0% ont trouvé ce document utile (0 vote)
62 vues18 pages

Résolution graphique d'un PL optimal

Le document décrit la construction de la région admissible pour un problème de programmation linéaire à deux variables, ainsi que la recherche de la solution optimale. Il présente également des situations spéciales comme les solutions optimales multiples, les contraintes redondantes et les problèmes non contraints ou infaisables.

Transféré par

Chiraz Ben Boubaker
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
0% ont trouvé ce document utile (0 vote)
62 vues18 pages

Résolution graphique d'un PL optimal

Le document décrit la construction de la région admissible pour un problème de programmation linéaire à deux variables, ainsi que la recherche de la solution optimale. Il présente également des situations spéciales comme les solutions optimales multiples, les contraintes redondantes et les problèmes non contraints ou infaisables.

Transféré par

Chiraz Ben Boubaker
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

 Construction de la région admissible

 Les contraintes d’un problème PL définissent la


région de admissible.
 La recherche d’une solution optimale
 Le meilleur point dans la zone de faisabilité
correspond à la solution optimale.
 Pour des problèmes à 2 variables, il est facile
de tracer la zone de faisabilité et de trouver la
solution optimale.
MAX: 350X1 + 300X2

S.T.: 1X1 + 1X2 ≤ 200


9X1 + 6X2 ≤ 1566
12X1 + 16X2 ≤ 2880
X1 ≥ 0
X2 ≥ 0
X2
250

(0, 200)
200
Contrainte des pompes
X1 + X2 = 200
150

100

50
(200, 0)
0
0 50 100 150 200 250 X1
X2 (0, 261)
250
Contrainte de main-d’oeuvre

200 9X1 + 6X2 = 1566

150

100

50

(174, 0)
0
0 50 100 150 200 250 X1
X2
250
(0, 180)
200

150
Contrainte des tuyaux
12X1 + 16X2 = 2880
100

50 Région admissible

(240, 0)
0
0 50 100 150 200 250 X1
X2
250

200

(0, 116.67) Fonction objectif


150
350X1 + 300X2 = 35000

100

50 (100, 0)

0
0 50 100 150 200 250 X1
X2
250

(0, 175) Fonction objectif


200
350X1 + 300X2 = 35000

Fonction objectif
150
350X1 + 300X2 = 52500

100

50 (150, 0)

0
0 50 100 150 200 250 X1
X2

X2
250

Fonction objectif
200
350X1 + 300X2 = 35000

150
Solution optimale
350X1 + 300X2 = 52500
100
Fonction objectif
50

0
0 50 100 150 200 250 X1
Calcul de la solution optimale

La solution optimale se trouve à l’intersection des


contraintes de pompes et de m-o.

Où:
X1 + X2 = 200 (1)
9X1 + 6X2 = 1566 (2)

De (1) nous avons:


X2 = 200 -X1 (3)
Calcul de la solution optimale (Suite)
En substituant (3) pour X2 dans (2) nous avons:

9X1 + 6 (200 -X1) = 1566


ce qui fait X1 = 122

La solution optimale est :

X1 = 122
X2 = 200-X1=78

Profit total = (350$*122) + (300$*78) = 66 100$


Situations spéciales avec problèmes PL

 Plusieurs anomalies peuvent survenir:


 Solutions optimales multiples
 Contraintes redondantes
 Problème non-contraint (“Unbounded
Solutions”)
 Problème infaisable
Exemple de solutions optimales
multiples
X2
250
Tracé de la fonction objectif
200 450X1 + 300X2 = 78300

150

100
Solutions optimales
50 équivalentes

0
0 50 100 150 200 250 X1
Exemple d’une contrainte redondante

X2
250
Contrainte des tuyaux

200
Contrainte des pompes

150 Contrainte de la M-O

100

Zone de faisabilité
50

0
0 50 100 150 200 250 X1
Exemple d’une solution “unbounded”

X2
1000 Fonction objectif
X1 + X2 = 600 -X1 + 2X2 = 400

800
Fonction objectif
X1 + X2 = 800

600

400

200

X1 + X2 = 400
0
0 200 400 600 800 1000 X1
Exemple d’infaisabilité
X2

250

200 X1 + X2 = 200

Zone de faisabilité
de la deuxième
150 contrainte

100
Zone de faisabilité
de la première
contrainte
50

X1 + X2 = 150
0 100
0 50 150 200 250 X1
 A chacune des contraintes d’un modèle linéaire
correspond un demi espace fermé constitué de
l’ensemble des points qui la vérifient.

 Un point (x1 ; x2) vérifiant toutes les contraintes


appartient à l’intersection des demi espaces fermés
définis par les différentes contraintes.

 Cette intersection d’un nombre fini de demi-


espaces fermés est dite polyèdre
 Un ensemble V est dit convexe si tout segment.

 Un point (x1 ; x2) vérifiant toutes les contraintes


appartient à l’intersection des demi espaces fermés
définis par les différentes contraintes.

 Cette intersection d’un nombre fini de demi-


espaces fermés est dite polyèdre

Vous aimerez peut-être aussi