Documente Academic
Documente Profesional
Documente Cultură
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Ouvrages de r ef erence
V. Chv atal - Linear Programming, W.H.Freeman, New York, 1983. Japanese translation published by Keigaku Shuppan, Tokyo, 1986. R. J. Vanderbei - Linear Programming, Foundations and Extensions, Springer-Verlag, 2008. C. Gu eret, C. Prins et M. Sevaux - Programmation lin eaire : 65 probl` emes doptimisation mod elis es et r esolus avec Visual Xpress, Eyrolles, 2000. C. Prins et M. Sevaux - Programmation lin eaire avec Excel : 55 probl` emes doptimisation mod elis es pas ` a pas et r esolus avec Excel, Eyrolles, 2011.
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Sommaire
Quelques exemples Exemple 1 : Production Exemple 2 : Transport Exemple 3 : Planication Approche graphique Approche g eom etrique Extensions
2 3 4
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Les mati` eres premi` eres sont en quantit e limit ee : 800 kilos de Fraises, 700 kilos de Lait et 300 kilos de sucre. La vente des yaourts A rapportent 4e par kilo et les yaourts B 5e.
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Mod elisation :
Variables : xi : quantit e (en kg) de yaourts du type i = A, B produit Objectif : Maximiser 4xA + 5xB Contraintes : 2xA + xA + xA , xB 2xB xB xB 800 700 300 0
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Bordeaux 9 Bordeaux 0 20 24
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Mod elisation :
i I j J i I , j J
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Demandes
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Mod elisation :
Variables : xt : production normale en p eriode t = 1, . . . , 4 yt : production en heure sup en periode t = 1, . . . , 4 st : stock en n de p eriode t = 1, . . . , 3 Objectif : =4 t =3 Minimiser 7 t 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
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Programmation Lin eaire - Cours 1
Sommaire
1 2
Quelques exemples Approche graphique Hypoth` eses de base Repr esentation graphique R esolution graphique Approche g eom etrique Extensions
3 4
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Max
4xA + 2xA + xA + xA ,
5xB xB 2xB xB xB
xB 300
xA + 2xB 700
xA
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Terminologie
Solution : Aectation de valeurs num eriques aux variables du probl` eme. Solution r ealisable : Une solution est r ealisable si les valeurs num eriques associ ees aux variables satisfont ` a lensemble des contraintes du programme lin eaire R egion r ealisable : Ensemble des solutions r ealisables.
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Programmation Lin eaire - Cours 1
xB 2xA + xB 800
xB 300
xA + 2xB 700
xA
R esolution graphique
xB 2xA + xB 800
Max
4xA + 2xA + xA + xA ,
5xB xB 2xB xB xB
xB 300 4xA + 5xB = 2900 xA + 2xB 700 4xA + 5xB = 2200 4xA + 5xB = 1000 4xA + 5xB = 0 xA
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Quelques observations
La solution optimale (sil en existe une) se trouve sur la fronti` ere de la r egion r ealisable Quand il en existe, il existe toujours une solution optimale sur un sommet (point extr eme) de la r egion r ealisable Il sut dexaminer les points extr emes de la r egion r ealisable (la PL est un probl` eme doptimisation combinatoire)
xB 2xA + xB 800
xB 300 4xA + 5xB = 2900 xA + 2xB 700 4xA + 5xB = 2200 4xA + 5xB = 1000 4xA + 5xB = 0 xA
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Sommaire
1 2 3
Quelques exemples Approche graphique Approche g eom etrique R esolution g eom etrique Terminologie Extensions
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Partir dun point extr eme x de la r egion r ealisable D eterminer une ar ete le long de laquelle lobjectif augmente. Sil nen existe pas, x est optimal, STOP Se d eplacer le long de lar ete jusquau point extr eme y suivant. Sil nexiste pas, le probl` eme est non born e, STOP Sinon, poser x y et revenir en 2
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
xB
1 0 4xA + 5xB 0 1
= 2200
xA
Theorem Loptimum local ainsi obtenu (meilleur que ses voisins) est un optimum global
1 0 4xA + 5xB 0 1
= 2200
xA
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Max
4xA + 2xA + xA + xA ,
5xB + xB + 2xB + xB + xB ,
0 s1 + s1
0 s2 + s2
s1 ,
s2 ,
s3 s3
Chaque variable peut etre associ ee ` a une contrainte n variables m contraintes n + m variables m contraintes
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Transformation en forme normale : Min cx Max c x o` u c = c ax b a x b o` u a = a et b = b ax = b ax b et ax b Variable xi 0 : on d enit une nouvelle variable xi 0 et on pose xi = xi Variable xi non restreinte : on d enit deux nouvelles variables + + xi , xi 0 et on pose xi = xi xi
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Programmation Lin eaire - Cours 1
Chaque in egalit e lin eaire d enit n un demi-espace dans IR Lintersection de ces demi-espaces d enit un poly` edre dans IR n qui corespond ` a la r egion r ealisable Chaque face du poly` edre est un sous ensemble de points qui satisfont une des in egalit es ` a l egalit e
2xA + xB 800
xB 300
xA + 2xB 700
xA
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
pivotage
le pivotage consiste ` a passer dun point extr eme ` a un point extr eme voisin en longeant une ar ete Deux solutions voisines ne dif` erent que par un hyperplan Lop eration consiste ` a choisir deux hyperplans (et donc deux variables) qui vont pivoter pour la description du point voisin.
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Sommaire
1 2 3 4
Quelques exemples Approche graphique Approche g eom etrique Extensions Extension 1 : Programme lin eaire en nombres entiers Extension 2 : Objectif quadratique
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Parmi un ensemble de sites potentiels, choisir o` u construire des d ep ots et aecter les magasins aux d ep ots pour leur r eapprovisionnement. Minimiser le co ut de construction et la distance parcourrue. Donn ees : I = {1, . . . , n} : ensemble des sites potentiels J = {1, . . . , m} : ensemble des magasins fi : co ut de construction du d ep ot i I di ,j : distance entre le d ep ot i I et le magasin j J
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Mod elisation :
Variables : xi =
j i i i
J I,j J I I,j J
Programmation Lin eaire - Cours 1
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Ci ,j xi xj
i I
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr
Variables : xi =
Ci ,j xi xj
i I p i x i R xi {0, 1},
i I
P. Pesneau pierre.pesneau@math.u-bordeaux1.fr