Sie sind auf Seite 1von 15

Recherche Oprationnelle Dualit

3. PROLONGEMENT DE LA PROGRAMMATION LINAIRE :


DUALIT

Au chapitre prcdent, on a appris rsoudre des problmes de


programmation linaire laide de la mthode du simplexe. Toutefois, la
rsolution du problme laide de la mthode du simplexe nest que le point de
dpart de toute recherche oprationnelle base sur un modle normatif linaire.
Ce modle est une reprsentation simplifie de la ralit. La solution optimale du
modle nest pas ncessairement la solution optimale du problme rel. Il faut
donc tudier la solution obtenue en dtail avant de limplanter. Mais avant de
pouvoir entrer dans le cur du sujet, il faut examiner un aspect important de la
programmation linaire : la dualit.

3.1 Programmes linaires duals

tout programme linaire (appel primal), lui correspond un autre


programme linaire (appel dual), intimement li, impliquant les mmes donnes
et dont il y un lien troit entre les solutions optimales. Lexemple suivant illustre
bien cette proprit :

Primal Dual
Max Z = 8 x1 + 6 x2
sujet : Min W = 3000 y1 + 2400 y2 + 1800 y3

5 x1 + 3 x2 3000 sujet :
5 y1 + 2 y2 + y3 8
2 x1 + 3 x2 2400 3 y + 3 y + 3 y 6
x1 + 3 x2 1800 1 2 3

y1 , y2 , y3 0
x1 , x2 0

Ces programmes sont ainsi caractriss par :


- la fonction conomique dun des deux problmes est maximise et celle
de lautre est minimise.
- Dans le problme de maximisation on a des contraintes de type et
dans le problme de minimisation on a des contraintes de type .
- La matrice des coefficients de lun des problmes est la matrice
transpose de lautre.
- Le cot droit des contraintes de lun des problmes est la fonction
conomique de lautre.
- chaque contrainte du primal correspond une variable du dual et vice
versa.
Pour mieux comprendre la dualit, nous prsentons deux types de problmes
pouvant tre rencontrs :

Notes de cours 22 Imed KHEMILI / 2007


Recherche Oprationnelle Dualit

- le problme de production : on cherche maximiser le bnfice tout en


tenant compte des limitations des ressources B.
- le problme de mlange (ou de fourniture) : on doit fournir au moins B
et minimiser les dpenses.
3.2 Problme de production
Les problmes de production sont trs frquents et ils peuvent tre noncs
ainsi : compte tenu des ressources disponibles (hommes, machines, matires
premires, etc.) pour une priode de temps fixe (la semaine par exemple), en
quelle quantit une Entreprise devrait-elle fabriquer ses produits pour
maximiser le bnfice. Le programme linaire du problme de production sera
donc formul comme suit :
Max Z = C T X
? X 0
Sujet :
AX B .
C T X = Z max AX B
X 0

Avec :
X = ( x j ) : vecteur des quantits fabriques.

A = ( aij ) : quantit de ressource i consomme pour fabriquer le produit


caractrisant la variable x j .

C = ( c j ) : quantit de profit fourni par la production dune unit de x j .

B = ( bi ) : quantit de ressource disponible.

Soit B AX le rsidu des ressources. On note par Y, le vecteur des prix de


revient des rsidus.
Le producteur aura donc la possibilit davoir deux gains :
- Gain 1 = C T X : suite la production du vecteur X.
- Gain 2 = Y T ( B AX ) : suite la revente des rsidus des ressources.

Le gain total est gal : Gain total = Gain 1 + Gain 2 = C T X + Y T ( B AX )

3.2.1 Problme du producteur


Possdant les ressources B, le producteur aura choisir de produire ou de ne
pas produire (revente).
Dans le cas o il dcide de produire, il aura un gain gal :
C T X + Y T ( B AX ) .

Dans le cas o il dcide de revendre toutes les ressources quil dispose, il


aura un gain gal : Y T B .

Notes de cours 23 Imed KHEMILI / 2007


Recherche Oprationnelle Dualit

Pour dterminer quelle solution le producteur doit maintenir, il faut


comparer les deux gains.
Soit = GainS 1 GainS 2 = C T X + Y T ( B AX ) Y T B = C T X Y T AX .

(
= CT Y T A X . )
Si > 0 , on gagne plus en travaillant, donc il doit produire.
Si < 0 , on gagne plus en revendant, donc il doit revendre et ne pas produire.
Exemple :
Un industriel possde, dans lun de ses ateliers de production, trois machines
M1, M2 et M3 qui sont partiellement inutilises :
- M1 est libre 18 heures par semaine.
- M2 est libre 8 heures par semaine.
- M3 est libre 14 heures par semaine.
Pour mieux rentabiliser ces machines on envisage de fabriquer deux produits
P1 et P2 dont lcoulement sur le march ne poserait pas de problme.
- Chaque unit de P1 rapporterait 1 dinars et consommerait : 1 heure de M1,
1 heure de M2 et 2 heures de M3.
- Chaque unit de P2 rapporterait 2 dinar et consommerait : 3 heures de M1,
1 heure de M2 et 1 heure de M3.
Le (PL) permettant de maximiser ses bnfices est :
Max Z = x1 + 2 x2
sujet :

x1 + 3 x2 18
.
x1 + x2 8
2 x1 + x2 14

x1 , x2 0

1 1 1
On lui propose de louer ses trois machines aux prix Y T = , , lheure de
2 4 2
fonctionnement. Est-ce que la proposition intresse le producteur ou non ?

( *** )
Calculons ?

( )
= CT Y T A X .

1 3
1 1 1 x
C = (1 2 ) ; A = 1 1 ; Y T = , , et X = 1
T

2 1 2 4 2 x2

Notes de cours 24 Imed KHEMILI / 2007


Recherche Oprationnelle Dualit

1 3
1 1 1 x1 7 9 x1
= (1 2 ) 1 1 x = (1 2 )
2 4 2 2 4 4 x2
2 1
3 1 x
= 1 < 0
4 4 x2

< 0 Revente (la proposition intresse lindustriel).

3.2.2 Problme du racheteur (voisin)


Le racheteur voisin doit proposer des prix Y pour les quels le producteur
accepte de lui vendre (louer) ses ressources et qui lui permettent de minimiser
ses dpenses.
Le programme linaire du problme du racheteur sera donc formul comme
suivant :
- Cherchons Y 0 ?
- Minimiser les dpenses dachats (ou de location) : W min = Y T B .
- ( )
Satisfaire lindustriel : < 0 C T Y T A X 0 AT Y C .

Le (PL) modlisant le problme du racheteur est donc :


Min W = Y T B
? Y 0
T Sujet :
A Y C T .
Y T B = W min A Y C
Y 0

3.3 Problme de mlange
En gnral les problmes de mlange portent sur des situations un nombre
de composs doivent tre mlangs pour donner un ou plusieurs produits
(mlanges). Habituellement, il y a des contraintes sur les matires premires, sur
la qualit des produits fabriqus et souvent sur les quantits produire.
Ce genre de problme est rencontr frquemment dans lindustrie ptrolire,
lindustrie chimique (ex : peinture), lindustrie alimentaire, lindustrie
sidrurgique, etc.
Exemple :
Une raffinerie de ptrole reoit deux types de brut B1 et B2 pour fabriquer
trois types de mlanges E1, E2 et E3.
Le cot dun m3 de brut B1 est de 20 dinars, celui du brut B2 est de 25 dinars.
Les demandes des clients sont de 500 litres pour E1, de 400 litres pour E2 et
de 600 litres pour E3.
Le brut B1 peut fournir 10% de E1, 10% de E2 et 30% de E3.
Le brut B2 peut fournir 50% de E1, 20% de E2 et 20% de E3.

Notes de cours 25 Imed KHEMILI / 2007


Recherche Oprationnelle Dualit

Quelles sont les quantits des bruts B1 et B2 quon doit utiliser pour
minimiser les dpenses.
Soient :
x1 : quantit de B1 utilise.
x2 : quantit de B2 utilise.
La dpense minimiser est : W = 20 x1 + 25 x2 .
Les contraintes sont :
0,1x1 + 0,5 x2 0,5 x1 + 5 x2 5
0,1x + 0, 2 x 0, 4 x + 2x 4
1

1 2

2

0,3 x1 + 0, 2 x2 0, 6 3 x1 + 2 x2 6
x1 , x2 0 x1 , x2 0

Le programme linaire du problme de mlange sera donc formul comme


suit :
Min W = C T X
? X 0
Sujet :
AX B .
C T X = W min AX B
X 0

Avec :
X = ( x j ) : vecteur des quantits de bruts de produit de base consomm.

A = ( aij ) : quantit de mlange i obtenu partir dune unit de brut j.

C = ( c j ) : prix unitaire de brut j.

B = ( bi ) : quantit mini dun mlange i fournir.

3.3.1 Problme du distillateur (fournisseur)


Soit ( B AX ) le surflux du brut. Le distillateur utilise le brut pour fournir le
mlange demand. Il revend le surflux un prix Y.
Le distillateur aura choisir lune des deux solutions suivantes : distiller lui-
mme les mlanges demands ou ne pas distiller et les acheter au prs dun sous-
traitant.
Dans le cas o il dcide de distiller lui mme, ses dpenses nettes seront
gales : C T X Y T ( AX B ) .

Dans le cas o il dcide dacheter toutes les quantits de mlanges


demandes, ses dpenses seront gales : Y T B .
Pour dterminer quelle solution le distillateur doit maintenir, il faut
comparer les deux dpenses.

Notes de cours 26 Imed KHEMILI / 2007


Recherche Oprationnelle Dualit

Soit = DpensesS 1 DpensesS 2 = C T X Y T ( AX B ) Y T B = C T X Y T AX .

= ( C T Y T A) X .

Si > 0 , on gagne plus en rachetant, donc il doit acheter et ne pas distiller.


Si < 0 , on gagne plus en travaillant, donc il doit distiller.

3.3.2 Problme du sous-traitant


Le sous traitant doit fournir B au prix Y.
Le programme linaire du problme du sous-traitant sera donc formul
comme suivant :
- Cherchons les prix Y 0 ?
- Maximiser les bnfices (de vente) : Z max = Y T B .
- ( )
Satisfaire le distillateur : > 0 C T Y T A X 0 AT Y C .

Le (PL) modlisant le problme du sous-traitant est donc :


Max Z = Y T B
? Y 0
T Sujet :
A Y C T .
Y T B = Z max A Y C
Y 0

3.4 Correspondance Primal Dual
En analysant le problme de production et le problme de mlange, nous
pouvons trs bien comprendre la dualit en programmation linaire. Nous
pouvons conclure qu tout programme linaire appel primal (problme du
producteur ou du distillateur) lui correspond un deuxime problme appel dual
(problme du racheteur ou du sous-traitant) qui lui est intimement li. Lorsquon
cherche maximiser en primal (problme du producteur), le dual correspondant
est une minimisation (problme du racheteur) et lorsquon cherche minimiser
en primal (problme du distillateur), le dual correspondant est une maximisation
(problme du sous-traitant). Les deux problmes primal et dual impliquent les
mmes donnes et ont un lien troit entre leurs solutions optimales.
Des fois la rsolution du problme dual peut tre plus simple que celle du
problme primal (par exemple on connat une solution de base ralisable pour le
dual et on peut dmarrer directement le simplexe)
Mais, part l'intrt mathmatique ou numrique pour l'tude du problme
dual, un aspect trs important est l'interprtation conomique des variables
duales. Ces variables reprsentent des cots marginaux et peuvent tre
considres comme l'augmentation maximale du bnfice, par rapport la
solution optimale, qui rsulterait de l'utilisation d'une unit supplmentaire de
l'un des ressources.

Notes de cours 27 Imed KHEMILI / 2007


Recherche Oprationnelle Dualit

Le tableau suivant rsume la correspondance primal dual :

PRIMAL (dual) DUAL (primal)

Maximisation (Zmax) Minimisation (Wmin)


vecteur X Vecteur Y
n variables de dcisions n contraintes
m contraintes m variables de dcisions
Contraintes Contraintes
A AT
Coeff. fonction objectif : C Ressources : B
n
Si aij x j = bi alors yi est libre
j =1

m
Si yi est libre alors aij xi = c j
i =1

Exemple1 :
Primal Dual
Max Z = x1 + 2 x2
sujet : Min W = 18 y1 + 8 y2 + 14 y3

x1 + 3 x2 18 sujet :
y1 + y2 + 2 y3 1
x1 + x2 8 3 y + y + y 2
2 x1 + x2 14 1 2 3

y1 , y2 , y3 0
x1 , x2 0
Exemple2 :
Primal Dual
Min Z = 2 x1 + 2,5 x2
sujet : Max W = 5 y1 + 4 y2 + 6 y3

x1 + 5 x2 5 sujet :
y1 + y2 + 3 y3 2
x1 + 2 x2 4 5 y + 2 y + 2 y 2,5
3 x1 + 2 x2 6 1 2 3

y1 , y2 , y3 0
x1 , x2 0
Exemple3 : (Forme non standard)
Min Z = x1 + x2 + x3

sujet :
x1 3 x2 + 4 x3 = 5
Primal : Dual ?
x1 2 x2 3
2 x2 x3 4

x1 , x2 0 ; x3 est libre

Notes de cours 28 Imed KHEMILI / 2007


Recherche Oprationnelle Dualit

Cest un problme de minimisation, transformons tout dabord toutes les


relations en relations de type .
Le systme devient :
Min Z = x1 + x2 + x3

sujet :
x1 3x2 + 4 x3 5

x1 + 3x2 4 x3 5
x + 2 x 3
1 2

2 x2 x3 4

x1 , x2 0 ; x3 est libre

x3 est libre, on peut lcrire sous la forme : x3 = x3+ x3 , o x3+ , x3 0 .


Le programme primal devient donc :
Min Z = x1 + x2 + x3+ x3

sujet :
x 3x + 4 x + 4 x 5
1 2 3 3
+
x1 + 3x2 4 x3 + 4 x3 5
x + 2 x 3
1 2

2 x2 x3+ + x3 4
+
x1 , x2 , x3 , x3 0

La 1re contrainte est de type =, ceci engendre que la premire variable


duale est libre. La troisime variable du primal est libre ceci engendre que la
troisime contrainte du dual est de type =.
Le problme dual est donc le suivant :
Max W = 5 y1+ 5 y1 3 y2 + 4 y3
Max W = 5 y1+ 5 y1 3 y2 + 4 y3
sujet :
y+ y y 1 sujet :
1 1 2
y1 y2 1
+
3 y1 + 3 y1 + 2 y2 + 2 y3 1
+ 3 y1 + 2 y2 + 2 y3 1
4 y1 4 y1 y3 1 4y y3 = 1
4 y + 4 y
+
+ y3 1 1
1 1
y2 , y3 0 ; y1 est libre
+
y1 , y1 , y2 , y3 0
3.5 Thorme de la dualit
En critures matricielles, le primal et le dual correspondant auront les
formes suivantes :

Notes de cours 29 Imed KHEMILI / 2007


Recherche Oprationnelle Dualit

Primal Dual

? X 0 ? Y 0
T
AX B A Y C Y T A CT
C T X = Z max BT Y = W min

Si on multiplie les contraintes du primal par le vecteur Y T et celles du dual
par le vecteur X , on peut crire :
Y T AX Y T B et Y T AX C T X
Ceci implique que : C T X Y T AX Y T B CT X Y T B .
loptimal : C T X = Y T B Z max = W min
Ceci relve une proprit importante des couples de problmes duals :
Si le primal ou le dual a une solution optimale finie, lautre problme a aussi
une solution optimale finie et les valeurs optimales de leurs fonctions
conomiques sont gales.
3.6 Thorme de complmentarit des carts
Soit le problme primal suivant :
a11 x1 + a12 x2 + ... + a1n xn xn +1 = b1
a x + a x + ... + a2 n xn xn + 2 = b2
21 1 22 2


am1 x1 + am 2 x2 + ... + amn xn xn + m = bm

x j 0

c1 x1 + c2 x2 + ... + cn xn = W min
Le problme dual correspondant est :
a11 y1 + a21 y2 + ... + am1 ym + ym +1 = c1
a y + a y + ... + am 2 ym + ym + 2 = c2
12 1 22 2


a1n y1 + am 2 y2 + ... + amn ym + yn + m = cn

y j 0

b1 y1 + b2 y2 + ... + bm ym = Z max
Si on multiplie chaque quation i, du primal, par yi et soustraire les
diffrentes lignes multiplies par yi de la ligne de la fonction objectif on obtient :
m m m m m
c1 x1 ai1 x1 yi + c2 x2 ai 2 x2 yi + + cn xn aim xn yi + xn + i yi = W min bi yi
i =1 i =1 i =1 i =1 i =1

m
m
m
m m
c1 ai1 yi x1 + c2 ai 2 yi x2 + + cn ain yi xn + xn +i yi = W min bi yi
i =1 i =1 i =1 i =1 i =1
ym+1 Z max

Notes de cours 30 Imed KHEMILI / 2007


Recherche Oprationnelle Dualit

m
ym +1 x1 + ym + 2 x2 + + ym + n xn + xn +i yi = W min Z max
i =1

n m
loptimal W Z = 0 ym+ j x j + xn+i yi = 0
j =1 i =1

Or, tous les produits x. y 0 , puisque x j 0 et yi 0 .


n m
Do, ym + j x j = 0 et xn+i yi = 0 .
j =1 i =1

xn +i yi = 0

x j ym + j = 0

La complmentarit des carts est une condition ncessaire et suffisante pour


avoir une solution optimale.
Exemple :
Primal Dual
Min Z = 2 x1 + 3 x2
sujet : Max W = 3 y1 + 5 y2 + 4 y3

2 x1 + x2 3 sujet :
2 y1 + 2 y2 + y3 2
2 x1 x2 5 y y + 4y 3
x1 + 4 x2 4 1 2 3

y1 , y2 , y3 0
x1 , x2 0
Si on les crit sous la forme standard on obtient :
Primal Dual
Min Z = 2 x1 + 3x2
sujet : Max W = 3 y1 + 5 y2 + 4 y3

2 x1 + x2 x3 = 3 sujet :
2 y1 + 2 y2 + y3 + y4 = 2
2 x1 x2 x4 = 5 y y + 4y + y = 3
x1 + 4 x2 x5 = 4 1 2 3 5

yi 0, i = 1,...,5
x j 0, j = 1,...,5

x = 3
La solution 1 est elle optimale ?
x2 = 1
La complmentarit des carts permet dcrire :

y1 ( 2 x1 + x2 3) = 0
0 y1 = 0

y2 ( 2 x1 x2 5 ) = 0 y2 0
=0 y = 0
3
y
3 1( x + 4 x2 4 ) = 0
0

Notes de cours 31 Imed KHEMILI / 2007


Recherche Oprationnelle Dualit

x1 ( 2 2 y1 2 y2 y3 ) = 0 2 0 2 y2 0 = 0
et
x2 ( 3 y1 + y2 4 y3 ) = 0 3 0 + y2 0 = 0

y =1
Do : 2
y2 = 3
La solution est non optimale.
26
x1 = 9
Essayons maintenant la solution ?
x = 7
2 9
La complmentarit des carts permet dcrire :

y1 ( 2 x1 + x2 3) = 0
0 y1 = 0

y2 ( 2 x1 x2 5 ) = 0 y2 0
=0 y 0
3
y3 ( x1 + 4 x2 4 ) = 0
0

x1 ( 2 2 y1 2 y2 y3 ) = 0
et
x2 ( 3 y1 + y2 4 y3 ) = 0

5
2 0 2 y2 y3 = 0 y2 = 9

3 0 + y2 4 y3 = 0 y = 8
3 9
La solution est optimale.

Cette proprit peut tre nonce pour nimporte quelle paire de problmes
duals. Elle est trs importante car elle permet dobtenir la solution optimale dun
des programmes partir du tableau final de lautre programme.
Une fois crit sous forme standard cette paire de programmes duals possde
le mme nombre de variables dans le primal et dans le dual. chaque contrainte
du primal sont associes une variable dcart primale et une variable de dcision
duale. De mme, chaque contrainte du dual sont associes une variable dcart
duale et une variable de dcision primale. Il existe donc une correspondance
biunivoque entre les variables de dcisions primales et les variables dcart
duales dune part, et entre les variables de dcisions duales et les variables
dcart primales dautre part.
Dans cet exemple on a les correspondances suivantes :
x1 y4 ; x2 y5 et y1 x3 ; y2 x4 ; y3 x5 .

Notes de cours 32 Imed KHEMILI / 2007


Recherche Oprationnelle Dualit

Nous avons dit que nous pouvons obtenir la solution optimale de lun des
programmes partir du tableau final de lautre programme. Examinons ceci pour
la paire de programmes duals suivante :
Primal Dual
Max Z = 2 x1 + 3 x2
sujet : Min W = 18 y1 + 8 y2 + 14 y3

x1 + 3 x2 18 sujet :
y1 + y2 + 2 y3 2
x1 + x2 8 3 y + y + y 3
2 x1 + x2 14 1 2 3

y1 , y2 , y3 0
x1 , x2 0
Si on les crit sous la forme standard on obtient :
Primal Dual
Max Z = 2 x1 + 3x2
sujet : Min W = 18 y1 + 8 y2 + 14 y3

x1 + 3 x2 + x3 = 18 sujet :
y1 + y2 + 2 y3 y4 = 2
x1 + x2 + x4 = 8 3 y + y + y y = 3
2 x1 + x2 + x5 = 14 1 2 3 5

yi 0, i = 1,...,5
x j 0, j = 1,...,5
Le tableau final du primal est :
x1 x2 x3 x4 x5 b
x2 0 1 1/2 -1/2 0 5

x1 1 0 -1/2 3/2 0 3 Solution optimale

x5 0 0 1/2 -5/2 1 3
Z 0 0 1/2 3/2 0 21

Le tableau final du dual est :


y1 y2 y3 y4 y5 b
y1 1 0 -1/2 1/2 -1/2 1/2
Solution optimale
y2 0 1 5/2 -3/2 1/2 3/2
-W 0 0 3 3 5 -21

Ces tableaux illustrent deux caractristiques importantes :


Si une variable est dans la base, sa variable correspondante est hors
base dans le dual, et vice versa.
La valeur optimale des variables de base primales est gale aux cots
rduits associ leurs variables correspondantes dans le dual, et vice
versa.
Dans cet exemple on a les correspondances suivantes :

Notes de cours 33 Imed KHEMILI / 2007


Recherche Oprationnelle Dualit

x1 y4 ; x2 y5 et y1 x3 ; y2 x4 ; y3 x5 .

3.7 Algorithme Dual du Simplexe


Il existe des programmes linaires sous forme canonique qui, initialement,
ont tous leurs cots rduits non ngatifs et qui ont quand mme une solution de
base non ralisable parce que certains lments du cot droit sont ngatifs. Le
programme linaire suivant fait partie de ce type de problme :
Min Z = 15 x1 + 20 x2 + 12 x3

sujet :
1 1 1
x1 + x2 + x3 3
4 2 4
2 3 3
5 x1 + 10 x2 + 10 x3 2

2 x + 2 x + 1 x 2,5
5 1 5 2 5 3

x1 , x2 , x3 0
Pour le rsoudre par la mthode du simplexe il faut faire recours des
variables artificielles supplmentaires.
Si on observe le programme dual on se rend compte quil est ralisable et
quil incorpore des cots rduits ngatifs. Par consquent si on rsout le
programme dual au lieu du primal, on peut obtenir une solution optimale laide
de lalgorithme du simplexe sans avoir recours aux variables artificielles.
Lalgorithme dual du simplexe sert rsoudre le programme dual laide du
tableau primal, de sorte quon obtient la solution du primal directement en
rsolvant le dual.
1re tape :
Transformer toutes les contraintes de type en relations de type en les
multipliant par -1. Dresser le tableau initial.
Min Z = 15 x1 + 20 x2 + 12 x3 Min Z = 15 x1 + 20 x2 + 12 x3
sujet : sujet :

1 1 1 1 1 1
x1 x2 x3 3 x1 x2 + x4 = 3

4 2 4 4 2 4
2 3 3 2 3 3
5 x1 10 x2 10 x3 2 5 x1 10 x2 10 + x5 = 2

2 x 2 x 1 x 2,5 2 x 2 x 1 + x = 2,5
5 1 5 2 5 3 5 1 5 2 5 6

x1 , x2 , x3 0 x j 0, j = 1,..., 6

Notes de cours 34 Imed KHEMILI / 2007


Recherche Oprationnelle Dualit

x1 x2 x3 x4 x5 x6 b
x4 -1/4 -1/2 -1/4 1 0 0 -3

x5 -2/5 -3/10 -3/10 0 1 0 -2 ngatifs

x6 -2/5 -2/5 -1/5 0 0 1 -2,5
-Z 15 20 12 0 0 0 0

non ngatifs
Dans ce tableau les cots rduits de dpart sont non ngatifs et le cot droit
est ngatif, ce qui implique que la solution de base duale correspondante est
ralisable et que la solution primale nest pas ralisable. Par consquent il
continuer la rsolution jusqu ce que le cot droit devient non ngatif, c'est--dire
jusqu ce que la solution primale devienne ralisable, ce qui revient rsoudre le
problme dual.
2me tape :(choix de la variable sortante)
Identifier la variable de base qui est la plus ngative et la choisir comme
variable sortante de la base.
3me tape :(recherche de limitation)
Si la ligne s est celle de la variable sortante, choisir comme nouvelle variable
de base celle qui correspond :
cj c
xr = min asj < 0 = r
j a asr
sj
Si tous les asj* ne sont pas ngatifs, alors le programme dual est sans borne.
Dans cet exemple la variable la plus ngative est x4 (variable sortante). La
variable rentrante, qui correspond la plus petite valeur de la limitation
20
( = 40 ), est x2.
( 1 2)
4me tape : (transformation du tableau)
Changer de base, rsoudre pour trouver la valeur des nouvelles variables de
base en transformant le tableau comme dans la mthode primale du simplexe.
Retourner la deuxime tape.
Ce qui donne le tableau suivant :
x1 x2 x3 x4 x5 x6 b
x2 1/2 1 1/2 -2 0 0 6
x5 -1/4 0 -3/20 -3/5 1 0 -1/5 t
x6 -1/5 0 0 -4/5 0 1 -1/10
-Z 5 0 2 40 0 0 -120
Limitation 20 - 40/3 200/3 - -
u

Notes de cours 35 Imed KHEMILI / 2007


Recherche Oprationnelle Dualit

Continuons la rsolution de la mme faon, nous obtenons les tableaux


suivants :
x1 x2 x3 x4 x5 x6 b
x2 -1/3 1 0 -4 10/3 0 16/3
x3 5/3 0 1 4 -20/3 0 4/3
x6 -1/5 0 0 -4/5 0 1 -1/10 t
-Z 5/3 0 0 32 40/3 0 -122,66
Limitation 25/3 - - 40 - -
u

x1 x2 x3 x4 x5 x6 b
x2 0 1 0 -8/3 10/3 -5/3 5,5

x3 0 0 1 -8/3 -20/3 25/3 1/2 Solution optimale

x1 1 0 0 4 0 -5 1/2
-Z 0 0 0 76/3 40/3 25/3 -123,5

Tous les bi sont non ngatifs, la solution est donc optimale.

Notes de cours 36 Imed KHEMILI / 2007