0% ont trouvé ce document utile (0 vote)
144 vues5 pages

04.2 Méthode Du Simplexe

Ce document présente un exemple de résolution d'un problème d'optimisation linéaire à trois variables à l'aide de la méthode du simplexe. Le problème est d'abord mis sous forme standard puis résolu en trois étapes de pivotage.

Transféré par

Gise
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
0% ont trouvé ce document utile (0 vote)
144 vues5 pages

04.2 Méthode Du Simplexe

Ce document présente un exemple de résolution d'un problème d'optimisation linéaire à trois variables à l'aide de la méthode du simplexe. Le problème est d'abord mis sous forme standard puis résolu en trois étapes de pivotage.

Transféré par

Gise
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

3 Optimisation avec contraintes Max CERF

3.1 Simplexe
3.1.2 Déplacement
Techniques d’optimisation 2018

3.1.2 Exemple
Méthode des tableaux
• Problème linéaire à 3 variables x1, x2, x3

 x 1  2x 2  2x 3  20
2x  x 2  2x 3  20
min  10x 1  12x 2  12x 3 sous  1
2x  2x 2  x 3  20
 1
x1 , x 2 , x 3

x 1 , x 2 , x 3  0

• Forme standard

 Variables d’écart x4, x5, x6 positives

 x 1  2x 2  2x 3  x 4  20
2x  x 2  2x 3  x 5  20
min  10x 1  12x 2  12x 3 sous  1
2x  2x 2  x 3  x 6  20
 1
x1 , x 2 , x 3 , x 4 , x 5 , x 6

x 1 , x 2 , x 3 , x 4 , x 5 , x 6  0

479
3 Optimisation avec contraintes Max CERF
3.1 Simplexe
3.1.2 Déplacement
Techniques d’optimisation 2018

3.1.2 Exemple
Méthode des tableaux
• Tableau du simplexe

x1 x2 x3 x4 x5 x6
1 2 2 1 0 0 20 x4 Base initiale admissible
(x4 , x5 , x6)
2 1 2 0 1 0 20 x5
2 2 1 0 0 1 20 x6
-10 -12 -12 0 0 0 0 -z

• Solution de base non optimale : coûts réduits négatifs (= directions de descente)

• Variable entrante : 1er coût réduit négatif  x1

• Variable sortante : 1ère variable de base à s’annuler  x5

• Pivot : a 51  2

480
3 Optimisation avec contraintes Max CERF
3.1 Simplexe
3.1.2 Déplacement
Techniques d’optimisation 2018

3.1.2 Exemple
Méthode des tableaux
• 1er pivotage : entrée x1, sortie x5

x1 x2 x3 x4 x5 x6 Pas
1 2 2 1 0 0 20 x4  s14=20
2 1 2 0 1 0 20 x5  s15=10
2 2 1 0 0 1 20 x6  s16=10
-10 -12 -12 0 0 0 0 z

x1 x2 x3 x4 x5 x6
0 1.5 1 1 -0.5 0 10 x4 Nouvelle base
1 0.5 1 0 0.5 0 10 x1 (x1 , x4 , x6)

0 1 -1 0 -1 1 0 x6
0 -7 -2 0 5 0 100 z

481
3 Optimisation avec contraintes Max CERF
3.1 Simplexe
3.1.2 Déplacement
Techniques d’optimisation 2018

3.1.2 Exemple
Méthode des tableaux
• 2ème pivotage : entrée x2, sortie x6

x1 x2 x3 x4 x5 x6 Pas
0 1.5 1 1 -0.5 0 10 x4  s24=20/3
1 0.5 1 0 0.5 0 10 x1  s21=20
0 1 -1 0 -1 1 0 x6  s26=0
0 -7 -2 0 5 0 100 z

x1 x2 x3 x4 x5 x6
0 0 2.5 1 1 -1.5 10 x4 Nouvelle base
1 0 1.5 0 1 -0.5 10 x1 (x1 , x2 , x4)
0 1 -1 0 -1 1 0 x2
0 0 -9 0 -2 7 100 z

482
3 Optimisation avec contraintes Max CERF
3.1 Simplexe
3.1.2 Déplacement
Techniques d’optimisation 2018

3.1.2 Exemple
Méthode des tableaux
• 3ème pivotage : entrée x3, sortie x4
x1 x2 x3 x4 x5 x6 Pas
0 0 2.5 1 1 -1.5 10 x4  s34=4
1 0 1.5 0 1 -0.5 10 x1  s31=20/3
0 1 -1 0 -1 1 0 x2  s32=+
0 0 -9 0 -2 7 100 z

x1 x2 x3 x4 x5 x6
0 0 1 0.4 0.4 -0.6 4 x3 Nouvelle base
1 0 0 -0.6 0.4 0.4 4 x1 (x1 , x2 , x3)
0 1 0 0.4 -0.6 0.4 4 x2
0 0 0 3.6 1.6 1.6 136 z

x*  4 4 4 0 0 0T
• Solution optimale : c0 
z*  136
483

Vous aimerez peut-être aussi