1. (20 points) a. Vrai. b. Faux. La méthode du simplexe n examine pas nécessairement tous les points extrêmes du domaine réalisable. c. Faux.

Documents pareils
Programmation Linéaire - Cours 1

Optimisation Discrète

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://

Cours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. address: Nicolas.Thiery@u-psud.fr URL:

Programmation linéaire

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

Continuité et dérivabilité d une fonction

Chapitre 5 : Flot maximal dans un graphe

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes

CHAPITRE VIII : Les circuits avec résistances ohmiques

I Stabilité, Commandabilité et Observabilité Introduction Un exemple emprunté à la robotique Le plan Problème...

1 de 46. Algorithmique. Trouver et Trier. Florent Hivert. Mél : Florent.Hivert@lri.fr Page personnelle : hivert

Équations non linéaires

Chapitre 6. Fonction réelle d une variable réelle

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,

Amphi 3: Espaces complets - Applications linéaires continues

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Limites finies en un point

Jean-Philippe Préaux

Conception de réseaux de télécommunications : optimisation et expérimentations

Deux disques dans un carré

Contrainte de flot pour RCPSP avec temps de transfert

Théorie et codage de l information

Rappels sur les suites - Algorithme

îundesdruokerei Berlin

Introduction à la théorie des graphes. Solutions des exercices

Résolution de systèmes linéaires par des méthodes directes

Cours d Analyse. Fonctions de plusieurs variables

Cours de Master Recherche

Architecture des Systèmes d Information Architecture des Systèmes d Information

Limitations of the Playstation 3 for High Performance Cluster Computing

Les droites (d 1 ) et (d 2 ) sont sécantes en A Le point A est le point d intersection des 2 droites

Sujet 4: Programmation stochastique propriétés de fonction de recours

Résolution d équations non linéaires

DG-ADAJ: Une plateforme Desktop Grid

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

Problème 1 : applications du plan affine

Annexe 6. Notions d ordonnancement.

Cours d analyse numérique SMI-S4

315 et 495 sont dans la table de 5. 5 est un diviseur commun. Leur PGCD n est pas 1. Il ne sont pas premiers entre eux

Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en Énoncé.

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test

Chp. 4. Minimisation d une fonction d une variable

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments

Introduction au maillage pour le calcul scientifique

INFO-F Algorithmique 3 et Recherche Opérationnelle

Comparaison de fonctions Développements limités. Chapitre 10

MIS 102 Initiation à l Informatique

Plus courts chemins, programmation dynamique

Étude des formes de pratiques de la gymnastique sportive enseignées en EPS à l école primaire

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

AC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =

Programmation par contraintes. Laurent Beaudou

Problèmes sur le chapitre 5

Programmation linéaire et Optimisation. Didier Smets

physicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178

Introduction à l informatique temps réel Pierre-Yves Duval (cppm)

Le théorème de Thalès et sa réciproque

Programmation linéaire

Image d un intervalle par une fonction continue

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Conception d'un réseau de transport d'électricité

CULTURE GÉNÉRALE Histoire de l Art (RC) Philosophie (FB)

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

= constante et cette constante est a.

Arbres binaires de décision

Ordonnancement temps réel

Exprimer ce coefficient de proportionnalité sous forme de pourcentage : 3,5 %

Corrigé des TD 1 à 5

Cours de recherche opérationnelle I

ALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires

LE PROBLEME DU PLUS COURT CHEMIN

Plan. 1. La planification d un d 2. Méthodes et techniques de planification 3. Conclusion. D. Leclet

Durée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Chapitre 02. La lumière des étoiles. Exercices :

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN


DROIT, ÉCONOMIE & GESTION MASTER DROIT DES AFFAIRES. Droit européen des affaires.

Optimisation for Cloud Computing and Big Data

Optimisation des fonctions de plusieurs variables

Eléments de Théorie des Graphes et Programmation Linéaire

introduction Chapitre 5 Récursivité Exemples mathématiques Fonction factorielle ø est un arbre (vide) Images récursives

Vous êtes au Bonus-Malus le plus bas? Découvrez vos avantages exclusifs et à vie!

Récepteur Audio-Vidéo NR1605

Développer, factoriser pour résoudre

Les principaux atouts de Car Plan

Etude d Algorithmes Parallèles de Data Mining

1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles)

LE MAGASIN DE FOURNIMENT DU REGIMENT ROYAL DE L ARTILLERIE CANADIENNE

Cours 02 : Problème général de la programmation linéaire

Cryptographie RSA. Introduction Opérations Attaques. Cryptographie RSA NGUYEN Tuong Lan - LIU Yi 1

L apport du HPC pour l optimisation. Eric Jacquet-Lagrèze. FORUM TERATEC 28 juin 2011

Intelligence Artificielle Planification

Transcription:

. (0 points) a. Vrai. b. Faux. La méthode du simplexe n examine pas nécessairement tous les points extrêmes du domaine réalisable. c. Faux. Le critère consistant à choisir comme variable d entrée celle ayant le plus grand coût réduit positif vise la plus grande augmentation marginale de l objectif, mais ne garantit en rien la réalisabilité de la solution de base obtenue suite au pivot (c est plutôt le choix de la variable de sortie qui intervient ici). d. Vrai. e. Faux. Dijkstra est reconnu avant comme un spécialiste dans plusieurs domaines de l informatique, mais pas en recherche opérationnelle, et encore moins en programmation linéaire.

. (5 points) a. Variables x = nombre d horloges grand-père fabriquées x = nombre d horloges murales fabriquées Objectif max Z = 00x + 00x Contraintes 6x + 4x 40 8x x x, x + 4x + x 0 40 0 b. Variables y = prix ($/heure) pour louer du temps de la ressource, soit David y = prix ($/heure) pour louer du temps de la ressource, soit Diane y = prix ($/heure) pour louer du temps de la ressource, soit Lyne Objectif minw = 40y + 40y + 0y Contraintes 6y + 8y + y 4y y, y + 4y, y + y 0 00 00 c. x = 0/, x = 0/ d. y = 0, y = 5, y = 00/ e. 00.(0/) + 00.(0/) = 5000/ = 666 + / f. 40.0 + 40.5 + 0.(00/) = 5000/ = 666 + / g. 50 $ h. 0 heures

. (0 points) a. Première exécution possible Itération Recherche d un chemin d augmentation : A C D E F On augmente le flot de unités le long de ce chemin Itération Recherche d un chemin d augmentation : A C E F On augmente le flot de 4 unités le long de ce chemin Itération Recherche d un chemin d augmentation : on marque successivement A, C, D, E, B et on ne peut atteindre F Deuxième exécution possible (plus efficace) Itération Recherche d un chemin d augmentation : A C E F On augmente le flot de 6 unités le long de ce chemin Itération Recherche d un chemin d augmentation : on marque successivement A, C, D, E, B et on ne peut atteindre F b. La valeur du flot maximum est 5. Voici le flot sur chaque arc dans le cas de la première exécution possible : (A,B) : 9 (A,C) : 6 (B,D) : 7 (B,E) : (C,D) : (C,E) : 4 (D,E) : (D,F) : 6 (E,F) : 9 Voici le flot sur chaque arc dans le cas de la deuxième exécution possible : (A,B) : 9 (A,C) : 6 (B,D) : 7 (B,E) : (C,D) : 0 (C,E) : 6 (D,E) : (D,F) : 6 (E,F) : 9 c. Lors de la recherche d un chemin d augmentation à la dernière itération (peu importe l exécution), on marque les sommets A, C, D, E, B, qui définissent notre coupe minimum, car les arcs qui traversent cette coupe sont (D,F) et (E,F) da capacité 6+9 = 5 = valeur du flot maximum. Le théorème flot maximum-coupe minimum est ainsi vérifié.

4. (0 points) Variables x i = nombre d avions de taille Ti achetées par QuébecAir, i =,, y j =, si QuébecAir achète au moins un avion de la compagnie Cj; 0, sinon (j =,) Objectif max Z = 4x + 0x + x Contraintes On suppose que M est un très grand nombre C ne fabrique que des avions de tailles T et T x M ( y) C ne fabrique que des avions de tailles T et T x M ( y ) Une seule des deux compagnies se verra octroyer un contrat d achat y + y Investissement maximum de,5 milliard $ 67x + 50x + 5x 500 Suffisamment de personnel pour acquérir jusqu à 0 avions x + x + x 0 Coûts d entretien 5 4 x + x + x 40 Nature des variables x 0 et entier, i=,, y i j { 0, }, j =,

5. (5 points) a. Voici l exécution de l algorithme à chaque itération. Itération 0 La racine de l arbre n est pas élaguée, car sa relaxation PL fournit une solution réalisable non entière. Itération On branche à la racine. Le sommet correspondant à x = 0 est élagué, car la solution de sa relaxation PL est entière; cette solution devient donc la meilleure * solution connue et on met à jour Z = 4.

Le sommet correspondant à x = ne peut être élagué, puisque sa relaxation PL fournit une solution réalisable non entière et sa borne supérieure est > -4 = Z *. Itération On branche au sommet correspondant à x =, puisque c est le seul sommet non élagué. Le sommet correspondant à x =, x = 0, est élagué puisque sa relaxation PL n est pas réalisable.

Le sommet correspondant à x =, x n est pas élagué puisque sa relaxation PL = fournit une solution réalisable non entière et sa borne supérieure est > -4 * = Z. Itération On branche au sommet correspondant à x =, x =, puisque c est le seul sommet non élagué. Le sommet correspondant à x =, x =, x = 0, est élagué, puisqu il ne conduit à aucune solution réalisable, la deuxième contrainte étant violée par cette solution.

Le sommet correspondant à x =, x =, x, est élagué, puisqu il correspond à = une solution réalisable entière. Puisque la valeur de cette solution est > -4 elle devient la meilleure solution courante et on met à jour Z * =. * = Z, Itération 4 Puisqu il n y a plus de sommet non élagué, l algorithme s arrête. b. Solution optimale : x =, x =, x Valeur optimale : Z = * =