Académique Documents
Professionnel Documents
Culture Documents
Opérationnelle
Soumaya BEN AICHA
soumaya.benaicha@enit.utm.tn
1
Partie I
PROGRAMMATION LINEAIRE
Où c n, x n , b m, b 0
A une matrice réelle (m,n) et m n
c1
c2
c= (on supposera que m n).
cn
B xB + H xH= b.
m=2 et n=4
(0,0,4,12,18) (0,6,4,0,6)
Interprétation
Ce théorème signifie qu’à tout point extrême correspond une SBR
et inversement, à toute SBR correspond un point extrême.
Le théorème 1 joue un rôle important en programmation linéaire : il
permet de relier la notion de solution réalisable de base avec la
notion de point extrême d’un polyèdre.
(0,6) (2,6)
X2=6
(4,3)
3X1+2X2 = 18
x1
(0,0) (4,0)
S . BEN AICHA octobre 22 17
I-4-Conditions d’optimalité
d’une SBR
On considère une base réalisable B.
On appelle coûts réduits (ou aussi coûts marginaux)
associés à cette base, les composantes du vecteur
ligne = (c - cBB-1A) n.
On remarque que peut être partitionné en B et H
avec :
B = cB - cBB-1B= 0 et H = cH - cBB-1H
Théorème 2
Soit B une base réalisable de P. Rappelons le
vecteur des coûts réduits associées aux
colonnes hors base H : H = cH - cBB-1H. On a
alors :
H 0 B est optimale.
Une borne supérieure de la solution optimale est donc cBB-1b, qui est la valeur de la
fonction objectif associée à B. La solution de base associée à B est donc optimale.
Ainsi, avec
Autrement dit, le vecteur des couts réduits apparait comme étant le gradient de la
fonction objectif dans l’espace des variables hors base.
On voit bien que si , alors toute augmentation de la valeur d'une variable hors
base (actuellement nulle) engendre une diminution de la fonction objective.
Le corollaire suivant indique comment la fonction objectif peut être améliorée (ici,
augmentée) si cette condition n'est pas vérifiée.
Max Z = 3x1 + 5 x2
sc x1 4
2 x2 12
3x1 + 2 x2 18
x1 , x2 0
Max Z = 3x1 + 5 x2
sc x1 + s1 =4
2 x2 + s2 = 12
3x1 + 2 x2 + s 3 = 18
x1 , x2 0
s1 , s2 , s3 0 var iables d ' écart
4
Avec ct= (3 5 0 0 0) b = 12
18
1 0 1 0 0
A = 0 2 0 1 0
3 2 0 0 1
1 0 0
B = 0 1 0
0 0 1
Avec xB = (s1, s2, s3) et cB = (0, 0, 0)
1 0
H = 0 2
3 2
29
S . BEN AICHA octobre 22
I-7-Exemple d’application
Considérons le tableau canonique en introduisant quelques simplifications
∆H ∆B = 0 -Z
#1 x1 x2 s1 s2 s3 B-1b
s1 1 0 1 0 0 4
s2 0 2 0 1 0 12
s3 3 2 0 0 1 18
∆j 3 5 0 0 0 0
∆j > 0, la solution actuelle n’est donc pas optimale. On introduit une variable
entrante xe celle qui a le ∆j >0 le plus grand pour améliorer notre fonction objectif
#1 x1 x2 s1 s2 s3 B-1b Ratio
s1 1 0 1 0 0 4 -
xs =s2 s2 0 2 0 1 0 12 12/2 = 6
Ligne pivot s3 3 2 0 0 1 18 18/2 = 9
∆j 3 5 0 0 0 0
Calcul du ratio i/aie pour les aie>0 (Les i sont les coefficients de la colonne B-1b)
On sélectionne la ligne ayant le ratio le plus faible pour rester dans le domaine
réalisable. Cette ligne correspondra à la variable sortante xs
#1 x1 x2 s1 s2 s3 B-1b Ratio
s1 1 0 1 0 0 4 - L’1=L1
xs =s2 s2 0 2 0 1 0 12 12/2 = 6 L’2=L2/2
Ligne pivot s3 3 2 0 0 1 18 18/2 = 9 L’3=L3-L2
∆j 3 5 0 0 0 0 L’4=L4-5/2L2
1 0 0
B = 0 2 0
0 2 1
S . BEN AICHA octobre 22 36
I-7-Exemple d’application
Continuons la résolution à partir du tableau #2 relatif à la nouvelle SBR
xe =x1
Colonne pivot
#2 x1 x2 s1 s2 s3 B-1b
s1 1 0 1 0 0 4
x2 0 1 0 1/2 0 6
s3 3 0 0 -1 1 6
∆j 3 0 0 -5/2 0 -30
∆j > 0, la solution actuelle n’est donc pas optimale. On introduit une variable
entrante xe celle qui a le ∆j >0 le plus grand pour améliorer notre fonction objectif
#2 x1 x2 s1 s2 s3 B-1b Ratio
s1 1 0 1 0 0 4 4/1=4
x2 0 1 0 1/2 0 6 -
xs =s3 s3 3 0 0 -1 1 6 6/3 = 2
∆j 3 0 0 -5/2 0 -30
Ligne pivot
Calcul du ratio i/aie pour les aie>0 (Les i sont les coefficients de la colonne B-1b)
On sélectionne la ligne ayant le ratio le plus faible pour rester dans le domaine
réalisable. Cette ligne correspondra à la variable sortante xs
#2 x1 x2 s1 s2 s3 B-1b Ratio
s1 1 0 1 0 0 4 4/1=4 L’1=L1-1/3L3
x2 0 1 0 1/2 0 6 - L’2=L2
xs =s3 s3 3 0 0 -1 1 6 6/3 = 2 L’3=L3/3
Ligne pivot
∆j 3 0 0 -5/2 0 -30 L’4=L4-L3
1 0 1
B = 0 2 0
0 2 3
S . BEN AICHA octobre 22 40