Recherche Opérationnelle
Transcription
Recherche Opérationnelle
FSTM Recherche Opérationnelle Introduction à la méthode du simplexe Karam ALLALI FI GE 2009-2010 K. Allali RO 2 FI GE 2009-2010 RO Méthode de résolution algébrique : l’algorithme du simplexe - Pour des modèles linéaires continus dont les variables sont non négatives et dont les contraintes technologiques sont écrites sous forme d’équations (i.e. avec un « = » au lieu d’une inégalité du type « < » ou « > ») - Remarque : dans le cours, on ne montre pas comment appliquer cette méthode « à la main ». Il s’agit plutôt de savoir utiliser les résultats dans le cadre d’une analyse de sensibilité. Forme générale d’un programme linéaire (PL) n variables m contraintes Max (Min) z = c1x1 + c2x2 + …+ cnxn Sous les contraintes : a11x1 + a12x2 + … + a1nxn ≤ ≥ b1 = a21x1 + a22x2 + … + a2nxn ≤ ≥ b2 = . . . am1x1 + am2x2 + … + amnxn ≤ ≥ bm = x1 , x2 , … , xn > 0 Pour pouvoir utiliser cette méthode lorsque les contraintes comportent des inégalités, il faut introduire de nouvelles variables non négatives. Ces nouvelles variables permettront de transformer le modèle linéaire en un modèle équivalent où toutes les contraintes technologiques sont de type « = ». K. Allali 3 FI GE 2009-2010 RO Transformation d’un modèle (PL) en un modèle (PL=) Variable d’écart : Pour transformer une contrainte du type « < » en une contrainte du type « = ». Quantité qu’il faut ajouter au coté gauche de la contrainte pour atteindre l’égalité. Variable d’excédent : Pour transformer une contrainte du type « > » en une contrainte du type « = ». Quantité qu’il faut soustraire au coté gauche de la contrainte pour atteindre l’égalité. Exemples : Contrainte1 : a11x1 + a12x2 < b1 Introduction d’une nouvelle variable non négative « e1 » : Contrainte 1’ : a11x1+ a12x2 + e1 = b1 e1 = b1 – (a11x1+a12x2) (variable d’écart) Contrainte2 : a21x1 + a22x2 > b2 Introduction d’une nouvelle variable non négative « e2 » : Contrainte 2’ : a21x1 + a22x2 – e2 = b2 e2 = a21x1 + a22x2 - b2 (variable d’excédent) K. Allali 4 FI GE 2009-2010 RO Programme linéaire standard (PLS) (Toutes les contraintes technologiques sont du type <) 1. Transformation du modèle (PLS) en modèle (PLS=) en ajoutant une variable d’écart dans chaque contrainte technologique. 2. Obtenir une solution de base admissible initiale. La plus simple : poser x1 = x2 = ….=xn = 0 (correspond au sommet 0) Ainsi : (x1 ; x2 ; … ; xn ; e1 ; e2 ; …. ; em) = (0 ; 0 ; … ; 0 ; b1 ; b2 ; … ; bm) Cette solution ne sera pas probablement pas optimale. On le vérifie en examinant la contribution marginale de chaque variable hors base à la fonction objectif Z (coûts marginaux : cJ - zJ). - Pour un problème de maximisation, la solution de base est optimale si tous les coûts marginaux sont < 0. - Pour un problème de minimisation, la solution de base est optimale si tous les coûts marginaux sont > 0. 3. Modifier la solution initiale de façon à se rapprocher de l’optimum (augmenter ou diminuer Z selon qu’on veut maximiser ou minimiser). L’algorithme du simplexe est un procédé par itérations. Chaque itération correspond au passage d’un sommet à un autre sommet qui lui est adjacent. K. Allali 5 FI GE 2009-2010 RO Exemple Fonderie Rivière-bleue Variables de décision : Objectif : x1 = quantité de tuyauterie traitée (en tonnes) x2 = quantité de gueuse traitée (en tonnes) Maximiser le profit Max z = 1000x1 + 1200x2 Sous les contraintes : (1) 10x1 + 5x2 < 200 (ébarbage) (2) 2x1 + 3x2 < 60 (peinture) (3) x1 < 34 (demande tuyauterie) (4) x2 < 14 (demande gueuses) x1 , x2 > 0 (non négativité) Notez qu’il s’agit bien d’un programme linéaire standard car toutes les contraintes technologiques sont du type « < ». Résolution graphique : fonderie bleue (1) 45 (3) 35 x2 25 (2) 15 (4) 5 -4 6 16 26 36 -5 x1 K. Allali 6 FI GE 2009-2010 RO Résolution algébrique : (selon méthode du simplexe) 1. Transformation du modèle (PLS) en (PLS=) Max z = 1000x1 + 1200x2 Sous les contraintes : (1) 10x1 + 5x2 + e1 (2) 2x1 + 3x2 (3) + e2 x1 + e3 (4) x2 + e4 = 200 = 60 = 34 = 14 x1 , x2 , e1 , e2 , e3 , e4 > 0 (Interprétation concrète des variables d’écart dans le contexte….) 2. Déterminer une solution de base admissible initiale et construire le tableau initial: Poser x1 = 0 et x2 = 0 ⇒ e1 = 200 ; e2 = 60 ; e3 = 34 ; e4 = 14 Tableau initial du simplexe : Tableau no. 0 (correspond au sommet (0,0)) 1000 BASE Coeff Variable e1 e2 e3 e4 0 0 0 0 zJ 1200 0 0 0 0 valeur x1 x2 e1 e2 e3 e4 10 2 1 0 5 3 0 1 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 Coût marginal cJ - zJ K. Allali 200 60 34 14 1000 1200 0 0 0 0 7 FI GE 2009-2010 RO 3. Déterminer s’il s’agit d’une solution optimale : La solution de base admissible initiale n’est pas optimale car z = 0. On peut aussi constater qu’il existe des coûts marginaux cJ – zJ positifs. Par exemple : - si on augmente x1 variables fixes, cela de 1000 unités. - si on augmente x2 variables fixes, cela de 1200 unités. d’une unité et qu’on laisse les autres se traduira par une augmentation de z d’une unité et qu’on laisse les autres se traduira par une augmentation de z Nous n’entrons pas dans les détails de calcul de la méthode du simplexe dans le cours. Selon cette méthode, une nouvelle variable doit remplacer une des anciennes variables de la base, à chaque itération. Le tableau du simplexe sera recalculé à chaque étape. Le processus continuera jusqu’à l’obtention d’une solution optimale. Tel que mentionné, chaque itération correspond au passage d’un sommet de la région admissible à un autre sommet qui lui est adjacent. Les logiciels spécialisés en programmation linéaire sont programmés pour effectuer tous les calculs intermédiaires. La solution sera donnée dans le tableau final du simplexe. K. Allali 8 FI GE 2009-2010 RO Voici, à titre indicatif, la séquence des tableaux correspondant à chaque itération pour l’exemple Fonderie Rivière-Bleue: Seuls le tableau initial et le tableau final seront étudiés dans le cadre du cours. K. Allali 9 FI GE 2009-2010 RO Reprenons le tableau final : correspond au sommet C : (15 ; 10) 1000 1200 0 0 0 0 BASE Valeur Coeff Variable x1 x2 e1 e2 e3 e4 0 1000 0 1200 e4 x1 e3 x2 0 1 0 0 0 0 0 1 0,10 0,15 -0,15 -0,10 -0,5 -0,25 0,25 0,5 0 0 1 0 1 0 0 0 zJ 1000 1200 30 350 0 0 cJ - zJ 0 0 -30 -350 0 0 4 15 19 10 27000 Solution : (15 ; 10 ; 0 ; 0 ; 19 ; 4) ⇒ z = 27000 Les coûts marginaux des variables hors base e1 et e2 sont négatifs. Toute augmentation de ces variables résulterait en une diminution de Z. La solution est donc optimale. Plan optimal de production: Profit correspondant : Contraintes : (1) e1 = 0 (2) e2 = 0 (3) e3 = 19 (4) e4 = 4 K. Allali 15 tonnes de tuyauterie 10 tonnes de gueuses 27000$ L’atelier d’ébarbage est utilisé à pleine capacité. L’atelier de peinture est utilisé à pleine capacité. Il manque 19 tonnes de tuyauterie pour satisfaire la demande maximale. Il manque 4 tonnes de gueuses pour satisfaire la demande maximale. 10 FI GE 2009-2010 RO Analyse post-optimale : Qu’advient-il de la solution optimale si on modifie la valeur des coefficients de la fonction objectif ou des contraintes? Revenons à l’exemple Fonderie Rivière-Bleue et essayons de voir graphiquement ce qui se passe lorsqu’on modifie les coefficients. Max z = 1000x1 + 1200x2 sc. (1) 10x1 + 5x2 < 200 (ébarbage) (2) 2x1 + 3x2 < 60 (peinture) (3) x1 < 34 (demande tuyauterie) (4) x2 < 14 (demande gueuses) x1 , x2 > 0 (non négativité) fonderie bleue (1) 45 (3) 35 x2 25 (2) 15 (4) 5 -4 6 16 26 36 -5 x1 K. Allali 11 FI GE 2009-2010 RO Méthode algébrique : Modification du coefficient c1 : c1’ = 1000+∆ BASE 1200 0 0 0 0 valeur Coeff Var x1 x2 e1 e2 e3 e4 0 e4 0 0 0,10 -0,5 0 1 4 x1 1 0 0,15 -0,25 0 0 15 0 e3 0 0 -0,15 0,25 1 0 19 1200 x2 0 1 -0,10 0,5 0 0 10 zJ 1000 1200 30 350 0 0 cJ - zJ 0 0 -30 -350 0 0 27000 zJ’ cJ’ - zJ’ K. Allali 12 FI GE 2009-2010 RO Modification du coefficient c2 : c2’ = 1200+∆ BASE 1000 0 0 0 0 valeur Coeff Var x1 x2 e1 e2 e3 e4 0 e4 0 0 0,10 -0,5 0 1 4 1000 x1 1 0 0,15 -0,25 0 0 15 0 e3 0 0 -0,15 0,25 1 0 19 x2 0 1 -0,10 0,5 0 0 10 zJ 1000 1200 30 350 0 0 cJ - zJ 0 0 -30 -350 0 0 27000 zJ’ cJ’ - zJ’ K. Allali 13 FI GE 2009-2010 RO Modification du coefficient b1 : b1’ = 200 + ∆ Contrainte de forme < et e1 hors base. BASE 1000 1200 x1 x2 0 e1 0 e2 0 e3 0 e4 valeur 0 0,10 -0,5 0 1 4 1 0 0,15 -0,25 0 0 15 e3 0 0 -0,15 0,25 1 0 19 x2 0 1 -0,10 0,5 0 0 10 30 350 0 0 -30 -350 0 0 Coeff Var 0 e4 0 1000 x1 0 1200 zJ cJ - zJ K. Allali 1000 1200 0 0 ∆ 27000 14 FI GE 2009-2010 RO Modification du coefficient b4 : b4’ = 14 + ∆ Contrainte < et e4 dans la base. BASE Var Coeff 1000 x1 1200 x2 0 e1 0 e2 0 e3 0 e4 valeur 0 e4 0 0 0,10 -0,5 0 1 4 1000 x1 1 0 0,15 -0,25 0 0 15 0 e3 0 0 -0,15 0,25 1 0 19 1200 x2 0 1 -0,10 0,5 0 0 10 zJ 1000 1200 30 350 0 0 cJ - zJ 0 0 -30 -350 0 0 K. Allali ∆ 27000 15 FI GE 2009-2010 CAS GÉNÉRAL : RO Effet d’une modification d’un coefficient sur le tableau final du simplexe. 1. Modification d’un coefficient cj dans la fonction objectif z. a) Modification du cj d’une variable originale hors base : - Dans la ligne supérieure du tableau final, remplacer le coefficient cj par cj’ = cj + ∆. - La modification apportée au tableau n’affectera qu’une seule autre entrée, celle du coût marginal de xj. Calculer ce coût marginal cj’ – zj’. - S’il s’agit d’un problème de maximisation, la solution admissible de base restera optimale si cj’ – zj’ < 0. - S’il s’agit d’un problème de minimisation, la solution admissible de base restera optimale si cj’ – zj’ > 0. (remarque : si le coût marginal d’une variable hors base est nul, il existe une infinité de solutions) b) Modification du cj d’une variable originale de base : - Dans la ligne supérieure du tableau final et dans la colonne des coefficients des variables de base du tableau final, remplacer le coefficient cj par cj’ = cj + ∆. - La modification apportée au tableau affectera tous les coûts marginaux des variables hors base. Calculer les nouveaux zj’ et les nouveaux coûts marginaux cj’ – zj’. - S’il s’agit d’un problème de maximisation, la solution admissible de base restera optimale si cj’ – zj’ < 0. - S’il s’agit d’un problème de minimisation, la solution admissible de base restera optimale si cj’ – zj’ > 0. K. Allali 16 FI GE 2009-2010 RO 2. Modification du coefficient bi d’une contrainte a) Contrainte de signe « < » : bi’ = bi + ∆ Variable ei hors base : • Dans le tableau final, ajouter une colonne associée à ∆ à droite de la colonne « Valeur ». Les entrées de cette colonne sont identiques à celles de ei. • Les modifications apportées n’affectent pas les coûts marginaux. Toutefois, les valeurs de certaines variables de bases pourraient changer. • Déduire les équations d’ajustement à partir des lignes du tableau modifié et recalculer la valeur des variables de base tout en s’assurant de la non négativité de ces variables (bi’ doit rester dans un certain intervalle de variation. En dehors de cet intervalle, il faudrait utiliser un nouveau tableau optimal). Variable ei dans la base : • Même principe sauf qu’il n’y aura qu’une seule équation d’ajustement. • Si bi demeure dans son intervalle de variation, la base optimale et sa solution restent inchangées. b) Contrainte de signe « > » : attention : bi’ = bi - ∆ On a recours au signe « - » de façon à ce que les entrées de la colonne associée à ∆ dans le tableau final demeurent identiques aux entrées de la colonne ei. Pour le reste : mêmes indications que les cas précédents. K. Allali 17 FI GE 2009-2010 RO Exercices S1) Ecrivez le problème PL suivant sous forme standard avec des M.d.D. non négatifs: Max z = 2x1 + 3 x2 + 5 x3 x1 + x 2 − x 3 ≥ −5 −6x1 + 7 x 2 − 9 x 3 ≤ 4 s. c. x1 + x 2 + 4 x 3 = 10 x1 , x 2 ≥ 0 x3 sans restriction (1) ( 2) (3) Formulez son dual. S2) Considérons l’ensemble de contraintes suivant: x1 + 7 x2 + 3x3 + 7 x4 ≤ 46 3 x1 - x2 + x3 + 2 x4 ≤ 8 2 x1 + 3 x2 - x3 + x4 ≤ 10 Résolvez par la méthode du simplexe le problème obtenu lorsque la fonction objectif est donnée par: a) b) c) d) e) S3) max z max z max z min z min z = = = = = 2x1 - 2x1 3x1 5x1 3x1 + x2 + 6x2 - x2 - 4x2 + 6x2 - 3x3 + 3x3 + 3x3 + 6x3 - 2x3 + 5x4 - 2x4 + 4x4 + 8x4 +4x4 Résolvez le problème suivant par la méthode du simplexe max z = 5x1 + 4x2 + 3x3 s.c. K. Allali 2 x1 + 3 x2 + x3 ≤ 5 4 x1 + x2 + 2 x3 ≤ 11 3 x1 + 4 x2 + 2 x3 ≤ 8 x1, x2, x3 ≥ 0 18 FI GE 2009-2010 S4) RO Résolvez le problème suivant par simple inspection, puis par la méthode du simplexe max z = 5 x1 - 6 x2 + 3 x3 - 5 x4 + 12 x5 s.c. x1 + 3x 2 + 5x 3 + 6x 4 + 3x5 ≤ 90 xj ≥ 0 S5) Résolvez le problème suivant par la méthode du simplexe : On doit organiser un pont aérien pour transporter 1600 personnes et 90 tonnes de bagages. Les avions disponibles sont de deux types: 12 du type A et 9 du type B. Le type A peut transporter, à pleine charge, 200 personnes et 6 tonnes de bagages. Le type B, 100 personnes et 6 tonnes de bagages. La location d’un avion du type A coûte 800.000 F; la location d’un avion du type B coûte 200.000 F. S6) Les dictionnaires ci-dessous ont été obtenus après exécution de quelques itérations de la méthode du simplexe sur différents problèmes. Quelles conclusions pouvez-vous tirer sur base de l’information contenue dans ces dictionnaires? Les conclusions possibles sont par exemple: . la solution courante est optimale, et vaut ...; . le problème est non borné parce que ...; . le problème est non réalisable parce que ...; . la solution courante n’est pas optimale; dans ce cas, calculez la solution optimale. a) min z z − x1 − 5x5 = 12 3x1 + x 2 + 5x 4 =3 s. c. x1 + x 3 + x 4 − 4 x5 =6 − 4x − x5 + x 6 = 4 1 x1 , x 2 , x 3 , x 4 , x5 , x 6 ≥ 0 K. Allali 19 FI GE 2009-2010 b) RO max z z + x1 3x1 + x 2 s. c. x1 + x3 − 4x 1 x1 , x 2 , x 3 , x 4 , c) − x 4 − 2 x5 = 20 − 5x 4 =3 + 2 x 4 − x5 =6 − 2 x5 + x 6 = 4 x5 , x 6 ≥ 0 max z z − 5x 2 + 3x5 = 12 2 x2 + x3 − 2 x5 = 4 s.c. x1 − x2 − 3x5 = 2 x2 + x 4 − x5 = 3 x1 , x 2 , x 3 , x 4 , x5 ≥ 0 K. Allali 20 FI GE 2009-2010 RO Dualité & Sensibilité DS1) Suite de l’exercice S6a). Quel est le coût réduit de chacune des variables du problème? DS2) Suite de l’exercice S3). a) Si le coefficient de la variable x2 dans la fonction objectif augmentait de 2 unités, quel serait l’effet produit sur la solution optimale et la valeur optimale du problème? Et si cette augmentation était de 4 unités? b) Quel est le coût réduit de chacune des variables du problème? c) Quel est le prix dual de chacune des contraintes d’inégalité du problème? DS3) Considérons le programme linéaire suivant, exprimé sous forme standard: min z = 2x1 + x2 3x1 + x 2 − x 3 =3 4 x + 3x − x4 =6 1 2 s.c. + x5 = 3 x1 + 2 x 2 x1 , x 2 , x 3 , x 4 , x5 ≥ 0 a) Calculer le dictionnaire associé à la base B définie par les variables de base x1, x2, x5 . 3 / 5 −1 / 5 0 B = −4 / 5 3 / 5 0 −1 1 1 −1 b) La solution de base associée à B est-elle réalisable et optimale? DS4) Soit le problème (P): max z = 2x1 + 4x2 + 4x3 - 3x4 K. Allali 21 FI GE 2009-2010 RO x1 + x 2 + x 3 s. c. x1 + 4 x 2 + x4 x ,x , x , x 1 2 3 4 ≥ 0 =4 =8 La base optimale de (P) est 1 1 B= 4 0 et son inverse 0 1 / 4 B−1 = 1 −1 / 4 a) Formulez le problème dual de (P). b) Sur base des informations fournies (et donc, sans utiliser la méthode du simplexe ni la méthode graphique), calculez la solution optimale de (P) et celle de son dual. Expliquez la méthode que vous utilisez. c) Si la fonction objectif de (P) est remplacée par max z = 3x1 + 4x2 + 4x3 - 3x4 , la base B donnée ci-dessus reste-t-elle optimale? Justifiez votre réponse. DS5) Soit le problème suivant (P): max z = 100x1 + 50x2 + 25 x3 5x1 + x 2 x1 + 2 x 2 s. c. x1 + x 2 x + x2 1 x, s ≥ 0 + x3 + x3 + x3 + 5x 3 + s1 = 25 + s2 + s3 + s4 (1) = 25 ( 2) = 10 (3) = 50 ( 4) La base optimale de (P) est K. Allali 22 FI GE 2009-2010 5 1 B= 1 1 RO 1 2 1 1 0 1 0 0 0 0 0 1 1 1 −1 avec B−1 = 4 1 0 0 −1 0 5 4 −9 0 −4 0 0 0 4 a) Ecrivez le dual de (P) b) Quelle est la solution optimale du programme (P) et celle de son dual? c) Dans quel intervalle peut varier le membre de droite de la contrainte (2) sans affecter l’optimalité de B ? DS6) Soit le problème de programmation linéaire max z = 60x1 + 30x2 + 20x3 8 x1 + 6 x 2 + x3 4 x + 2 x 2 + 1,5x 3 1 s. c. 2 x1 + 1,5x 2 + 0,5x 3 x1 , x 2 , x 3 ≥ 0 ≤ 48 ≤ 20 ≤ 8 (1) (2 ) (3) La résolution de ce problème par la méthode du simplexe permet de calculer la base optimale 8 1 1 B = 4 1,5 0 2 0,5 0 0 −0,5 1,5 et son inverse B−1 = 0 2 −4 −8 1 2 a) Calculez la solution optimale et la valeur optimale du problème. b) Calculez et interprétez le prix dual de la contrainte (2). DS7) Soit le problème de programmation linéaire max z = 30 x1 + 20x2 K. Allali 23 FI GE 2009-2010 5x1 + 4 x 2 x 1 s. c. x2 x1 , x 2 , ≥ 0 RO ≤ 400 ≤ 60 ≤ 75 (1) (2 ) (3) a) Résolvez le problème graphiquement. b) Sur base de a), déterminez la base optimale B. c) Pourrait-on déduire les prix duaux sur base de cette information? DS8) Soit le problème de programmation linéaire (P): min z = 500x1 + 500x2 + 500x3 + 300x4 + 425x5 x1 + x 2 + x4 2x2 + 4x3 + x4 s. c. x1 , x 2 , x 3 , x 4 , x 5 ≥ 0 ≥ 150 + 3x5 ≥ 80 A l’optimum de (P), on a x1 = x2 = x3 = x5 = 0 a) Trouvez la solution optimale et la matrice de base optimale pour (P). b) A partir de la matrice de base, calculez la valeur optimale des variables duales. c) Ecrivez le problème dual de (P). DS9) Soit le problème de programmation linéaire max z = 4x1 + 5x2 + 6x3 3x1 + 4 x 2 + 5x 3 s. c. x1 , x 2 , x 3 ≥ 0 ≤ 11 a) Formulez le dual et résolvez-le (par inspection) b) Utilisez a) et le théorème de dualité forte pour résoudre le primal. DS10) Soit le problème de programmation linéaire: K. Allali 24 FI GE 2009-2010 RO min z = 2x1 + 3x2 2 x1 + 3x 2 ≤ 30 x1 + 2 x 2 ≥ 10 s. c. x1 − x 2 ≥ 0 x, x , ≥ 0 2 1 K. Allali 25 FI GE 2009-2010 RO Son dual s’écrit max w = 30y1 + 10y2 2 y1 + y2 + y 3 ≤ 2 3y1 + 2 y2 − y3 ≤ 3 s. c. y1 ≤ 0 y , y ≥ 0 3 2 Déterminez si les solutions suivantes sont réalisables et optimales: a) b) c) ( x1 = 10, x2 = 10/3; y1 = 0, y2 = 1, y3 = 1) (x1 = 20, x2 = 10; y1 = 1, y2 = 4, y3 = 0) (x1 = 10/3, x2 = 10/3; y1 = 0, y2 = 5/3, y3 = 1/3) DS11) Considérons le programme linéaire suivant max z = 5x1 + 2x2 + 3x3 x1 + 5x 2 + 2 x 3 = 30 x − 5x 2 − 6x 3 ≤ 40 1 s. c. x1 , x 2 , x 3 ≥ 0 La solution optimale est donnée par le dictionnaire final max z + z x1 + s.c. − x, s ≥ 23 x2 + 7 x3 = 150 5 x2 + 2 x3 = 30 10 x2 − 8 x3 + s2 = 10 0 a) Ecrivez le problème dual associé. b) Déterminez la matrice de base optimale B. Déduisez-en la solution optimale du dual. c) Dans quel intervalle peut varier c1 (idem c2, c3) sans affecter l’optimalité de la solution? K. Allali 26 FI GE 2009-2010 RO d) Dans quel intervalle peut varier b1 (idem b2) sans affecter l’optimalité de la base B? e) Déterminez les prix duaux. DS12) Considérons le problème de l’exercice DS11. a) Supposons que le M. de D. des contraintes devienne (30 + θ, 40 - θ), où θ est un paramètre non négatif. Déterminez les valeurs de θ pour lesquelles la base B reste optimale. b) Pour chacune des fonctions objectif suivantes, trouvez la nouvelle solution optimale en utilisant la procédure d’analyse de sensibilité. i) max z = 12x1 + 5x2 + 2x3 ii) min z = 2x2 - 5x3 DS13) Voici la formulation d’un petit problème de transport impliquant 3 entrepôts et 2 clients: min z = 3x11 + 2x12 + 4x21 + x22 + 2x31 + 3x32 x 11 + x 12 ≤ 60 x + x ≤ 50 22 21 x 31 + x 32 ≤ 50 s. c x 11 + x 21 + x 31 = 90 x 12 + x 22 + x 32 = 60 x 11 , x 121 , x 21 , x 22 , x 31 , x 32 ≥ 0 (remarquez que le problème est non équilibré). Ce problème a été mis sous forme standard en introduisant des variables d’écart s1 , s2 et s3 dans les trois premières contraintes, puis résolu par un logiciel utilisant la méthode du simplexe. Voici quelques informations sur la solution optimale: • • • les variables en base à l’optimum sont x11, x12, x22, x31 et s1; le coût réduit de x21 et celui de x32 sont égaux à 2; les prix duaux des contraintes sont donnés par (y1, y2, y3, y4, y5) = (0, -1, -1, 3, 2). a) Mettez le problème sous forme standard (comme suggéré ci-dessus) et formulez son problème dual. b) Utilisez l’information donnée plus haut pour calculer la solution optimale du problème et le coût de transport correspondant. K. Allali 27 FI GE 2009-2010 RO c) Si le coût unitaire de transport entre l’entrepôt 2 et le client 1 diminuait de 1 unité (passant ainsi de 4 à 3), quelle serait l’incidence de ce changement sur la solution optimale et la valeur optimale calculées précédemment? d) Le gestionnaire du troisième entrepôt s’aperçoit qu’il a commis une erreur en évaluant ses stocks: il possède en fait 55 unités en stock. En supposant que la base optimale ne soit pas affectée, quel sera l’effet de cette correction sur le coût de transport optimal? K. Allali 28 FI GE 2009-2010 RO Solutions des exercices S2) S3) S4) S5) S6) d) Solution optimale: (z*, x*, s*)=(-40/3, 0, 10/3, 0, 0, 68/3, 34/3, 0). Solution optimale: (z*, x*, s*)=(13, 2, 0, 1, 0, 1, 0). Solution optimale: (z*, x*, s*)=(450, 90, 0, 0, 0, 0, 0). Solution optimale: (z*, x*, s*)=(4600, 7/2, 9, 0, 22, 17/2, 0). a) Il existe une infinité de solutions optimales; b) Dictionnaire non optimal; c) Dictionnaire non optimal. DS1) Coût réduit de x1=1, de x5=5; les autres sont nuls. DS2) a) i)Pas de changement; ii) x2 peut entrer en base. Nouvelle solution optimale: (z*, x*, s*)=(14, 0, 1, 2, 0, 6, 0); b) Coût réduit de x2=3; c) Prix duaux=1, 0, 1 resp. DS3) b) Oui. DS4) b) x*=(0, 2, 2, 0), y*=(4, 0); c) Oui. DS5) b) (x*, s*)=(15/4, 25/4, 0, 0, 35/4, 0, 40), y*=(25/2, 0, 75/2, 0); c) [65/4, +∞[. DS6) a) (z*, x*)=(280, 2, 0, 8, 24, 0, 0); b) y2*=10. DS7) b) xB=(x1, x2, s3); c) y*=(5, 5, 0). DS8) a) x4*=150, s1*=0, s2*=0; b) y*=(300,0). DS9) a) y*=4/3; b) x1*=11/3. DS10) a) Réalisables; b) Pas réalisables; c) Réalisables et optimales. DS11) b) y*=(5, 0); c) c1∈[3/2, +∞[, c2∈]-∞, 25], c3∈]-∞,10]; d) b1∈[0, 40], b2∈[30, +∞[. DS12) a) θ∈[0,5]; b) i) La solution optimale est inchangée; ii) Faire entrer x3 en base. DS13) b) z*=290, xB*=(40, 10, 50, 50, 10); c) Pas de changement; d) Valeur optimale: 285. K. Allali 29