CH2MethodeSimplexe PDF

La méthode du simplexe Les problèmes à solution dégénérée Les deux phases du simplexe
Recherche Opérationnelle
Méthode de simplexe
Prof: A. El maliki
Ecole Nationale de Commerce et de Gestion Casablanca

Université Hassan II de Casablanca
1 La méthode du simplexe
2 Les problèmes à solution dégénérée
3 Les deux phases du simplexe

Forme générale d’un programme linéaire
max(ou min) z= c1 x1 + c2 x2 + · · · + cn xn


 a11 x1 + a12 x2 +... a1n xn ≤ (ou ≥) b1
a 21 x1 + a22 x2 +... a2n xn ≤ (ou ≥) b2




s.c .. .. .. .. ..
 . . . . .
am1 x1 + am2 x2 +... amn xn ≤ (ou ≥) bm




x1 , · · · , xn ≥ 0

Interprétation économique
Un actreur économique exerce n activités avec des niveaux xi à
déterminer. Ces activités utilisent m ressources. La quantité aij de
ressource i nécessaire pour exercer l’activité j avec un niveau d’une
unité. Maximiser le profit ou minimiser le coût.
1 cj profit(ou coût) par unité d’activité j
2 bj disponibilité de la ressource j
3 aij consommation de la ressource i par l’unité d’activité j
4 xj niveau de l’activité j
Algorithme du simplexe : Idée de base
Remarques
1 Solution optimale : sommet (point extrême).
2 Identification algébrique des sommets : correspondance avec
les bases d’un système d’équations.
Idée de base du simplexe

1 Transformation des inégalités en égalités : forme standard
du programme linéaire ⇒ système de m équations à n + m
inconnues !
2 Idée fondamentale du simplexe : déplacement de sommet en
sommet adjacent de manière à améliorer la fonction objectif.
Solution de base réalisable
1 Système de m équations linéaires à n + m inconnues : infinité

de solutions.
2 Si on fixe à zéro (n + m − n) variables : système de m
équations à m inconnues possédant une solution unique (si la
matrice est inversible). C’est une solution de base.
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 fixant à zéro
(n + m − n) variables (la matrice du système doit être inversible).
Les variables fixées à zéro sont appelées variables hors base et les
autres variables en base.
Solution de base réalisable

On appelle Solution de base réalisable une solution de base qui
vérifie les contraintes de positivité, c.à.d dont toutes les
composantes sont positives ou nulles.
Forme canonique
Définition
Un programme linéaire est sous forme canonique lorsque toutes ses
contraintes sont des inégalités (par exemple ≤) et toutes ses
variables sont non-négatives.
Forme canonique d’un PL : Exemple

max z= 5x1 + 4x2

 6x1 + 4x2 ≤ 24
x1 + 2x2 ≤ 6



s.c x2 ≤ 2
−x1 + x2 ≤ 1




x1 , x2 ≥ 0

Forme standard
Exemple (production de peinture)

On introduit les variables d’écarts s1 , s2 , s3 , s4 dans PL pour obtenir
une forme standard du programme linéaire
max z= 5x1 + 4x2


 6x1 + 4x2 + s1 = 24
x1 + 2x2 + s2 = 6



s.c x2 + s3 = 2
−x + x + s = 1

1 2 4



x1 , x2 , s1 , s2 , s3 , s4 ≥ 0

Dans ce cas on a n + m = 6 inconnues et m = 4 équations.
s1 = 24 − (6x1 + 4x2 ) est l’écart entre la quantité disponible (24)

et la quantité utilisée (6x1 + 4x2 ) de la ressource M1 . Si s1 > 0
alors on a un excès(une partie non utilisée) de M1. Si s1 = 0 la
contrainte associée est saturée et le stock de M1 est épuisé
(ressource pleinement utilisée).
Géométrie des solutions de base
Prenons la Base = {s1 , s2 , s3 , s4 } : x1 = 0, x2 = 0 =⇒ s1 = 24 ;

s2 = 6 ; s3 = 2 ; s4 = 1. Cette solution de base réalisable
correspond au sommet A(0 ; 0) et le profit Z = 0.
La solution de base réalisable associée au sommet F(4,0) est
(x1 , x2 , s1 , s2 , s3 , s4 ) = (4, 0, 0, 2, 2, 5) et Z = 20.
Les variables x2 , s1 sont hors base et x1 , s2 , s3 , s4 sont en base.
La solution de base réalisable associée au sommet B(0,1) est
(x1 , x2 , s1 , s2 , s3 , s4 ) = (0, 1, 20, 4, 1, 0) et Z = 4.
Les variables x1 , s4 sont hors base et x2 , s1 , s2 , s3 sont en base.
Détermination de la solution de base optimale
Théorème
Toute solution de base réalisable correspond à un sommet du
polyèdre.
n+m = (n+m)!
1 Nombre maximum de solutions de base :Cm m!n!
2 Algorithme ”bête et méchan” : énumération de toutes les
bases.
3 Méthode du simplexe : partir d’une solution de base
admissible et passer à une solution de base voisine qui
améliore la valeur de l’objectif.
4 Solution voisine : changement d’une variable en base.
5 La méthode de simplexe s’exécute en 3 etapes :
Détermination de la variable entrante.
Détermination de la variable sortante.
Pivotage.
Algorithme du simplexe
1 Mise sous forme canonique du problème linéaire

2 Ajout des variables d’écart puis écrire le programme linéaire
sous forme standard.
3 Choix de la base réalisable de départ.
Dans le cas des bi ≥ 0, on peut prendre la solution triviale de
base réalisable suivante :
(x1 , · · · , xn , s1 , s2 , · · · , sm ) = (0, · · · , 0, b1 , b2 , · · · , bm ).
Variables hors base : (xi )1≤i≤n . Variables en base : (sj )1≤j≤m .
Forme standard du PL :
max z= c1 x1 + c2 x2 + · · · + cn xn

 a11 x1 + a12 x2 +... a1n xn +s1 = b1
 a21 x1 + a22 x2 +... a2n xn +s2 = b2


s.c ... ... ... ... ....
a x + a x +... a x +s m = bm

m1 1 m2 2 mn n



x1 · · · , xn , s1 · · · , sm ≥ 0;

Algorithme du simplexe : présentation en tableau
Forme standard du PL (production de peinture) :

max z = 5x1 + 4x2
s.c 6x1 + 4x2 + s1 = 24
x1 + 2x2 + s2 = 6
x2 + s3 = 2
−x1 + x2 + s4 = 1
x1 , x2 , s1 , s2 , s3 , s4 ≥ 0
On a bi ≥ 0; i = 1, · · · , 4, donc on peut prendre la solution de base
réalisable (x1 , x2 , s1 , s2 , s3 , s4 ) = (0, 0, 24, 6, 2, 1) comme point de
départ.
Les variables hors base sont : x1 et x2
Les variables en base sont : s1 , s2 , s3 , s4 .
Il y a plusieurs manières d’implémenter l’algorithme du simplexe.

La méthode du tableau est l’une des plus efficaces.
Algorithme du simplexe :
Vocabulaire des tableaux

1 Variable :
hors-base = variable nulle .

en base = variable non nulle .
entrante = variable nulle qui devient non nulle .
sortante = variable non nulle qui devient nulle
2 Coûts reduits = coefficients dans l’expression de la fonction
objectif Z
3 Pivot = coefficient de la variable entrante dans l’expression de
la variable sortante
Efficacité du simplexe
En pratique, l’algorithme de simplexe est très utilisé car il est très
efficace : entre 3m/2 et 3m itérations en moyenne (m = nombre
de contraintes) pour converger.
Le premier tableau du simplexe est :

Ligne VB z x1 ↓ x2 s1 s2 s3 s4 bi θi
← L1 s1 0 6 4 1 0 0 0 24 4
L2 s2 0 1 2 0 1 0 0 6 6
L3 s3 0 0 1 0 0 1 0 2 −
L4 s4 0 −1 1 0 0 0 1 1 −
Lz z −1 5 4 0 0 0 0 0
Comme il y a deux nombres positifs (5 et 4) dans la ligne Lz :
(ligne des coefficients 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 :
1 x entre en base (plus grand coefficient positif de z ; ligne L )
1 z
2 s sort de base (plus petit rapport positif de θ =
bi
1 i ai1 , ai1 > 0)
Dans le premier tableau,le pivot est égal à 6 (indiqué en bleu) :

intersection entre la colonne de la variable entrante (x1 ) et la ligne
de la variable sortante (s1 ).
Pour calculer le second tableau du simplexe on applique la
technique de pivotage :
Les lignes du nouveau tableau du simplexe sont données par :

L1 ← 16 L1 = 16 (6, 4, 1, 0, 0, 0, 24) = (1, 4/6, 1/6, 0, 0, 0, 4)
L2 ← L2 − 61 L1 = (1, 2, 0, 1, 0, 0, 6) − 61 (6, 4, 1, 0, 0, 0, 24) = (...)
L3 ← L3 − 60 L1 = (0, 1, 0, 0, 1, 0, 2)
L4 ← L4 − −1 1
6 L1 = (−1, 1, 0, 0, 0, 1, 1) + 6 (6, 4, 1, 0, 0, 0, 24) = (...)
5 5
Lz ← Lz − 6 L1 = (5, 4, 0, 0, 0, 0, 0) − 6 (6, 4, 1, 0, 0, 0, 24) = (...)
Simplexe du tableau
Le second tableau du simplexe est :

Ligne VB z x1 ↓ x2 s1 s2 s3 s4 bi θi
2 1
L1 x1 0 1 3 6 0 0 0 4 6
4
← L2 s2 0 0 3 − 16 1 0 0 2 3
2
L3 s3 0 0 1 0 0 1 0 2 2
5 1
L4 s4 0 0 3 6 0 0 1 5 3
2
Lz z −1 0 3 − 56 0 0 0 −20
Comme il y a un nombre strictement positif (2/3) dans la ligne Lz ,
la solution de base réalisable obtenue n’est pas optimale.
On applique la procédure de détermination de la variable entrante
et celle sortante, on a :
1 x2 entre en base (plus grand coefficient positif de z ; ligne Lz )
bi
2 s2 sort de base (plus petit rapport positif de θi = ai2 , ai2 > 0)
Simplexe du tableau
Dans le second tableau du simplexe,le pivot est égal à 34 indiqué en

bleu : intersection entre la colonne de la variable entrante (x2 ) et
la ligne de la variable sortante (s2 ).
Pour calculer le troisième tableau du simplexe on applique la
technique de pivotage :
Les lignes du nouveau tableau du simplexe sont données par :
2
L1 ← L1 − 34 L2 = (1, 23 , 61 , 0, 0, 0, 4) − 21 (0, 43 , −1
6 , 1, 0, 0, 2)
3
L2 ← 1
4 L2 = (0, 1, −1 3 3
8 , 4 , 0, 0, 2 )
3
L3 ← L3 − 14 L2 = (0, 1, 0, 0, 1, 0, 2) − 43 (0, 34 , −1
6 , 1, 0, 0, 2)
3
5
L4 ← L4 − 34 L2 = (0, 53 , 61 , 0, 0, 1, 5) − 45 (0, 43 , −1
6 , 1, 0, 0, 2)
3
2
Lz ← Lz − L2 = (0, 32 , −5
3
4
1 4 −1
6 , 0, 0, 0, −20) − 2 (0, 3 , 6 , 1, 0, 0, 2)
3
Simplexe du tableau
Le dernier tableau du simplexe est :

Ligne VB z x1 x2 s1 s2 s3 s4 sol
1
L1 x1 0 1 0 4 − 12 0 0 3
L2 x2 0 0 1 − 61 1 0 0 3
2
1
L3 s3 0 0 0 0 0 1 0 2
5
L4 s4 0 0 0 0 0 0 1 2
Lz z −1 0 0 − 43 − 12 0 0 −21
Comme tous les nombres de la ligne Lz sont négatifs ou nuls, la
solution de base réalisable obtenue
(x1 , x2 , s1 , s2 , s3 , s4 ) = (3, 32 , 0, 0, 12 , 25 ) est optimale.
La solution optimale est donc la suivante : (x1 , x2 ) = (3, 23 ) et la
valeur maximale de la fonction objecftif est Z ∗ = max z = 21.
On a utilisé toutes les matières premières M1, M2 (s1 = 0, s2 = 0)
Remarquer : Z = Z + i (coût réduit)i xi = Z ∗ − 34 s1 − 21 s2 ≤ Z ∗
∗
P
Algorithe du simplexe : résumé
Debut
Tant que qu’il existe un coefficient strictement positif
dans la fonction objectif faire
debut
choisir la variable entrante dans la base : c’est la variable
associée au plus grand coefficit ce > 0.
Si tous les aie ≤ 0 (les valeurs dans la colonne de la
variable entrante) STOP
le problème est non borné( max z = +∞)
Sinon
Choisir la variable sortante xs telle que
bs bi
ase = min{ aie , aie > 0, i = 1, · · · , m}
Pivotage
Fin début
Fin Tant que
Si tous les ci ≤ 0, la solution optimale est trouvée.
Fin début
Les problèmes à solution dégénérée
Graphiquement, on appelle solution dégénérée le point où plusieurs

contraintes concourent (un nombre supérieur ou égale à trois
contraintes).
Un programme linéaire est dit dégénérée si une ou plusieurs
variables dans la base optimale sont nulles.
Ce problème peut causer des difficultés pour l’algorithme du
simplexe (divergence), on parle d’un éventuel cyclage de
l’algorithme : On retrouve une base déjà rencontrée et on boucle
indéfiniment
Différentes méthodes permettent d’éviter le cyclage : règle de

Bland, méthode lexicographique, méthode de perturbation. La
méthode de Bland est l’une des plus employées.
La règle de Bland (1977) s’énonce de la façon suivante : Lorsque
plusieurs variables sont susceptibles d’entrer ou de sortir de la base,
on choisit toujours celle qui a l’indice (le rang) le plus petit.
Les problèmes à solution dégénérée : exemple
On veut résoudre le PL suivant par la méthode du simplexe :
max z= 5x1 + 3x2

 4x1 + 2x2
 ≤ 12
4x1 + x2 ≤ 10

s.c

 x1 + x2 ≤ 4
x1 , x2 ≥ 0

On introduit les variables d’écart s1 , s2 , s3 ≥ 0 ce qui conduit à :
max z= 5x1 + 3x2


 4x1 + 2x2 + s1 = 12
4x1 + x2 + s2 = 10

s.c

 x 1 + x 2 + s3 = 4
x1 , x2 , s1 , s2 , s3 ≥ 0

On a bi ≥ 0; i = 1, · · · , 3. La solution de base réalisable de départ :

(x1 , x2 , s1 , s2 , s3 ) = (0, 0, 12, 10, 4)
Les variales hors base sont : x1 et x2 . Les variables en base sont :
s1 , s2 , s3 .Le premier tableau du simplexe est :
Ligne VB z x1 ↓ x2 s1 s2 s3 bi θi
L1 s1 0 4 2 1 0 0 12 3
5
← L2 s2 0 4 1 0 1 0 10 2
L3 s3 0 1 1 0 0 1 4 4
Lz z −1 5 3 0 0 0 0
On applique la technique de pivotage et on obtient le second
tableau du simplexe
Le second tableau du simplexe est :

Ligne VB z x1 ↓ x2 s1 s2 s3 bi θi
L1 s1 0 0 1 1 −1 0 2 2?
1 1 5
L2 x1 0 1 4 0 4 1 2 10
3 −1 3
L3 s3 0 0 4 0 4 1 2 2?
7 −5 −25
Lz z −1 0 4 0 4 0 2
Il y a une seule variable condidate pour entrer en base : x2
Les variables condidates de sortir de la base sont s1 et s3 : choisir
comme variable sortante celle de plus petit indice, ici c’est s1 ( La
règle de Bland )
Ligne VB z x1 x2 s1 ↓ s2 s3 bi θi
L1 x2 0 0 1 1 −1 0 2 −
−1 1
L2 x1 0 1 0 4 2 0 2 4
−3 1
← L3 s3 0 0 0 4 2 1 0 0
−7 1
Lz z −1 0 0 4 2 0 −16
Il y a une seule variable condidate pour entrer en base : s2
La variable condidate de sortir de la base est s3
Ligne VB z x1 x2 s1 s2 s3 bi
−1
L1 x2 0 0 1 2 0 2 2
1
L2 x1 0 1 0 2 0 −1 2
−3
L3 s3 0 0 0 2 1 2 0
Lz z −1 0 0 −1 0 −1 −16
On remarque que tous les nombres de la ligne Lz sont négatifs ou
nuls. La solution optimale est donc trouvée et donnée par
(x1 , x2 ) = (2, 2) et la valeur maximale de la fonction objectif est
max z = 16.
En pratique, les dégénérescences et, plus encore, le cyclage, sont
des phénomènes rares
Les deux phases du simplexe : méthode en deux phases
1 Une solution de base admissible n’est pas toujours connue a

priori.
2 Certains problèmes n’admettent pas de solution admissible,
donc il est impossible de trouver une base de départ.
3 La méthode des deux phases va permettre de déterminer
une base admissible ou prouver que le problème est
impossible.
L’astuce de la méthode en deux phases consiste à ajouter des

variables de base artificielles dans les équations où il n’y a
aucune variable candidate naturelle.
Début
Mettre les contraintes sous forme d’égalités ;
Rendre positif le second membre des contraintes ;
Introduire les variables artificielles ai dans les contraintes :
Xn
aij xj + ai = bi , xj , ai ≥ 0
j=1
m
X
Sous ces contraintes, résoudre le PL auxiliaire : max(z) = − ai
i=1
Si pour tout i ∈ {1, ..., m}, ai = 0 ⇔ max z = 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.
Proposition : Un (PL) admet une solution réalisable si et

seulement si le problème auxiliaire (PLA) admet une solution de
base optimale avec a = 0, i = 1, · · · , m.
À la fin de la phase I :
1 si la valeur optimale max z de la fonction économique est
négative (i.e., max z < 0), alors le problème original n’est pas
réalisable
2 si la valeur optimale max z de la fonction économique est
nulle i.e., le problème original est réalisable. Dans ce cas, la
résolution du problème original avec l’algorithme du simplexe
se poursuit en utilisant l’information du dernier tableau de la
phase I.
La phase II reprendra l’objectif original. Le tableau de la phase II
s’obtient en modifiant le dernier tableau de la phase I de la façon
suivante :
On raye les variables artificielles ;
On exprime la fonction-objectif z en fonction des variables
hors base du dernier tableau de la phase I, en excluant les
variables artificielles
méthode en deux phases ; exemple
On veut résoudre le PL suivant :

max z= 5x1 + 7x2

 x1 + x2 ≥ 6
x1 + ≥ 4

s.c

 x2 ≤ 3
x1 , x2 ≥ 0

On introduit les variables d’écart s1 , s2 , s3 ≥ 0 ce qui conduit à :
max 
z = 5x1 + 7x2
 x1 + x2 − s1
 = 6
x1 + − s2 = 4

s.c

 x 2 + s 3 = 3
x1 , x2 , s1 , s2 , s3 ≥ 0

Les deux premières équations nécessitent l’introduction de deux

variables artificielles a1 , a2 , on obtient le programme linéaire
auxiliaire (PLA) :
max z= −a1 − a2

 x1 + x2 − s1 + a1 = 6
x1 + − s2 + a2 = 4

s.c

 x2 + s3 = 3
x1 , x2 , s1 , s2 , s3 , a1 , a2 ≥ 0

Remarque : max z = −a1 − a2 = 0 ⇐⇒ a1 = 0, a2 = 0
Très important : il faut veiller à ce que la fonction objectif soit
exprimée en fonction des variables hors-base. C’est une règle qui
doit toujours être vérifiée : À tous les stades de la méthode du
simplexe, la fonction objectif et les variables de base doivent être
exprimées en fonction des variables hors-base.
La solution de base réalisable de départ pour PLA est :

(x1 , x2 , s1 , s2 , s3 , a1 , a2 ) = (0, 0, 0, 0, 3, 6, 4)
Les variales hors base sont : x1 , x2 , s1 , s2 . Les variables en base
sont : s3 , a1 , a2 .
On doit exprimer les variables a1 et a2 en fonction de x1 , x2 , s1 , s2
et les remplacer dans la fonction objectif. On a :
−a1 = x1 + x2 − s1 − 6
−a2 = x1 − s2 − 4
D’où
−a1 − a2 = 2x1 + x2 − s1 − s2 − 10
Maintenant, la méthode du simplexe s’applique sans problèmes :
Première phase :
Le premier tableau du phase I :
Ligne VB z x1 ↓ x2 s1 s2 s3 a1 a2 bi
L1 a1 0 1 1 −1 0 0 1 0 6
← L2 a2 0 (1) 0 0 −1 0 0 1 4
L3 s3 0 0 1 0 0 1 0 0 3
Lz z −1 2 1 −1 −1 0 0 0 10
x1 entre en base et a2 sort de la base, on élimine a2 du problème.
On applique la technique de pivotage et on obtient le second
tableau du phase I
Le second tableau du phase I :

Ligne VB z x1 x2 ↓ s1 s2 s3 a1 bi
← L1 a1 0 0 (1) −1 1 0 1 2
L2 x1 0 1 0 0 −1 0 0 4
L3 s3 0 0 1 0 0 1 0 3
Lz z −1 0 1 −1 1 0 0 2
a1 sort et x2 entre en base, on élimine a1 .
On applique la technique de pivotage et on obtient le troisième
tableau du phase I.
L1 x2 0 0 1 −1 1 0 2
L2 x1 0 1 0 0 −1 0 4
L3 s3 0 0 0 1 −1 1 1
Lz z −1 0 0 0 0 0 0
la première phase est achevée puisque ci = 0, i = 1, · · · , 5.
Une solution de base réalisable est donc :
x = (x1 , x2 , s1 , s2 , s3 ) = (4, 2, 0, 0, 1).
Dans le dernier tableau, les deux variables ajoutées a1 et a2 sont
sorties de la base. Donc a1 = 0 et a2 = 0, ce qui était l’objectif. On
a donc trouvé un point de départ pour résoudre le problème original
Deuxième phase :
Le PL se formule sous la forme équivalente suivante :
max z= 5x1 + 7x2

 x 2 − s1 + s2 = 2
x1 − s2 = 4

s.c

 s 1 − s 2 + s3 = 1
x1 , x2 , s1 , s2 , s3 ≥ 0

La solution de base réalisable trouvée en phase I est :

x = (x1 , x2 , s1 , s2 , s3 ) = (4, 2, 0, 0, 1). Les variables x1 , x2 , s3 sont
en base et les variables s1 , s2 sont hors base.
On doit exprimer les variables x1 et x2 en fonction de s1 , s2 et les
remplacer dans la fonction objectif. On a :
5x1 = 5(4 + s2 )
7x2 = 7(2 + s1 − s2 )
D’où
5x1 + 7x2 = 34 + 7s1 − 2s2
Maintenant, la méthode du simplexe s’applique sans problèmes :
Ligne VB z x1 x2 s1 ↓ s2 s3 bi
L1 x2 0 0 1 −1 1 0 2
L2 x1 0 1 0 0 −1 0 4
L3 s3 0 0 0 (1) −1 1 1
Lz z −1 0 0 7 −2 0 −34
s1 entre en base et s3 sort de base.
L1 x2 0 0 1 0 0 1 3
L2 x1 0 1 0 0 −1 0 4
L3 s1 0 0 0 1 −1 1 1
Lz z −1 0 0 0 5 −7 −41
Conclusion :La colonne de s2 ne comporte que des nombres ≤ 0, le
problème est donc non borné

CH2MethodeSimplexe PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CH2MethodeSimplexe PDF

Cargado por

Copyright:

Formatos disponibles

La méthode du simplexe Les problèmes à solution dégénérée Les deux phases du simplexe

Ecole Nationale de Commerce et de Gestion Casablanca

2 Les problèmes à solution dégénérée

3 Les deux phases du simplexe

Forme générale d’un programme linéaire

max(ou min) z= c1 x1 + c2 x2 + · · · + cn xn

Algorithme du simplexe : Idée de base

Idée de base du simplexe

Solution de base réalisable

1 Système de m équations linéaires à n + m inconnues : infinité

Solution de base réalisable

Forme canonique d’un PL : Exemple

Exemple (production de peinture)

max z= 5x1 + 4x2

Dans ce cas on a n + m = 6 inconnues et m = 4 équations.

s1 = 24 − (6x1 + 4x2 ) est l’écart entre la quantité disponible (24)

Géométrie des solutions de base

Prenons la Base = {s1 , s2 , s3 , s4 } : x1 = 0, x2 = 0 =⇒ s1 = 24 ;

Détermination de la solution de base optimale

1 Mise sous forme canonique du problème linéaire

Algorithme du simplexe : présentation en tableau

Forme standard du PL (production de peinture) :

Il y a plusieurs manières d’implémenter l’algorithme du simplexe.

Vocabulaire des tableaux

hors-base = variable nulle .

Algorithme du simplexe : présentation en tableau

Le premier tableau du simplexe est :

Algorithme du simplexe : présentation en tableau

Dans le premier tableau,le pivot est égal à 6 (indiqué en bleu) :

Les lignes du nouveau tableau du simplexe sont données par :

Le second tableau du simplexe est :

Dans le second tableau du simplexe,le pivot est égal à 34 indiqué en

Le dernier tableau du simplexe est :

Algorithe du simplexe : résumé

Les problèmes à solution dégénérée

Graphiquement, on appelle solution dégénérée le point où plusieurs

Différentes méthodes permettent d’éviter le cyclage : règle de

Les problèmes à solution dégénérée : exemple

On veut résoudre le PL suivant par la méthode du simplexe :

max z= 5x1 + 3x2

On introduit les variables d’écart s1 , s2 , s3 ≥ 0 ce qui conduit à :

max z= 5x1 + 3x2

Les problèmes à solution dégénérée : exemple

On a bi ≥ 0; i = 1, · · · , 3. La solution de base réalisable de départ :

Les problèmes à solution dégénérée : exemple

Le second tableau du simplexe est :

Les problèmes à solution dégénérée : exemple

Les problèmes à solution dégénérée : exemple

Les deux phases du simplexe : méthode en deux phases

1 Une solution de base admissible n’est pas toujours connue a

L’astuce de la méthode en deux phases consiste à ajouter des

Les deux phases du simplexe : méthode en deux phases

Proposition : Un (PL) admet une solution réalisable si et

Les deux phases du simplexe : méthode en deux phases

méthode en deux phases ; exemple

On veut résoudre le PL suivant :

On introduit les variables d’écart s1 , s2 , s3 ≥ 0 ce qui conduit à :

méthode en deux phases ; exemple

Les deux premières équations nécessitent l’introduction de deux

méthode en deux phases ; exemple

La solution de base réalisable de départ pour PLA est :

méthode en deux phases ; exemple

méthode en deux phases ; exemple