Académique Documents
Professionnel Documents
Culture Documents
simplexe
Pr S. HARROUDI
30 octobre 2023
Plan
1 Méthode du simplexe
Plan
1 Méthode du simplexe
Plan
1 Méthode du simplexe
3 Cas particuliers
s.c
max (ou min) z = c1 x1 + c2 x2 + . . . + cn xn
.. .. .. ..
. . . .
am1 x1 + am2 x2 + . . . + amn xn ≤ (ou ≥)bm
x1 , . . . , xn ≥ 0
x : niveau de l'activité j .
j
Forme canonique
Dénition
Un programme linéaire est sous forme canonique lorsque toutes ses contraintes sont des
inégalités et toutes ses variables sont non-négatives.
Forme standard
Dénition
Un programme linéaire est sous forme standard lorsque toutes ses contraintes sont des
égalités et toutes ses variables sont non-négatives.
Méthode du simplexe
Solution de base
Une solution de base d'un programme linéaire est la solution unique du système de m
équations à m inconnues obtenu en xant à zéro n − m variables (la matrice du systéme
doit être inversible).
Les variables xées à zéro sont appelées variables hors base et les autres variables en base.
Méthode du siplexe
Dénition
On appelle solution de base réalisable une solution de base qui vérie les contraintes de
positivité, c.à.d dont toutes les composantes sont positives ou nulles.
Théorème
Toute solution de base réalisable correspond à un sommet du polyèdre.
Algorithme du simplexe
tableau
tableau
En pratique, l'algorithme de simplexe est très utilisé car il est très ecace :
entre 3m
2 et 3m itérations en moyenne (m = nombre de contraintes). pour
converger.
tableau
Exemple :
tableau
Comme il y a deux nombres positifs (30 et 50) dans la ligne Lz : (ligne des
coecients de la fonction objectif), la solution de base réalisable obtenue
n'est pas optimale.
On applique la procédure de détermination de la variable entrante et celle
sortante, on trouve :
x1 entre en base (plus grand coecient positif de z = 50 ,ligne Lz ).
s3 sort de base (plus petit rapport positif de θi = bi
ai2 = 200 > 0).
Pr S. HARROUDI 30 octobre 2023 15 / 39
Méthode du simplexe Les deux phases du simplexe Cas particuliers
tableau
tableau
tableau
tableau
deux phases
j=1
Nous devons toujours transformer les inéquations en équations. Pour cela on doit
ajouter ou soustraire des variables d'écart sj .
L'étape suivante est d'ajouter des variables articielles ai pour les équations dans
lesquelles on a soustrait des variables d'écart.
n
xj , ai ≥ 0.
X
aij xj + ai = bi ;
j=1
deux phases
Début
Mettre les contraintes sous forme d'égalités ;
Rendre positif le second membre des contraintes ;
Introduire les variables articielles ai dans les contraintes :
n
xj , ai ≥ 0.
X
aij xj + ai = bi ;
j=1
m
Sous ces contraintes, résoudre le PL auxiliaire : max (Z) = −
X
ai
i=1
Si pour tout i ∈ 1, . . . , m, ai = 0
Alors Résoudre le PL initial en prenant comme solution de base de départ la
solution obtenue à l'issue de la première phase.
Sinon Il n'y a pas de solution rélisable.
Fin
On remarque qu'il n'y a pas de solution de base pour démarer notre simplexe.
Si x1 = x2 = 0 =⇒ x3 = 12, x4 = −4, x5 = 3.
On passe donc à la phase II en ajoutant une variable articielle a.
Première phase :
Le deuxième tableau de la phase I :
Ligne VB x1 x2 x3 x4 x5 bi
L1 x3 2 0 1 1 0 8
L2 x2 1
2 1 0 −1
2 0 2
L3 x5 1 0 0 0 1 3
Lz z 0 0 0 0 0 0
Deuxième phase :
Le premier tableau de la phase II :
Ligne VB ↓ x1 x2 x3 x4 x5 bi θi
L1 x3 2 0 1 1 0 8 4
L2 x2 1
2 1 0 −1 2 0 2 4
← L3 x5 1 0 0 0 1 3 3
Lz z 4 2 0 0 0 0 -
Deuxième phase :
Le deuxième tableau de la phase II :
Ligne VB x1 ↓ x2 x3 x4 x5 bi θi
L1 x3 0 0 1 1 -2 2 +∞
← L2 x2 0 1 0 −1 2
−1
2
1
2
1
2
L3 x1 1 0 0 0 1 3 +∞
Lz z 0 2 0 0 -4 -12 -
Deuxième phase :
Le troixième tableau de la phase II :
Ligne VB x1 x2 x3 ↓ x4 x5 bi θi
← L1 x3 0 0 1 1 -2 2 2
L2 x2 0 1 0 −1
2
−1
2
1
2 −1 < 0
L3 x1 1 0 0 0 1 3 +∞
Lz z 0 0 0 1 -3 -13 -
Deuxième phase :
Le dernier tableau de la phase II :
Ligne VB x1 x2 x3 x4 x5 bi
L1 x4 0 0 1 1 -2 2
L2 x2 0 1 1
2 0 −3
2
3
2
L3 x1 1 0 0 0 1 3
Lz z 0 0 -1 0 -1 -15
Cas particuliers
Solution multiples
En utilisant la méthode de simplexe, on rencontre ce problème si l'un des
nombres de la ligne Lz relatif à une variable hors base est nul.
Exemple
max z = x1 − x2
2x 1 − x2 ≥ −4
x1 − x2 ≤ 4
x1 + x2 ≤ 10
x ≥ 0, x ≥ 0
1 2
Cas particuliers
Solution impossible
Lorsque la solution optimale contient des variables articielles dans la base à
des niveaux non nuls.
Exemple
min z = −x1 + x2
2x1 − x2 ≥ −2
x1 − 2x2 ≤ −8
1 + x2 ≤ 5
x
x ≥ 0, x ≥ 0
1 2
Cas particuliers
Exemple
max z = 5x1 + 7x2
x1 + x2 ≥ 6
x1 ≥4
2 ≤3
x
x ≥ 0, x ≥ 0
1 2
Cas particuliers
Solution dégénérée
Un programme linéaire est dit dégénérée si une ou plusieurs variables dans la
base optimale sont nulles. Si au cours de l'algorithme du simplexe, aucune
base rencontrée n'est dégénérée, alors l'algorithme se termine en un nombre
ni d'itération.
Ce problème peut causer des dicultés pour l'algorithme du simplexe
(divergence), on parle d'un éventuel cyclage de l'algorithme : On retrouve une
base déjà rencontrée et on boucle indéniment.
Méthodes utiles
Pour traiter les cas de dégénérescence, plusieurs méthodes ont été proposée
par exemple : La méthode de Bland, la méthode de perturbation, Les
méthodes intermédiaires, méthode lexicographique la méthode de Bland est
l'une des méthodes des plus utilisées. On peut appliquer la règle de Bland
(1977) qui assure l'arrêt de l'algorithme en un nombre ni d'itération.
Lorsque plusieurs variables sont susceptibles d'entrer ou de sortir de la base,
on choisit toujours celle qui a l'indice le plus petit.
Pr S. HARROUDI 30 octobre 2023 34 / 39
Méthode du simplexe Les deux phases du simplexe Cas particuliers