Programmation linéaire en nombres entiers : la méthode du simplexe

Slides:



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

Programmation linéaire et Recherche opérationnelle
Résolution Graphique d'un Programme Linéaire
Eléments d'algèbre linéaire
La Méthode de Simplexe Standardisation
Symétrie, groupes ponctuels et groupes spatiaux
l’algorithme du simplexe
3. Variantes de l’algorithme
2. Méthodes du simplexe et son analyse.
Résolution d’un programme linéaire
Bloc 2 : Modèles d’optimisation par la programmation linéaire
A.Faÿ 1 Recherche opérationnelle Résumé de cours.
Chapitre II.Rappels mathématiques et complexité
5. Algorithme du simplexe
Génération de colonnes
6. Analyse postoptimale. Analyse postoptimale Mesurer linfluence sur la solution optimale de modifier certains coefficients du problème Indiquer à lutilisateur.
Rappel... Sous-espaces de Rn: Définition;
Optimisation non linéaire sans contraintes
VI – Rang d’une matrice Mots clés : Rang.
ASI 3 Méthodes numériques pour l’ingénieur
Programmation linéaire
Rappel... Opérations élémentaires sur les matrices:
Optimisation linéaire
ENSIIE-Master MPRO Alain Faye
IFT-2000: Structures de Données Introduction à lanalyse dalgorithmes Dominic Genest, 2009.
Systèmes d’équations linéaires
Chapitre 3bis Applications linéaires et Matrices
Examen partiel #2 Mercredi le 15 novembre de 13h30 à 15h20
Rappel... Solution itérative de systèmes linéaires (suite et fin).
Chapitre 5 Choix et demande.
Rappel... Caractérisation des matrices inversibles: Matrices bloc.
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»)
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
Partie 2 : programmation stochastique
L ABORATOIRE d I NGÉNIERIE des S YSTÈMES A UTOMATISÉS EA 4014 – Université dAngers Institut des Sciences et Techniques de lIngénieur dAngers Master2 Recherche.
Rappel... Matrices bloc. Décomposition des matrices:
Programmation linéaire en nombres entiers : les méthodes de troncature
Introduction à la programmation linéaire en nombres entiers
l’algorithme du simplexe
Cours du 25 octobre Mardi le 24 octobre
MAXIMISER les RESULTATS
Introduction Objet de la programmation mathématique, construction d'un modèle mathématique, problème général de programmation mathématique et classification,
ASI 3 Méthodes numériques pour l’ingénieur
Décomposition de Benders
D.E ZEGOUR Ecole Supérieure d’Informatique
Programmation linéaire en nombres entiers
Équilibrer une réaction chimique
Calendrier (sur MathSV)
6. Problème de flot à coût minimum.
- 5 - Optimisation linéaire et non-linéaire
ASI 3 Méthodes numériques pour l’ingénieur
Post-optimisation, analyse de sensibilité et paramétrage
2. Méthode du simplexe et son analyse.
Résolution des équations différentielles
Algorithmique Tableaux de données
programmation linéaire
1. Méthode du simplexe et son analyse.
Pierre Joli Cours de Mathématique Pierre Joli
Programme linéaire - solution graphique
MATHÉMATIQUES L1 Second Semestre Armand Taranco. BIBLIOGRAPHIE Dupont : Algèbre pour les sciences économiques, Flash U, A. Colin. Bernard Guerrien, Isabelle.
Techniques d'Optimisation Master
1 UE Intro. Optimisation L3 INFO UPSud II. Programmation linéaire en variables entières (ou mixtes)
Transcription de la présentation:

Programmation linéaire en nombres entiers : la méthode du simplexe

Introduction On s’intéresse à un PL où les variables sont entières, A et b aussi. Méthode impraticable : énumérer toutes les solns réalisables entières. Méthode du simplexe : en oubliant les contraintes d’intégrité, il se peut que la soln optimale soit entière auquel cas nous avons résolu le problème demandé. Programme linéaire entier facile : Un PLE qui, en oubliant les contraintes d’intégrité, fournit toujours une soln optimale entière par une méthode de résolution des programmes linéaires.

De plus, à une itération quelconque, xB = B-1 b et xR = 0. Unimodularité À chaque itération de la méthode du simplexe, on veut que la base réalisable admette une soln de base réalisable entière et vu que la soln optimale est aussi une soln de base réalisable, elle sera entière. De plus, à une itération quelconque, xB = B-1 b et xR = 0. Pour que cette soln soit entière, il est nécessaire que xB soit entier. Mais b étant entier, il suffit que B-1 soit une matrice entière. Nous savons que : B-1 = (B*)t / det B où B* désigne la matrice des cofacteurs. Mais vu que A est entière, il s’ensuit que B* est entière. Il suffit donc que det B soit égal à 1 pour que B-1 soit entière.

Soit B une matrice carrée d’ordre n, B est unimodulaire si det(B)  {0, 1, -1}.

Soit A une matrice m x n, A est totalement unimodulaire si toute sous-matrice carrée B d’ordre k, 1  k  min(m, n), extraite de A est unimodulaire. Note : tous les éléments d’une matrice A totalement unimodulaire doivent être 0, 1 ou –1. Théorème : Soit le programme linéaire entier Max z = ctx (PLE) sujet à Ax = b, x ≥ 0, x entier, si A est totalement unimodulaire, alors le programme linéaire associé à (PLE): Max z = ctx (PL) sujet à Ax = b, x ≥ 0. admet une solution optimale entière qui est aussi solution optimale de (PLE).

Exemple :

Théorème (conditions suffisantes pour être totalement unimodulaire)

Exemple :

Théorème (conditions suffisantes pour être totalement unimodulaire)

Applications : problème de transport entier

quantités entières Écrivons ce problème sous une forme plus développée.

On pose I = l’ensemble des lignes et J = . A est totalement unimodulaire.

Applications : problème d’affectation

Note : Si aij = 0, on supposera que cij = + ce qui implique que xij = 0. En pratique, xij est omise dans le modèle.

Programme linéaire entier à variables bivalentes 0-1. A est totalement unimodulaire ce qui implique qu’on peut remplacer xij = 0 ou 1 par xij  0.

Exemple :