Programmation Linéaire Cours 1 : programmes linéaires
Points extrêmes. Forme standard bases. Bilan. Programmation Linéaire. Cours 1 : programmes linéaires
Programmation linéaire et Optimisation
La forme standard associée au primal (apr`es introduction des variables d'écart) aura m = 1000 contraintes pour n = p + q = 1100 inconnues. L'algo- rithme du
Support de cours : Introduction à la programmation linéaire
On peut toujours transformer la forme canonique en forme standard en ajoutant des variables d'écart. UPEC - Master ScTIC. 4. Page 6. Forme canonique maxcx.
Chapitre 4 Formes générale canonique et standard dun probl`eme
Dans ce chapitre nous définissons la forme générale d'un probl`eme d'optimisation linéaire
Fondements de la programmation linéaire
En résolvant le problème de cet exemple sous sa forme standard on obtiendrait comme solution de base réalisable optimale (2
Recherche opérationnelle
Un programme linéaire (PL) est un probl`eme d'optimisation consistant `a On passe de la forme canonique `a la forme standard en ajoutant dans.
Recherche opérationnelle
III.1.2. Forme standard d'un programme linéaire. 10. III.1.3. Variables d'écart. 11. III.1.4. Passage entre les formes (Normalisation de la forme canonique).
LES ÉTAPES DE LALGORITHME DU SIMPLEXE
Un programme linéaire (PL) mis sous la forme particulière où toutes les contraintes sont des équations et toutes les variables sont non négatives est dit
Programmation linéaire
Forme standard d'un problème de programmation linéaire. Problème. [1 p. 5]. Maximiser: 5*x1 + 4*x2 + 3*x3. Sous les contraintes: 2*x1 + 3*x2 +.
Application du Simplexe Classique de Dantzig à un Problème
Sous cette forme il n'y a pas de contraintes d'égalité c'est-à-dire I2 = Ø et J2 = Ø . 1.3.3 Forme standard. Un Programme Linéaire (PL) est dit sous forme
Formes générales d’un programme linéaire - Techniques de l'Ingénieur
3 3 Forme standard et forme canonique d’un programme linéaire Forme standard Dé?nition 5 (Forme standard) Un programme linéaire est sous forme standard lorsque toutes ses contraintes sont des égalités et toutes ses variables sont non-négatives Représentation matricielle max cT x s c Ax= b x 0 nvariables mcontraintes m
Les conditions de formulation d’un PL
Un programme linéaire consiste à trouver le maximum ou le minimum d’une forme linéaire dite fonction objectif en satisfaisant certaines équations et inégalités dites contraintes En langage mathématique on décrira de tels modèles de la manière suivante : Soient N variables de décision x 1 x 2 x n
Fondements de la programmation linéaire - Université Laval
Fondements de la programmation linéaire Généralités Notations et définitions Propriétés du problème de programmation linéaire Théorème fondamental de la programmation linéaire Représentation géométrique d’une solution de base réalisable Exemples Illustration de la notion de base 2
Quelle est la forme générale d’un programme linéaire ?
Formes générales d’un programme linéaire Il s’agit d’un problème de programmation linéaire, encore appelé programme linéaire, écrit sous la forme suivante : Les valeurs réelles c , b et aij pour et , sont données. L’ensemble est l’ensemble des indices de contraintes avec card?? ( I ) = m. Autrement dit, il y a m contraintes.
Quels sont les fondements de la programmation linéaire ?
Fondements de la programmation linéaire Généralités Notations et définitions Propriétés du problème de programmation linéaire Théorème fondamental de la programmation linéaire Représentation géométrique d’une solution de base réalisable Exemples Illustration de la notion de base 2 Généralités sur la programmation linéaire
Comment fonctionne un programme linéaire qui suit les règles ?
Un programme linéaire qui suit les règles est dit de forme canonique. L’algorithme du simplexe ne peut que s’appliquer sur des programmes linéaires sous la forme canonique. Un problème de Maximisation, sous contraintes Inférieure ou égale, dont toutes les variables sont strictement positives.
Qu'est-ce que la programmation linéaire ?
Généralités sur la programmation linéaire La programmation linéaire traite de manière générale d'un problème d'allocation de ressources limitéesparmi des activités concurrentes et ce d'une façon optimale. La programmation linéaire emploie un modèle mathématique qui décrit le problème réel.
Recherche opérationnelle et applications
Bernard Fortz
2012-2013
Table des matières
I Introduction à la recherche opérationnelle 31 Quelques exemples de modèles mathématiques 3
2 Tour d"horizon des techniques de recherche opérationnelle 4
II Applications de la programmation linéaire 6
3 Définition, exemples et méthode de résolution 6
3.1 Notions de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
63.2 Exemples de modèles linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
63.3 Forme standard et forme canonique d"un programme linéaire . . . . . . . . . . . . . . . . . . . .
83.4 Résolution de programmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
103.4.1 Résolution graphique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
103.4.2 La méthode du simplexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
123.4.3 La méthode des deux phases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
163.4.4 Cas particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
174 Dualité19
4.1 Le problème dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
194.2 Relations primal/dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
204.3 Interprétation économique de la dualité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
215 Solveurs et langages de modélisation 23
III Programmation en nombres entiers et optimisation combinatoire 276 Définitions et exemples27
7 Complexité des problèmes et efficacité des algorithmes 30
8 Problèmes polynomiaux 31
8.1 Le problème d"affectation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
318.2 Modèle de transport . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
329 Méthodes de Branch-and-Bound 39
9.1 Branch-and-Bound pour les problèmes en nombres entiers . . . . . . . . . . . . . . . . . . . . .
399.2 Branch-and-bound pour le voyageur de commerce . . . . . . . . . . . . . . . . . . . . . . . . . .
419.3 Branch-and-bound pour les contraintes disjonctives . . . . . . . . . . . . . . . . . . . . . . . . .
421
10 Méthodes heuristiques47
10.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4710.2 Heuristiques de construction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4710.3 Recherche locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4910.4 Méta-heuristiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5010.5 Algorithmes génétiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52Références
Hamdy A. T aha,OperationsResearch,anintroduction, Prentice-HallMarc Pirlot, Métaheuristiquespourl"optimisationcombinatoire:unaperçugénéral, Chapitre 1, dans "Opti-
misation approchée en recherche opérationnelle", sous la direction de Jacques Teghem et Marc Pirlot, Hermes
Science.
2Première partie
Introduction à la recherche opérationnelle
1 Quelques exemples de modèles mathématiques
Un premier problème
Exemple1 (Achat de billets d"avion).
Un homme d"af fairesdoit ef fectuer5 v oyagesentre F ayetteville(FYV) à Den ver(DEN), en partant le lundi de
FYV et revenant le mercredi de DEN à FYV.
Billet aller -retour: $400.
Réduction de 20 % si un week endest inclus.
Aller simple : 75 % du prix aller -retour.
Question
Comment acheter les billets pour les 5 semaines (à prix minimum)?Aide à la décision
Problème d"aide à la décision
1.Quelles sont les alternati vespossibles ?
2. Quelles sont les restrictions à cette décision ? 3. Quel est l"objectif utilisé pour év aluerles alternati ves?Restrictions
FYV-DEN le lundi et DEN-FYV le mercredi de la même semaine.Evaluation des alternatives
Alternatives
Acheter 5 FYV -DEN-FYVnormaux. 5 x $400 = $2000
Acheter un FYV -DEN,4 DEN-FYV -DENcomprenant un week endet un DEN-FYV .0.75 x $400 + 4 x 0.8 x $400 + 0.75 x $400 = $1880Acheter un FYV -DEN-FYVpour le lundi de la première semaine et le mercredi de la dernière semaine, et 4
DEN-FYV-DEN comprenant un weekend pour les autres voyages.5 x 0.8 x400 =1600La troisième alternative est la meilleure.
Modèle de recherche opérationnelle
Ingrédients principaux
-Alternatives(variables, inconnues du problème). -Restrictions(contraintes). -Fonction objectifà optimiser (minimiser ou maximiser).Définition1 (Solution admissible).Unesolution admissibleest un ensemble de valeurs données aux variables qui
satisfait toutes les contraintes.Définition2 (Solution optimale).Unesolution optimaleest une solution admissible qui optimise la fonction
objectif. Variables :continues (réelles), entières, booléennes (0/1), ... Objectif :linéaire / non-linéaire, concave / convexe, ... 3Contraintes :linéaire / non-linéaire, concave / convexe, égalités / inégalités, ...
Paramètres :connus avec certitude (modèles déterministes) / incertains (modèles stochastiques)
Exemple2 (Maximisation de la surface d"un rectangle).Supposons que l"on veut plier un fil de fer de longueurL
en rectangle de manière à maximiser la surface du rectangle.l wFormulation maxA=lw s.t.l+w=L2Solution
-A=L2 ww=Lw2 w2 dAdw =L2 2w= 0Solution optimale : w=l=L4
Méthodes de résolution
Dans l"e xemple,solution analytiqueau problème.La plupart des problèmes pratiques sont trop grands ou trop comple xespour être résolus analytiquement.
Méthodes itératives
Déplacement de solution en solution pour atteindre l"optimum (méthodes exactes) ou une "bonne" solution
(heuristiques). Importance des algorithmes et des solutions informatiques.2 Tour d"horizon des techniques de recherche opérationnelle
Recherche opérationnelle
La recherche opérationnelle est une technique d"aide à la décision.Etapes pratiques
1.Définition du problème
2.Construction d"un modèle
3.Solution du modèle
4.V alidationdu modèle
5.Implémentation de la solution
Méthodologie
Les étapes les plus importantes sont la définition du problème (suppose un dialogueavec le décideur) et la
construction du modèle (prendre conscience deshypothèses simplificatriceset de leur impact). La phase de v alidationdoit permettre de remettre en cause la validité du modèle.Une approche globale nécessite donc un aller -retourconstant entre le modèle et les attentes du décideur .
Techniques principales
Programmation linéaire
Programmation en nombres entiers
Optimisation dans les réseaux
4 -Programmation non linéaire "Optimisation" multi-critèresProgrammation dynamique
Modèles stochastiques
Simulation
5Deuxième partie
Applications de la programmation linéaire
3 Définition, exemples et méthode de résolution
3.1 Notions de bases
Programmation linéaire
Définition4 (Programme linéaire).Modèle mathématique dans lequel la fonction objectif et les contraintes sont
linéaires en les variables.Applications
Optimisation de l"usage de ressources limitées dans les domaines militaire, industriel, agricole, économique, ...
Existence d"algorithmes très efficaces pour résoudre des problèmes de très grande taille (simplexe, points inté-
rieurs)3.2 Exemples de modèles linéaires
Exemple3 (Production de peinture).Une société produit de la peinture d"intérieur et d"extérieur à partir de deux
produits de base M1 et M2.Données
Quantité utilisée
par tonneQuantité disponible par jourExtérieure IntérieureM1 6 4 24
M2 1 2 6Profit par tonne 5 4
Contraintes supplémentaires
Demande maximum en peinture d"intérieur : 2 tonnes / jour . La production en peinture d"intérieur ne dépasser que d"une tonne celle d"e xtérieur.Formulation (Production de peinture)
Alternatives (variables, inconnues du problème) x1=tonnes de peinture d"extérieur
produites par jour x2=tonnes de peinture
d"intérieur produites par jourFonction objectifà optimiser
maxz= 5x1+ 4x2Restrictions (contraintes)
66x1+ 4x224
x1+ 2x26
x 22x 2x11 x 1;x20
Solutions et méthodes de résolution
-Solution admissible :satisfait toutes les contraintes. x1= 3; x2= 1 ()z= 19)
Nous v oulonstrouv erla solution (admissible) optimale.Infinité de solutions admissibles !
Méthodes pour trouver l"optimum
Méthode graphique
Simple xe
( Ellipsoide, points intérieurs )Exemple4 (Diet problem).-On désire déterminer la composition, à coût minimal, d"un aliment pour bétail qui
est obtenu en mélangeant au plus trois produits bruts : orge et arachide. La quantité nécessaire par portion est de 400g. L "alimentainsi f abriquéde vracomporter au moins 30% de protéines et au plus 5% de fibres.Données
Quantité par gramme d"aliment Coût
Aliment Protéines Fibres (EUR / kg)Orge 0.09 0.02 1.5Arachide 0.60 0.06 4.5
Formulation (Diet problem)
Variables
x1=grammes d"orge par portion
x2=grammes d"arachide par portion
Objectif
minz= 0:0015x1+ 0:0045x2Contraintes
Quantité totale :x1+x2400
Protéines :0:09x1+ 0:6x20:3(x1+x2)
Fibres :0:02x1+ 0:06x20:05(x1+x2)
Non-négativité :x1;x20
73.3 Forme standard et forme canonique d"un programme linéaire
Forme standard
Définition5 (Forme standard).Un programme linéaire est sousforme standardlorsque toutes ses contraintes sont
deségalitéset toutes ses variables sont non-négatives.Représentation matricielle
maxcTx s.c.Ax=b x0 nvariables,mcontraintes,m < n,c;x2Rn; b2Rm; A2Rmn.Forme canonique
Définition6 (Forme canonique).Un programme linéaire est sousforme canoniquelorsque toutes ses contraintes
sont desinégalitéset toutes ses variables sont non-négatives.Représentation matricielle
maxcTx s.t.Axb x0 nvariables,mcontraintes,c;x2Rn; b2Rm; A2Rmn.Théorème1 (Equivalence des formes standard et canonique).Tout programme linéaire peut s"écrire sous forme
standard et sous forme canonique.Démonstration.
Une containte d"inég alitéaTxbpeut être transformée en égalité par l"introduction d"unevariable d"écart:
aTx+s=b;
s0: Une contrainte d"ég alitéaTx=bpeut être remplacée par deux inégalités : a Txb aTx b -aTxb, aTx b. -mincTx=maxcTx. V ariablexnon restreinte : substitution par deux variables (partie positive et négative) x=x+x x +;x0: Il existe toujours une solution optimale telle quex+= 0oux= 0.8 Forme standard du problème de production de peinture maxz= 5x1+ 4x2 s:c:6x1+ 4x224 x1+ 2x26
x 22x 2x11 x 1;x20
Forme standard
maxz= 5x1+4x2 s.c.6x1+4x2+s1= 24 x1+2x2+s2= 6
x2+s3= 2
x1+x2+s4= 1 x1; x2; s1; s2; s3; s40
Forme matricielle
maxcTx s.t.Ax=b x0 c=0 BBBBBB@5
4 0 0 0 01 CCCCCCA;x=0
BBBBBB@x
1 x 2 s 1 s 2 s 3 s 41C
CCCCCA;A=0
BB@6 4 1 0 0 0
1 2 0 1 0 0
0 1 0 0 1 0
1 1 0 0 0 11
CCA;b=0
B B@24 6 2 11 C CA Variables pouvant prendre des valeurs négativesExemple5 (Vente de hamburgers).
Un f ast-foodv enddes hamb urgerset des cheeseb urgers.Un hamb urgerutilise 125 g. de viande alors qu"un
cheeseburger n"en utilise que 100 g.Le f ast-fooddémarre chaque journée a vec10 kg de viande mais peut comm anderde la viande supplémentaire
avec un coût additionnel de 2 EUR par kg pour la livraison. Le profit est de 0.02 EUR pour un hamb urgeret 0.015 EUR pour un cheeseb urger.La demande ne dépasse pas 900 sandwiches / jour ,et les surplus de viande sont donnés au Restos du Coeur .
Combien le fast-food doit-il produire de sandwiches de chaque type par jour?Variables
x1=nombre de hamburgers / jourx2=nombre de cheeseburgers / jour
Contraintes
Commande de viande supplémentaire :
125x1+ 100x2+x3= 10000; x3non restreint
Le coût pour la viande supplémentaire apparaît seulement si x3<0. 9 -Substitution de x3 par 2 v ariablesnon-nég atives: x3=x+3x3; x+3;x30
125x1+ 100x2+x+3x3= 10000
Borne supérieure sur les v entes: x1+x2900.
Modèle complet
maxz= 0:02x1+ 0:015x20:002x3 s.c.125x1+ 100x2+x+3x3= 10000 x1+x2900
x1;x2;x+3;x30
Remarque : Il existe une solution optimale telle quex+3= 0oux3= 0.3.4 Résolution de programmes linéaires
3.4.1 Résolution graphique
Représentation graphique(5)
(1) (2) (6)(4) (3)Production de peinture maxz= 5x1+ 4x2 sous les contraintes :6x1+ 4x224(1)
x1+ 2x26(2)
x 22(3)x
2x11(4)
x 10(5) x 20(6) 10Géométrie des solutionsABCD
EFz=10Ensemble des solutions admissibles
Polyèdre (ABCDEF)
Courbes de niveaux de l"objectif
Ensemble de solutions ayant un profit (valeur de l"objectif) donné : intersection entre une droite et le polyèdre.
Amélioration de la solution
Recherche d"une direction dans laquelle le profit z augmente. Résolution graphique (Production de peinture)ABCD E F z=21Recherche de la solution optimale La droite mobile doit g arderune intersection a vecl"ensemble des solutions admissibles.Solution optimale : x1= 3,x2= 1:5(E)
La solution optimale est un sommet du polyèdre. Cette observ ationest la base de l"algorithme du simple xe. 11Résolution graphique (Diet problem)
Diet problem
minz= 0:0015x1+ 0:0045x2 sous les contraintes x1+x2400
0:21x10:30x20
0:03x10:01x20
x 10 x 20Solution optimale
x1=400017
'235:3x2=280017 '164:7z=186170 '1:0943.4.2 La méthode du simplexe
Idées de base
Solution optimale : sommet (point extrême).
Idée fondamentaledusimplexe:déplacementdesommetensommetadjacentdemanièreàaméliorerlafonction
objectif.quotesdbs_dbs12.pdfusesText_18[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
[PDF] cours recherche opérationnelle methode de simplexe