Recherche Opérationnelle

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Recherche Opérationnelle"

Transcription

1 FSTM Recherche Opérationnelle Introduction à la méthode du simplexe Karam ALLALI

2 K. Allali 2

3 Méthode de résolution algébrique : l algorithme du simplexe - Pour des modèles linéaires continus dont les variables sont non négatives et dont les contraintes technologiques sont écrites sous forme d équations (i.e. avec un «=» au lieu d une inégalité du type «<» ou «>») - Remarque : dans le cours, on ne montre pas comment appliquer cette méthode «à la main». Il s agit plutôt de savoir utiliser les résultats dans le cadre d une analyse de sensibilité. Forme générale d un programme linéaire (PL) Max (Min) z = c 1 x 1 + c 2 x c n x n n variables m contraintes Sous les contraintes : a 11 x 1 + a 12 x a 1n x n a 21 x 1 + a 22 x a 2n x n... a m1 x 1 + a m2 x a mn x n x 1, x 2,, x n > 0 = = = b 1 b 2 b m Pour pouvoir utiliser cette méthode lorsque les contraintes comportent des inégalités, il faut introduire de nouvelles variables non négatives. Ces nouvelles variables permettront de transformer le modèle linéaire en un modèle équivalent où toutes les contraintes technologiques sont de type «=». K. Allali 3

4 Transformation d un modèle (PL) en un modèle (PL=) Variable d écart : Pour transformer une contrainte du type «<» en une contrainte du type «=». Quantité qu il faut ajouter au coté gauche de la contrainte pour atteindre l égalité. Variable d excédent : Pour transformer une contrainte du type «>» en une contrainte du type «=». Quantité qu il faut soustraire au coté gauche de la contrainte pour atteindre l égalité. Exemples : Contrainte1 : a 11 x 1 + a 12 x 2 < b 1 Introduction d une nouvelle variable non négative «e 1» : Contrainte 1 : a 11 x 1 + a 12 x 2 + e 1 = b 1 e 1 = b 1 (a 11 x 1 +a 12 x 2 ) (variable d écart) Contrainte2 : a 21 x 1 + a 22 x 2 > b 2 Introduction d une nouvelle variable non négative «e 2» : Contrainte 2 : a 21 x 1 + a 22 x 2 e 2 = b 2 e 2 = a 21 x 1 + a 22 x 2 - b 2 (variable d excédent) K. Allali 4

5 Programme linéaire standard (PLS) (Toutes les contraintes technologiques sont du type <) 1. Transformation du modèle (PLS) en modèle (PLS=) en ajoutant une variable d écart dans chaque contrainte technologique. 2. Obtenir une solution de base admissible initiale. La plus simple : poser x 1 = x 2 =.=x n = 0 (correspond au sommet 0) Ainsi : (x 1 ; x 2 ; ; x n ; e 1 ; e 2 ;. ; e m ) = (0 ; 0 ; ; 0 ; b 1 ; b 2 ; ; b m ) Cette solution ne sera pas probablement pas optimale. On le vérifie en examinant la contribution marginale de chaque variable hors base à la fonction objectif Z (coûts marginaux : c J - z J ). - Pour un problème de maximisation, la solution de base est optimale si tous les coûts marginaux sont < 0. - Pour un problème de minimisation, la solution de base est optimale si tous les coûts marginaux sont > Modifier la solution initiale de façon à se rapprocher de l optimum (augmenter ou diminuer Z selon qu on veut maximiser ou minimiser). L algorithme du simplexe est un procédé par itérations. Chaque itération correspond au passage d un sommet à un autre sommet qui lui est adjacent. K. Allali 5

6 Exemple Fonderie Rivière-bleue Variables de décision : x 1 = quantité de tuyauterie traitée (en tonnes) x 2 = quantité de gueuse traitée (en tonnes) Objectif : Maximiser le profit Max z = 1000x x 2 Sous les contraintes : (1) 10x 1 + 5x 2 < 200 (ébarbage) (2) 2x 1 + 3x 2 < 60 (peinture) (3) x 1 < 34 (demande tuyauterie) (4) x 2 < 14 (demande gueuses) x 1, x 2 > 0 (non négativité) Notez qu il s agit bien d un programme linéaire standard car toutes les contraintes technologiques sont du type «<». Résolution graphique : (1) 45 fonderie bleue (3) 35 x2 (2) (4) x1 K. Allali 6

7 Résolution algébrique : (selon méthode du simplexe) 1. Transformation du modèle (PLS) en (PLS=) Max z = 1000x x 2 Sous les contraintes : (1) 10x 1 + 5x 2 + e 1 = 200 (2) 2x 1 + 3x 2 + e 2 = 60 (3) x 1 + e 3 = 34 (4) x 2 + e 4 = 14 x 1, x 2, e 1, e 2, e 3, e 4 > 0 (Interprétation concrète des variables d écart dans le contexte.) 2. Déterminer une solution de base admissible initiale et construire le tableau initial: Poser x 1 = 0 et x 2 = 0 e 1 = 200 ; e 2 = 60 ; e 3 = 34 ; e 4 = 14 Tableau initial du simplexe : Tableau no. 0 (correspond au sommet (0,0)) BASE Coeff Variable x 1 x 2 e 1 e 2 e 3 e 4 valeur 0 e e e e z J Coût marginal c J - z J K. Allali 7

8 3. Déterminer s il s agit d une solution optimale : La solution de base admissible initiale n est pas optimale car z = 0. On peut aussi constater qu il existe des coûts marginaux c J z J positifs. Par exemple : - si on augmente x 1 d une unité et qu on laisse les autres variables fixes, cela se traduira par une augmentation de z de 1000 unités. - si on augmente x 2 d une unité et qu on laisse les autres variables fixes, cela se traduira par une augmentation de z de 1200 unités. Nous n entrons pas dans les détails de calcul de la méthode du simplexe dans le cours. Selon cette méthode, une nouvelle variable doit remplacer une des anciennes variables de la base, à chaque itération. Le tableau du simplexe sera recalculé à chaque étape. Le processus continuera jusqu à l obtention d une solution optimale. Tel que mentionné, chaque itération correspond au passage d un sommet de la région admissible à un autre sommet qui lui est adjacent. Les logiciels spécialisés en programmation linéaire sont programmés pour effectuer tous les calculs intermédiaires. La solution sera donnée dans le tableau final du simplexe. K. Allali 8

9 Voici, à titre indicatif, la séquence des tableaux correspondant à chaque itération pour l exemple Fonderie Rivière-Bleue: Seuls le tableau initial et le tableau final seront étudiés dans le cadre du cours. K. Allali 9

10 Reprenons le tableau final : correspond au sommet C : (15 ; 10) BASE Coeff Variable x 1 x 2 e 1 e 2 e 3 e 4 Valeur 0 e ,10-0, x ,15-0, e ,15 0, x ,10 0, z J c J - z J Solution : (15 ; 10 ; 0 ; 0 ; 19 ; 4) z = Les coûts marginaux des variables hors base e 1 et e 2 sont négatifs. Toute augmentation de ces variables résulterait en une diminution de Z. La solution est donc optimale. Plan optimal de production: 15 tonnes de tuyauterie 10 tonnes de gueuses Profit correspondant : 27000$ Contraintes : (1) e 1 = 0 L atelier d ébarbage est utilisé à pleine capacité. (2) e 2 = 0 L atelier de peinture est utilisé à pleine capacité. (3) e 3 = 19 Il manque 19 tonnes de tuyauterie pour satisfaire la demande maximale. (4) e 4 = 4 Il manque 4 tonnes de gueuses pour satisfaire la demande maximale. K. Allali 10

11 Analyse post-optimale : Qu advient-il de la solution optimale si on modifie la valeur des coefficients de la fonction objectif ou des contraintes? Revenons à l exemple Fonderie Rivière-Bleue et essayons de voir graphiquement ce qui se passe lorsqu on modifie les coefficients. Max z = 1000x x 2 sc. (1) 10x 1 + 5x 2 < 200 (ébarbage) x 1, x 2 > 0 (2) 2x 1 + 3x 2 < 60 (peinture) (3) x 1 < 34 (demande tuyauterie) (4) x 2 < 14 (demande gueuses) (non négativité) (1) 45 fonderie bleue (3) 35 x2 (4) (2) x1 K. Allali 11

12 Méthode algébrique : Modification du coefficient c 1 : c 1 = BASE Coeff Var x 1 x 2 e 1 e 2 e 3 e 4 valeur 0 e ,10-0, x ,15-0, e ,15 0, x ,10 0, z J c J - z J z J c J - z J K. Allali 12

13 Modification du coefficient c 2 : c 2 = BASE Coeff Var x 1 x 2 e 1 e 2 e 3 e 4 valeur 0 e ,10-0, x ,15-0, e ,15 0, x ,10 0, z J c J - z J z J c J - z J K. Allali 13

14 Modification du coefficient b 1 : b 1 = Contrainte de forme < et e 1 hors base. BASE Coeff Var x 1 x 2 e 1 e 2 e 3 e 4 valeur 0 e ,10-0, x ,15-0, e ,15 0, x ,10 0, z J c J - z J K. Allali 14

15 Modification du coefficient b 4 : b 4 = 14 + Contrainte < et e 4 dans la base. BASE Coeff Var x 1 x 2 e 1 e 2 e 3 e 4 valeur 0 e ,10-0, x ,15-0, e ,15 0, x ,10 0, z J c J - z J K. Allali 15

16 CAS GÉNÉRAL : Effet d une modification d un coefficient sur le tableau final du simplexe. 1. Modification d un coefficient c j dans la fonction objectif z. a) Modification du c j d une variable originale hors base : - Dans la ligne supérieure du tableau final, remplacer le coefficient c j par c j = c j +. - La modification apportée au tableau n affectera qu une seule autre entrée, celle du coût marginal de x j. Calculer ce coût marginal c j z j. - S il s agit d un problème de maximisation, la solution admissible de base restera optimale si c j z j < 0. - S il s agit d un problème de minimisation, la solution admissible de base restera optimale si c j z j > 0. (remarque : si le coût marginal d une variable hors base est nul, il existe une infinité de solutions) b) Modification du c j d une variable originale de base : - Dans la ligne supérieure du tableau final et dans la colonne des coefficients des variables de base du tableau final, remplacer le coefficient c j par c j = c j +. - La modification apportée au tableau affectera tous les coûts marginaux des variables hors base. Calculer les nouveaux z j et les nouveaux coûts marginaux c j z j. - S il s agit d un problème de maximisation, la solution admissible de base restera optimale si c j z j < 0. - S il s agit d un problème de minimisation, la solution admissible de base restera optimale si c j z j > 0. K. Allali 16

17 2. Modification du coefficient b i d une contrainte a) Contrainte de signe «<» : b i = b i + Variable e i hors base : Dans le tableau final, ajouter une colonne associée à à droite de la colonne «Valeur». Les entrées de cette colonne sont identiques à celles de e i. Les modifications apportées n affectent pas les coûts marginaux. Toutefois, les valeurs de certaines variables de bases pourraient changer. Déduire les équations d ajustement à partir des lignes du tableau modifié et recalculer la valeur des variables de base tout en s assurant de la non négativité de ces variables (b i doit rester dans un certain intervalle de variation. En dehors de cet intervalle, il faudrait utiliser un nouveau tableau optimal). Variable e i dans la base : Même principe sauf qu il n y aura qu une seule équation d ajustement. Si b i demeure dans son intervalle de variation, la base optimale et sa solution restent inchangées. b) Contrainte de signe «>» : attention : b i = b i - On a recours au signe «-» de façon à ce que les entrées de la colonne associée à dans le tableau final demeurent identiques aux entrées de la colonne e i. Pour le reste : mêmes indications que les cas précédents. K. Allali 17

18 Exercices S1) Ecrivez le problème PL suivant sous forme standard avec des M.d.D. non négatifs: Max z = 2x x x 3 s. c. x1 + x2 x3 5 ( 1) 6x1 + 7x2 9x3 4 ( 2) x1 + x2 + 4x3 = 10 ( 3) x1, x2 0 x sans restriction 3 Formulez son dual. S2) Considérons l ensemble de contraintes suivant: x x 2 + 3x x x 1 - x 2 + x x x x 2 - x 3 + x 4 10 Résolvez par la méthode du simplexe le problème obtenu lorsque la fonction objectif est donnée par: a) max z = 2x 1 + x 2-3x 3 + 5x 4 b) max z = - 2x 1 + 6x 2 + 3x 3-2x 4 c) max z = 3x 1 - x 2 + 3x 3 + 4x 4 d) min z = 5x 1-4x 2 + 6x 3 + 8x 4 e) min z = 3x 1 + 6x 2-2x 3 +4x 4 S3) Résolvez le problème suivant par la méthode du simplexe max z = 5x 1 + 4x 2 + 3x 3 s.c. 2 x x 2 + x x 1 + x x x x x 3 8 x 1, x 2, x 3 0 K. Allali 18

19 S4) Résolvez le problème suivant par simple inspection, puis par la méthode du simplexe max z = 5 x 1-6 x x 3-5 x x 5 s.c. x + 3x + 5x + 6x + 3x 90 x j S5) Résolvez le problème suivant par la méthode du simplexe : On doit organiser un pont aérien pour transporter 1600 personnes et 90 tonnes de bagages. Les avions disponibles sont de deux types: 12 du type A et 9 du type B. Le type A peut transporter, à pleine charge, 200 personnes et 6 tonnes de bagages. Le type B, 100 personnes et 6 tonnes de bagages. La location d un avion du type A coûte F; la location d un avion du type B coûte F. S6) Les dictionnaires ci-dessous ont été obtenus après exécution de quelques itérations de la méthode du simplexe sur différents problèmes. Quelles conclusions pouvez-vous tirer sur base de l information contenue dans ces dictionnaires? Les conclusions possibles sont par exemple:. la solution courante est optimale, et vaut...;. le problème est non borné parce que...;. le problème est non réalisable parce que...;. la solution courante n est pas optimale; dans ce cas, calculez la solution optimale. a) min z s. c. z x1 5x5 = 12 3x1 + x2 + 5x4 = 3 x1 + x3 + x4 4x5 = 6 4x1 x5 + x6 = 4 x, x, x, x, x, x K. Allali 19

20 b) max z s. c. z + x1 x4 2x5 = 20 3x1 + x2 5x4 = 3 x1 + x3 + 2x4 x5 = 6 4x1 2 x5 + x6 = 4 x, x, x, x, x, x c) max z s.c. z 5x2 + 3x5 = 12 2 x2 + x3 2x5 = 4 x1 x2 3x5 = 2 x2 + x4 x5 = 3 x, x, x, x, x K. Allali 20

21 Dualité & Sensibilité DS1) Suite de l exercice S6a). Quel est le coût réduit de chacune des variables du problème? DS2) Suite de l exercice S3). a) Si le coefficient de la variable x 2 dans la fonction objectif augmentait de 2 unités, quel serait l effet produit sur la solution optimale et la valeur optimale du problème? Et si cette augmentation était de 4 unités? b) Quel est le coût réduit de chacune des variables du problème? c) Quel est le prix dual de chacune des contraintes d inégalité du problème? DS3) Considérons le programme linéaire suivant, exprimé sous forme standard: min z = 2x 1 + x 2 s.c. 3x1 + x2 x3 = 3 4x1 + 3x2 x4 = 6 x1 + 2x2 + x5 = 3 x, x, x, x, x a) Calculer le dictionnaire associé à la base B définie par les variables de base x 1, x 2, x 5. 3 / 5 1 / 5 0 B 1 = 4 / 5 3 / b) La solution de base associée à B est-elle réalisable et optimale? DS4) Soit le problème (P): max z = 2x 1 + 4x 2 + 4x 3-3x 4 K. Allali 21

22 s. c. x + x + x = x + 4x + x = x, x, x, x La base optimale de (P) est B = et son inverse 0 1/ 4 B 1 = 1 1/ 4 a) Formulez le problème dual de (P). b) Sur base des informations fournies (et donc, sans utiliser la méthode du simplexe ni la méthode graphique), calculez la solution optimale de (P) et celle de son dual. Expliquez la méthode que vous utilisez. c) Si la fonction objectif de (P) est remplacée par max z = 3x 1 + 4x 2 + 4x 3-3x 4, la base B donnée ci-dessus reste-t-elle optimale? Justifiez votre réponse. DS5) Soit le problème suivant (P): max z = 100x x x 3 s. c. 5x1 + x2 + x3 + s1 = 25 ( 1) x1 + 2x2 + x3 + s2 = 25 ( 2) x1 + x2 + x3 + s3 = 10 ( 3) x1 + x2 + 5x3 + s4 = 50 ( 4) x, s 0 La base optimale de (P) est K. Allali 22

23 B = avec B = a) Ecrivez le dual de (P) b) Quelle est la solution optimale du programme (P) et celle de son dual? c) Dans quel intervalle peut varier le membre de droite de la contrainte (2) sans affecter l optimalité de B? DS6) Soit le problème de programmation linéaire max z = 60x x x 3 s. c. 8x + 6x + x 48 ( 1) x + 2x + 1, 5x 20 ( 2) x + 1, 5x + 0, 5x 8 ( 3) x, x, x La résolution de ce problème par la méthode du simplexe permet de calculer la base optimale B = 4 1, , , 5 1, 5 et son inverse B 1 = a) Calculez la solution optimale et la valeur optimale du problème. b) Calculez et interprétez le prix dual de la contrainte (2). DS7) Soit le problème de programmation linéaire max z = 30 x x 2 K. Allali 23

24 s. c. 5x + 4x 400 ( 1) x x, x, 1 2 x 2 60 ( 2) 75 ( 3) 0 a) Résolvez le problème graphiquement. b) Sur base de a), déterminez la base optimale B. c) Pourrait-on déduire les prix duaux sur base de cette information? DS8) Soit le problème de programmation linéaire (P): min z = 500x x x x x 5 s. c. x + x + x x + 4x + x + 3x x, x, x, x, x A l optimum de (P), on a x 1 = x 2 = x 3 = x 5 = 0 a) Trouvez la solution optimale et la matrice de base optimale pour (P). b) A partir de la matrice de base, calculez la valeur optimale des variables duales. c) Ecrivez le problème dual de (P). DS9) Soit le problème de programmation linéaire max z = 4x 1 + 5x 2 + 6x 3 3x1 + 4x2 + 5x3 11 s. c. x1, x2, x3 0 a) Formulez le dual et résolvez-le (par inspection) b) Utilisez a) et le théorème de dualité forte pour résoudre le primal. DS10) Soit le problème de programmation linéaire: K. Allali 24

25 min z = 2x 1 + 3x 2 s. c. 2x + 3x 30 x x 1 2 x, x, + 2x x K. Allali 25

26 Son dual s écrit max w = 30y y 2 s. c. 2y + y + y 2 3y + 2y y 3 y y , y Déterminez si les solutions suivantes sont réalisables et optimales: a) ( x 1 = 10, x 2 = 10/3; y 1 = 0, y 2 = 1, y 3 = 1) b) (x 1 = 20, x 2 = 10; y 1 = 1, y 2 = 4, y 3 = 0) c) (x 1 = 10/3, x 2 = 10/3; y 1 = 0, y 2 = 5/3, y 3 = 1/3) DS11) Considérons le programme linéaire suivant max z = 5x 1 + 2x 2 + 3x 3 s. c. x + 5x + 2x = x 5x 6x x, x, x La solution optimale est donnée par le dictionnaire final max z z + 23x2 + 7x3 = 150 x1 + 5x2 + 2x3 = 30 s. c. 10x2 8x3 + s2 = 10 x, s 0 a) Ecrivez le problème dual associé. b) Déterminez la matrice de base optimale B. Déduisez-en la solution optimale du dual. c) Dans quel intervalle peut varier c 1 (idem c 2, c 3 ) sans affecter l optimalité de la solution? K. Allali 26

27 d) Dans quel intervalle peut varier b 1 (idem b 2 ) sans affecter l optimalité de la base B? e) Déterminez les prix duaux. DS12) Considérons le problème de l exercice DS11. a) Supposons que le M. de D. des contraintes devienne (30 + θ, 40 - θ), où θ est un paramètre non négatif. Déterminez les valeurs de θ pour lesquelles la base B reste optimale. b) Pour chacune des fonctions objectif suivantes, trouvez la nouvelle solution optimale en utilisant la procédure d analyse de sensibilité. i) max z = 12x 1 + 5x 2 + 2x 3 ii) min z = 2x 2-5x 3 DS13) Voici la formulation d un petit problème de transport impliquant 3 entrepôts et 2 clients: min z = 3x x x 21 + x x x 32 x11 + x12 60 x 21 + x x 31 + x s. c x11 + x 21 + x 31 = 90 x12 + x 22 + x 32 = 60 x, x, x, x, x, x (remarquez que le problème est non équilibré). Ce problème a été mis sous forme standard en introduisant des variables d écart s 1, s 2 et s 3 dans les trois premières contraintes, puis résolu par un logiciel utilisant la méthode du simplexe. Voici quelques informations sur la solution optimale: les variables en base à l optimum sont x 11, x 12, x 22, x 31 et s 1 ; le coût réduit de x 21 et celui de x 32 sont égaux à 2; les prix duaux des contraintes sont donnés par (y 1, y 2, y 3, y 4, y 5 ) = (0, -1, -1, 3, 2). a) Mettez le problème sous forme standard (comme suggéré ci-dessus) et formulez son problème dual. b) Utilisez l information donnée plus haut pour calculer la solution optimale du problème et le coût de transport correspondant. K. Allali 27

28 c) Si le coût unitaire de transport entre l entrepôt 2 et le client 1 diminuait de 1 unité (passant ainsi de 4 à 3), quelle serait l incidence de ce changement sur la solution optimale et la valeur optimale calculées précédemment? d) Le gestionnaire du troisième entrepôt s aperçoit qu il a commis une erreur en évaluant ses stocks: il possède en fait 55 unités en stock. En supposant que la base optimale ne soit pas affectée, quel sera l effet de cette correction sur le coût de transport optimal? K. Allali 28

29 Solutions des exercices S2) d) Solution optimale: (z *, x *, s * )=(-40/3, 0, 10/3, 0, 0, 68/3, 34/3, 0). S3) Solution optimale: (z *, x *, s * )=(13, 2, 0, 1, 0, 1, 0). S4) Solution optimale: (z *, x *, s * )=(450, 90, 0, 0, 0, 0, 0). S5) Solution optimale: (z *, x *, s * )=(4600, 7/2, 9, 0, 22, 17/2, 0). S6) a) Il existe une infinité de solutions optimales; b) Dictionnaire non optimal; c) Dictionnaire non optimal. DS1) Coût réduit de x 1 =1, de x 5 =5; les autres sont nuls. DS2) a) i)pas de changement; ii) x 2 peut entrer en base. Nouvelle solution optimale: (z *, x *, s * )=(14, 0, 1, 2, 0, 6, 0); b) Coût réduit de x 2 =3; c) Prix duaux=1, 0, 1 resp. DS3) b) Oui. DS4) b) x * =(0, 2, 2, 0), y * =(4, 0); c) Oui. DS5) b) (x *, s * )=(15/4, 25/4, 0, 0, 35/4, 0, 40), y * =(25/2, 0, 75/2, 0); c) [65/4, + [. DS6) a) (z *, x * )=(280, 2, 0, 8, 24, 0, 0); b) y 2 * =10. DS7) b) x B =(x 1, x 2, s 3 ); c) y * =(5, 5, 0). DS8) a) x 4 * =150, s 1 * =0, s 2 * =0; b) y * =(300,0). DS9) a) y * =4/3; b) x 1 * =11/3. DS10) a) Réalisables; b) Pas réalisables; c) Réalisables et optimales. DS11) b) y * =(5, 0); c) c 1 [3/2, + [, c 2 ]-, 25], c 3 ]-,10]; d) b 1 [0, 40], b 2 [30, + [. DS12) a) θ [0,5]; b) i) La solution optimale est inchangée; ii) Faire entrer x 3 en base. DS13) b) z * =290, x B * =(40, 10, 50, 50, 10); c) Pas de changement; d) Valeur optimale: 285. K. Allali 29

INTRODUCTION A LA RECHERCHE OPERATIONNELLE RECUEIL D EXERCICES

INTRODUCTION A LA RECHERCHE OPERATIONNELLE RECUEIL D EXERCICES 1 INTRODUCTION A LA RECHERCHE OPERATIONNELLE RECUEIL D EXERCICES Année académique 2002-2003 Yves CRAMA 2 Méthode du Simplexe S1) Ecrivez le problème PL suivant sous forme standard avec des M.d.D. non négatifs:

Plus en détail

IV. PROGRAMMATION LINEAIRE. Forme standard Résolution graphique Définitions et théorèmes Algorithme du simplexe Dualité Approches non linéaires

IV. PROGRAMMATION LINEAIRE. Forme standard Résolution graphique Définitions et théorèmes Algorithme du simplexe Dualité Approches non linéaires Forme standard Résolution graphique Définitions et théorèmes Algorithme du simplexe Dualité Approches non linéaires IV.1 Forme standard (1) Minimiser avec Il est toujours possible de revenir à la forme

Plus en détail

Optimisation linéaire

Optimisation linéaire Cours 1 Optimisation linéaire L optimisation linéaire est un domaine de la recherche opérationnelle. Elle consiste à modéliser des problèmes de recherche opérationnelle à l aide d inégalités linéaires

Plus en détail

Moca B2. v1.00. Kevin DEHLINGER

Moca B2. v1.00. Kevin DEHLINGER Moca B2 v1.00 Kevin DEHLINGER http://dev.pulsed.net/wp 200 Table des matières Chapitre 1 : Programmation linéaire... 4 1) Exemple... 4 2) Méthode graphique... 5 3) Méthode algébrique... 6 4) Méthode algébrique

Plus en détail

Modèle dual. Programmation linéaire (dualité et analyse de sensibilité) Dualité : exemple Wyndor Glass. Modèle dual (suite)

Modèle dual. Programmation linéaire (dualité et analyse de sensibilité) Dualité : exemple Wyndor Glass. Modèle dual (suite) Modèle dual Modèles de recherche opérationnelle (RO Programmation linéaire (dualité et analyse de sensibilité Variables de décision : y i = prix ($/h pour louer du temps à l usine i Dual Glass cherche

Plus en détail

La dualité en programmation linéaire

La dualité en programmation linéaire La dualité en programmation linéaire Motivation : recherche de bornes Dual d un problème canonique Règles de dualisation Théorèmes de dualité faible et forte Théorèmes des écarts complémentaires Interprétation

Plus en détail

Méthode du simplexe Analyse algébrique

Méthode du simplexe Analyse algébrique Analyse algébrique Illustration des théorèmes On reprend l exemple des ceintures de cuir, c- à-d maximiser z, avec : z = 4x + 3x 2 x + x 2 + s = 40 2x + x 2 + s 2 = 60 x, x 2, s, s 2 0 Solution optimale

Plus en détail

Programmation Linéaire : Résumé examen janvier 08

Programmation Linéaire : Résumé examen janvier 08 Programmation Linéaire : Résumé examen janvier 08 Introduction aux problèmes linéaires On nous donne un problème industriel, il faut le modéliser en problème linéaire afin de le résoudre et de trouver

Plus en détail

Devoir de vacances de Programmation Linéaire

Devoir de vacances de Programmation Linéaire Université Paris Institut Galilée INFO - MI Année - Devoir de vacances de Programmation Linéaire Correction À faire pour le Janvier Soit le programme linéaire : P max 6x + x s.c x + x x + x x + x x + x

Plus en détail

se trouve en un sommet de l ensemble convexe des solutions admissibles K = {x 0 Ax =

se trouve en un sommet de l ensemble convexe des solutions admissibles K = {x 0 Ax = Chapitre 3 Méthode du simplexe Comme toujours, on suppose que A une matrice de format m n et b R m. On notera les colonnes de A par [a 1, a 2,..., a n ]. Aussi, on fera l hypothèse que le rang de la matrice

Plus en détail

IFT 1575 Examen intra

IFT 1575 Examen intra Hiver 2010 IFT 1575 Examen intra 20 points) Répondez par vrai ou faux aux affirmations suivantes. Si la réponse est faux, corrigez l assertion. a) La solution optimale si elle existe) d un problème non-linéaire

Plus en détail

Master 1 Maths correction de l examen cc1 d optimisation

Master 1 Maths correction de l examen cc1 d optimisation Master 1 Maths 2013-2014 correction de l examen cc1 d optimisation Exercice 1 Résolution d un.l. par l algorithme du simplexe Dans cet exercice l algorithme du simplexe utilisera la stratégie suivante

Plus en détail

Optimisation Linéaire - TD 2 (Corrigé)

Optimisation Linéaire - TD 2 (Corrigé) Optimisation Linéaire - TD (Corrigé) Exercice 1 : Mise sous forme canonique Mettre les problèmes linéaires suivants sous forme canonique. Problème 1 : max 3x 1 x + x 3 (1) 5x 1 + x + x 3 5 () 3x 1 4x =

Plus en détail

Optimisation linéaire

Optimisation linéaire Optimisation linéaire Recherche opérationnelle GC-SIE La dualité 1 Introduction Un original offre à un alpiniste un prix lié à l altitude qu il peut atteindre : 1F / mètre. Cependant, il lui impose de

Plus en détail

Recherche Opérationnelle

Recherche Opérationnelle Chapitre : Programmation linéaire (Partie : Un problème d optimisation linéaire en dimension supérieure) Vendredi 13 Novembre 015 Sommaire 1 Problème de transport 3 Plan 1 Problème de transport 3 Problème

Plus en détail

Exercice de recherche opérationnelle

Exercice de recherche opérationnelle Exercice de recherche opérationnelle Problème de transfèrement Marc Roelens Corrigé 1 Rappel du problème Une matière première se trouvée stockée dans 5 dépôts situés à Dunkerque (50 tonnes disponibles),

Plus en détail

Unité d Enseignement RCP101 : Recherche Opérationnelle et Aide à la Décision. Cours 5 Programmation linéaire (suite)

Unité d Enseignement RCP101 : Recherche Opérationnelle et Aide à la Décision. Cours 5 Programmation linéaire (suite) Unité d Enseignement RCP101 : Recherche Opérationnelle et Aide à la Décision Cours 5 Programmation linéaire (suite) Conservatoire National des Arts et Métiers E. Soutil 2 UE RCP101 Recherche Opérationnelle

Plus en détail

IFT 1575 MODÈLES DE RECHERCHE OPÉRATIONNELLE. Analyse de sensibilité

IFT 1575 MODÈLES DE RECHERCHE OPÉRATIONNELLE. Analyse de sensibilité IFT 1575 MODÈLES DE RECHERCHE OPÉRATIONNELLE Analyse de sensibilité L analyse de sensibilité permet d évaluer la sensibilité de la solution optimale quand certains paramètres changent de valeur. Exemples:

Plus en détail

1 Programmation linéaire

1 Programmation linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2012 2013 Master d économie Cours de M. Desgraupes Méthodes Numériques Document 4 : Corrigé des exercices d optimisation linéaire

Plus en détail

Programmation linéaire

Programmation linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2012 2013 Master d économie Cours de M. Desgraupes Méthodes Numériques Document 1 : Programmation linéaire 1 Programmation linéaire

Plus en détail

Programmation Linéaire - Cours 5

Programmation Linéaire - Cours 5 Programmation Linéaire - Cours 5 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Sommaire Algorithme du simplex dual 1 Algorithme du simplex dual 2 3 4 Changement

Plus en détail

Programmation linéaire. Nazih Abderrazzak Gadhi

Programmation linéaire. Nazih Abderrazzak Gadhi Programmation linéaire Nazih Abderrazzak Gadhi Forme standard d un programme linéaire La forme standard d un programme linéaire (P) est : Fondements de la programmation linéaire Nazih Abderrazzak Gadhi

Plus en détail

Chapitre 4 : Dualité en programmation linéaire

Chapitre 4 : Dualité en programmation linéaire Graphes et RO TELECOM Nancy 2A Chapitre 4 : Dualité en programmation linéaire J.-F. Scheid 1 Plan du chapitre 1 Introduction et définitions 2 Propriétés et Théorèmes de dualité 3 Conditions d optimalité

Plus en détail

Programmation linéaire

Programmation linéaire Université Mohamed premier Faculté pluridisciplinaire Nador Programmation linéaire Présenté par: Encadré par: EL OSROUTI MOHAMMED MR.SAADI ZOUGAGH SOUFYANE DALALI ABDELMAJID Anneé universitaire:2015/2016

Plus en détail

Programmation linéaire. Nazih Abderrazzak Gadhi

Programmation linéaire. Nazih Abderrazzak Gadhi Programmation linéaire Nazih Abderrazzak Gadhi PROGRAMMATION LINEAIRE ET EXCEL Le solveur d'excel est un outil puissance d'optimisation et d'allocation de ressources. En résumé, il permet de trouver le

Plus en détail

Introduction à l optimisation discrète

Introduction à l optimisation discrète Ecole Nationale Supérieure de Techniques Avancées (ENSTA) -http://www.ensta.fr Adam Ouorou France Télécom Division R&D ENSTA - Mars 2006 Plan 1 Ecole Nationale Supérieure de Techniques Avancées (ENSTA)

Plus en détail

fonctions homographiques

fonctions homographiques fonctions homographiques Table des matières 1 aspect numérique et algébrique 3 1.1 activités.................................................. 3 1.1.1 activité 1 : différentes écritures.................................

Plus en détail

Introduction à l optimisation et la recherche opérationnelle ( )

Introduction à l optimisation et la recherche opérationnelle ( ) Solution de la question 1: 1. Le domaine admissible est représenté en gris sur la Figure 1. La solution optimale correspond au sommet D (9,0). La fonction objective vaut alors -27. x 2 7 6 B 5 4 3 A c

Plus en détail

x 2 ii < 0]. Cette constatation est générale ; f L = b q L q x i

x 2 ii < 0]. Cette constatation est générale ; f L = b q L q x i La théorie de la production La production d une entreprise, d une branche ou d une nation est souvent exprimée par une fonction de production S il y a un seul output on peut écrire: q = f(x, x,, x r )

Plus en détail

Fascicule de TD Macroéconomie Monétaire

Fascicule de TD Macroéconomie Monétaire Licence M.A.S.S Semestre 2 Année Universitaire 2008-2009 Fascicule de TD Macroéconomie Monétaire Equipe pédagogique : N. Marchand, Z. Ftiti -1- LISTE DES EXPOSES 1. A l aide du modèle IS/LM analysez les

Plus en détail

Solution de base dégénérée. 3B.1 Des itérations qui laissent la valeur de z inchangée

Solution de base dégénérée. 3B.1 Des itérations qui laissent la valeur de z inchangée 3B Solution de base dégénérée 3B.1 Des itérations qui laissent la valeur de z inchangée Les deux itérations du modèle (FRB) décrites dans la section 3.3.6 correspondent au passage du point O au point A,

Plus en détail

LA PROGRAMMATION LINEAIRE : RESOLUTION ANALYTIQUE

LA PROGRAMMATION LINEAIRE : RESOLUTION ANALYTIQUE LA PROGRAMMATION LINEAIRE : RESOLUTION ANALYTIQUE Dans cette leçon, nous abordons un algorithme de résolution d'un problème de programmation linéaire : l'algorithme du simplexe. Nous le présentons d'abord

Plus en détail

LA METHODE DE L'IMPUTATION RATIONNELLE DES CHARGES DE STRUCTURE. Imputation des charges de structure au niveau d'activité. TABLE DES MATIERES

LA METHODE DE L'IMPUTATION RATIONNELLE DES CHARGES DE STRUCTURE. Imputation des charges de structure au niveau d'activité. TABLE DES MATIERES LA METHODE DE L'IMPUTATION RATIONNELLE DES CHARGES DE STRUCTURE Objectif(s) : o Pré requis : o Modalités : o o o o Imputation des charges de structure au niveau d'activité. Analyse des charges par variabilité.

Plus en détail

La notion de lexique : autres exemples

La notion de lexique : autres exemples A n n e x e 3G La notion de lexique : autres exemples 3G.1 Un problème de planification à trois produits Dans cette annexe, nous donnons d autres exemples de la notion d amélioration marginale, notion

Plus en détail

Chapitre 12 : Le travail comme facteur de production

Chapitre 12 : Le travail comme facteur de production Exercice 3 : Chapitre 12 : Le travail comme facteur de production Une usine produisant des gobelets en bambou engage votre équipe de consultance afin d étudier le nombre optimal d heures de travail qu

Plus en détail

EXERCICES FLOTS. Péniches. Bande Transporteuse

EXERCICES FLOTS. Péniches. Bande Transporteuse MODÉLISATION POUR L AIDE À LA DÉCISION Vincent Mousseau EXERCICES FLOTS. Exercice 1 : On s intéresse à l acheminement de charbon dans quatre centrales de production d électricité (C 1, C 2, C 3 et C 4

Plus en détail

Optimisation Linéaire

Optimisation Linéaire Optimisation Linéaire Cours 2 : algorithme du simplexe Adrien Goëffon Bureau H207 / adrien.goeffon@univ-angers.fr Algorithme du simplexe On souhaite résoudre le programme linéaire suivant (ici sous forme

Plus en détail

Programmation linéaire

Programmation linéaire Programmation linéaire Pierre Coupechoux Nicolas Jozefowiez 12 octobre 2015 Quelques exemples Exemple 1 : problème de production Exemple 2 : problème de transport Exemple 3 : Planification Pierre Coupechoux

Plus en détail

Unité d Enseignement RCP101 : Recherche Opérationnelle et Aide à la Décision. Cours 6 Programmation linéaire (suite) - Dualité

Unité d Enseignement RCP101 : Recherche Opérationnelle et Aide à la Décision. Cours 6 Programmation linéaire (suite) - Dualité Unité d Enseignement RCP0 : Recherche Opérationnelle et Aide à la Décision Cours 6 Programmation linéaire (suite) - Dualité Conservatoire National des Arts et Métiers E. Soutil 2 UE RCP0 Recherche Opérationnelle

Plus en détail

Dualité en Programmation Linéaire Algorithmes primal et dual du simplexe. Alain Faye Option 3A Optimisation 1

Dualité en Programmation Linéaire Algorithmes primal et dual du simplexe. Alain Faye Option 3A Optimisation 1 Dualité en Programmation Linéaire lgorithmes primal et dual du simplee lain Fae Option 3 Optimisation Dualité lagrangienne Dualité lagrangienne Problème Primal min f() s.c. g i, i =,, m X &h j () =, j

Plus en détail

Dualité en Programmation Linéaire Algorithmes primal et dual du simplexe. Alain Faye Option 3A Optimisation 1

Dualité en Programmation Linéaire Algorithmes primal et dual du simplexe. Alain Faye Option 3A Optimisation 1 Dualité en Programmation Linéaire lgorithmes primal et dual du simplee lain Fae Option 3 Optimisation Dualité lagrangienne Dualité lagrangienne Problème Primal min f() s.c. g i, i =,, m X &h j () =, j

Plus en détail

INF1130 SESSION H13 : SOLUTIONS du DEVOIR 2

INF1130 SESSION H13 : SOLUTIONS du DEVOIR 2 INF1130 SESSION H13 : SOLUTIONS du DEVOIR Question 1 sur l induction (30 points) a) Utilisez le principe d induction pour montrer que pour tout entier n 0 (n + 1) 1 est divisible par 8. Cas de base : si

Plus en détail

Recherche Opérationnelle I

Recherche Opérationnelle I 1 Recherche Opérationnelle I Nadia Brauner Nadia.Brauner@imag.fr Dualité Dualité Plan 1 Illustration économique 2 Comment prouver l optimalité? 3 Écrire le dual 4 Propriétés 3 Dualité Nouveau concept en

Plus en détail

Formation CNAM 1. Plan du chapitre 4 Principes de base de la PL. 1. Introduction à la Programmation Linéaire. Exemple d un modèle de PL

Formation CNAM 1. Plan du chapitre 4 Principes de base de la PL. 1. Introduction à la Programmation Linéaire. Exemple d un modèle de PL Optimisation en Informatique RCP04 Cours 3 Principes de base de la Programmation Linéaire (PL) Plan du chapitre 4 Principes de base de la PL. Introduction à la programmation linéaire. Modélisation de problèmes

Plus en détail

Programmation Linéaire (PLRO) et Recherche Opérationnelle

Programmation Linéaire (PLRO) et Recherche Opérationnelle Feuille 0 Programmation Linéaire et Recherche Opérationnelle Travaux Dirigés Alexandre Tessier Alexandre.Tessier@lifo.univ-orleans.fr Université d Orléans UFR Sciences Département d informatique L3 STIC

Plus en détail

Recherche Opérationnelle I

Recherche Opérationnelle I Recherche Opérationnelle I Nadia Brauner Nadia.Brauner@imag.fr Programmation linéaire Programmation linéaire Plan 1 Introduction à la programmation linéaire 2 Interprétation géométrique 3 Bases et points

Plus en détail

Cours de mathématiques - Alternance Gea Programmation linéaire à plusieurs variables

Cours de mathématiques - Alternance Gea Programmation linéaire à plusieurs variables Cours de mathématiques - Alternance Gea Programmation linéaire à plusieurs variables Anne Fredet 2 janvier 2006 Définitions Définition. Un programme linéaire est un programme consistant à trouver un extremum

Plus en détail

Module 06 - Leçon 03 : La méthode du simplexe

Module 06 - Leçon 03 : La méthode du simplexe Module 06 - Leçon 03 : La méthode du simplexe 1 - Principe Lorsque nous sommes en présence de plus de deux produits, la méthode du simplexe est la seule méthode permettant de trouver la combinaison de

Plus en détail

Algorithme du Simplexe

Algorithme du Simplexe MATH-F-306 Optimisation chapitre 3 Algorithme du Simplexe 20 avril 2007 Optimisation MATH-F-306 MATH-F-306 3. Algorithme du Simplexe RAPPEL au TABLEAU : Algorithme du Simplexe TODO step 0 : step 1 : step

Plus en détail

LA PROGRAMMATION LINEAIRE : ANALYSE DE SENSIBILITE

LA PROGRAMMATION LINEAIRE : ANALYSE DE SENSIBILITE LA PROGRAMMATION LINEAIRE : ANALYSE DE SENSIBILITE Nous abordons dans cette leçon la partie analyse de sensibilité de la résolution d'un problème de programmation linéaire. Il s'agit d'étudier les conséquences

Plus en détail

Rappels de programmation linéaire CERMICS, ENPC

Rappels de programmation linéaire CERMICS, ENPC Rappels de programmation linéaire CERMICS, ENPC Diapositives : F. Meunier, Intervenant : A. Parmentier 18 octobre 2017 Partie 1. La programmation linéaire : définition et exemples 2. Quelques propriétés

Plus en détail

Comment calculer les puissances d un nombre? Christophe.Troestler@umh.ac.be http://www.umh.ac.be/math/an/

Comment calculer les puissances d un nombre? Christophe.Troestler@umh.ac.be http://www.umh.ac.be/math/an/ Comment calculer les puissances d un nombre? Christophe.Troestler@umh.ac.be http://www.umh.ac.be/math/an/ 1. Première idée x 0 = 1 x 1 = x x 2 = x x x 3 = x 2 x = x x x x 4 = x 3 x = x x x x Donc, pour

Plus en détail

Chapitre X Programmation linéaire et méthode du simplexe

Chapitre X Programmation linéaire et méthode du simplexe Chapitre X Programmation linéaire et méthode du simplexe Notes de cours préparées par Anik Soulière avec l aide des documents de Julie Milot, Bruno Perron et Alain Tranchida. Modification par Marc-Élie

Plus en détail

1 L algorithme du simplexe

1 L algorithme du simplexe 1 L algorithme du simplexe 1.1 Définition - Notations 1.1.1 Problème Le problème linéaire est le suivant: Trouver les x 1, x 2,...,x n qui optimisent la fonction économique: et vérifient les contraintes:

Plus en détail

IFT2505. Programmation Linéaire

IFT2505. Programmation Linéaire IFT 505 Programmation Linéaire DIRO Université de Montréal http://www.iro.umontreal.ca/~bastin/ift505.php Automne 0 Exemple sur le simplexe dual et primal-dual On considère le problème Le dual est min

Plus en détail

Corrigé du baccalauréat ES Asie 16 juin 2015

Corrigé du baccalauréat ES Asie 16 juin 2015 Corrigé du baccalauréat ES Asie 16 juin 015 EXERCICE 1 Commun à tous les candidats Aucune justification n était demandée dans cet exercice. 5 points 1. On lance une pièce de monnaie bien équilibrée 10

Plus en détail

Problèmes de Flots, Problèmes de couplage, Problèmes d affectation

Problèmes de Flots, Problèmes de couplage, Problèmes d affectation Problèmes de Flots, Problèmes de couplage, Problèmes d affectation 0/oo / 0/ /oo 0/ / 0/oo / / / /oo /oo 0/oo / 0/ Plan : Maximisation de flot : Algorithme de Ford-Fulkerson Problème de couplage Problème

Plus en détail

RO : Programmation Linéaire

RO : Programmation Linéaire RO : Programmation Linéaire N. Brauner Université Grenoble Alpes Exercice 1 : Production de vins (G. Finke) Dans une distillerie américaine on produit trois sortes de vin allemands authentiques : Heidelberg

Plus en détail

Il faut donc dessiner un graphe avec 5 sommets, chaque sommet étant adjacent aux quatre autres sommets donc chaque sommet est de degré 4.

Il faut donc dessiner un graphe avec 5 sommets, chaque sommet étant adjacent aux quatre autres sommets donc chaque sommet est de degré 4. TES Spécialité Corrigé DS n o 1 durée 1h Exercice 1 1. Dessiner un graphe G complet d ordre 5. Il faut donc dessiner un graphe avec 5 sommets, chaque sommet étant adjacent aux quatre autres sommets donc

Plus en détail

Recherche Opérationnelle Mercredi 06 Novembre Contrôle Terminal - Session 1

Recherche Opérationnelle Mercredi 06 Novembre Contrôle Terminal - Session 1 Master LT, MPM, MIR Pôle Lamartine - ULCO Recherche Opérationnelle Mercredi 06 Novembre 0 - Contrôle Terminal - Session Durée de l épreuve : h00 Documents interdits. Calculatrice autorisée Exercice - Correction

Plus en détail

Sommaire. Chapitre 4: Programmation Linéaire (PL)

Sommaire. Chapitre 4: Programmation Linéaire (PL) 2013 2014 RCP104 Optimisation en Informatique Chapitre 4: Programmation Linéaire (PL) Dr. Nazih OUWAYED nazih.ouwayed@gmail.com http://nouwayed.yolasite.com Sommaire Introduction Terminologie de base Exemples

Plus en détail

Introduction. Première partie. 1 Aide à la décision et modèles mathématiques

Introduction. Première partie. 1 Aide à la décision et modèles mathématiques Première partie Introduction Aide à la décision et modèles mathématiques Un premier problème Exemple (Achat de billets d avion). Un homme d affaires doit effectuer 5 voyages entre Fayetteville (FYV) à

Plus en détail

Exercices de Programmation Linéaire Modélisation

Exercices de Programmation Linéaire Modélisation Modélisation exercice 1 : On veut préparer 500 litres de punch à partir de cinq boissons A, B, C, D et E. Le punch doit comporter au moins 20% de jus d orange, 10% de jus de pamplemousse et 5% de jus de

Plus en détail

Initiation à la Microéconomie Licence 1, Semestre 1

Initiation à la Microéconomie Licence 1, Semestre 1 Initiation à la Microéconomie Licence 1, Semestre 1 TD 2 : offre, demande et équilibre du marché Durée : 2 séances La partie «Exercices» est à traiter en priorité. Les réponses pour la partie «Questions»

Plus en détail

Optimisation linéaire: Applications

Optimisation linéaire: Applications Optimisation linéaire: Applications MTH8415 S. Le Digabel, École Polytechnique de Montréal H2017 (v5) MTH8415: Optimisation linéaire: Applications 1/60 Plan 1. Optimisation linéaire avec le solveur d Excel

Plus en détail

La Décomposition en Valeurs Singulières Analyse numérique et Application à la Vision

La Décomposition en Valeurs Singulières Analyse numérique et Application à la Vision La Décomposition en Valeurs Singulières Analyse numérique et Application à la Vision Valérie Perrier, Roger Mohr Ensimag et Laboratoire Jean Kuntzmann Décomposition en valeurs Deux parties : singulières

Plus en détail

Recalage d images 2D et 3D

Recalage d images 2D et 3D Recalage d images 2D et 3D Isabelle Bloch http://www.tsi.enst.fr/ bloch Ecole Nationale Supérieure des Télécommunications - CNRS UMR 5141 LTCI Paris - France Recalage p.1/35 Introduction Intérêt et nécessité

Plus en détail

Programmation linéaire en nombres entiers : les méthodes de troncature

Programmation linéaire en nombres entiers : les méthodes de troncature Programmation linéaire en nombres entiers : les méthodes de troncature 1 Introduction Le principe des méthodes de troncature est le suivant: - on part d'une solution de base qui ne satisfait pas à toutes

Plus en détail

- 06 - LA GESTION DE LA PRODUCTION : PARTIE 1

- 06 - LA GESTION DE LA PRODUCTION : PARTIE 1 - 06 - LA GESTION DE LA PRODUCTION : PARTIE 1 Objectif(s) : o o Pré requis : o o o Contraintes de production, Optimisation de la gestion de la production. Coût de production, Production sous contraintes,

Plus en détail

Chapitre 3 Solutions des problèmes

Chapitre 3 Solutions des problèmes Chapitre 3 Solutions des problèmes 1. Les jouets. (a) Le modèle comporte deux variables de décision définies de la façon suivante : x J = nombre de jouets de type J fabriqués en usine le mois prochain,

Plus en détail

I - Programmation linéaire

I - Programmation linéaire EOAA - 2009/10 Préliminaires Formulation Exemple de problème bidimensionnel Généralisation Problème sous forme normale Résolution dans le cas général Programmation linéaire en nombres entiers Exercice

Plus en détail

Programmation Linéaire

Programmation Linéaire Moez Kilani Notes de Cours Programmation Linéaire 3ème année Finance Institut Supérieur de Gestion de Sousse ISG Table des matières 1 Formulation 5 1.1 Un problème de production................................

Plus en détail

Chapitre 1 : Programmation linéaire

Chapitre 1 : Programmation linéaire Graphes et RO TELECOM Nancy 2A Chapitre 1 : Programmation linéaire J.-F. Scheid 1 I. Introduction 1) Modélisation En Recherche Opérationnelle (RO), modéliser un problème consiste à identifier: les variables

Plus en détail

IFT1575 Modèles de recherche opérationnelle (RO) 2. Programmation linéaire b. Méthode du simplexe c. Dualité d. Analyse de sensibilité

IFT1575 Modèles de recherche opérationnelle (RO) 2. Programmation linéaire b. Méthode du simplexe c. Dualité d. Analyse de sensibilité IFT575 Modèles de recherche opérationnelle (RO) 2. Programmation linéaire b. Méthode du simplee c. Dualité d. Analyse de sensibilité Interprétation des variables d écart Dans la solution optimale du problème

Plus en détail

IFT1575 Démonstration 4

IFT1575 Démonstration 4 IFT575 Démonstration. Fournir un modèle de programmation linéaire équivalent au modèle suivant, où x correspond à la valeur absolue de x. Min x + x + x x + x x + x = Solution. On pose d abord: x i = x

Plus en détail

Introduction à la Programmation Linéaire (avec le Solveur de Microsoft Excel )

Introduction à la Programmation Linéaire (avec le Solveur de Microsoft Excel ) ELYTH NEWS 15 AVRIL 2017 Magloire LANHA Introduction à la Programmation Linéaire (avec le Solveur de Microsoft Excel ) Enoncé du problème La firme MAGIX monte sous licence deux types d ordinateurs compatibles

Plus en détail

Epreuve E 4 Etude des Systèmes d outillage ------------- Sous épreuve U 4.1 Comportement mécanique d une machine et de son outillage

Epreuve E 4 Etude des Systèmes d outillage ------------- Sous épreuve U 4.1 Comportement mécanique d une machine et de son outillage Brevet de Technicien Supérieur en Mise en Forme des Matériaux par Forgeage Session 2015 Epreuve E 4 Etude des Systèmes d outillage ------------- Sous épreuve U 4.1 Comportement mécanique d une machine

Plus en détail

Application du réseaux de neurones à l apprentissage supervisé. Ricco RAKOTOMALALA

Application du réseaux de neurones à l apprentissage supervisé. Ricco RAKOTOMALALA Application du réseaux de neurones à l apprentissage supervisé Ricco RAKOTOMALALA Tutoriels Tanagra - http://tutoriels-data-mining.blogspot.fr/ Métaphore biologique Fonctionnement du cerveau Transmission

Plus en détail

Matthieu Manant 2010/2011

Matthieu Manant 2010/2011 du Iso Université Paris-Sud XI 2010/2011 (1/2) du Iso Principe de la théorie du producteur : quel est le meilleur choix robots / travailleurs pour produire un niveau donné de frites? quelles sont quantités

Plus en détail

Croissance d une fonction

Croissance d une fonction Croissance d une fonction Première définition de la croissance Définition: une fonction croissante est une fonction dont la représentation graphique monte. Définition: une fonction décroissante est une

Plus en détail

Correction Baccalauréat Asie 2012 Série ES Obligatoire

Correction Baccalauréat Asie 2012 Série ES Obligatoire Correction Baccalauréat Asie 2012 Série ES Obligatoire Exercice 1 : QCM 1/ Prix après une augmentation puis une diminution de 20% : Rappel: Fractions : On pose le prix d un article avant l augmentation

Plus en détail

Corrigé examen atelier de statistiques Cogmaster

Corrigé examen atelier de statistiques Cogmaster Corrigé examen atelier de statistiques Cogmaster Tous documents autorisés. Durée de l épreuve = 2h 1 Questions 1. La moyenne d un échantillon de 10 nombres distribués selon une loi normale centrée réduite

Plus en détail

2. Modules additionnels

2. Modules additionnels 2. Modules additionnels 2.2. Diagramme de Gantt... 1 2.2.1. Outils de visualisation dans la fenêtre du diagramme de Gantt... 2 2.2.2. Exemple de réalisation d une planification d un ouvrage en temps et

Plus en détail

Réseaux de transports

Réseaux de transports Réseaux de transports Marie-Pierre Béal Université Paris-Est Marne-la-Vallée. L3 Informatique Bibliographie V. Chávtal. Linear Programming, W.H. Freeman, 1983. Exemple de problèmes de transport Example

Plus en détail

Feuille 6 : Kuhn-Tucker et Programmation Linéaire

Feuille 6 : Kuhn-Tucker et Programmation Linéaire Université d Orléans Licence de Mathématiques 3, option MASE Faculté des Science Optimisation Département Mathématiques Année 2004-2005 Feuille 6 : Kuhn-Tucker et Programmation Linéaire 1 Théorème de Kuhn-Tucker

Plus en détail

Vision par ordinateur

Vision par ordinateur Vision par ordinateur Vision pré-attentive: Détection de contours Détection de points d'intérêt Frédéric Devernay Introduction Amélioration d images : histogrammes, lissage, filtrage médian Contours d'une

Plus en détail

Programme linéaire. Programmation linéaire

Programme linéaire. Programmation linéaire Programmation linéaire 1. Introduction 2. Programme linéaire 3. Exemples 4. Forme canonique 5. transformations 6. Application 7. Représentation Graphique 8. La Méthode du Simplexe Introduction La programmation

Plus en détail

Compte-rendu de TP : Programmation linéaire. WALLACE Ranveig CATTOËN Céline 4 ème année GMM INSA

Compte-rendu de TP : Programmation linéaire. WALLACE Ranveig CATTOËN Céline 4 ème année GMM INSA Compte-rendu de TP : Programmation linéaire WALLACE Ranveig CATTOËN Céline 4 ème année GMM INSA 1 Exercice 1 : Problème des 5 aliments On cherche à résoudre le problème des 5 aliments, où on veut nourrir

Plus en détail

Baccalauréat ES L Antilles Guyane juin 2016

Baccalauréat ES L Antilles Guyane juin 2016 Baccalauréat ES L ntilles Guyane juin 016 EXERCICE 1 Pour chacune des questions suivantes, une seule des quatre réponses proposées est exacte. ucune justification n est demandée. Une bonne réponse rapporte

Plus en détail

IFT2505. Programmation Linéaire

IFT2505. Programmation Linéaire IFT 2505 Programmation Linéaire DIRO Université de Montréal http://www.iro.umontreal.ca/~bastin/ift2505.php Automne 2013 Dualité Nous considérons le problème, dit primal : min c T x x t.q. Ax b x 0 Le

Plus en détail

Baccalauréat ES Antilles Guyane 19 juin 2013

Baccalauréat ES Antilles Guyane 19 juin 2013 Exercice Baccalauréat ES Antilles Guyane 9 juin Cet exercice est un questionnaire à choix multiples. Pour chacune des quatre questions, quatre réponses sont proposées ; une seule de ces réponses est exacte.

Plus en détail

Mathématique pour l informatique Examen durée : 3 heures. Question 1. Mettre ce problème en forme standard en introduisant des variables d écarts.

Mathématique pour l informatique Examen durée : 3 heures. Question 1. Mettre ce problème en forme standard en introduisant des variables d écarts. Mathématique pour l informatique Examen durée : 3 heures. Université de Provence Licence Informatique Année 2001-2002 Exercice 1 (Simplexe : 10 points) On donne le problème de programmation linéaire (P)

Plus en détail

Fonctions linéaires, proportionnalité

Fonctions linéaires, proportionnalité Fonctions linéaires, proportionnalité C H A P I T R E 11 Énigme du chapitre. On considère un repère d origine O et les points M (resp. N) de coordonnées (17; 11811) (resp (33; 30039)). Est-ce que les points

Plus en détail

Algorithme du simplexe

Algorithme du simplexe Algorithme du simplexe Une solution à la programmation linéaire Hugues Talbot Laboratoire A2SI 18 mars 2008 Plan Algèbre linéaire Algorithme du simplexe Formulation et forme standard Notations Recherche

Plus en détail

Séance 3: Utilité et choix du consommateur

Séance 3: Utilité et choix du consommateur Séance 3: Utilité et choix du consommateur Je Révise Complétez Un panier (,) procure au consommateur une utilité U(,) (où est la quantité de biens et la quantité de biens ). Selon les préférences de ce

Plus en détail

l algorithme du simplexe

l algorithme du simplexe l algorithme du simplexe Algorithme efficace pour résoudre des problèmes de programmation linéaire (ou de trouver qu il n y a pas de solution) Beaucoup utilisé et réussit sur les problèmes réels Théoriquement

Plus en détail

Annexe 3F. Segments de droite et combinaisons linéaires convexes

Annexe 3F. Segments de droite et combinaisons linéaires convexes Annexe 3F. Segments de droite et combinaisons linéaires convexes 3F.1 Ensembles convexes Un ensemble V est dit convexe si tout segment de droite dont les extrémités appartiennent à V est inclus tout entier

Plus en détail

Programmation linéaire (PL) 2. Programmation linéaire a. Modélisation. Exemple d un modèle de PL. Exemple d un modèle de PL (suite)

Programmation linéaire (PL) 2. Programmation linéaire a. Modélisation. Exemple d un modèle de PL. Exemple d un modèle de PL (suite) Programmation linéaire (PL) IFT1575 Modèles de recherche opérationnelle (RO). Programmation linéaire a. Modélisation Problème classique de planification : affecter des ressources limitées à plusieurs activités

Plus en détail

III- Résolution d un programme linéaire par la méthode des variables artificielles

III- Résolution d un programme linéaire par la méthode des variables artificielles III- Résolution d un programme linéaire par la méthode des variables artificielles Introduction Dans une contrainte du type"", une variable d écart positive apparaît précédée d un signe «-». La présence

Plus en détail

Chapitre 9: Introduction aux tests statistiques

Chapitre 9: Introduction aux tests statistiques Chapitre 9: Introduction aux tests statistiques 1. Approche 2. Formalisme général d un test statistique 3. P-value 4. Intervalle de confiance 5. Test bilatéral et test unilatéral 1 1. Approche Procédé

Plus en détail