Documente Academic
Documente Profesional
Documente Cultură
ss
ss
1
4. Présentation de la méthode :
-On part d’un problème linéaire à m contraintes mixtes, n variables et k fonctions objectifs
à minimiser
minf1 (x)
minf2 (x)
..
.
minfK (x)
h(x) = 0
g(x) ≤ 0
X ≥ 0; telque : XRn etf Rk
f1 (x) = F1
f2 (x) = F2
..
.
f (x)) = F
K k
−
-On associe à chaque fonction objectif fi (x) une paire de variables de déviation d+
i et di
−
f1 (x) = F1 +d+
1 - d1
f2 (x) = F2 +d+ - d−
2 2
..
.
f (x)) = F +d+ - d−
K 1 K K
2
min (d− + − + − +
1 ou d1 , d2 ou d2 ,...,dk ou dk )
avec :
−
f1 (x) = F1 +d+
1 - d1
f2 (x) = F2 +d2 - d−
+
2
..
.
−
fK (x) = Fk +d+
k - dk
h(x) = 0
g(x) ≤ 0
X ≥ 0; telque :d > 0,i(1, ..., n) et f Rk
i
Pour résoudre un problème formulé par la méthode du but programmé il y a deux manières
différentes :
Dans ce cas les objectifs tous ont le même degré d’importance pour le décideur , donc on
minimise une seule fonction objectif formée de la somme pondérée des variables de déviation
choisies
Exemple :
−
min(P1 d+ +
1 + P 2 d2 + P 3 d3 )
B. La méthode préventive :
Les objectifs sont classés hiérarchiquement par leurs niveau d’importance , donc on opti-
mise les objectifs un par un en commençant par l’objectif le plus prioritaire en terminant par
l’objectif le mois important pour le décideur ; cela nous donne plusieurs problèmes linéaires à
résoudre successivement en remplaçant progressivement les valeurs des variables de déviation
déja minimisées.
6. Exemple concret :
Dans la semaine des examens les deux modules ‘’Optimisation multicritère” et ‘’économétrie”
ont été programmés le même jour .
Vous estimez que si vous passez une heure étudier chaque module la veille votre apprentis-
sage sera 0,125 et 0,25 (sur l’échelle de 0 à 1) pour l’optimisation et l’économétrie respectivement
,vous estimez également quel niveau d’apprentissage assure au moins quelle note selon le ta-
bleau suivant :
3
Niveau d’apprentissage Note minimale
0,125 10/20
0,25 12/20
0,375 14/20
0,5 15/20
0,625 16/20
0,75 17/20
0,875 19/20
Supposons que vous serez satisfaits si vous obtantez au moins 14/20 en optimisation multi-
critère et 17/20 en économétrie et vous décidez également que vous n’allez pas étudier plus de
4 heures la veille de l’examen.
Variables :
x1 : nombre des heures consacrées à l’optimisation
4
Objectif 1 : x1 + x2 ≤ 4 (ne pas étudier pendant plus de 4 heures)
- Il existe un domaine qui satisfait les objectifs 1 et 2 au même temps (le petit triangle ombré
en FIGURE 3) , mais il n’existe pas un domaine qui satisfait les trois objectifs simultanément.
5
Figure 3 – Le domaine qui satisfait l’objectif 1 et l’objectif 2 au même temps
Variables de déviation :
d+
1 : Heures d’étude moins de 4 heures
d−
1 : Heures d’étude plus de 4 heures
d+
2 : moins de 14/20 en optimisation
d−
2 : plus de 14/20 en optimisation
d+
3 : moins de 17/20 en économétrie
d−
3 : plus de 17/20 en économétrie
6
Figure 4 – Représentation des variables de déviation
Résolution du problème :
-Vous avez décidez de ne pas réviser plus de 4 heures quoi qu’il arrive , donc on attribue le
poids (5) à d−
1
M in 5 d− + +
1 + d2 + 2 d3
+ −
x1 + x2 +d1 - d1 = 4
−
x1 +d+2 - d2 = 3
+ −
x2 +d3 -d3 =3
xi ,di > 0 tel que : i(1, . . . , n)
7
Solution optimale :
x1 = 3
x2 = 1
d+ =2
3−
− −
d1 = d+ +
1 = d2 = d3 = d2 =0
8
2-Par la méthode préventive :
Que passera t-il lorsque vous décidez qu’ obtenir les notes désirées en optimisation multi-
critère et en économétrie est beaucoup plus important que se limiter les heures de révision ? ?
-On forme donc 3 problèmes linéaires chaque un vise à minimiser une des variables de dé-
viation
PL1 :
M in d−
1
−
x1 + x2 +d+
1 -d1 = 4
−
x1 +d+2 -d2 = 3
x2 +d3 -d−
+
3= 3
xi ,di > 0 tel que : i(1, . . . , n)
Solution optimale du 1 ér PL :
x1 = 3
x2 = 1
d+ =2
3−
− −
d1 = d+ +
1 = d2 = d3 = d2 =0
-On substitue d−
1 dans PL2
PL2 :
M in d+
3
x1 + x2 +d+
1 = 4
+ −
x1 +d2 - d2 = 3
x +d+ -d− = 3
2 3 3
xi ,di > 0 tel que : i(1, . . . , n)
9
x1 = 3
x2 = 1
d+ =2
3−
− −
d1 = d+ +
1 = d2 = d3 = d2 =0
PL3 :
M in d+
2
x1 + x2 +d+
1 = 4
−
x1 +d+2 -d 2 = 3
−
x2 −d3 = 1
xi ,di > 0 tel que : i(1, . . . , n)
x1 = 3
x2 = 1
+
d =2
3−
− −
d1 = d+ +
1 = d2 = d3 = d2 =0
x1 = 3
x2 = 1
d+ =2
3−
− −
d1 = d+ +
1 = d2 = d3 = d2 =0
x1 = 3
x2 = 1
+
d =2
3−
− −
d1 = d+ +
1 = d2 = d3 = d2 =0
10
7.Algorithme résumant les étapes de la méthode du but programmé :
Début :
b.écrire le PL.
b. substitue la valeur objective trouvée dans le 2éme PL qui minimise la 2éme variable de
déviation.
5.Evaluer la solution optimale trouvée si elle est refusée par le décideur aller à 1 .
FIN.
8. Conclusion :
11
Références :
- http ://www.Hindawi.com/journals
- http ://www.fr.slideshare.net/hakeemrahman/goal-programming
- http ://www.fr.slideshare.net/forestyaser
- http ://slideplayer.com.net
12