123

Exemples Programme linéaire Résolution graphique Points extrêmes Forme standard, bases Bilan
Motivation et objectif du cours
Introduction à la programmation linéaire

Un outil qui permet de :
• modéliser
• résoudre
toute une classe de problèmes d’optimisation.
Existence de solveurs efficace pour la PL
Sommaire
Introduction par l’exemple

Exemple 1 : Production
Exemple 2 : Transport
Exemple 3 : Planification
Programme linéaire
Résolution graphique
Points extrêmes
Exemples Programme linéaire Résolution graphique Points extrêmes
Problème de production
Un fabricant produit 2 types de yaourts à la fraise A et B à partir
de Fraise, de Lait et de Sucre. Chaque yaourt doit respecter les
proportions suivantes de matières premières.
A B
Fraise 2 1
Lait 1 2
Sucre 0 1
On dispose de 800 Kg de Fraises, 700 Kg de Lait et 300 Kg de

sucre.
La vente de 1 Kg de yaourts A et B rapporte respectivement 4e et
5e.
Le fabricant cherche à maximiser son profit.
Modélisation
• Sur quelles quantités peut-on travailler ?

• Que cherche-t-on à optimiser ?
• Quelles sont les contraintes du problème ?
Modélisation

• Seules valeurs non constantes : les quantités de yaourts A et B
produites
• On parle de variables
• On les notera xA et xB
Modélisation

• Variables : xA et xB
• Le profit z
• Calculé à partir de xA et xB
• On parle de fonction objectif
• z = 4xA + 5xB
Modélisation

• max z = 4xA + 5xB
• Première contrainte : 800 Kg de fraises disponibles
• la quantité utilisée dépend de la production : 2xA + xB
• 2xA + xB ≤ 800
Modélisation

2xA + xB ≤ 800 (fraises)
xA + 2xB ≤ 700 (lait)
xB ≤ 300 (sucre)
Modélisation

2xA + xB ≤ 800 (fraises)
xA + 2xB ≤ 700 (lait)
xB ≤ 300 (sucre)
xA , xB ≥0 positivité !
Mon premier programme linéaire
max 4xA + 5xB

2xA + xB ≤ 800
xA + 2xB ≤ 700
xB ≤ 300
xA , xB ≥0
Problème de transport
Approvisionner au moindre coût les clients à partir des usines.
Usines (i ∈ I ) Bordeaux Biarritz Toulouse

Productions (pi ) 25 15 20
Clients (j ∈ J) Pau Bayonne Bordeaux Libourne

Demandes (dj ) 20 12 9 14
Prix/unité (ci ,j ) Pau Bayonne Bordeaux Libourne

Bordeaux 26 19 0 4
Biarritz 12 2 20 24
Toulouse 19 30 24 28
Modélisation
• Variables :
xi ,j : quantité transportée de i à j
Modélisation
• Variables :
• Objectif :
P P
Minimiser i ∈I j∈J ci ,j xi ,j
Modélisation
• Variables :
• Objectif :
P P
Minimiser i ∈I j∈J ci ,j xi ,j
• Contraintes :
P
x ≤ pi , ∀i ∈ I (Capacité de production)
Pj∈J i ,j
i ∈I i ,j = dj ,
x ∀j ∈ J (Demandes à satisfaire)
xi ,j ≥ 0, ∀i ∈ I , j ∈ J
Problème de planification
Planifier la production d’articles à moindre coût pour les 4

prochains mois.
Production maximale normale : 1200 articles / mois

Production maximale en heure sup : 400 articles / mois
Surcoût heures sup : 7 euros / article
Stockage : 3 euros / article / mois
mois 1 mois 2 mois 3 mois 4

Demandes 900 1100 1700 1300
Modélisation
• Variables :
xt : production normale en période t = 1, . . . , 4
yt : production en heure sup en periode t = 1, . . . , 4
st : stock en fin de période t = 1, . . . , 3
Modélisation
• Variables :
xt : production normale en période t = 1, . . . , 4
yt : production en heure sup en periode t = 1, . . . , 4
st : stock en fin de période t = 1, . . . , 3
• Objectif :
Pt=4 Pt=3
Minimiser 7 t=1 yt +3 t=1 st
• Contraintes :
x1 + y1 = 900+ s1
s1 + x2 + y2 = 1100+ s2
s2 + x3 + y3 = 1700+ s3
s3 + x4 + y4 = 1300
0≤ xt ≤ 1200, t = 1, . . . , 4
0≤ yt ≤ 400, t = 1, . . . , 4
st ≥ 0, t = 1, . . . , 3
Sommaire
Points extrêmes
Forme standard, bases
Bilan
Règles de réécriture (1)

Toute contrainte d’égalité peut s’écrire comme deux inégalités :
n
(P
n
X a i xi ≤ b
ai xi = b ≡ Pin=1
i =1 i =1 ai xi ≥ b
Toute contrainte ≥ peut s’écrire comme une contrainte ≤ :

n
X n
X
a i xi ≥ b ≡ −ai xi ≤ −b
i =1 i =1
Tout problème de minimisation peut s’écrire comme un problème

de maximisation :
n
X n
X
max ci xi ≡ min −ci xi
i =1 i =1
Ecriture générale d’un programmation linéaire

On peut écrire ainsi un programme linéaire avec n variables
x1 , . . . , xn et m contraintes.
Pn
max i =1 ci xi
Pn
sous les contraintes i =1 aij xi ≤ bj , (j = 1, . . . , m)
xi ∈ R, (i = 1, . . . , n)
• Linéarité : Objectif et contraintes sont des fonctions linéaires

des variables de décision (les coefficients ci et aij des variables
sont constants)
• Continuité : Les variables peuvent prendre n’importe quelle
valeur réelle respectant les contraintes linaires
Exemples simples de programmes non linéaires (1)
Pn
min i =1 xi xi
Pn
xi ∈ R, (i = 1, . . . , n)
Pn
min i =1 xi
Pn
xi ∈ N, (i = 1, . . . , n)
Exemples simples de programmes non linéaires (2)
Pn
min i =1 ci xi
Pn
xi ∈ R ∩ [l1 , u1 ] ∩ [l2 , u2 ], (i = 1, . . . , n)
Pn
min i =1 ci xi
Pn
x1 = x2 ou x1 = x3
xi ∈ R, (i = 1, . . . , n)
Forme normale d’un programme linéaire
Tout programme linéaire peut s’écrire sous forme normale.
Pn
max i =1 ci xi
Pn
xi ≥ 0, xi ∈ R, (i = 1, . . . , n)
Si on a une variable xi ∈ R, on introduit xi+ ≥ 0 et xi− ≥ 0 et on

pose xi = xi+ + xi− .
Sommaire
Représentation graphique d’un PL
Points extrêmes
Forme standard, bases
Bilan
• On dispose d’un outil (la PL) pour modéliser des problèmes

• Comment résoudre les problèmes à l’aide de la PL ?
• Plusieurs algorithmes existent, dont le simplexe (prochain
cours)
• Pour des problèmes avec deux variables, on peut résoudre
graphiquement (aide à comprendre la structure du problème)
Représentation graphique
xB
2xA + xB ≤ 800
max 4xA + 5xB xB ≤ 300

2xA + xB ≤ 800
xA + 2xB ≤ 700
xB ≤ 300 xA + 2xB ≤ 700
xA , xB ≥0
xA
xB
2xA + xB ≤ 800

2xA + xB ≤ 800
xA + 2xB ≤ 700
xB ≤ 300 xA + 2xB ≤ 700
xA , xB ≥0
xA
xB
2xA + xB ≤ 800

2xA + xB ≤ 800
xA + 2xB ≤ 700
xB ≤ 300 xA + 2xB ≤ 700
xA , xB ≥0
xA
xB
2xA + xB ≤ 800
max 4xA + 5xB

2xA + xB ≤ 800 xB ≤ 300
xA + 2xB ≤ 700
xB ≤ 300 xA + 2xB ≤ 700
xA , xB ≥0
xA
Terminologie
xB
• Solution : 2xA + xB ≤ 800

affectation de valeurs aux
variables
xB ≤ 300
• Solution réalisable :
solution réalisable si les valeurs
satisfont l’ensemble des x = (80, 150) xA + 2xB ≤ 700
contraintes
• Région réalisable :
ensemble des solutions xA
réalisables.
Terminologie
xB
• Solution : 2xA + xB ≤ 800
affectation de valeurs aux
variables
• Solution réalisable : xB ≤ 300
solution réalisable si les valeurs
satisfont l’ensemble des
xA + 2xB ≤ 700
contraintes
• Région réalisable :
ensemble des solutions
réalisables. xA
xB
2xA + xB ≤ 800
Max 4xA + 5xB xB ≤ 300

2xA + xB ≤ 800
xA + 2xB ≤ 700
xB ≤ 300 xA + 2xB ≤ 700
xA , xB ≥0
xA
xB
2xA + xB ≤ 800

2xA + xB ≤ 800 4xA + 5xB = 2900
xA + 2xB ≤ 700
xA + 2xB ≤ 700
xB ≤ 300
xA , xB ≥0 4xA + 5xB = 2200
4xA + 5xB = 1000 xA

4xA + 5xB = 0
xB
2xA + xB ≤ 800

2xA + xB ≤ 800 4xA + 5xB = 2900
xA + 2xB ≤ 700
xA + 2xB ≤ 700
xB ≤ 300
xA , xB ≥0 4xA + 5xB = 2200
4xA + 5xB = 1000 xA

4xA + 5xB = 0
xB
2xA + xB ≤ 800

2xA + xB ≤ 800 4xA + 5xB = 2900
xA + 2xB ≤ 700
xA + 2xB ≤ 700
xB ≤ 300
xA , xB ≥0 4xA + 5xB = 2200
4xA + 5xB = 1000 xA

4xA + 5xB = 0
xB
2xA + xB ≤ 800
Max 4xA + 5xB

xB ≤ 300
2xA + xB ≤ 800
xA + 2xB ≤ 700 4xA + 5xB = 2900
xB ≤ 300 xA + 2xB ≤ 700
xA , xB ≥0
4xA + 5xB = 2200
4xA + 5xB = 1000 xA

4xA + 5xB = 0
Existence d’une solution (optimale)
Quatre possibilités
y
✻
min x + 2y
s.t. x ≤ 5
x +y ≥3
x, y ≥ 0
✲ x
Une solution optimale unique.
y
✻
max x + 2y
s.t. x ≤ 5
x +y ≥3
x, y ≥ 0
✲ x
Solution non bornée.
y
max x + 2y ✻
s.t. x ≤ 5
x +y ≥3
x + y ≤ −1
x, y ≥ 0
✲ x
Pas de solution.
y
✻
max x
s.t. x ≤ 5
x +y ≥3
x, y ≥ 0
✲ x
Infinité de solutions.
Sommaire
Points extrêmes
Points extrêmes et convexité
Algorithme géomètrique
Notion de point extrême
xB
Proposition 2xA + xB ≤ 800

S’il en existe, il y a toujours
une solution optimale sur un
sommet (point extrême) de la xB ≤ 300
région réalisable 4xA + 5xB = 2900
Corollaire xA + 2xB ≤ 700

Pour trouver l’optimum, il 4xA + 5xB = 2200
”suffit” d’examiner les points
extrêmes de la région 4xA + 5xB = 1000 xA
réalisable 4xA + 5xB = 0

123

Transféré par

Informations du documentcliquez pour développer les informations du document

Droits d'auteur :

Formats disponibles

123

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

123

Transféré par

Droits d'auteur :

Formats disponibles

Exemples Programme linéaire Résolution graphique Points extrêmes Forme standard, bases Bilan

Motivation et objectif du cours

Introduction à la programmation linéaire

Introduction par l’exemple

On dispose de 800 Kg de Fraises, 700 Kg de Lait et 300 Kg de

• Sur quelles quantités peut-on travailler ?

• Sur quelles quantités peut-on travailler ?

• Sur quelles quantités peut-on travailler ?

• Sur quelles quantités peut-on travailler ?

• Sur quelles quantités peut-on travailler ?

• Sur quelles quantités peut-on travailler ?

Mon premier programme linéaire

max 4xA + 5xB

Approvisionner au moindre coût les clients à partir des usines.

Usines (i ∈ I ) Bordeaux Biarritz Toulouse

Clients (j ∈ J) Pau Bayonne Bordeaux Libourne

Prix/unité (ci ,j ) Pau Bayonne Bordeaux Libourne

Planifier la production d’articles à moindre coût pour les 4

Production maximale normale : 1200 articles / mois

mois 1 mois 2 mois 3 mois 4

Introduction par l’exemple

Forme standard, bases

Règles de réécriture (1)

Toute contrainte ≥ peut s’écrire comme une contrainte ≤ :

Tout problème de minimisation peut s’écrire comme un problème

Ecriture générale d’un programmation linéaire

• Linéarité : Objectif et contraintes sont des fonctions linéaires

Exemples simples de programmes non linéaires (1)

Exemples simples de programmes non linéaires (2)

Forme normale d’un programme linéaire

Tout programme linéaire peut s’écrire sous forme normale.

Si on a une variable xi ∈ R, on introduit xi+ ≥ 0 et xi− ≥ 0 et on

Introduction par l’exemple

Forme standard, bases

• On dispose d’un outil (la PL) pour modéliser des problèmes

max 4xA + 5xB xB ≤ 300

max 4xA + 5xB xB ≤ 300

max 4xA + 5xB xB ≤ 300

max 4xA + 5xB

• Solution : 2xA + xB ≤ 800

Max 4xA + 5xB xB ≤ 300

Max 4xA + 5xB xB ≤ 300

4xA + 5xB = 1000 xA

Max 4xA + 5xB xB ≤ 300

4xA + 5xB = 1000 xA

Max 4xA + 5xB xB ≤ 300

4xA + 5xB = 1000 xA

Max 4xA + 5xB

4xA + 5xB = 1000 xA

Existence d’une solution (optimale)

Existence d’une solution (optimale)

Existence d’une solution (optimale)

Existence d’une solution (optimale)

Introduction par l’exemple

Notion de point extrême

Proposition 2xA + xB ≤ 800

Corollaire xA + 2xB ≤ 700

Vous aimerez peut-être aussi