Académique Documents
Professionnel Documents
Culture Documents
II-1 Dualité :
II-1-1 Présentation
A tout programme linéaire appelé PRIMAL correspond un programme linéaire appelé DUAL en relation
étroite par leurs énoncés et par leurs solutions.
La solution optimale de l’un des deux programmes est complètement déterminée par la résolution de l’autre.
Exemple :
Un agriculteur cherche à maximiser sa marge sur coût fixe à partir de la culture des pommes de terre et des
tomates dont les conditions sont récapitulées dans le tableau suivant :
Variables x1 x2 e1 e2 e3 e4
1
Mme Yosr Salhi Méthodes opérationnelles d’aide à la décision 2018/2019
Rappel :
Coût marginal « Cm » appelé : « dual price » par LINDO ou prix fictif.
Le coût Cmi est relatif à la variable d’écart ei associé à chaque ressource i (dont les disponibilités sont
exprimées par une contrainte technologique i) .
C’est le prix qu’on est disposé à payer pour l’achat d’une unité supplémentaire de ressource donnée.
Si ei=0 alors Cmi ≠0, la ressource i est totalement utilisée ( la contrainte i est saturée). Par la suite
une variation de la disponibilité aura généralement une influence sur le revenu. Dans ce cas, Cmi:
précise la variation de la fonction économique résultant de l’utilisation d’une unité supplémentaire
de la ressource associée.
Si ei≠0 alors Cmi=0, la ressource i est excédentaire ( la contrainte i n’est pas saturée). Par
conséquent, le fait de disposer d’une unité supplémentaire de ce bien n’aura aucune influence sur le
revenu.
La valeur monétaire de chaque ressource peut être déterminée par un programme linéaire
associé au programme initial appelé programme dual.
Supposons qu’un producteur (le dual) s’intéresse à l’achat de toutes nos ressources : hectares terrain, eau,
heures main d’œuvre, heures tracteur.
À quels prix sommes nous disposé à les lui céder?
Soient:
y1 : le prix d’un hectare terrain,
y2 : le prix d’un m3 d’eau,
y3 : le prix d’une heure main d’œuvre;
y4 : le prix d’une heure tracteur;
L’objectif de l’acheteur est de minimiser le prix à payer de toutes ses ressources (ses dépenses).
Les quantités des ressources sont fixes soient : 150 hectares terrain, 440 m3 d’eau, 480 heures main d’œuvre et
90 heures tracteurs
.
La fonction objectif de l’acheteur (dual) est:
Min 150y1+440y2+480y3+90y4
Mais le dual sait que le primal ne cèdera ses ressources que si le revenu rapporté par la vente des ressources
nécessaires à la production d’une unité de produit ( x1 ou x2) soit supérieur ou égal à la vente de cette unité,
d’où :
y1+4y2+y3+y4>=100
y1+2y2+4y3>=200
2
Mme Yosr Salhi Méthodes opérationnelles d’aide à la décision 2018/2019
Primal Dual
Maximiser Minimiser
Contraintes d’infériorités Contraintes de supériorité
n variables structurelles n variables d’écart
m variables d’écart m variables structurelles
Écriture en ligne Écriture en colonne
1) 26000.00
3
Mme Yosr Salhi Méthodes opérationnelles d’aide à la décision 2018/2019
Programme dual
f= 26000 UM
Variables e1 e2 y1 y2 y3 y4
On remarque que la solution optimale du Dual peut être déduite à partir du programme Primal et vis
vers ça.
Programme primal
f= 26000 UM
Variables x1 x2 e1 e2 e3 e4
Primal Dual
La valeur marginale d’une variable d’un programme La valeur optimale de la variable associée dans le
primal programme dual.
La valeur optimale d’une variable d’un programme La valeur marginale de la variable associée dans le
primal programme dual.
Objectif du dual:
Déterminer un système de prix de référence dans le cadre d’une allocation optimale des
ressources: « ombre des prix de marché ou prix fictif ou shadow prices ».
4
Mme Yosr Salhi Méthodes opérationnelles d’aide à la décision 2018/2019
Les données d’un programme linéaire sont supposées connues avec certitude. Cependant, dans la réalité, il y a
des incertitudes concernant ces paramètres.
Questions :
Si on modifier l’un des paramètres du PL (paramètre du second membre bi de la ième contrainte, paramètre de
la fonction objectif ci), la solution trouvée demeure t- elle stable ?
A savoir :
La solution optimale ne change pas ou reste stable, si suite à la variation de l’un des paramètres du PL,
l’ensemble des variables de base ne change pas même si les valeurs se trouvent modifiées.
Hypothèse fondamentale : cette analyse ne vaut que si on change un seul paramètre, tous les autres restent
stables.
OBJECTIFS :
- Trouver dans quel intervalle peut-on modifier l’un des paramètres du PL (paramètre du second membre bi
de la ième contrainte, paramètre de la fonction objectif ci) sans que la solution optimale change (ou pour que la
solution optimale reste stable).
THE TABLEAU
5
Mme Yosr Salhi Méthodes opérationnelles d’aide à la décision 2018/2019
QUESTION : De combien peut-on modifier la superficie de la terre sans que la solution optimale change ?
Rappel :
Coût marginal « Cm » appelé : « dual price » par LINDO.
Ce coût est associé à chaque contrainte technologique.
Cmi mesure l’impact sur la fonction objectif si on augmente (ou on diminue) le membre de droite de la
contrainte i.
Sachant que dans le premier tableau de simplexe b1 n’est présent que dans la première contrainte. On obtient
ainsi une correspondance entre la colonne résultat (des quantités) et la colonne de e1.
ROW (BASIS) X1 X2 e1 e2 e3 e4 résultat
1 ART -100.000 -200.000 0.000 0.000 0.000 0.000 0.000
2 SLK 2 1.000 1.000 1.000 0.000 0.000 0.000 150.000
3 SLK 3 4.000 2.000 0.000 1.000 0.000 0.000 440.000
4 SLK 4 1.000 4.000 0.000 0.000 1.000 0.000 480.000
5 SLK 5 1.000 0.000 0.000 0.000 0.000 1.000 90.000
les coefficients de
le tableau de la solution optimale :
la fonction objectif
ROW (BASIS) X1 X2 e1 e2 e3 e4
A partir de ce tableau, le système de contraintes dans le programme linéaire relatif au tableau de simplexe
optimal du problème de l’agriculteur :
x1 1.333e1 0.333e3 40
e 4.667e 0.667e 60
2 1 3
x2 0.333e1 0.333e3 110
e4 1.333e1 0.333e3 50
6
Mme Yosr Salhi Méthodes opérationnelles d’aide à la décision 2018/2019
Remarque :
D’après le résultat ci-dessus on peut conclure que le coût marginal de 66.66664 par hectare de la première
ressource n’est valide que si la solution de base demeure stable. Donc si et seulement si 120 b1 160,85.
Ceci est appelé le domaine de validité du coût marginal.
Les valeurs marginales apportent des renseignements économiques intéressants, mais il faut les utiliser avec
prudence car leur domaine de validité est limité.
7
Mme Yosr Salhi Méthodes opérationnelles d’aide à la décision 2018/2019
Donc tant que 120 b1 160,85 la base demeure la même et la solution optimale est stable mais elle
change en valeur (exemple: pour = 3 le vecteur de solutions optimale est
(x1,x2,e1,e2,e3,e4)=(44,109,0,46,0,46)) avec f=26200
Domaine de validité du coût marginal : Cm1 = 66.666664 pour cet intervalle. L’interprétation du coût
marginal est donc valide : si la ressource terre augmente de 3 hectares la fonction objctif augmente
de 66.66664*3 soit de 200 um elle passe alors de 26000 um à 26200 um.
Ces valeurs peuvent être vérifiées par la résolution du programme suivant avec LINDO
Application 1 :
Sans faire de calcul, de combien peut-on modifier la quantité de m3 d’eau sans nuire à la solution optimale ?
Confirmez votre résultat à l'aide de la méthode d'analyse de sensibilité exposée ci-dessus?
Application 2:
Déterminer l’intervalle dans lequel peut varier b3 les ressources en main d’œuvre sans que la base optimale
change. Ou déterminer le domaine de validité du coût marginal associé à la ressource main d’œuvre.
On cherche à déterminer un intervalle dans lequel peut varier Ci sans que la solution optimale ne change. Ces
modifications peuvent provenir, par exemple, d’une erreur dans l’estimation des coûts de fabrication, un
changement de prix d’un fournisseur, une accentuation de la concurrence nécessitant une baisse de la marge,
etc.
Question : De combien peut-on modifier la marge sur coût de production d’un kg de pomme de terre sans
que la solution optimale change ?
Le système de contraintes dans le programme linéaire relatif au tableau de simplexe optimal donné par
LINDO est le suivant :
ROW (BASIS) X1 X2 e1 e2 e3 e4 résultat
2 X1 1.000 0.000 1.333 0.000 -0.333 0.000 40.000
3 e2 0.000 0.000 -4.667 1.000 0.667 0.000 60.000
4 X2 0.000 1.000 -0.333 0.000 0.333 0.000 110.000
5 e4 0.000 0.000 -1.333 0.000 0.333 1.000 50.000
8
Mme Yosr Salhi Méthodes opérationnelles d’aide à la décision 2018/2019
f=26000-(66,667+1,333∆)e1-(33,333-0,333∆)e3+40∆
Pour que la solution reste optimale, tous les coefficients de la fonction objectif doivent être positifs
(condition d’optimalité) d’où :
Ce résultat peut être trouvé à partir du tableau de la solution optimale. Dans le tableau optimal, la ligne
correspondante à x1 nous donne les coefficients de dans la fonction objectif.
THE TABLEAU
Donc la base demeure la même et la solution optimale est stable (x1,x2)=(40,110) tant que 50 C1
200
La valeur optimale de la fonction objectif et des coûts marginaux changent. Donc si c1 passe de 100 à
100+ , e1 passe de 66.667 à 66.667+1.333 et e2 de 33.333 à 33.333-0.333.
9
Mme Yosr Salhi Méthodes opérationnelles d’aide à la décision 2018/2019
Remarque :
Etant donné que les coefficients de la fonction objectif deviennent les seconds membres des contraintes
du programme dual, l’intervalle de variation de peut être calculé à partir de la solution optimale du
programme dual.
Le programme dual est :
forme canonique :
min 150y1+440y2+480y3+90y4
subject to
y1+4y2+y3+y4>=100
y1+2y2+4y3>=200
forme standard
min 150y1+440y2+480y3+90y4
subject to
y1+4y2+y3+y4-e1=100
y1+2y2+4y3-e2=200
Considérons une variation de c1 de 100 à 100+. pour que la base ne change pas il faut que y1 et y3
restant positives (variables de base), d’où :
y1=66.667-(-1.333)>=0
y3=33.333-(0.333)>=0
(à remarquer si nous allons rajouter dans le premier membre de l’équation il faut retrancher du second membre
étant donné que e1 est précédé d’un signe (-))
Dans le programme dual, y2, y4, e1 et e2 sont des variables hors base ce qui explique que e2, e4, x1 et
x2 restent les variables de base du programme primal.
10
Mme Yosr Salhi Méthodes opérationnelles d’aide à la décision 2018/2019
Donc tant que 50 c1 200 la base demeure la même et la solution optimale est stable mais elle
change en valeur (exemple: pour = 50um, c1=150 um
le vecteur de solutions optimale est (x1,x2,e1,e2,e3,e4)=(40,110,0,60,0,50)) avec f=28000
Les valeurs des variables de décision restent les même, mais la valeur optimale de la fonction
objectif va changer puisque un de ces coefficient change.
Ces valeurs peuvent être vérifiées par la résolution du programme suivant avec LINDO
Application :
De combien peut diminuer au maximum le profit unitaire réalisé sur les tomates pour que la solution reste
stable ?
11
Mme Yosr Salhi Méthodes opérationnelles d’aide à la décision 2018/2019
12