Programmation Linéaire Cours 1 : programmes linéaires
Programmation Linéaire. Cours 1 : programmes linéaires modélisation et résolution graphique. F. Clautiaux francois.clautiaux@math.u-bordeaux1.fr.
Programmation linéaire et Optimisation
On consid`ere le cas d'un fabricant d'automobiles qui propose deux mod`eles `a la vente des grosses voitures et des petites voitures.
Introduction à la programmation linéaire
? On a x1 = x2 = 0. ? Solution de base réalisable : {2xA + xB = 800} ? {xA + 2xB = 700}. Cours - Introduction à la programmation linéaire. LAAS. CNRS. Page
Leçon 1 Programmation linéaire
Un programme linéaire (PL) est un probl`eme qui consiste `a maximiser sur R d une fonction linéaire sous des contraintes linéaires. max x1 + x2.
Optimisation Combinatoire : Programmation Linéaire et Algorithmes
29 sept. 2015 1.4 Programme non-linéaire. 13. ZIB. Un des objectifs de ce cours est de comprendre comment et dans quels cas ces.
Programmation Linéaire
Ce cours expliquer la notion de programmation linéaire et son utilité dans la Ceci complète les transformations sur les équations ; la solution de base ...
Dualité en Programmation Linéaire Algorithmes primal et dual du
minimisation maximisation. Fonction objectif min. Fonction objectif max. Second membre. Fonction objectif. A matrice des contraintes.
Programmation linéaire
Programmation linéaire. 1. Le problème un exemple. 2. Le cas b = 0. 3. Théorème de dualité. 4. L'algorithme du simplexe. 5. Problèmes équivalents.
Cours 3: Programmation linéaire
Cours 3: Programmation linéaire. • Position du probl`eme. • Dualité. • Dégénérescence et terminaison de l'algorithme. • Algorithme du simplexe générique.
COURS DE RECHERCHE OPERATIONNELLE
Ufr des Sciences Economues et de Gestion. COURS DE RECHERCHE OPERATIONNELLE. ECUE 1 : PROGRAMMATION LINEAIRE. NOTES DE COURS. PAR. Dr Yao Silvère KONAN.
Chapitre 2 Principes généraux de la programmation linéaire
Principes généraux de la programmation linéaire 2 1 Généralités Nousdébutonslechapitreparunthéorèmequigarantiel’existenced’unminimumetaussi d’unmaximumpourunproblèmed’optimisationquelconque Théorème2 1 1 Soitfunefonctioncontinuedé?niesurundomaineKˆRn ferméet bornéalorsfatteintsesvaleursminimaleetmaximale: 9 x 2K f( x
Programmation linéaire
La programmation linéaire peut se dé?nir comme une technique mathématique permettant de résoudre des problèmes de gestion et particulièrement ceux où le gestionnaire doit déterminer face à di?érentes possibilités l’utilisation optimale des ressources de l’entreprise pour atteindre
Chapitre 2 Programmation linéaire - univ-rennes1fr
L’image de l’application linéaire dé?nie par la multiplication par Aest le sous-espace vectoriel engendré par ses vecteurs colonne Le rang de la matrice Aest la dimension de cette image Cette dimension ne peut pas excéder la dimension de l’espace d’arrivée (i e lenombredelignesdelamatriceici3)nilenombredevecteurscolonne(ici5;la
Institut de Mathématiques de Bordeaux
Institut de Mathématiques de Bordeaux
Searches related to cours complet de programmation linéaire PDF
Programmation linéaire en nombre entiers : toutes les ariablesv sont entières Résoudre un PLNE est un problème NP-complet Dé nition Etant donné un P L en nombre entiers on appelle P L relaxé le P L privé de ses ontrcaintes d'intégrité àdc les variables sont elérles Théorème Soit w
Qu'est-ce que la programmation linéaire?
La programmation linéaire peut se dé?nir comme une technique mathématique permettant de résoudre des problèmes de gestion et particulièrement ceux où le gestionnaire doit déterminer, face à di?érentes possibilités, l’utilisation optimale des ressources de l’entreprise pour atteindre
Comment choisir la solution optimale d’un problème d’optimisation linéaire ?
La solution de base pour le choixfa1; a3gsera(0;0;1).De même, la solution de base pour le choixfa2; a3gsera(0;0;1).Il est facile de voir qu’il y a qu’un seul sommet. Voici le théorème fondamental qui permet d’a?rmer que la solution optimale d’un problèmed’optimisation linéaire est toujours atteinte en un sommet de la région admissible.
Comment écrire un problème d’optimisation linéaire avec des contraintes d’inégalité ?
Nous savons que tout problème d’optimisation linéaire avec des contraintes d’inégalité peuts’écrire sous la forme canonique ayant des contraintes d’égalité (en ajoutant des variablesd’écarts ou de surplus). Donc, il su?t de ne considérer que des problèmes avec des contraintesd’égalité 0 oùAest une matrice de formatmnetb2Rm.
Comment calculer un système linéairement indépendant ?
Théorème2.2.1Un pointx 2K(x6= 0) est un sommet deKsi et seulement sifajgj2I+(x) forme un système linéairement indépendant. Supposons le contraire, i.e. fajgj2I+(x) est linéairement dépendant. Ceci signi?e qu’il existedeswj non tous nuls tel que Pourj 2=I+(x), on posewj = 0.
![Introduction à la programmation linéaire Introduction à la programmation linéaire](https://pdfprof.com/Listes/18/5648-18Cours_3MIC.pdf.pdf.jpg)
Introduction à la programmation linéaire
Informations pratiques2
Enseignant
Denis Arzelier : directeur de recherche au LAAS-CNRSContacts
Tel : 05 61 33 64 76 - email : arzelier@laas.fr
Web-page
http ://homepages.laas.fr/ ≂arzelierOrganisation du cours➊
5cours
1h15 :
06h15Cours magistral en amphi avec supports de cours
4séances TD
1h15 :
05h00Exercices d'application
2séances TP
2h45 :
5h30 Application avec support Python sous Notebook Jupyter1examen final
:1h15Durée totale = 18h00
Cours - Introduction à la programmation linéaire LAAS CNRSExemple I : problème de production3
✍Problème 1 Maximiser le profit d'un fabriquant de yaourts à la fraise A etB ✔Composition des yaourts de types A et BYaourt A
Yaourt B
Fraise
2 1 Lait 1 2 Sucre 0 1 ✔Disponibilité des matières pre- mières - Fraises : 800 kilos - Lait : 700 kilos - Sucre : 300 kilos ✔Profit par type de yaourt - Yaourt A : 4 euros/kilo - Yaourt B : 5 euros/kilos Cours - Introduction à la programmation linéaire LAAS CNRSExemple 1 : modélisation4
✔Variables de décision? (Ce que l'on doit décider)Nombres de yaourts de type A et de type B :x
A,x B ✔Objectif? (Ce que l'on doit optimiser)Profit :z= 4x
A+ 5x B ✔Contraintes? (Ce que l'on doit respecter) - Quantité maximale de fraises :2x A+x - Quantité maximale de lait :x A+ 2x - Quantité maximale de sucre :xProblème de programmation linéaire :
max xA,x B4x A + 5x B sous 2x A +x B x A + 2x B x B x A, x B ≥0 Cours - Introduction à la programmation linéaire LAAS CNRSExemple 2 : problème de transport5
✍Problème 2 Approvisionner à moindre coût différents clients à partir de différentes usines ✔Lieux de production et quantités produitesUsines (i?I)
Bordeaux
Biarritz
Toulouse
Productions (p
i) 2515 20 ✔Lieux et quantités de livraison
Clients (j?J)
PauBayonne
Bordeaux
Libourne
Demandes (d
j) 20 12 9 14 ✔Coûts de livraisonPrix/unité (c
ij) PauBayonne
Bordeaux
Libourne
Bordeaux
2619 0 4
Biarritz
12 2 20 24Toulouse
19 3024
28
✔Variablesx ij : quantité produite eniet livrée enj
Problème de PL :
min xij? i,j cijxij sous? i xij =d j, j?J j xij =p i, i?I x ij ≥0, i?I, j?J Cours - Introduction à la programmation linéaire LAAS CNRSExemple 3 : problème de planification6
Problème 3
Planifier la production d'articles à moindres coûts pour les4 prochains moisProduction maximale normale :
1200 articles / mois
Production maximale en heure sup :
400 articles / mois
Sur-coût heures sup :
7 euros / article
Stockage :
3 euros / article / mois
Demande sur les 4 prochains mois :
mois 1 mois 2 mois 3 mois 4Demandes
9001100
1700
1300
Cours - Introduction à la programmation linéaire LAAS CNRS
Exemple 3 : modélisation7
✔Variables : -x t: production normale en périodet= 1,...,4 -y t: production en heure sup en périodet= 1,...,4 -st: stock en fin de périodet= 1,...,3 ✔Objectif :Minimiser7
t=4?t=1 yt+ 3 t=3?t=1 st ✔Contraintes x1+y1= 900+s
1 s1+x 2+y2=1100+s
2 s2+x 3+y3=1700+s
3 s3+x 4+y4=1300
st≥0t= 1,...,3 Cours - Introduction à la programmation linéaire LAAS CNRSQuelques remarques historiques (I)8
✔Etude des systèmes d'inégalités linéaires par J. Fourier en1827 - Méthode d'élimination de Fourier-Motzkin - Généralise l'élimination de Gauss-JordanJ. Fourier (1768-1830)
✔Formulation d'une classe restreinte de PL + Algorithme en URSS par L.V. Kantorovich en 1939L.V. Kantorovich (1912-1986)
- Réorganisation de l'industrie du bois dans une économie centralisée - Optimisation de la production industrielle de contreplaqué - Théorie de l'utilité marginale - Co-prix Nobel d'économie en 1975 (travaux en allocation optimale de ressources)✔Minimisation du coût total de transport de biens par T.C. Koopmans en 1944 pour la British Merchant Shipping
Mission
-Exchange ratios between cargos on various routes - Co-prix Nobel d'économie en 1975 (travaux en allocation optimale de ressources) - Fondation de la recherche opérationnelleT.C. Koopmans (191O-1985)
Cours - Introduction à la programmation linéaire LAAS CNRSQuelques remarques historiques (II)9
✔Algorithme du simplexe par G. Dantzig en 1947 pour l'U.S. AirForce - Problèmes militaires de planification d'opérations et d'allocation de ressources - Algorithme dans le top 10 en 2000G. Dantzig (1914-2005)
✔Algorithme de l'ellipsoïde par L.G. Kachiyan en 1979 xk -→g k xk+1 Ek Ek+1 - Algorithme en temps polynomial - Peu efficace en pratique (degré élevé du polynôme(t)) ✔Algorithme polynomial de point intérieur par N. Karmakar en1984 - Brevet U.S. Patent 4,744,028 "Methods and apparatus for efficient resource allocation" (mai 1988), débattu au sénat U.S. - Méthodes de point intérieur pour la programmation convexe(SDP) Cours - Introduction à la programmation linéaire LAAS CNRSHypothèses fondamentales et terminologie10
minx?R n(max x?R n)f( x) =c 1x1+c2x2+...+c
nxn sousa 1,1 x1+a 1,2 x2+...+a 1,n xn=b 1 a m,1 x1+a m,2 x2+...+a m,n xn=b m am+1,1 x1+a m+1,2 x2+...+a m+1,n m+1 a m+p,1 x1+a m+p,2 x2+...+a m+p,n m+p ✔Linéarité : -Fonction objectif : f( x) =c Tx -Contraintes :X={x?R
n :h( x) =A 1x-B1= 0, g(
x) =A 2x-B 2?0} ✔Continuité :x ?R n?= PLNE = x?N n -Solution réalisable : xest une solution réalisable ssi x?XRégion réalisable :
ensemble des solutions réalisablesX Cours - Introduction à la programmation linéaire LAAS CNRSGéométrie et PL (I)11
Un ensembleCest
convexe ssi le segment de droite entre deux points quelconquesx, y? Cappartient àC ?λ?[0,1], x, y? C ?(1-λ)x+λy? C z= (1-λ)x+λy, λ?[0,1]est la combinaison convexe dexety xxxyy y ✔L'enveloppe convexecoC d'un ensembleCest l'ensemble de toutes les combinaisons convexes des points deC coC=?? iλixi:x
i? C, λ i≥0,? iλi= 1?
x? Cest un point extrême d'un ensemble convexeCsi x=λx1+ (1-λ)x 2, x 1, x2? C, λ?(0,1)?x=x
1=x 2 ♥Propriétés 1L'intersection finie de plusieurs ensembles convexes n?i=1Ciest un ensemble convexe
Cours - Introduction à la programmation linéaire LAAS CNRSGéométrie et PL (II)12
Un hyperplan deR nest un sous-espace affine de dimensionn-1 H=? x?R n|a T(x-x0) = 0?
oùa?= 0?R nest le vecteur normalà l'hyperplan
Un hyperplan diviseR
nen 2 demi-espaces H -=?x?R n|a T(x-x n H +=?x?R n|a T(x-x0)≥0?, a?= 0?R
n a x 0x x1 x 2H +HHyperplan et demi-espacesx? H
,x1? H+ ,x2? H- Un polyèdre convexe est un ensemble défini par un nombre fini d'inégalités linéaires a3 a1 a 2 a4a 5a 6Polytope intersection de demi-espaces
P=?x?R
n:a T j,j= 1,···,m? ={x?R n :Ax?b} Ex : l'orthant positifR est un ensemble polyèdral conique xE est un point extrême du polyèdrePsi?y?=z? P, xE??(y,z)
Un polyèdre convexe borné est un
polytope convexe Cours - Introduction à la programmation linéaire LAAS CNRSGéométrie et PL (III)13
Un point
vd'un polyèdre convexe P est un sommet de P si v? Pet?c?= 0?Rn:cTv > cTy,?y? P \ {v} c v cTx=cTv
Les sommets d'un polyèdre convexe sont exactement ses points extrêmes L'ensemble des solutions admissibles d'un PL est un polyèdre convexe P x1 x2 P a11x1+a12x2=b1a21x1+a22x2=b2 a31x1+a32x2=b3 x2= 0quotesdbs_dbs28.pdfusesText_34[PDF] programmation linéaire définition
[PDF] programmation lineaire methode simplexe
[PDF] programmation linéaire recherche opérationnelle
[PDF] interprétation droite de henry
[PDF] principe droite de henry
[PDF] exercice corrigé droite de henry
[PDF] courbe de henry excel
[PDF] droite de henry pdf
[PDF] programmation linéaire exercices corrigés pdf
[PDF] programmation linéaire exercices corrigés
[PDF] programmation linéaire simplexe
[PDF] recherche opérationnelle programmation linéaire exercices corrigés pdf
[PDF] exercices recherche operationnelle
[PDF] theme astral chinois complet gratuit interpretation