Académique Documents
Professionnel Documents
Culture Documents
RECHERCHE OPÉRATIONNELLE
M. AZZOUZI IDRISSI
Pbs_irréguliers_2022_2023_IAM 2
Résolution des Programmes linéaires
• Résolution graphique (Pbs à 2 & à 3 dim)
• Approche algébrique
• Algorithme du simplexe
• Analyse de la variance
• Dualité
Pbs_irréguliers_2022_2023_IAM 3/30
Pbs irréguliers & Pbs de Minimisation
• Introduction
• Problèmes de Minimisation
Pbs_irréguliers_2022_2023_IAM 4
Introduction
Les Pbs linéaires traités jusqu’à maintenant sont de type :
• Fonctions objectif = fcts linéaires à maximiser (max Z)
Pbs_irréguliers_2022_2023_IAM 5
Méthode des variables artificielles
Soit le PL suivant:
Max z 4x 5x 3x
1 2 3
x1 2x2 x3 5
2x1 x2 x3 1
s.c.
x1 x2 4
x ,x , x 0
1 2 3
Pbs_irréguliers_2022_2023_IAM 6
Méthodes des variables artificielles
L’introduction des variables d’écart nous permet d’écrire
la forme standard de ce PL :
max z 4 x 5 x 3 x 0 s 0 s
1 2 3 1 2
x1 2 x2 x3 s1 5
2 x1 x2 x3 s 1
2
x1 x2 4
x1, x2 , x3 , s1, s2 0
Pbs_irréguliers_2022_2023_IAM 7
Méthodes des variables artificielles
Dans le cas du simplexe, la sol de base initiale est donnée par :
x1 = x2 = x3 = 0
Pbs_irréguliers_2022_2023_IAM 8
Méthodes des variables artificielles
L’introduction des variables artificielles a1 et a2 dans la 2d et la 3ème
contrainte permet d’écrire donc:
max Z 4x 5x 3x 0s 0s
1 2 3 1 2
x1 2x2 x3 s1 5
2x1 x2 x3 s2 a1 1
x1 x2 a 4
2
x1, x2, x3, s1, s2, a1, a2 0
Pbs_irréguliers_2022_2023_IAM 9
Méthodes des variables artificielles
Pbs_irréguliers_2022_2023_IAM 10
Méthodes « M »
Elle consiste à donner un coefficient fortement pénalisant aux
variables artificielles dans la fonction objectif; soit :
M étant suffisamment grand ( 1010 par exemple ) pour qu’on soit sûr
que les variables artificielles sont exclues de la solution optimale.
Pbs_irréguliers_2022_2023_IAM 11
Méthodes « M »
On introduit, alors une nouvelle fonction objectif ž .
z 4 x 5 x 3 x Ma Ma
1 2 3 1 2
z z Ma Ma
1 2
En maximisant la fonction objectif ž, on aura tendance à faire sortir
les variables artificielles de la base. Si à l’optimum de ce PL, toutes
les variables artificielles sont nulles, ž coïncide alors avec z.
Pbs_irréguliers_2022_2023_IAM 12
Méthodes « M »
L’expression des variables a1 et a2 en fonction des autres variables
(décision et écart) permet d’écrire la fonction objectif ž et le
tableau de simplexe initial :
z 4 x 5 x 3 x M (1 2 x x x s ) M ( 4 x x )
1 2 3 1 2 3 2 1 2
5 M ( 3 M 4 ) x ( 2 M 5 ) x ( M 3) x Ms
1 2 3 2
x1 x2 x3 s1 s2 a1 a2 Bj biie
s1 1 2 1 1 0 0 0 5 5
a1 2 1 1 0 ‐1 1 0 1 1/2
a2 1 1 0 0 0 0 1 4 4
Pbs_irréguliers_2022_2023_IAM 13
Méthodes « M »
La variable entrante dans la base (colonne pivot) est celle qui
correspond au plus grand écart positif j (soit x1). La variable sortante
de la base (ligne pivot) est celle qui correspond au plus petit quotient
positif bi/ie (soit a1). Le 2ème tableau est :
x1 x2 x3 s1 s2 a1 a2 Bj biie
Pbs_irréguliers_2022_2023_IAM 14
Méthodes « M »
M/2+3 et M/2+2 sont équivalent (M très grand). On fait alors entrer
s2 plutôt que x2 en base pour en faire sortir la variable artificielle a2
plutôt que s1. le tableau simplexe qui en résulte est :
x1 x2 x3 s1 s2 a1 a2 Bj biie
Ž–
j 0 M/2+3 ‐M/2+1 0 M/2+2 ‐3M/2‐2 0
2+7M/2
Pbs_irréguliers_2022_2023_IAM 15
Méthodes « M »
x1 x2 x3 s1 s2 a1 a2 Bj
s1 0 1 1 1 0 0 ‐1 1
x1 1 1 0 0 0 0 1 4
s2 0 1 ‐1 0 1 ‐1 2 7
j 0 1 3 0 0 ‐M ‐M‐4 ž‐16
Pbs_irréguliers_2022_2023_IAM 16
Méthodes « M »
x1 x2 x3 s1 s2 Bj
x3 0 1 1 1 0 1
x1 1 1 0 0 0 4
s2 0 2 0 1 1 8
j 0 ‐2 0 ‐3 0 ž‐19
Pbs_irréguliers_2022_2023_IAM 17
Problèmes de Minimisation
Deux façon de faire pour résoudre 1 problème de minimisation:
1ère méthode:
Changement de la règle de choix de la variable entrante. Dans un
problème de maximisation, on fait entrer dans la base la variable qui a
le plus grand effet net positif non nul. (l’objectif est d’accroitre la
fonction objectif pour engendrer un profit supplémentaire).
2ème méthode:
La deuxième méthode est basée sur le fait que la résolution
d’un problème « min w = i Cixi » sujet à un ensemble de
contraintes, est équivalent à la résolution du problème de
type « max z = - i Cixi » sujet au même ensemble de
contraintes.
Pbs_irréguliers_2022_2023_IAM 19
Problèmes de Minimisation
Étape préliminaire avant le déroulement du symplexe.
20
Exemple : cas de minimisation
Cas de médicaments à prescrire.
Le programme linéaire qui modélise le problème est :
Min z x x
1 2
2x1 x2 12
5x1 8x2 74
s.c.
x1 6x2 24
x , x 0
1 2
Pbs_irréguliers_2022_2023_IAM 21
Exemple : cas de minimisation
L’introduction des variables d’écart et des variables artificielles
permet d’écrire le programme linéaire PL* sous la forme:
min z x x Ma Ma Ma
1 2 1 2 3
2 x1 x 2 - s1 a
1
12
5 x1 8 x 2 -s
2
a
2
74
x1 6 x 2 -s
3
a
3
24
x1 , x 2 , s1 , s 2 , s 3 , a1 , a 2 , a 3 0
Ce qui va permettre de démarrer la procédure du simplexe à
l’origine. La nouvelle fonction objectif est: ž = z +Ma1+Ma2+Ma3
ž = x1 + x2 + Ma1 + Ma2 + Ma3
Pbs_irréguliers_2022_2023_IAM 22
Exemple : cas de minimisation
L’expression des variables artificielles (variables de base) en
fonction des variables hors base permet d’écrire:
ž = x1 (1-8M)+ x2 (1-15M) + M(s1 +s2 +s3) + 110M
Le premier tableau de simplexe est donc:
x1 x2 S1 S2 S3 a1 a2 a3 Bj biie
a1 2 1 ‐1 0 0 1 0 0 12 12
a2 5 8 0 ‐1 0 0 1 0 74 74/8
a3 1 6 0 0 ‐1 0 0 1 24 4
Pbs_irréguliers_2022_2023_IAM 23
Exemple : cas de minimisation
x1 x2 S1 S2 S3 a1 a2 a3 Bj biie
Pbs_irréguliers_2022_2023_IAM 24
Exemple : cas de minimisation
Le troisième tableau est :
x1 x2 S1 S2 S3 a1 a2 a3 Bj biie
‐
x1 1 0 0 1/11 6/11 0 ‐1/11 48/11 ‐8
6/11
a2 0 0 2 ‐1 1 ‐2 1 ‐1 26 13
Pbs_irréguliers_2022_2023_IAM 25
Exemple : cas de minimisation
Le quatrième tableau est :
x1 x2 S1 S2 S3 a1 a2 a3 Bj biie
‐ ‐ 126/1
x1 1 0 0 4/11 0 3/11 63/2
3/11 4/11 1
s1 0 0 1 ‐1/2 1/2 ‐1 1/2 ‐1/2 13 26
‐
x2 0 1 0 0 ‐5/22 0 2/11 23/11 ‐46/5
1/11
5/22 3/22 Ž‐
j 0 0 0 5/22 ‐3/22 M
+M +M 149/11
Pbs_irréguliers_2022_2023_IAM 26
Exemple : cas de minimisation
Le quatrième tableau devient donc :
x1 x2 S1 S2 S3 Bj biie
s1 0 0 1 ‐1 1/2 1/2 13 26
Pbs_irréguliers_2022_2023_IAM 27
Exemple : cas de minimisation
Le cinquième tableau nous donne le tableau de simplexe optimal
:
x1 x2 S1 S2 S3 Bj
x1 1 0 ‐8/11 1/11 0 2
S3 0 0 2 ‐1 1 26
X2 0 1 5/11 ‐2/11 0 8
7. Test d’optimalité. Si j. ≤ 0 pour toutes les variables hors base; la solution
est optimale, sinon retourner en 4
Pbs_irréguliers_2022_2023_IAM 29
Récapitulatif de la méthode du simplexe
Cas de minimisation.
1. Vérifier que les seconds membres du PL sont positifs, sinon modifier les
contraintes,
Pbs_irréguliers_2022_2023_IAM 30
Problèmes irréguliers
Entre approche graphique & algorithme du simplexe
Problème impossible.
Graphiquement: l’ensemble des solutions réalisables est vide
Pbs_irréguliers_2022_2023_IAM 31
Problèmes irréguliers
Problème à solution infinie
Graphiquement: la droite représentant la fonction objectif peut être
déplacée indéfiniment lors de l’augmentation de sa valeur
tout en restant dans l’espace des solutions réalisables.
Simplexe : Touts les quotients bi/ie (dernière colonne du tableau du
simplexe) sont négatifs ou nuls (pas de rapport bi/ie > 0). La
variable entrante n’a pas donc de limite sur sa valeur d’entrée.
Pbs_irréguliers_2022_2023_IAM 32