Programmation linéaire et Recherche opérationnelle Licence d’Econométrie Professeur Michel de Rougemont

Slides:



Advertisements
Présentations similaires
Programmation linéaire et Recherche opérationnelle
Advertisements

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.
Les systèmes linéaires. 1)PRESENTATION avec x, y, z les inconnues.
A.Faÿ 1 Recherche opérationnelle Résumé de cours.
Optimisation linéaire
Systèmes d’équations linéaires
Dualité Introduction à la dualité. Construction du couple primal-dual.
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.
Programmation linéaire et Recherche opérationnelle
l’algorithme du simplexe
Décomposition de Benders
2. Méthode du simplexe et son analyse.
3. Variantes de l’algorithme
1. Méthode du simplexe et son analyse.
Chapitre 2 Résolution de Programmes Linéaires. La méthode graphique Cette méthode est simple et s’applique à des problèmes de programmation linéaire à.
1 UE Intro. Optimisation L3 INFO UPSud II. Programmation linéaire en variables entières (ou mixtes)
1 UE Intro Opti L3 INFO UPSud Programmation linéaire en variables entières (ou mixtes) : résolution approchée par heuristique
PRESENTE PAR: KASHAMA LUBEMBE Dieudonné.
Courbes d'Interpolation Interpolation de Lagrange, et Interpolation B-spline.
II Système d’équations linéaires 1°) Interprétation géométrique : Une équation linéaire à 2 inconnues est …
Les rprésentation des signaux dans le cadre décisionnel de Bayes Jorge F. Silva Shrikanth S. Narayanan.
1. Introduction.
Suites ordonnées ou mettre de l’ordre
Outils de Recherche Opérationnelle en Génie MTH 8414
Outils de Recherche Opérationnelle en Génie MTH 8414
Pierre Joli Cours de Mathématique Pierre Joli
6. Analyse postoptimale.
Optimisation du PIC par la programmation linéaire dans e-Prelude
Algorithmique Avancée et Complexité Chap3:Diviser pour Régner
de toute série statistique
Techniques d’Optimisation Chapitre 2: Problème de flôt
S. Briot1 and V. Arakelian2 1 IRCCyN – Nantes 2 INSA – Rennes
(Aix 98) Résoudre le système d'équations : 2x + y = 90
Techniques d’Optimisation Chapitre 3: Programmation en 0-1 (bivalente)
Plans d’experiences : plans de melanges
Calcul littéral 2.
Fonctions Logiques & Algèbre de BOOLE
La méthode du simplexe. 1) Algorithme du simplexe  Cet algorithme permet de déterminer la solution optimale, si elle existe, d’un problème de programmation.
Domaine: Numération et algèbre
1. Introduction.
Résolution d’un problème de diffusion 3D
OPTIMISATION 1ère année ingénieurs
La gestion optimale de la production électrique : un exemple d’application industrielle de l’algorithme de point intérieur S. Charousset, G. Vignal.
OPTIMISATION 1ère année ingénieurs
La Dualité et l’Analyse sensitive et post-optimale en PL
CalculmatricielCalculmatriciel. I. Matrices Définitions & notations :
2. Méthode du simplexe et son analyse.
Optimisation Logique Bruno Rouzeyre
l’algorithme du simplexe
Recherche de zero d'une fonction MARMAD ANAS MPSI -2.
5. Algorithme du simplexe
Programmation linéaire. Introduction  Qu’est-ce qu’un programme linéaire ?  Exemples :  allocation de ressources  problème de recouvrement  Hypothèses.
Encadrée par: - Mr. Abdallah ALAOUI AMINI Réalisée par : -ERAOUI Oumaima -DEKKAR Amal - ES-SAHLY Samira -Houari Mohammed PROGRAMMATION MULTIOBJECTIFS.
PROGRAMMATION SCIENTIFIQUE EN C
Introduction  La PLNE regroupe l’ensemble des techniques permettant de résoudre des programmes linéaires dont les solutions doivent être entières.  Formellement,
Aide à la décision M. Barbot – 09/03/2016 – EFREI
l’algorithme du simplexe
Chapitre I Modélisation optimisation
Outils de Recherche Opérationnelle en Génie MTH 8414
بسم الله الرحمن الرحيم. mise en situation difficulté : Vous voulez transmettre une information un ami qui se trouve très loin de toi et ne peut vous entendre,
La programmation dynamique
Transcription de la présentation:

Programmation linéaire et Recherche opérationnelle Licence d’Econométrie Professeur Michel de Rougemont

Programmation linéaire et Recherche opérationnelle 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 /21/2 005/ /21/2-3/2011/2 0-7/21/2-5/200-25/2

Itération de Tableaux Colonne du pivot : Max cj Ligne pivot : Min s/r Pivot =2 Diviser ligne pivot par le pivot 13/21/2 005/

Itération de Tableaux Soustraire à chaque ligne un multiple de la ligne pivot (0 apparaît sur la colonne Pivot) 13/21/2 005/ Ligne 2 – 4.ligne 1

Tableau 2 13/21/2 005/ /21/2-3/2011/2 0-7/21/2-5/200-25/2 13/21/2 005/ /21/2-3/2011/2 0-7/21/2-5/200-25/2

Itération 13/21/2 005/ /21/2-5/200-25/ Faire apparaître 0 dans la colonne du pivot: 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

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) z>22 avec (3,0,2,0) …. 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: