SOLUTION DE BASE INITIALE

Exemple

Soit le programme linéaires :

3x1 + 2x2 -x3 + 4x4 = 8

x1 + 4x2 + x3 - 2x4 = 7

xi 0 ( i=1, 2, 3, 4)

Max Z = 2x1 + x2 + 3x3 + 2x4

x1 = x3 =0 , x2 = 11/5 et x4 = 9/10 est une solution réalisable.

Est-elle de base ?

Il suffit de vérifier que les variables {x2, x4} (non nuls)
peuvent être prises comme variables de base.

B est inversible (det B = -20) et

Dans ce cas et

On a alors la forme ( ) donne :

1
 x1 x3
x1 x3

Tableau du simplexe correspondant :

Solution de base Initiale

Méthode des deux phases
Etant donné un PL qui, sous sa forme standard, s’écrit
par :

La méthode des deux phases consiste à faire

apparaître dès le départ une solution de base évidente.
Chaque équation doit alors contenir une variable qui lui
est propre (non partagée par les autres équations) et
ayant pour coefficient 1.

2
Première phase
Afin de faire apparaître une telle variable dans la ième équation,
on ajoute à son premier terme une variable positive ai dite
«artificielle».
Le nouveau système de contraintes devient : A’x’=b (x’ contient
aussi les variables artificielles)
On commence par résoudre le programme linéaire suivant :

Si la solution optimale de ce PL’ annule toutes les variables

artificielles, alors cette solution correspond à une solution de
base du problème linéaire initial (PL) et constitue sa solution
de départ. On passe alors à la phase 2.
Sinon l’ensemble des solutions réalisables est vide (contraintes
incompatibles) pas de solutions pour (PL).

Seconde Phase
- La 1ière phase permet de déterminer une solution
initiale du problème linéaire (PL).
- Ecrire le tableau du simplexe du PL, pour cette
solution de base, continuer sa résolution en ne tenant
plus compte des variables artificielles.

Exemple

3
 1ière Phase
Résoudre :

Résolution de PL’
ci i x1 x2 a
0 3 2 1 0 0 0 12
-1 a 1 2 0 -1 0 1 4
0 1 0 0 0 1 0 3
cj 0 0 0 0 0 -1
Δj 1 2 0 -1 0 0

e s
ci i x1 x2 a
0 2 0 1 1 0 -1 8
0 x2 1/2 1 0 -1/2 0 1/2 2
0 1 0 0 0 1 0 3
Δj 0 0 0 0 0 -1

4
 Interprétation géométrique
x2

C (0,6)

B (3,1.5)
D (0,2)

(0,0) A (3,0.5)

x1

2ième phase
Premier tableau du Simplexe du PL :

ci i x1 x2 a
0 2 0 1 1 0 -1 8
2 x2 1/2 1 0 -1/2 0 1/2 2
0 1 0 0 0 1 0 3
cj 4 2 0 0 0 0

Δj 3 0 0 1 0
s
e

5
 Unicité de la solution

Si dans le tableau optimal de (P), on a pour toute

variable xj hors base Δj < 0, alors la solution optimale
est unique.
Sinon la solution optimales n’est pas unique.

Exemple

ci i 1 2
0 0 0 1 -1 6 6
4 2 0 1 0 1/2 -3/2 7/2
1ier 6 1 1 0 0 0 1 3
Tableau cj 6 4 0 0 0
optimal
Sol 3 7/2 6 0 0
Δj 0 0 0 -4 0 Z=32

s e

ci i 1 2
2cd 0 0 0 1/6 -1/6 1 1
Tableau 4 2 0 1 1/4 3/4 0 5
optimal 6 1 1 0 -1/6 1/6 0 2
cj 6 4 0 0 0
Sol 2 5 0 0 1
Δj 0 0 0 -4 0 Z=32

6
 Interprétation géométrique

B et C sont deux solutions

x2 optimales.
Tout le segment [B,C] est
B (2,5)
formé de solutions optimales

C (3, 3.5)

A (0,2)

O (0,0) D (3,0)
x1

Contraintes incompatibles
Si la solution optimale de la phase I contient au moins une variable artificielle
non nul alors l’ensemble des solutions réalisables est vide (les contraintes sont
incompatibles).

Exemple Y1et Y2 :
Variables
d’écarts
Passage a et a : variable
la phase I artificielle

Tableau optimal de
la phase I.
La variable
artificielle a est
différente de 0

La variable artificielle a = 1.
Elle est différente de 0

7
 Fonction économique non bornée

Si le second critère de Dantzig n’est pas applicable (tous les éléments de la colonne
entrante sont négatifs ou nuls) alors la fonction économique (à maximisée) est non
bornée supérieurement.
Exemple :

y1 et y2 étant les 2 variables d’écarts, le tableau optimal s’écrit :

Colonne de la variable entrante, le 2cd

critère de Dantzig ne s’applique pas

Interprétation géométrique

X2 Ensemble des solutions

réalisables non bornés

=2
X1 La fonction économique
-
X2 Z est non bornée
e
oit supérieurement
dr

(0,2)

(4,0) X1

droite X1+2X2=2