La Méthode de Simplexe Standardisation

Slides:



Advertisements
Présentations similaires
Programmation linéaire et Recherche opérationnelle
Advertisements

Résolution Graphique d'un Programme Linéaire
Eléments d'algèbre linéaire
La méthode du simplexe.
l’algorithme du simplexe
3. Variantes de l’algorithme
2. Méthodes du simplexe et son analyse.
Portée des variables VBA & Excel
Calculs de complexité d'algorithmes
LE CALCUL LITTÉRAL AU COLLÈGE
Résolution d’un programme linéaire
ACTIVITES Le calcul littéral (3).
Oscillations libres des systèmes à deux degrés de liberté
En quoi consiste la modulation d’amplitude ?
Bloc 2 : Modèles d’optimisation par la programmation linéaire
A.Faÿ 1 Recherche opérationnelle Résumé de cours.
Cours du 20 septembre Exceptionnellement, le cours prévu pour le mercredi 20 septembre se donnera Mardi le 19 septembre de 13h30 à 15h20 à la salle 1112.
07/24/09 1.
Génération de colonnes
Chapitre VII :Commande par retour d’état
PROGRAMMATION SCIENTIFIQUE EN C
Angles et distances dans R2
CHAPITRE 10 Fonctions affines – Fonctions linéaires
Programmation linéaire
Optimisation linéaire
Méthode du Simplex (Dantzig)
Chapitre 1 NOMBRES RELATIFS 1) Multiplication 2) Division 3) Équation.
Le point le plus près Montage préparé par : André Ross
Systèmes d’équations linéaires
Lignes trigonométriques.
Rappel... Solution itérative de systèmes linéaires (suite et fin).
1.3 COORDONNÉES DES POINTS
La droite dans R2 Montage préparé par : André Ross
Systèmes d’équations du premier degré à deux variables
Test bilan de calcul mental N°1 :
Équations Différentielles
Algèbre linéaire (GCI –100)
Représentation des systèmes dynamiques dans l’espace d’état
Représentation des systèmes dynamiques dans l’espace d’état
Représentation des systèmes dynamiques dans l’espace d’état
Programmation linéaire en nombres entiers Algorithme de la subdivision successive («Branch and Bound Algorithm»)
Programmation linéaire en nombres entiers : la méthode du simplexe
5.1 SYSTÈME DÉQUATIONS LINÉAIRES Cours 13. Au dernier cours nous avons vus Léquations vectoriel et léquation normale dun plan. Lintersection de deux plans.
3.1 DÉTERMINANTS (SUITE) Cours 6.
3.2 PRODUIT VECTORIEL Cours 7.
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.
Introduction à la programmation linéaire
Systèmes semi-linéaires
Introduction à l’algèbre
Inéquations du premier degré à une inconnue
Résoudre une équation du 1er degré à une inconnue
Atelier de formation : MAT optimisation II (les graphes).
La droite dans R3 Montage préparé par : André Ross
Sous-espaces vectoriels engendrés
Programmation linéaire en nombres entiers : les méthodes de troncature
l’algorithme du simplexe
Cours du 25 octobre Mardi le 24 octobre
MAXIMISER les RESULTATS
Coupes efficaces pour la relaxation lagrangienne
ECOLE DES HAUTES ETUDES COMMERCIALES MARKETING FONDAMENTAL
Programmation linéaire en nombres entiers
Post-optimisation, analyse de sensibilité et paramétrage
2. Méthode du simplexe et son analyse.
3. Variantes de l’algorithme
1. Méthode du simplexe et son analyse.
Pierre Joli Cours de Mathématique Pierre Joli
Programme linéaire - solution graphique
Techniques d'Optimisation Master
1 UE Intro. Optimisation L3 INFO UPSud II. Programmation linéaire en variables entières (ou mixtes)
Transcription de la présentation:

La Méthode de Simplexe Standardisation Procédure algébrique de la méthode de simplexe Méthode des Tableaux Tableau initial de simplexe Passage entre les tableau (variable entrante, variable sortante et élément de pivot) Règle d’arrêt

Introduction Historique de la méthode de simplexe Le problème de l’agriculteur :

Mise sous forme standard Introduire des variables supplémentaires (une pour chaque contrainte) de manière a réécrire les inégalités ( et ) sous la forme d'égalités. Max 100x1 + 200x2 (1) s. c x1 + x2 + S1 = 150 (2) 4x1 + 2x2 + S2 = 440 (3) x1 + 4x2 + S3 = 480 (4) x1 + S4 = 90 (5) x1, x2, S1, S2, S3, S4 0 (6) Remarque: Les valeurs du second membre des contraintes (les composants du vecteur b) sont positives

Revue algébrique de la méthode du simplexe Il y a plus de variables que de contraintes donc il y a un nombre infini de solutions de ce système d’équations Ces solutions doivent en plus satisfaire les contraintes de nonnégativité. On doit être en mesure de choisir parmi les solutions réalisables extrémaux celles qui maximisent la fonction objectif.

Revue algébrique de la méthode du simplexe Si un système d ’équations linéaire constitué de n variables et m équations (n  m) alors une solution extrême (dite aussi de base) est obtenue, en annulant (n-m) variables (hors base) et en résolvant les m équations pour déterminer les valeurs des autres m variables (de base). x1 = 150 S2 = 340 S3 = -120 S4 = -60 Variables de base x2 = 0 et S1 = 0 Variables hors base Solution extrême non réalisable

Revue algébrique de la méthode du simplexe x1 = 0 et x2 = 0 la méthode de simplexe est une procédure itérative qui, ayant trouvé une solution réalisable de base (l’origine O), passe d’une solution réalisable de base à une autre, par des transformation linéaire sur le système des contraintes sous leurs forme standard, jusqu’à atteindre la solution optimale.

Tableau de simplexe initial Méthode des tableaux Tableau de simplexe initial

Tableau de simplexe initial Exercice: Quelle est le programme linéaire décrit par le tableau de simplexe suivant

Amélioration de la solution Si on produit un hectare supplémentaire de x1, la valeur de quelques variables de base vont changer vu qu’on a : x1 + S1 = 150 4x1 + S2 = 440 x1 + S3 = 480 x1 + S4 = 90 Donc, une augmentation de x1 de 0 vers 1 va être accompagnée d'une diminution des variables de base S1, S2, S3, S4 respectivement de 1, 4, 1 et 1. L’effet de cette variation (noté z1) sur la fonction objectif est nul.

Amélioration de la solution avec

Amélioration de la solution L’augmentation de la valeur de la variable entrante x2 ne peut pas se faire infiniment, sous l’hypothèse que x1 reste nulle. On a x1 + S1 = 150 2x2 + S2 = 440 4x2 + S3 = 480 x4 + S2 = 90 On peut voir que x2 peut prendre comme valeur maximale la valeur de 120 (il ne faut pas oublier que les Si, i=1, 2, 3, 4 sont des variables positives). Cette valeur est obtenue en choisissant la plus petite valeur positive des divisions de 120/1, 440/2, 480/4 et 90/0 (on suppose que 90/0 est égale à l’infini ).

Amélioration de la solution Le pivot Le fait d’augmenter x2 jusqu’à la valeur 120 va engendrer l’annulation de la valeur du variable d’écart S3, ce qui élimine S3 de la base. On appelle S3 variable sortante.

Calcul des tableaux suivants Dans le nouveau tableau de simplexe on va remplacer S3 par x2 et l’ensemble des variables de base deviendra S1, S2, x2, S4.

Calcul des tableaux suivants 1. Diviser le ligne de pivot par la valeur de l’élément de pivot pour trouver la ligne transformée de la ligne de pivot.

Calcul des tableaux suivants 2. A chacune des variables de base, on associe la valeur 1 à l’intersection de la ligne et de la colonne relative à cette même variable et dans le reste de la colonne on trouve des zéros.

3.

Calcul des tableaux suivants En appliquant cette règle sur notre exemple, on trouve le tableau suivant :

Calcul des tableaux suivants Vérifier que l’ensemble des solutions réalisables, induit par les contraintes décrites dans le dernier tableau de simplexe, est le même que celui représenté par les contraintes initiales. Quelle est la nouvelle solution réalisable de base ?

Calcul des tableaux suivants Est-t-il possible de retrouver une solution réalisable de base meilleure ?

Calcul des tableaux suivants

Calcul des tableaux suivants la solution optimale d’un programme linéaire (de type maximisation) est atteinte s’il n’y a aucune valeur positive dans la ligne cj-zj du tableau du simplexe.

Résumé de la méthode de simplexe

Résumé de la méthode de simplexe

Exemple Résoudre le programme linéaire suivant en utilisant la méthode de simplexe. Max 3x1 + 2x2 s.c. - x1 + 2x2  4 3x1 + 2x2  14 x1 + x2  3 x1  0 x2  0 La forme standard du programme linéaire s'écrit comme suit : Max 3x1 + 2x2 s.c. - x1 + 2x2 + S1 = 4 3x1 + 2x2 + S2 = 4 x1 - x2 + S3 = 3 x1 0, x2 0, S1 0, S2 0, S30