution de base réalisable.

M. Hachimi Recherche opérationnelle Semestre 5 11 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

M. Hachimi Recherche opérationnelle Semestre 5 12 / 30

Optimalité en un point extrême

M. Hachimi Recherche opérationnelle Semestre 5 13 / 30

Caractérisation des solutions de base optimales

— Le vecteur π = cB B−1 est appelé le vecteur des

M. Hachimi Recherche opérationnelle Semestre 5 14 / 30

Caractérisation des solutions de base optimales

M. Hachimi Recherche opérationnelle Semestre 5 15 / 30