S6 SCG RO PL Résolution Algèbrique 2 PDF

Programmation Linaire
Une usine fabrique 2 pices P1 et P2 usines dans 2 ateliers A1 et A2

Les temps d'usinage sont :
pour P1 : de 3 heures dans l'atelier A1 et de 6 heures dans A2
pour P2 : de 4 heures dans l'atelier A1 et de 3 heures dans A2

Le temps de disponibilit hebdomadaire de l'atelier A1 est de 160 heures et
celui de l'atelier A2 de 180 heures.
La marge bnficiaire est de 1200 dhs pour une pice P1 et 1000 dhs pour une
pice P2.
Problme :
Quelle production de chaque type doit-on fabriquer pour maximiser la
marge hebdomadaire ?
Prof. Amale LAHLOU
Semestre VI - Licence en Sciences de Gestion
RETOUR SOMMAIRE
Diapositive 130
Variables conomiques ou de dcision :

x1 = quantit de pices P1 fabriquer
x2 = quantit de pices P2 fabriquer
la forme canonique
max
z 1200 x1 1000 x2
sc
3 x1
6 x1
x ,
1
la forme standard
max
z 1200 x1 1000 x2 0e1 0e2
sc
4 x2
3 x2
x2
160
180
0
3x1
6 x1
x ,
1
4 x2
3 x2
x2 ,
e1
0
e1 ,
0
e2
e2
160
180
0
Signification contextuelle des variables dcart e1 et e2 :

Il s'agit de la capacit horaire disponible et non utilise respectivement dans
chacun des ateliers A1 et A2
La reprsentation graphique servira illustrer et commenter

gomtriquement la dmarche algbrique commande par lalgorithme de
simplexe.
Prof. Amale LAHLOU
RETOUR SOMMAIRE
Diapositive 131
70
z 47200
x1 0
60
6 x1 3x2 180 e2 0
50
La rgion admissible est celle colore sur
40
le graphique, elle est convexe. La
30
rsolution algbrique ncessite la forme
20
standard du modle :
( PL ) max
3x1
sc 6 x1
x ,
1
z 1200 x1 1000 x2 0e1 0e2
4 x2
3 x2
x2 ,
e1 0
0 e2
e1 , e2
z0
160
180
0
non-ngatives.
-10
Prof. Amale LAHLOU
x2 0
0
0
10
20
30
40
50
60
Si x1= 0 et x2= 0 alors e1= 160, e2= 180
do le sommet O = (0,0,160,180)
Si x1= 0 et e1= 0 alors x2= 40, e2= 60
do le sommet A = (0,40,0,60)
Ces
Si e1= 0 et e2= 0 alors x1= 16, x2= 28
do le sommet B = (16,28,0,0)
sommets sont dits solutions de base

admissibles du (PL=).
3x1 4 x2 160 e1 0
10
a deux variables nulles et les deux autres

sont
-10
Chaque sommet de la rgion admissible
variables
Si e2= 0 et x2= 0 alors x1= 30, e1= 70
do le sommet C = (30,0,70,0)
RETOUR SOMMAIRE
Diapositive 132
70
z 47200
x1 0
60
50
La mthode du simplexe est un
40
procd itratif partant dune solution de
admissible initiale pour un programme de

maximisation
aves
des
contraintes
A
B
30
base admissible initiale (en gnral,

lorigine est une solution de base
6 x1 3x2 180 e2 0
3x1 4 x2 160 e1 0
20
z0
10
-10
x2 0
0
0
10
20
30
40
50
60
-10
d'infriorit et un second membre non-
Ce problme de production exigera 2
ngatif) un sommet adjacent de la
itrations : on passera successivement de
rgion
atteindre
lorigine O C, puis de C B o lon
progressivement la solution optimale du
sarrtera, puis B est loptimum de ce
programme linaire.
problme.
admissible
jusqu
Chaque passage
amliore, ou du moins ne dgrade pas, la

valeur prise par la fonction-objectif.
Prof. Amale LAHLOU
RETOUR SOMMAIRE
Diapositive 133
70
z 47200
x1 0
60
0n pose x1=0 et x2=0
50
40
x1 et x2 sont VHB
A
B
30
les variables dcart e1 et e2 sont VB
z0
ainsi que toutes les contraintes

du
problme
3x1 4 x2 160 e1 0
20
10
Il faut rcrire la fonction-objectif (z)
technologiques
6 x1 3x2 180 e2 0
-10
x2 0
0
0
10
20
30
40
50
60
-10
do le sommet O = (0,0,160,180) ayant
exprimer les VB (e1 et e2) en fonction
zO= 0. La solution nest pas optimale. On
des deux VHB (x1 et x2) :
passe un sommet adjacent. Deux choix
z 1200 x1 1000 x2
e1
e2
160
180
3x1
6 x1
4 x2
3x2
Si x1= 0 et x2= 0 alors,

e1= 160, e2= 180
Prof. Amale LAHLOU
sont possibles : le sommet C ou le sommet

A. On se pose la question, lequel des deux
augmente et de faon rapide la valeur de

la fonction-objectif z = 1200 x1 + 1000 x2?
RETOUR SOMMAIRE
Diapositive 134
70
z 47200
x1 0
60
Recherche
dune
admissible
solution
de
6 x1 3x2 180 e2 0
50
base
40
qui amliore la fonction-
A
B
30
objectif :
z 1200 x1 1000 x2
Une augmentation dune unit de x1
z0
10
engendre une augmentation de 1200 UM

de
la
fonction-objectif
et
une
augmentation dune unit de x2 engendre
3x1 4 x2 160 e1 0
20
-10
x2 0
0
0
10
20
30
40
50
60
-10
une augmentation de 1000 UM de la
la variable x2 restant nulle, on peut

augmenter la valeur de x1 telle que :
fonction-objectif. On a donc intrt
e1 160 3x1 4 x2 160 3x1 0 x1 160

3
augmenter la variable x1. Mais jusqu quel
e2 180 6 x1 3x2 180 6 x1 0 x1 180

30
6
niveau ? Quelle valeur maximale ?

En gnral, ou augmente x1 jusqu ce
quune VB devienne nulle (cest--dire,

devienne VHB) et sans quaucune autre VB
Ainsi, on augmente x1 de 0 jusqu la valeur

maximale 30. La variable e2 devient nulle (e2
devient VHB). x1
est appel variable
entrante et e2 est appele variable sortante.
ne devienne ngative.
Prof. Amale LAHLOU
RETOUR SOMMAIRE
Diapositive 135
et
Do, les nouvelles VB sont x1 et e1 et les

nouvelles VHB sont x2 et e2 .
partir de la deuxime contrainte, on tire
e2
180 6 x1
3x2
On exprime x1 en fonction des deux VHB

180 1
3
1
1
e2 x2 30 e2 x2
6
6
6
6
2
En suite on rcrit la fonction-objectif ainsi que
les deux contraintes technologiques du
problme en fonction des deux VHB :
x1
z 1200 x1 1000 x2
1
1
z 1200 30 e2 x2 1000 x2
6
2
z 36000 400 x2 200e2

avec
e1 160 3 x1 4 x2
1
1
e1 160 3 30 e2 x2 4 x2
6
2
5
1
e1 70 x2 e2
2
2
Prof. Amale LAHLOU
x1 30
1
1
x2 e2
2
6
Si x2= 0 et e2= 0 alors x1= 30, e1= 70.

Les VB sont x1 et e1 . Les VHB sont x2 et e2
Do
la solution de base admissible
amliorante est le sommet adjacent

lorigine C = (30,0,70,0) avec zC= 36000
La solution C nest pas optimale car d aprs
la nouvelle fonction-objectif :
z 400 x2 200e2 36000
une augmentation de 1 unit de la variable

x2 engendre une augmentation de 400 UM
de la fonction objectif. Par contre, cause
du coefficient ngatif de la variable e2, toute
augmentation de cette variable a pour effet
de diminuer la valeur de la fonction-objectif.
RETOUR SOMMAIRE
Diapositive 136
70
z 47200
x1 0
60
50
Recherche dune solution de base
40
admissible amliorante : on augmente x2,
B
3x1 4 x2 160 e1 0
20
z0
10
autre VB ne devienne ngative : la variable

e2 restant hors base, donc nulle :
30
jusqu ce quune VB devienne nulle (cest-dire, devienne VHB) et sans quaucune
6 x1 3x2 180 e2 0
-10
x2 0
0
0
10
20
30
40
50
60
-10
1
1
1
x1 30 x2 e2 30 x2 0 x2 60
2
6
2
On exprime x2 en fonction des deux VHB
5
1
5
140
2
1
e1 70 x2 e2 70 x2 0 x2
28
x2 28 e1 e2
2
2
2
5
5
5
On augmente x2 de 0 jusqu la valeur
En suite on rcrit la fonction-objectif ainsi
maximale 28. La variable e1 devient nulle
que les deux contraintes du problme en
(e1 devient VHB).
fonction des deux VHB :
Ainsi, les nouvelles VB sont x1 et x2, les

nouvelles VHB sont e1 et e2 . partir de la
deuxime contrainte e1 70
Prof. Amale LAHLOU
5
1
x2 e2
2
2
z 36000 400 x2 200e2

2
1
z 36000 400 28 e1 e2 200e2

5
5
z 47200 160e1 120e2
RETOUR SOMMAIRE
Diapositive 137
70
z 47200
x1 0
60
Avec
Recherche Oprationnelle
6 x1 3x2 180
50
1
2
1 1
x1 30 28 e1 e2 e2
2
5
5 6
1
4
x1 16 e1 e2
5
15
Donc,
40
B est lunique solution

optimale finie
A
B
30
20
z0
3x1 4 x2 160
10
z 47200 160e1 120e2

1
4
x1 16 e1 e2
5
15
2
1
x2 28 e1 e2
5
5
-10
x2 0
0
0
10
20
30
40
50
60
-10
La solution est optimale car daprs la
lexpression de la fonction-objectif
z 160e1 120e2 47200
Si e1= 0 et e2= 0 alors x1= 16 et x2= 28
toute augmentation des VHB e1 et e2 a
do la solution de base admissible est le
pour effet une diminution de la valeur de la
sommet :
fonction-objectif.
B = (16,28,0,0) avec zB= 47200 UM.

Prof. Amale LAHLOU
RETOUR SOMMAIRE
Diapositive 138
Construction du tableau initial

(solution de dpart)
Solution
optimale
oui
Stop
Non
Choix de la variable
entrante
sortante
Pivotage
impossible
Stop
Les calculs ncessits par lalgorithme de simplexe seffectuent de faon rapide et

facile si le modle linaire est dispos sous forme de tableau de simplexe o les
variables et les paramtres se prsentent de faon visuelle et bien structure.
z 1200
max
sc
avec
4
3
x1

x2
e 0
1
e
2
Prof. Amale LAHLOU
1
0
1000
x1
x2
e
1
e
2
x1
x2 160
180
1
e
2
RETOUR SOMMAIRE
Diapositive 140
Chaque tableau du simplexe correspond une solution de base admissible.

cj
Base
1200
1000
Valeur
Coeff
Var
x1
x2
e1
e2
e1
160
e2
180
zj
cj - zj
1200
1000
Le tableau initial correspond la solution de base admissible initiale :
x1 , x2 , e1 , e2 0,0,160,180
La partie centrale du tableau reprsente les contraintes technologiques :
3 x1 4 x2 1e1 0e2 160

6 x1 3 x2 0e1 e2 180
Var correspond aux Variables de Base (VB) : e1 160, e2 180
Les variables Hors Base (VHB) sont : x1 0,
x2 0
On augmente la
valeur prise par la
fonction-objectif z
La valeur de la fonction-objectif : z 0
La dernire ligne (celle de cj zj ) se lit : z 1200 x1 1000 x2 0e1 0e2 0
Cette ligne donne les cots marginaux (ou taux de substitution) des VHB.
Prof. Amale LAHLOU
RETOUR SOMMAIRE
Diapositive 141
La dernire cellule donne la valeur

Dterminons une solution de base admissible initiale de z.
Tableau initial :
z 1200 x1 1000 x2 0e1 0e2 0
Base
1200
1000
Valeur
Coeff
Var
x1
x2
e1
e2
e1
160
e2
180
zj
cj - zj
1200
1000
Les valeurs des VHB sont donnes par : x1 0, x2 0

Les valeurs des VB se lisent dans la colonne Valeur
e1 160, e2 180
Prof. Amale LAHLOU
x1 , x2 , e1 , e2 0,0,160,180
Ainsi, ce plan de production
on fabrique 0 pices P1 et 0 pices P2 : aucun

intrt pratique
En effet :
Donc la marge z 0
La solution de base admissible de
dpart est donc,
e1 160 3x1 4 x2 160
e2 180 6 x1 3x2 180

suggre de ne produire ni pice P1

ni pice P2 et assure un bnfice
nul. Il reste
encore 160 h
d'utilisation possible de latelier A1

et 180 h de latelier A2
Le plan nest pas optimale. On
recherche donc une solution de
base meilleure et plus rentable :
autre itration.
RETOUR SOMMAIRE
Diapositive 142
entrante
Maintenant comment
dterminer le sommet adjacent ?
Base
1200
1000
Valeur
Coeff
Var
x1
x2
e1
e2
e1
160
e2
180
zj
cj - z j
1200
1000
VE Colonne de pivot
La dernire ligne donne les cots marginaux des variables hors base :
Si on pose x1 1, x2 0 alors,
et
z (1200 1) (1000 0) 0e1 0e2 0 1200
e1 160 (3 1) (4 0) 157
e2 180 (6 1) (3 0) 174
une augmentation de 1 unit de x1 ferait crotre la fonction-objectif de 1200 UM
Si on pose x1 0, x2 1 alors, z (1000 0) (1000 1) 0e1 0e2 0 1000

et
e1 160 (3 0) (4 1) 156
e2 180 (6 0) (3 1) 177
une augmentation de 1 unit de x2 ferait crotre la fonction-objectif de 1000 UM
On a intrt augmenter la valeur de la fonction-objectif le plus rapidement possible

donc augmenter la variable ayant le plus grand coefficient strictement positif (cas de
maximisation) de la dernire ligne cj zj : ici, x1 est variable entrante dans la base.
Prof. Amale LAHLOU
RETOUR SOMMAIRE
Diapositive 143
Critre de On augmente la fonction-objectif en faisant entrer une

slection variable dans la base prenant la place d'une variable qui va
sortir de la base.
Prof. Amale LAHLOU
Variable entrante dans la base
Critre Meilleur Cot Marginal (MCM) : On exprime la

fonction-objectif en fonction des seules VHB et on
choisit en cas dun problme de maximisation la
variable pondre par le cot marginal le plus grand qui

est strictement positif.
RETOUR SOMMAIRE
Diapositive 144
sortante
Le rapport des coefficients de la
strictement positifs de la colonne de

la VE dans la base (celle de pivot)
on augmente x1 et on
1200
1000
Valeur
Limite
160
160/3
180
180/6
Coeff
Var
x1
x2
e1
e2
e1
e2
pivot
zj
cj - z j
1200
1000
0
VE Colonne de pivot
garde x2 = 0, mais jusquo peut on augmenter la valeur de x1 ?
VS
Ligne de pivot
colonne Valeur par les coefficients
Base
e1 160 3x1 0
x1 160 3
160
x1 min 180
6 , 3
e
180
6
x
180
6
0 x1 180
2
1
1
6
x
0
1
x 0
x 0
1
1
Ainsi, la variable ne peut dpasser la plus petite des valeurs dans la dernire colonne Limite
On a intrt prendre le maximum de x1 : x1 = 180/6 = 30. La deuxime contrainte sera
sature e2 = 0: e2 variable sortante de la base,
e2 180 6 x1 3x2 180 (6 30) (3 0) 0
e1 = 70, en effet
e1 160 3x1 4 x2 160 (3 30) (4 0) 70
z = 36000 UM, en effet :
z 1200 x1 1000 x2 0e1 0e2 0 1200 30 36000

La solution ( x1 , x2 , e1 , e2 ) (30,0,70,0) est une solution de base admissible
correspondant au point extrme de la rgion admissible C , sommet adjacent lorigine.
Prof. Amale LAHLOU
RETOUR SOMMAIRE
Diapositive 145
Critre de On augmente la fonction-objectif en faisant entrer une variable dans
slection la base prenant la place d'une variable qui va sortir de la base.
Prof. Amale LAHLOU
Variable sortante de la base

On effectue le rapport des coefficients du second
membre des contraintes techniques valeur par
rapport
aux
coefficients
strictement
positifs
correspondants la variable entrante : on slectionne

la VB ayant le plus petit rapport positif dans la dernire
colonne limite .
RETOUR SOMMAIRE
Diapositive 146
La valeur de la variable entrante x1 sera positive,

et x1 : VB
La valeur de la variable sortante e2 sera nulle, et
e2 :VHB
x1 prendra place de e2
Pour une VB, le coefficient (cj zj ) est nul
Les coefficients de la colonne du pivot (sauf le
pivot et zj) sont nuls
Les coefficients de la ligne du pivot sont diviss
par le pivot. Ainsi, le pivot sera gal 1
Les autres coefficients

des contraintes
technologiques sont obtenus par la rgle du
rectangle de faon pouvoir inscrire 0 dans la
colonne de pivot sauf le pivot :
Cpivot
Nv Av
Lpivot
Pivot
Av : coefficient considr
Nv : nouvelle valeur, valeur modifie de Av
Cpivot : coefficient situ sur la mme ligne que
Av mais sur la colonne de pivot
Lpivot : coefficient situ sur la mme colonne
que Av mais sur la ligne de pivot
Base
1200
1000
Valeur
Limite
160
160/3
180
180/6=30
1000
Coeff
Var
x1
x2
e1
e2
e1
e2
zj
cj - z j
1200
Base
1200
1000
x2
e1
e2
Coeff
Var
x1
e1
1200
x1
6/6=1
Valeur
1
3/6
0/6 =0
1/6
180/6= 30
zj
cj - z j
Base
1200
1000
Valeur
Coeff
Var
x1
x2
e1
e2
e1
5/2
-1/2
70
1200
x1
3/6
1/6
30
zj
1200
600
200
cj - z j
400
-200
36000
Lorsque au moins lun des cots marginaux cj zj est positif et que lobjectif consiste maximiser z, le tableau
courant est considr comme non optimal et un autre tableau sera construit par pivotage.
Prof. Amale LAHLOU
RETOUR SOMMAIRE
Diapositive 147
Base
1200
1000
Valeur
Limite
Coeff
Var
x1
x2
e1
e2
e1
160
e2
180
zj
cj - zj
1200
1000
Base
1200
1000
Valeur
Coeff
Var
x1
x2
e1
e2
160/3
e1
5/2
-1/2
70
180/6
1200
x1
3/6
1/6
30
zj
1200
600
200
cj - zj
400
-200
36000
Calculs justificatifs : pivotage

La dernire ligne donne les valeurs marginales :
z 1200 180e62 3 x2 1000 x2 200e2 400 x2 36000
Une augmentation de 1 unit de x2 (la production de

x1
x2
e1
e2
e1
la fonction-objectif de 400 UM. En effet,
(3 NLP)
e1
Les VHB sont nulles : x2 = 0, e2 =0

on fabrique 0 pices P2 et il reste 0 h d'utilisation
disponible A2
La contrainte associe e2 est sature.
La nouvelle solution de base ralisable est :
(x1, x2, e1, e2) = (30, 0, 70, 0)
on fabrique 30 P1 et il reste 70h d'utilisation
disponibles A1
la marge est gale z =36 000 UM
Prof. Amale LAHLOU
1 pice de P2) tout en maintenant e2 nulle, ferait crotre
e1 70 ( 52 1) e1 52
x1 30 ( 63 1) x1 63
z (400 1) 36000 z 400
On a intrt a augmenter x2 : x2 V entrante dans la
base e1
x1
70 52 x2 0
x2 28
x2 28
30 12 x2 0 x2 60
e1 est la variable sortante de la base
RETOUR SOMMAIRE
Diapositive 148
Base
1200
1000
Valeur
Limite
Coeff
Var
x1
x2
e1
e2
e1
5/2
-1/2
70
1200
x1
3/6
1/6
30
zj
1200
600
200
cj - z j
400
-200
Base
1200
1000
Valeur
Coeff
Var
x1
x2
e1
e2
70/(5/2)
1000
x2
2/5
-1/5
28
30/(3/6)
1200
x1
-1/5
4/15
16
zj
1200
1000
160
120
cj - zj
-160
-120
36000
47200
Calculs justificatifs : pivotage

Toutes les valeurs sur la colonne de pivot doivent tres
nulles sauf le pivot qui doit tre gal :
il reste 0 h d'utilisation disponible aux ateliers A1 et

A2 La nouvelle solution de base ralisable est :
(x1, x2, e1, e2) = (16, 28, 0, 0)
5
2
Pour obtenir la me ligne (celle de x1) du tableau de

simplexe optimal :
x1
x2
e1
e2
Lecture du tableau final de simplexe
x1
( 12 NLP)
x1
Les cots marginaux des variables hors base e1 et e2

sont ngatifs. Toute augmentation de ces variables
rsulterait en une diminution de la fonction-objectif. La
solution est donc optimale.
Prof. Amale LAHLOU
Les variables hors base

sont
nulles
(Les
contraintes associes sont satures) : e1=0 et e2=0
le plan optimale de production est :

On fabrique 16 pices P1 et 28 pices de P2 par
(e1 0, e2 0)
semaine
Le profit retir de cette production : 47 200UM
Les deux ateliers A1 et A2 seront utiliss pleine
capacit
RETOUR SOMMAIRE
Diapositive 149
Rappel : Mthode du rectangle

Les
coefficients
des
contraintes
technologiques, sauf ceux de la ligne de pivot,
sont obtenus par la rgle du rectangle de faon
pouvoir inscrire 0 dans la colonne de pivot
(sauf le pivot) :
Cpivot
Nv Av
Lpivot
Pivot
Av : coefficient considr
Nv : nouvelle valeur, valeur modifie de Av
Cpivot : coefficient situ sur la mme ligne que
Av mais sur la colonne de pivot
Lpivot : coefficient situ sur la mme colonne
que Av mais sur la ligne de pivot
Var de base
Base
1200
1000
Valeur
Limite
160
160/3
180
180/6=30
1000
Coeff
Var
x1
x2
e1
e2
e1
e2
zj
cj - z j
1200
Valeur
Base
Av
Cpivot
Lpivot
pivot
1200
1000
Valeur
Coeff
Var
x1
x2
e1
e2
e1
5/2
-1/2
70
1200
x1
3/6
1/6
30
zj
cj - z j
exemple
5
3
4 3
2
6
Prof. Amale LAHLOU
RETOUR SOMMAIRE
Diapositive 150
Base
1200
1000
Valeur
Limite
160
160/3
180
180/6
1000
Coeff
Var
x1
x2
e1
e2
e1
e2
zj
cj - zj
1200
Base
1200
1000
(c j z j ) :
Valeur
Limite
Coeff
Var
x1
x2
e1
e2
e1
5/2
-1/2
70
70/(5/2)
1200
x1
3/6
1/6
30
30/(3/6)
zj
1200
600
200
cj - zj
400
-200
Base
36000
1200
1000
VB : e1 , e2
VHB : x1 , x2
VB : e1 , x1
VHB : e2 , x2
(c j z j ) :
Valeur
Coeff
Var
x1
x2
e1
e2
1000
x2
2/5
-1/5
28
1200
x1
-1/5
4/15
16
zj
1200
1000
160
120
cj - zj
-160
-120
47200
VB : x1 , x2
VHB : e1 , e2
e1 160 3x1 4 x2
e2 180 6 x1 3x2
z 1200 x1 1000 x2 0
5
1
x2 e2
2
2
3
1
x1 30 x2 e2
6
6
e1 70
z 400 x2 200e2 36000

1
4
e1 e2
5
15
2
1
x2 28 e1 e2
5
5
x1 16
(c j z j ) : z 160e1 120e2 47200
Profit total
47 200
Profit
unitaire
(UM)
1 200
1 000
Pice P1
Pice P2
Temps
dusinage
unitaire
Temps
dusinage
total
Temps
dusinage
unitaire
Temps
dusinage
total
Temps
dusinage
effective
(heure)
Atelier A1
3 h
48
4h
112
160
160
Atelier A2
6h
96
3h
84
180
180
quantit
16
Capacit
maximum
(heure)
cart
28
La solution optimale recommande au producteur de fabriquer 16 pices P1, qui

rapportent 1 200 UM chacune, et 28 pices P2, qui rapportent 1 000 UM chacune. Le
profit total est donc de 47 200 UM. Pour cela, les deux atelier seront utiliss pleine
capacit.
Prof. Amale LAHLOU
RETOUR SOMMAIRE
Diapositive 152
le tableau du simplexe est optimal si tous les cots

marginaux des VHB sont tous 0 dans le cas dun
modle de maximisation, et tous 0 dans le cas de
minimisation.
La solution optimale est unique.
Si le cot marginal dune VHB (non artificielle) est nul
et sa limite en tant que variable entrante potentielle est
strictement positive, alors il existe une infinit de
solutions optimales. Les autres solutions sont obtenues
en faisant rentrer cette VHB dans la base.
On parle de dgnrescence si la limite de cette VHB
tant nulle
S'il existe une VHB ayant un cot marginal

positif et aucun de ses coefficients de la colonne
correspondante nest positif, alors la solution est
infinie
max
cj-zj
min
cj-zj
max
cj-zj
max
cj-zj
VHB
- 14
-9
VHB
VHB
VHB
VHB
-300
Valeur
0
-300
264
Valeur
- 360
Valeur
VHB
max
cj-zj
Prof. Amale LAHLOU
VHB
1400
VH
B
Valeur
1400
VHB
Valeur
limite
-2
12
------
13
------
20
260
RETOUR SOMMAIRE
Diapositive 153

S6 SCG RO PL Résolution Algèbrique 2 PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

S6 SCG RO PL Résolution Algèbrique 2 PDF

Hochgeladen von

Copyright:

Verfügbare Formate

Programmation Linaire

Une usine fabrique 2 pices P1 et P2 usines dans 2 ateliers A1 et A2

pour P2 : de 4 heures dans l'atelier A1 et de 3 heures dans A2

Prof. Amale LAHLOU

Semestre VI - Licence en Sciences de Gestion

Variables conomiques ou de dcision :

z 1200 x1 1000 x2 0e1 0e2

Signification contextuelle des variables dcart e1 et e2 :

La reprsentation graphique servira illustrer et commenter

Prof. Amale LAHLOU

Semestre VI - Licence en Sciences de Gestion

La rgion admissible est celle colore sur

le graphique, elle est convexe. La

rsolution algbrique ncessite la forme

z 1200 x1 1000 x2 0e1 0e2

Prof. Amale LAHLOU

Si x1= 0 et x2= 0 alors e1= 160, e2= 180

Si e1= 0 et e2= 0 alors x1= 16, x2= 28

sommets sont dits solutions de base

a deux variables nulles et les deux autres

Chaque sommet de la rgion admissible

Si e2= 0 et x2= 0 alors x1= 30, e1= 70

Semestre VI - Licence en Sciences de Gestion

La mthode du simplexe est un

procd itratif partant dune solution de

admissible initiale pour un programme de

base admissible initiale (en gnral,

d'infriorit et un second membre non-

Ce problme de production exigera 2

ngatif) un sommet adjacent de la

itrations : on passera successivement de

lorigine O C, puis de C B o lon

progressivement la solution optimale du

sarrtera, puis B est loptimum de ce

amliore, ou du moins ne dgrade pas, la

Prof. Amale LAHLOU

Semestre VI - Licence en Sciences de Gestion

0n pose x1=0 et x2=0

les variables dcart e1 et e2 sont VB

ainsi que toutes les contraintes

Il faut rcrire la fonction-objectif (z)

do le sommet O = (0,0,160,180) ayant

exprimer les VB (e1 et e2) en fonction

zO= 0. La solution nest pas optimale. On

des deux VHB (x1 et x2) :

passe un sommet adjacent. Deux choix

Si x1= 0 et x2= 0 alors,

sont possibles : le sommet C ou le sommet

augmente et de faon rapide la valeur de

Semestre VI - Licence en Sciences de Gestion

qui amliore la fonction-

Une augmentation dune unit de x1

engendre une augmentation de 1200 UM

augmentation dune unit de x2 engendre

une augmentation de 1000 UM de la

la variable x2 restant nulle, on peut

fonction-objectif. On a donc intrt

e1 160 3x1 4 x2 160 3x1 0 x1 160

augmenter la variable x1. Mais jusqu quel

e2 180 6 x1 3x2 180 6 x1 0 x1 180

niveau ? Quelle valeur maximale ?

quune VB devienne nulle (cest--dire,

Ainsi, on augmente x1 de 0 jusqu la valeur