Cours Chvatal PDF

Coupes de Chv atal-Gomory
Pierre Bonami
Optimisation Combinatoire, Masters II, ID et IF
17 d ecembre 2012
Premi` ere partie I Rappels
Plans coupants

Soit X = {Ax b , x 0, xj Z, j = 1, . . . , p }. Comme x minimize la relaxation continue et x X , on a x conv(X ) (x est une solution de base de (PL)). paration si P est convexe et x Th. de Se P , hyperplan T x = tel que T x x P et T x .
1 x = (6, 2 )
Plans coupants

1 x = (6, 2 )
`me de se paration : Trouver T x = s 1. Proble eparant X et x . 2. Ajouter T x ` a (PL) et r ep eter les etapes (re-r esoudre PL, v erier 1. et 2.,...).
Plans coupants

1 x = (6, 2 )
`me de se paration : Trouver T x = s 1. Proble eparant X et x . 2. Ajouter T x ` a (PL) et r ep eter les etapes (re-r esoudre PL, v erier 1. et 2.,...).
Deuxi` eme partie II
Quelques r esultats sur les syst` eme din egalit es l
Elimination de Fourrier Motzkin

Soit P := {x : Ax b } (n variables, m contraintes).
Question Comment d eterminer si P = .


Question Comment d eterminer si P = . une par une les Approche de Fourrier : Eliminer variable de P jusqu` a:


1. Une contradiction ( P = ), ou


1. Une contradiction ( P = ), ou 2. Un interval en dimension 1.


1. Une contradiction ( P = ), ou 2. Un interval en dimension 1.
P s ecrit :
a11 x1 + . . . . . . aj 1 x1 + . . . . . .
+a1n xn b1
+ajn xn bj
am1 x1 + . . . +amn xn bm
Etape d elimination
On elimine la derni` ere variable xn . Soient :

I + := {i {1, . . . , m} : ain > 0 I := {i {1, . . . , m} : ain < 0 I 0 := {i {1, . . . , m} : ain = 0 ai 1 x1 + . . . +ai (n1) xn1 + ain xn bi ai 1 x1 + . . . +ai (n1) xn1 + ain xn bi ai 1 x1 + . . . +ai (n1) xn1 bi i I+ i I i I0
ecrit : P s
Etape d elimination
On elimine la derni` ere variable xn . Soient : + I := {i {1, . . . , m} : ain > 0 I := {i {1, . . . , m} : ain < 0 I 0 := {i {1, . . . , m} : ain = 0 P se re- ecrit : ai (n1) ai 1 bi x1 + . . . + xn 1 + xn ain ain ain a ai 1 bi i (n1) x1 + . . . + xn 1 xn ain ain ain ai 1 x1 + . . . +ai (n1) xn1 bi i I+ i I i I0
Etape d elimination
On elimine la derni` ere variable xn . Soient : + I := {i {1, . . . , m} : ain > 0 I := {i {1, . . . , m} : ain < 0 I 0 := {i {1, . . . , m} : ain = 0 P se re- ecrit : ai (n1) ai 1 bi x1 + . . . + xn 1 + xn ain ain ain a ai 1 bi i (n1) x1 + . . . + xn 1 xn ain ain ain ai 1 x1 + . . . +ai (n1) xn1 bi Pour tout i + I + et i I on a :
n 1 j =1
i I+ i I i I0
ai j bi b+ xj xn i ai n ai n ai + n
n 1 j =1
ai + j xj ai + n
Etape d elimination
On elimine la derni` ere variable xn . Soient :

I + := {i {1, . . . , m} : ain > 0 I := {i {1, . . . , m} : ain < 0 I 0 := {i {1, . . . , m} : ain = 0
On peut maintenant eliminer xn , on obtient P : a ai + 1 i 1 ai + n ai n + x1 + . . . xn 1 bi+ b i ai + n ai n bi i + I + , i I i I 0
ai (n1) ai 1 ain ai (n1)
ai 1 x1 + . . . + ai (n1) xn1
Th eor` eme
(x1 , . . . , xn1 ) P xn tel que (x1 , . . . , xn ) P
Lemme de Farkas
Question :
Sous quelle conditions P est vide ?
Lemme de Farkas
Question :
Th eor` eme
Le syst` eme P := {x : Ax b } na pas de solutions si et seulement si le syst` eme uA = 0, ub < 0 et u 0 a une solution.
Lemme de Farkas
Question :
Th eor` eme
Le syst` eme P := {x : Ax b } na pas de solutions si et seulement si le syst` eme uA = 0, ub < 0 et u 0 a une solution.
D emonstration.
Supposons x P , pour tout u 0, uAx ub . Si u 0 tel que uA = 0 et ub < 0, x : uAx = 0 > ub donc x P . Pour le sens inverse, on suppose P = , en appliquant l elimination de Fourrier on trouve u satisfaisant le th eor` eme.
Corollaires du Lemme de Farkas

Corrolaire
Le syst` eme Ax b a une solution si et seulement si u 0 tel que uA = 0 on a ub 0.

Corrolaire
Corrolaire (Programmation lin eaire)

Le syst` eme Ax = b, x 0 a une solution si et seulement si u tel que uA 0 on a ub 0.

Corrolaire
Corrolaire (Programmation lin eaire)

Le syst` eme Ax = b, x 0 a une solution si et seulement si u tel que uA 0 on a ub 0.
Corrolaire
Le syst` eme Ax + By f Cx + Dy = g , x 0 a une solution si et seulement si (u , v ) tel que uA + vC 0, uB + vD = 0 et u 0 on a uf + vg 0.
Dualit e forte en Programmation Lin eaire

Th eor` eme
Soient P := {x : Ax b } et D := {u : uA = c , u 0}. (a) Si P = et D = : max{cx : x P } = min{ub : u D }.
(b) Si P = et D = , max{cx : x P } nest pas born e.
Dualit e forte en Programmation Lin eaire

Th eor` eme
Soient P := {x : Ax b } et D := {u : uA = c , u 0}. (a) Si P = et D = : max{cx : x P } = min{ub : u D }.
(b) Si P = et D = , max{cx : x P } nest pas born e.
Id ee de preuve.
Cas (a). xinP et u D on a cx = uAx ub (dualit e faible). En utilisant (plusieurs fois) le lemme de Farkas on montre que si P = et D = , le syst` eme : Ax b , uA = c , u 0, ub cx est r ealisable.
In egalit e valides pour une Programme Lin eaire

Denition
x est une in egalit e valide pour P R n si x P , x .

Denition
x est une in egalit e valide pour P R n si x P , x . Question : Si P := {x : Ax b }, ` a quelle condition x est une in egalit e valide pour P ?

Denition
Th eor` eme
Supposons P = . x est valide pour P si et seulement si u 0 tel que = uA et ub.

Denition
Th eor` eme
Supposons P = . x est valide pour P si et seulement si u 0 tel que = uA et ub.
D emonstration.
Si u 0 tel que = uA et ub , x P : x = uAx ub . Si x est valide, max{x : x P } . Par la dualit e max{x : x P } = min{ub : uA = , u 0}, la solution optimale u satisfait le Th eor` eme.
Troisi` eme partie III Coupes de Chv atal-Gomory
Rappels : Algorithme de plans coupants

On consid` ere un programme en nombres entiers pur : max cx Ax b x 0 x Zn
Algorithme
1. C 2. R esoudre la relaxation continue max{cx : Ax b , x , , C , x 0}. Soit x la solution. 3. Si x Zn FIN. 4. Trouver x tel que x > et x pour tout x Zn tel que Ax b et x 0. 5. Ajouter , ` a C et aller en 2.
Un principe de coupe
Un principe simple
Si x Z et x f f Z alors x f o` u f est la partie enti` ere de f .
Utilisation
Soit une in egalit e x telle que i Z i = 1, . . . , n. Si x satisfait lin egalit e et x est entier x .
Exemple
x Z2 tel que x1 + x2 1.9
Un principe simple
Utilisation
Exemple
x Z2 tel que x1 + x2 1.9
Un principe simple
Utilisation
Exemple
x Z2 tel que x1 + x2 1.9 x1 + x2 1.9 = 1

Th eor` eme
Si x Zn v erie Ax b , lin egalit e uAx ub est valide pour m tout u 0 tel que uA Z .
Exemple
On consid` ere le polyh` edre donn e par les in egalit es : x1 + x2 2 3x1 + x2 5

Th eor` eme
Exemple
On consid` ere le polyh` edre donn e par les in egalit es : x1 + x2 2 3x1 + x2 5

Th eor` eme
Exemple
On consid` ere le polyh` edre donn e par les in egalit es : x1 + x2 2 3x1 + x2 5 En prenant u1 = u2 = 1/2 : 2x1 + x2 3.5

Th eor` eme
Exemple
On consid` ere le polyh` edre donn e par les in egalit es : x1 + x2 2 3x1 + x2 5 En prenant u1 = u2 = 1/2 : 2x1 + x2 3.5 En arrondissant on obtient : 2x1 + x2 3
Fermeture el ementaire
D enition
Soient P := {x Rn : Ax b } et X = P Zn , on appelle fermeture el ementaire de Chv atal lensemble : P (1) (P ) = {x Rn : uAx ub , pout tout u 0 tel que uA Zn }.
Proposition
X P (1) (P ) P
Application r ecursive
On peut appliquer r ecursivement la proc edure : P (2) (P ) = P (1) P (1) (P ) . . . P (k ) (P ) = P P (k 1) (P )
Th eor` eme de Chv atal-Gomory

Th eor` eme
Soit A une matrice ` a coecients rationnelles et b un vecteur ` a coecients rationelles. Toute in egalit e valide pour X peut etre obtenue par un nombre ni dapplication de la proc edure de Chv atal. (i.e. conv(X ) = P k (X ) pour k ni).
Exemple
max 9x1 + 5x2 x1 6 3x1 + 2x2 19 x Z2 + u1 u3 x1 + 3x2 1 u2

Th eor` eme
Exemple

Th eor` eme
Exemple
u1 = 0, u2 = 3/11, u3 = 1/11

Th eor` eme
Exemple
u1 = 0, u2 = 3/11, u3 = 1/11 x1 1 (u4 )

Th eor` eme
Exemple
u1 = 0, u2 = 3/11, u3 = 1/11 x1 1 (u4 )

Th eor` eme
Exemple
u1 = 0, u2 = 3/11, u3 = 1/11 x1 1 (u4 )
Retour aux plans coupants

Algorithme
1. C 2. R esoudre la relaxation continue max{cx : Ax b , x , , C , x 0}. Soit x la solution. 3. Si x Zn FIN. 4. Trouver x tel que x > et x pour tout x Zn tel que Ax b et x 0. 5. Ajouter , ` a C et aller en 2. a coecients entiers. On suppose A `
R esolution de la relaxation continue

Le programme lin eaire est mis sous forme standard (par lajout de variables d ecarts) : max cx A x = b x 0 x Zn+m et r esolu par la m ethode du simplexe. A loptimum de la relaxation continue, on a une base B et un tableau du simplexe : xB + B 1 NxN = B 1 b o` u N est la matrice des variables hors base, et la solution optimale x est donn ee par x N = 0 et x B = B 1 b . On note A = B 1 A et a0 = B 1 b . Une ligne du tableau est de la forme : xi +
j B
aij xj = ai 0
Si a0 Zm la solution optimale de la relaxation continue est enti` ere (FIN). Sinon, il existe i tel que ai 0 Z
S eparation dune coupe de Gomory

xi +
j B
aij xj = ai 0
On note fj = aij aij xi +

j B
fj xj +
j B
aij xj = ai 0
Comme xj 0 et fj 0, cette egalit e implique ; xi +

j B
aij xj ai 0
Le membre de gauche est entier, on peut arrondir celui de droite : xi +

j B
aij xj ai 0
S eparation dune coupe de Gomory (II)

Lin egalit e xi +
j B
aij xj ai 0
nest pas satisfaite par la solution courante : x i = ai 0 et x j = 0 pour j B donc : x i +

j B
aij x j = ai 0 > ai 0
On peut donc ajouter cette in egalit e et appliquer lalgorithme de s eparation.
Algorithme de Gomory
On suppose A ` a coecients entiers. 1. C 2. R esoudre la relaxation continue max{cx : Ax b , x , , C , x 0}, par lalgorithme du simplexe. Soit x la solution et B la base optimale. 3. Si x Zn FIN. 4. Choisir une ligne du tableau : xi +
j B
aij xj = ai 0
telle que ai 0 Z. 5. Ajouter lin egalit e de Gomory xi +

j B
aij xj ai 0
et aller en 2.
Finitude de lalgorithme
Solution lexicographiquement minimale
Une solution x est dite lexicographiquement optimale si :

elle est optimale ; elle est minimale dans lordre lexicographique : toute autre solution optimale x est telle que x 1 < x 1 ou ( x1 = x 1 et x 2 < x 2 ) ou . . .
n < x n ) ou ( xi = x i pour i = 1,. . . ,n-1 et x
Th eor` eme de Gomory

Lalgorithme converge en temps ni si la relaxation continue est r esolue ` a une solution lexicographiquement optimale ` a chaque it eration.
Remarques
Lalgorithme de Gomory a et e d ecouvert en 1958.
Remarques

Lalgorithme de Gomory a et e d ecouvert en 1958. Tr` es vite (1960 ?) il a et e consid er e comme inutile en pratique : mauvaise convergence, num eriquement instable. . .
Remarques

Lalgorithme de Gomory a et e d ecouvert en 1958. Tr` es vite (1960 ?) il a et e consid er e comme inutile en pratique : mauvaise convergence, num eriquement instable. . . En 2008 Zanette, Balas et Fischetti ont (re)d ecouvert que lalgorithme original de Gomory ne marchait pas si mal. En 2010, Z.B.F. donnent comme exemple un probl` eme pos e par Knuth en 1960 avec 51 variables et 43 contraintes r esolu pour la premi` ere fois en 1995 avec CPLEX.
Par branch-and-cut, le probl` eme est r esolu en 6 secondes et 91 000 nuds. Lalgorithme de Gomory (l eg` erement modi e) r esoud le probl` eme en 0,15 secondes avec 1 032 coupes !
Importance de lordre lexicographique
Gomory pensait que lordre lexicographique etait une technicit e th eorique uniquement n ecessaire pour la preuve. En fait, il joue un ordre capital en pratique.
Figure: Nombre dit eration de lalgorithme avec di erente options.
Quatri` eme partie IV Coupes de Gomory Mixtes
Coupes mixtes de Gomory

Les coupes de Gomory peuvent uniquement etre utilis ees pour un probl` eme en nombres entiers pur. Nous consid erons maintenant un probl` eme mixte : max cx Ax b x 0 xi Z i I {1, . . . , n}
Principe disjonctif
Un principe simple
Si x Rn , x 0 et x satisfait soit la contrainte i =1 ai1 xi 1 soit la n contrainte i =1 ai2 xi 1. Alors x satisfait la contrainte :
n n
max{ai1 , ai2 }xi 1

i =1
Exemple
Si x 0 satisfait soit x2 x1 + 1 2 2 soit 3 x2 x1 + 1 5 5
Principe disjonctif
Un principe simple
n n
max{ai1 , ai2 }xi 1

i =1
Exemple
Principe disjonctif
Un principe simple
n n
max{ai1 , ai2 }xi 1

i =1
Exemple
Principe disjonctif
Un principe simple
n n
max{ai1 , ai2 }xi 1

i =1
Exemple
Principe disjonctif
Un principe simple
n n
max{ai1 , ai2 }xi 1

i =1
Exemple
Si x 0 satisfait soit x2 x1 + 1 2 2 soit 3 x2 x1 + 1 5 5 il satisfait : 3 x2 x1 + 1 5 2
D erivation dune coupe mixte simple

On consid` ere toujours une ligne du tableau (maintenant certaines variables sont continues) corrspondant a une variable de base enti` ere (xi Z) : xi + aij xj = ai 0
j B
Soit f0 = ai 0 ai 0 . On r eecrit la ligne : aij xj f0 = ai 0 xi

j B
Comme ai 0 xi Z on a soit ai 0 xi 0 soit ai 0 xi 1 et donc soit aij xj f0 0

j B
soit aij xj f0 1.
j B
D erivation dune coupe mixte simple (II)

En r earangeant les termes, soit aij xj f0
j B
soit aij xj f0 1.
j B
On divise la premi` ere in egalit e par f0 > 0 et la seconde par f0 1 < 0, soit aij x 1 f0 j
j B
soit
j B
aij x 1. f0 1 j
On peut maintenant appliquer le principe disjonctif, on obtient : max{

j B
aij aij , }x 1. f0 f0 1 j
Remarque
Comme f0 > 0 et f0 1 < 0 : max{ et lin egalit e s ecrit : aij x + f0 j aij x 1. 1 f0 j aij aij , }= f0 f0 1
aij f0 aij f0 1
si aij > 0 si aij < 0.
j B ,aij >0
j B ,aij <0
Une meilleure in egalit e : In egalit e Mixte de Gomory

Au d ebut de la d erivation on peut am eliorer l n egalit e en di erenciant les variables hors bases enti` eres et continues dans la ligne du tableau : xi +
j B ,j I
aij xj +
j B ,j I
aij xj = ai 0
Soit f0 = ai 0 ai 0 , fj = aij aij . La ligne peut se r eecrire : xi +

j B ,j I ,f j f 0
fj xj +
j B ,j I ,f j > f 0
(1 fj )xj
j B ,j I
aij xj = aij xj
j B ,j I ,f j > f 0
ai 0 xi
j B ,j I ,f j f 0
aij xj
(1)
En utilisant lint egrit e du membre de droite on peut d eriver une coupe de la m eme mani` ere, on obtient : fj x+ f0 j 1 fj x+ 1 f0 j aij x+ f0 j aij x 1. 1 f0 j
j B ,j I ,f j f 0
j B ,j I ,f j > f 0
j B ,j I ,aij >0
j B ,j I ,aij <0
Comparaison des coupes de Gomory pures et Mixtes

Si on suppose le probl` eme entier, on peut montrer que lin egalit e mixte fj x + f0 j 1 fj x 1. 1 f0 j
j B ,f j f 0
j B ,f j > f 0
domine lin egalit e pure : xi +

j B
aij xj ai 0 .
Remarques
Pour les programmes mixtes, lalgorithme de Gomory ne converge pas en temps ni. En 1996, il a et e d ecouvert que lalgorithme pouvait en fait etre utile dans le cadre dun branch-and-cut.
Algorithme de renforcement
esoudre la relaxation continue 1. R max{cx : Ax b , x , , C , x 0}. Soit x la solution et B la base optimale. 2. Si x Zn FIN. 3. Pour toute les lignes du du tableau : xi +
j B
aij xj = ai 0
telles que ai 0 Z, ajouter lin egalit e Mixte de Gomory et aller en 2. Ces coupes sont int egr ees dans tous les solveurs modernes (CPLEX, GUROBI, GLPK, COIN-OR,. . . ).

Cours Chvatal PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Cours Chvatal PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Coupes de Chv atal-Gomory

Premi` ere partie I Rappels

Deuxi` eme partie II

Quelques r esultats sur les syst` eme din egalit es l

Elimination de Fourrier Motzkin

Question Comment d eterminer si P = .

Elimination de Fourrier Motzkin

Elimination de Fourrier Motzkin

Elimination de Fourrier Motzkin

Elimination de Fourrier Motzkin

I + := {i {1, . . . , m} : ain > 0 I := {i {1, . . . , m} : ain < 0 I 0 := {i {1, . . . , m} : ain = 0

On peut maintenant eliminer xn , on obtient P : a ai + 1 i 1 ai + n ai n + x1 + . . . xn 1 bi+ b i ai + n ai n bi i + I + , i I i I 0

ai (n1) ai 1 ain ai (n1)

Sous quelle conditions P est vide ?

Sous quelle conditions P est vide ?

Sous quelle conditions P est vide ?

Corollaires du Lemme de Farkas

Corollaires du Lemme de Farkas

Corrolaire (Programmation lin eaire)

Corollaires du Lemme de Farkas

Corrolaire (Programmation lin eaire)

Dualit e forte en Programmation Lin eaire

(b) Si P = et D = , max{cx : x P } nest pas born e.

Dualit e forte en Programmation Lin eaire

(b) Si P = et D = , max{cx : x P } nest pas born e.

In egalit e valides pour une Programme Lin eaire

In egalit e valides pour une Programme Lin eaire

In egalit e valides pour une Programme Lin eaire

In egalit e valides pour une Programme Lin eaire

Troisi` eme partie III Coupes de Chv atal-Gomory

Rappels : Algorithme de plans coupants

Coupes de Chv atal-Gomory

Coupes de Chv atal-Gomory

Coupes de Chv atal-Gomory

Coupes de Chv atal-Gomory

Th eor` eme de Chv atal-Gomory

Th eor` eme de Chv atal-Gomory

Th eor` eme de Chv atal-Gomory

Th eor` eme de Chv atal-Gomory

u1 = 0, u2 = 3/11, u3 = 1/11 x1 1 (u4 )

Th eor` eme de Chv atal-Gomory

u1 = 0, u2 = 3/11, u3 = 1/11 x1 1 (u4 )

Th eor` eme de Chv atal-Gomory

u1 = 0, u2 = 3/11, u3 = 1/11 x1 1 (u4 )

Retour aux plans coupants

R esolution de la relaxation continue

S eparation dune coupe de Gomory

On note fj = aij aij xi +

Comme xj 0 et fj 0, cette egalit e implique ; xi +

Le membre de gauche est entier, on peut arrondir celui de droite : xi +

S eparation dune coupe de Gomory (II)

nest pas satisfaite par la solution courante : x i = ai 0 et x j = 0 pour j B donc : x i +

On peut donc ajouter cette in egalit e et appliquer lalgorithme de s eparation.

telle que ai 0 Z. 5. Ajouter lin egalit e de Gomory xi +

n < x n ) ou ( xi = x i pour i = 1,. . . ,n-1 et x

Th eor` eme de Gomory

Lalgorithme de Gomory a et e d ecouvert en 1958.

Importance de lordre lexicographique

Figure: Nombre dit eration de lalgorithme avec di erente options.

Quatri` eme partie IV Coupes de Gomory Mixtes

Coupes mixtes de Gomory

max{ai1 , ai2 }xi 1

max{ai1 , ai2 }xi 1