Devoir de vacances de Programmation Linéaire

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

Optimisation Discrète

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

Sujet 4: Programmation stochastique propriétés de fonction de recours

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

Programmation Linéaire - Cours 1

Travaux dirigés n 1. Programmation linéaire

Resolution limit in community detection

Programmation linéaire

Programmation linéaire et Optimisation. Didier Smets

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA

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

Manuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques

Programmation linéaire

Programmation linéaire

INFO-F Algorithmique 3 et Recherche Opérationnelle

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

RECHERCHE OPERATIONNELLE

Cours de Master Recherche

4.2 Unités d enseignement du M1

Cours de recherche opérationnelle I

Parallélisme et Répartition

Équations non linéaires

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1

Sécurité par compression! ReSIST Gilles RICHARD IRIT

Programme détaillé BTS INFORMATIQUE DE GESTION DIPLÔME D ETAT. Objectifs de la formation. Les métiers. Durée de la formation

LES MÉTHODES DE POINT INTÉRIEUR 1

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

Quelques algorithmes simples dont l analyse n est pas si simple

Déroulement. Evaluation. Préambule. Définition. Définition. Algorithmes et structures de données 28/09/2009

Les fonction affines

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

CESI Bases de données

L exclusion mutuelle distribuée

Journées Télécom-UPS «Le numérique pour tous» David A. Madore. 29 mai 2015

Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application

Plus courts chemins, programmation dynamique

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

Initiation à l algorithmique

Intelligence Artificielle Planification

Historique. Architecture. Contribution. Conclusion. Définitions et buts La veille stratégique Le multidimensionnel Les classifications

UE C avancé cours 1: introduction et révisions

Quantification Scalaire et Prédictive

Exclusion Mutuelle. Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr. Université de Provence. 9 février 2011

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

Fonctions de plusieurs variables

Comparer l intérêt simple et l intérêt composé

OUTILS EN INFORMATIQUE

Annexe 6. Notions d ordonnancement.

Circuits RL et RC. Chapitre Inductance

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Chapitre 5 : Flot maximal dans un graphe

C f tracée ci- contre est la représentation graphique d une

Pourquoi l apprentissage?

Cours d analyse numérique SMI-S4

Ordonnancement robuste et décision dans l'incertain

ALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII

Module Planification

OPTIMISATION À UNE VARIABLE

Concurrence imparfaite

Introduction à MATLAB R

PRIME D UNE OPTION D ACHAT OU DE VENTE

Assistants d éducation, Assistants Vie Scolaire, Assistants pédagogiques Texte En date

ITS Switzerland - EPFL 29/10/2014 La stratégie d information multimodale du Grand Lyon : la coopération public/privée pour la mobilité urbaine et l

INSTRUCTION DE CRÉATION D UN COMPTE CLIENT

DE L ALGORITHME AU PROGRAMME INTRO AU LANGAGE C 51

Chapitre VI - Méthodes de factorisation

CH.6 Propriétés des langages non contextuels

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

CARTE DE VOEUX À L ASSOCIAEDRE

GPA770 Microélectronique appliquée Exercices série A

Chapitre 3. Les distributions à deux variables

Systèmes de transmission

3 décembre Négociations DECFO-SYSREM Séance n 5. Service du personnel. Rue Caroline Lausanne

Algorithmique I. Algorithmique I p.1/??

Laboratoire d informatique Gaspard-Monge UMR Journée Labex Bézout- ANSES

La nouvelle planification de l échantillonnage

Rappels sur les suites - Algorithme

CMI ECONOMIE, FINANCE QUANTITATIVE ET STATISTIQUES - PARCOURS FORMATION EN APPRENTISSAGE

Fonctions de plusieurs variables

TRACER LE GRAPHE D'UNE FONCTION

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Multichronomètre SA10 Présentation générale

Présentation synthétique de la licence Economie Gestion de l université d Orléans à destinations des enseignants en SES de l académie Orléans-Tours

INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement. Bernard Fortz

Plan de cette matinée

Éditorial. Tangente ÉDUCATION. Scratch, AlgoBox, Python. Trimestriel - n 15 - janvier 2011 Numéro spécial 16 activités TICE pour le lycée

UE Programmation Impérative Licence 2ème Année

Commandes PLASTICOLOR PC 90/ Commandes modulaires - Série PC PC 90/ Système de commande PPM Commandes PLASTICOLOR

La couche physique de l ADSL (voie descendante)

Contenu du programme Gestion Commerciale

Théorèmes de Point Fixe et Applications 1

Cours d algorithmique pour la classe de 2nde

Surveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)

Cours d Informatique

Initiation aux bases de données (SGBD) Walter RUDAMETKIN

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1

Annexe commune aux séries ES, L et S : boîtes et quantiles

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12

Transcription:

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 x, x Les exercices se rapportent tous au programme linéaire P Néanmoins ils sont indépendants et peuvent être traités dans n importe quel ordre. Exercice Forme canonique, forme standard et dual points. Mettre le programme linéaire sous forme canonique.. Mettre le programme linéaire sous forme standard.. Donner le dual D du programme linéaire P.. Sous forme canonique : P c max 6x + x s.c x + x x x x + x x x x, x. Sous forme standard : max 6x + x s.c x + x + x = P s x x + x = x + x + x = x x + x 6 = x, x, x, x, x, x 6. Le dual D de P. D min y + y + y + y s.c y + y + y + y 6 y + y + y + y y, y, y, y

ou D min y y + y y s.c y y + y y 6 y y + y y y, y, y, y Exercice Résolution graphique points Faire la résolution graphique du programme linéaire P pour déterminer sa solution optimale et sa valeur vp. x x +x obj x x = 6, x x +x x +x x +x x { x : intersection entre et x +x = x +x = x = d où x = 6, = 6 = 6 et x = pour une valeur de 9. = 6 = Exercice Solutions de base et algorithme primal du simplexe sous forme tableau points Soient x, x, x et x 6 les variables d écart associées aux contraintes,, et.. Expliciter la solution de base x définie par x = et x = i.e. donner les valeurs de x, x, x et x 6. À quelle base cette solution correspond-t-elle?

contraintes variables en base parmi 6. C6 = solutions de base potentielles. x vérifie à l égalité la contrainte x +x donc x =. x correspond à la solution de base associée à x = x = c est-à-dire l intersection entre les contraintes x = et x =. Cette solution correspond à la base B = {x,x,x,x 6 }. x doit vérifier toutes les contraintes? On peut donc se servir de cette propriété pour trouver la valeur de x, x et x 6. x + x + x = x = = x + x + x = x = = x x + x 6 = x 6 = + = donc x =,,,,,.. x est-elle une solution de base réalisable? Réalisabilité de x? x = x = x = x = x = mais x 6 = < donc x n est pas réalisable.. x est-elle une solution de base optimale? Non réalisable donc non optimale.. Expliciter la solution de base x définie par x = et x = i.e. donner les valeurs de x, x, x et x 6. À quelle base cette solution correspond-t-elle? contraintes variables en base parmi 6. C6 = solutions de base potentielles. x vérifie à l égalité la contrainte x +x donc x =. x correspond à la solution de base associée à x = x = c est-à-dire l intersection entre les contraintes x = et x =. Cette solution correspond à la base B = {x,x,x,x 6 }. x doit vérifier toutes les contraintes? On peut donc se servir de cette propriété pour trouver la valeur de x, x et x 6. x + x + x = x = = x + x + x = x = = x x + x 6 = x 6 = + = donc x =,,,,,.. x est-elle une solution de base réalisable? Réalisabilité de x? x = x = x = x = x = x 6 = x, x, x, x 6 donc x est réalisable.

6. x est-elle une solution de base optimale? Optimalité de x? x correspond à la base B = {x,x,x,x 6 }. on note B à la place de B par abus de langage. Il faut calculer les coûts réduits des variables hors base c N c B B Ñ B = B = Ñ =, det B = B Ñ = c B = 6 et c N = c N c B B Ñ = = c x > donc x n est pas optimale. =, com B =. Donner une représentation du programme linéaire sous forme tableau associée à l une des bases précédentes. x B x N B b I B Ñ B = b = c B = 6 c B B b = c B B b c N c B B Ñ B b =

Base b x x x x 6 x x x x x x 6 z c. Trouver la solution de base optimale. Pour ce faire, appliquer l algorithme primal du simplexe en utilisant la forme tableau à partir de la base de la question précédente. > donc x entre en base. donc x sort de base. Base b x x x x x x 6 x x x x 6 z c > donc x entre en base. donc x sort de base. Base b x x x x x x 6 x / / x x / / / x 6 / / z c / / Base b x x x x x x 6 x /6 /6 /6 x / / / x / / / x 6 / / / z c 9/ / / tous les c N < donc optimalité. x = 6,,,,, et z = 9. cohérent avec exercice Exercice Forme révisée de l algorithme primal du simplexe points Appliquer l algorithme du simplexe sous forme révisée pour résoudre le programme linéaire P. Soient x, x, x et x 6 les variables d écart associées aux contraintes,, et. Utiliser B = {x,x,x,x 6 } comme base réalisable de départ.

Sous forme standard : max 6x + x s.c x + x + x = P s x x + x = x + x + x = x x + x 6 = x, x, x, x, x, x 6 Base de départ : B = {,,,6} et N = {,}. Calcul des coûts réduits : B = det B = B = ΠB = c B Π = c B B = 6 c N = c N ΠN = = = x entre en base. = comb = = Choix de la variable sortante : Bd = N x d = B N x = Calcul des x de départ : x B = B b = = =

min {, } = x sort de base. Changement de base : B = {,,,6} et N = {,} x = x x x x d x = = x x x d x = = x 6 x 6 x d x6 = = Calcul des coûts réduits : B = detb = B = = comb = ΠB = c B Π = c B B = 6 c N = c N ΠN = = = x entre en base. = Choix de la variable sortante : Bd = N x d = B N x = } min{, = x sort de base. Changement de base : B = {,,,6} et N = {,} x x x x x d x = = 6 =

x x x d x = = x 6 x 6 x d x6 = = Calcul des coûts réduits : B = B = 6 6 detb = ΠB = c B Π = c B B = 6 c N = c N ΠN = = = = 6 comb = 6 6 = 6 6 6 c N < donc STOP "optimalité". x = 6,,,,, 9 et z =. cohérent avec exercice et. Exercice Phase de l algorithme primal du simplexe Bonus : points Appliquer l algorithme primal du simplexe pour résoudre le programme linéaire P en utilisant un programme linéaire auxilliaire P phase du simplexe. forme standard de P : max x s.c x + x + x = P x x + x x = x + x + x = x x + x 6 x = x, x, x, x, x, x 6, x x =,,,,,, B = {,,,} et N = {,,6} forme dictionnaire : x = x x

x = x x x = x x +x 6 x = +x + x +x = +x x +x 6 + x +x = x +x 6 w = x = +x +x x 6 forme tableau : x entre en base. min{,,, } = Base b x x x x x x 6 x x x x / x w c x sort de base. x entre en base. min{,, } = x sort de base. Base b x x x x x x 6 x x / / / x / / / x / / / x / / / w c / / / B = {,,,} et N = {,,6} w = optimalité de P. On a x hors base et w = solution réalisable de base pour P. Phase pour P Base b x x x x x x 6 x x / / / x 9 x / / / x 6/ / / w c expression des variables en base en fonction des variables hors base x = x + x 6 x = + x x 6 x = 9x x 6 x = 6 + x x 6 expression de z en fonction des variables hors base z = 6x +x

= 6 x + x 6+ + x x 6 = + x + x 6 x 6 entre en base. min{, 9, 6 } = Base b x x x x x x 6 x / / / x 9 x / / / x 6/ / / z c / / / = x sort de base. Base b x x x x x x 6 x 6 x x x z c La suite est similaire à l exercice question. > donc x entre en base. donc x sort de base. Base b x x x x x x 6 x 6 / / x x / / x / / / z c / / > donc x entre en base. donc x sort de base. Base b x x x x x x 6 x 6 / / / x / / / x /6 /6 /6 x / / / z c 9/ / / tous les c N < donc optimalité. x = 6,,,,, et z = 9. cohérent avec les exercices précédents

Exercice 6 Algorithme dual du simplexe Bonus : points Si c est possible, appliquer l algorithme dual du simplexe pour résoudre le programme linéaire P. Sous forme standard : max 6x + x s.c x + x + x = P s x x + x = x + x + x = x x + x 6 = x, x, x, x, x, x 6 Base b x x x x x x 6 x x / x x 6 z c 6 Question : Peut-on lancer l algorithme dual du simplexe à partir du tableau précédent? Réponse : Non. Question : Pourquoi? Réponse : La condition pour pouvoir utiliser l algo dual du simplexe est de disposer d une base initiale duale-réalisable. Dans le cas d une maximisation, une base correspond à une solution duale-réalisable i.e. réalisable pour D si : toutes les variables duales sont nulles toutes les contraintes duales sont satisfaites Dans le tableau primal associé à P, ces deux conditions se traduisent par : des coûts réduits non positifs pour les variables d origine, des coûts réduits non positifs pour les variables d écart. Ici la base formée par les variables d écarts n est pas duale-réalisable. En effet, les coûts réduits sont >.