Programmation linéaire et Recherche opérationnelle

Slides:



Advertisements
Présentations similaires
7. Probème de flot à coût minimum.
Advertisements

Résolution Graphique d'un Programme Linéaire
La Méthode de Simplexe Standardisation
La méthode du simplexe.
6. Analyse postoptimale.
l’algorithme du simplexe
3. Variantes de l’algorithme
2. Méthodes du simplexe et son analyse.
Modèle des jeux et des mécanismes
1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II.
Programmation linéaire, Jeux, Complexité
Résolution d’un programme linéaire
Bloc 2 : Modèles d’optimisation par la programmation linéaire
1 Réunion biblio 13/12/00 Support Vectors Présentation générale SSS Maintaining Algorithm.
Les systèmes linéaires. 1)PRESENTATION avec x, y, z les inconnues.
Simplex en 4 Slides – explication:
A.Faÿ 1 Recherche opérationnelle Résumé de cours.
Génération de colonnes
Méthodes d‘optimisation en finance
6. Analyse postoptimale. Analyse postoptimale Mesurer linfluence sur la solution optimale de modifier certains coefficients du problème Indiquer à lutilisateur.
VI – Rang d’une matrice Mots clés : Rang.
ASI 3 Méthodes numériques pour l’ingénieur
Résolution des Équations Différentielles
Programmation linéaire
Optimisation linéaire
Optimisation non linéaire sans contraintes
Problème de flot à coût minimum
7. Problème de flot à coût minimum.
Dualité Introduction à la dualité. Construction du couple primal-dual.
Programmation linéaire en nombres entiers Algorithme de la subdivision successive («Branch and Bound Algorithm»)
Programmation linéaire en nombres entiers : la méthode du simplexe
Fondements de la programmation linéaire
Optimisation dans les réseaux
Optimisation linéaire
Optimisation linéaire
Optimisation linéaire
4.Convergence de lalgorithme du simplexe. Convergence dans le cas non dégénéré Hypothèse de non dégénérescence: toutes les variables de base sont positives.
3. Convergence de lalgorithme du simplexe. Preuve: En supposant que la matrice A est de plein rang m, chaque solution de base réalisable doit comporter.
Introduction à la programmation linéaire
Programmation linéaire et Recherche opérationnelle
Introduction à la programmation linéaire
DONG Xiaoguang HONG Liang OULDBABA Fadel WANG Min
Méthode du simplexe Introduction, définitions et notations préliminaires, théorèmes fondamentaux, algorithme (primal) du simplexe, détermination de toutes.
Programmation linéaire en nombres entiers : les méthodes de troncature
l’algorithme du simplexe
MAXIMISER les RESULTATS
Institut Provincial des Arts et Métiers
Coupes efficaces pour la relaxation lagrangienne
ASI 3 Méthodes numériques pour l’ingénieur
Décomposition de Benders
بسم الله الرحمن الرحيم.
Master 1 en informatique Juin 2007 Visualisation d'un ensemble convexe en 2D et en 3D pour la programmation linéaire 2 / 30.
Optimisation et complexité
P rogrammation M athématique L inéaire TAI Optimisation & Complexité Adeline Dubois Nicolas Hubert Antonin Lapiche 28/05/2010.
Programmation linéaire en nombres entiers
6. Problème de flot à coût minimum.
- 5 - Optimisation linéaire et non-linéaire
Post-optimisation, analyse de sensibilité et paramétrage
2. Méthode du simplexe et son analyse.
programmation linéaire
3. Variantes de l’algorithme
1. Méthode du simplexe et son analyse.
Programme linéaire - solution graphique
Chapitre 2 Résolution de Programmes Linéaires. La méthode graphique Cette méthode est simple et s’applique à des problèmes de programmation linéaire à.
Techniques d'Optimisation Master
1 UE Intro. Optimisation L3 INFO UPSud II. Programmation linéaire en variables entières (ou mixtes)
Programmation linéaire et Recherche opérationnelle Licence d’Econométrie Professeur Michel de Rougemont
OPTIMISATION 1ère année ingénieurs
2. Méthode du simplexe et son analyse.
l’algorithme du simplexe
Transcription de la présentation:

Programmation linéaire et Recherche opérationnelle http://www.lri.fr/~mdr Licence d’Econométrie Professeur Michel de Rougemont mdr@lri.fr http://www.lri.fr/~mdr

Programmation linéaire et Recherche opérationnelle http://www.lri.fr/~mdr Introduction Contraintes linéaires en Economie Optimisation Complexité, Approximation, Stabilité Programmation linéaire Simplex Simplex à deux phases Dualité Simplex révisé et dual Recherche Opérationnelle Problèmes de flots et de réseaux NP-complétude et approximation Jeux et Equilibres Programmation linéaire complémentaire

Contraintes linéaires en Economie Exemples de contraintes linéaires. Maximisation et Minimisation de fonctions. Incertitude. Complexité. Approximation. Bases de l’algèbre linéaire.

Introduction au Simplex Résolution d’un système linéaire de maximisation: Introduction de variables d’écart Solution initiale Itération pour augmenter la valeur de la solution. Terminaison

Exemple d’itération

Itérations possibles Augmentons Les contraintes sont : Nouvelle solution:

Nouveau système Substituons

Itération 2 Augmentons Les contraintes sont: Nouveau système: La valeur z ne peut plus être augmentée: optimum.

Méthode générale Mise sous forme normale. Itération: Choix d’un pivot qui augmente la solution. Détection de l’optimum ou d’infaisabilité Problèmes possibles: Solution non bornée Infaisabilité Cycles Solution initiale

Difficultés du Simplex Initialisation : peut-on toujours trouver une solution initiale? Itération : peut-on toujours itérer? Terminaison : les itérations terminent-elles toujours?

Systèmes et Tableaux Dictionnaire: Forme équivalente:

Tableaux 2 3 1 5 4 11 8 1 3/2 1/2 5/2 -5 -2 -1/2 -3/2 -7/2 -5/2 -25/2

Itération de Tableaux 2 3 1 5 4 11 8 1 3/2 1/2 5/2 4 2 11 3 8 5 5 4 11 8 Colonne du pivot : Max cj Ligne pivot : Min s/r Pivot =2 Diviser ligne pivot par le pivot 1 3/2 1/2 5/2 4 2 11 3 8 5

Itération de Tableaux 1 3/2 1/2 5/2 -5 -2 3 4 2 8 5 Soustraire à chaque ligne un multiple de la ligne pivot (0 apparaît sur la colonne Pivot) Ligne 2 – 4.ligne 1 1 3/2 1/2 5/2 -5 -2 3 4 2 8 5

Tableau 2 1 3/2 1/2 5/2 -5 -2 -1/2 -3/2 -7/2 -5/2 -25/2 1 3/2 1/2 5/2 5/2 -5 -2 -1/2 -3/2 -7/2 -5/2 -25/2 1 3/2 1/2 5/2 -5 -2 -1/2 -3/2 -7/2 -5/2 -25/2

Itération 1 3/2 1/2 5/2 -5 -2 -1 -3 2 -7/2 -5/2 -25/2 1 2 -1 -5 -2 -3 5/2 -5 -2 -1 -3 2 -7/2 -5/2 -25/2 Faire apparaître 0 dans la colonne du pivot: 1 2 -1 -5 -2 -3 -13 Optimum atteint.

Interprétation géométrique Contrainte sur n variables : hyperplan de dimension n Dimension 2 : droites Dimension 3 : plans

Interprétation géométrique X1 rentre X5 sort

Interprétation géométrique X2 rentre X3 sort

Interprétation géométrique X5 rentre X4 sort

Interprétation géométrique Optimum

Difficultés d’itération Itération : peut-on toujours itérer? Solution non bornée Itération dégénérée Cycle Solution non bornée: entre dans la base : seule borne est Solution z arbitraire !

Itération dégénérée entre dans la base. Seule contrainte est: sort de la base (au choix). On obtient:

Itération dégénérée Solution dégénérée car Equation 2 impose:

Itération dégénérée Solution identique à la précédente! L’itération est dégénérée. Remarque: l’itération suivante est aussi dégénérée et la suivante est optimale.

Cycles

Cycles

Cycles Chaque itération est dégénérée.

Initialisation Solution faisable, Dictionnaire faisable? Problème auxiliaire:

Initialisation Infaisable: Pivot : Faisable:

Initialisation Pivot : Optimum : Dictionnaire d’origine:

Initialisation générale Etape 1 : Etape générale : simplex Terminaison:

Interprétation géométrique de l’initialisation Le point (0,0,…0) n’est pas dans le polytope. Trouver un autre point en ajoutant -x0 pour être sur de trouver une solution.

Interprétation géométrique de l’initialisation Contraintes sont:

Interprétation géométrique de l’initialisation Ecrire les contraintes avec x0

Interprétation géométrique de l’initialisation Ecrire les contraintes avec x0

Interprétation géométrique de l’initialisation Dictionnaire infaisable: x0 entre et x4 sort (b minimum)

Interprétation géométrique de l’initialisation Dictionnaire : x1 rentre et x0 sort Optimum X0=0 donc faisable

Interprétation géométrique de l’initialisation Dictionnaire global

Simplex à deux phases Phase 1 : résolution du problème auxiliaire. Phase 2 : résolution du problème original. Théorème fondamental. Pour chaque problème LP: Soit le problème est infaisable Soit le problème n’est pas borné Soit le problème a une solution optimale

Simplex révisé Représentation compacte d’un dictionnaire. Forme Matricielle:

Dualité Estimation de z > a z>5 avec (0,0,1,0) …. Estimation de z <b ? Quel est le témoin?

Dualité Montrons que z <275/3 2nd contrainte . 5/3 Donc z <275/3

Dualité 2nd contrainte +3ème contrainte Donc z <58 Méthode systématique.

Dualité Conditions pour que le membre gauche >

Dualité On obtient donc: