mlmlmlmlml mlmlmlmlmlmlmlmlml, Essays (university) of Mathematics

mlmlmlmlml mlmlmlmlmlmlmlmlml mlmlmlmlml mlmlmlmlmlmlmlmlml mlmlmlmlml mlmlmlmlmlmlmlmlml mlmlmlmlml mlmlmlmlmlmlmlmlml

Typology: Essays (university)

2019/2020

Uploaded on 01/14/2020

you-ghi
you-ghi 🇩🇿

1 document

1 / 12

Toggle sidebar

This page cannot be seen from the preview

Don't miss anything!

bg1
Chapitre 2
Méthode de simplexe
IV. Méthode de simplexe à deux phases
On a déjà indiqué que la méthode de Simplexe part d’un PL sous la forme
canonique. Cela suppose qu’on peut facilement identifier une SBR initiale.
Parfois, ceci n’est pas évident, par exemple
(P) Max z = 4x1 + 3x2
s.c. 2x1 –x2 15
x1 + x2 = 10
2x1 – x2 20
x1, x2 0
En mettant ce PL sous la forme standard, on obtient
Max z = 4x1 + 3x2
s.c. 2x1 –x2 –e1 = 15
x1 + x2 = 10
2x1 – x2 + s3= 20
x1, x2, e1, s3 0
pf3
pf4
pf5
pf8
pf9
pfa

Partial preview of the text

Download mlmlmlmlml mlmlmlmlmlmlmlmlml and more Essays (university) Mathematics in PDF only on Docsity!

Méthode de simplexe

IV. Méthode de simplexe à deux phases

On a déjà indiqué que la méthode de Simplexe part d’un PL sous la forme canonique. Cela suppose qu’on peut facilement identifier une SBR initiale. Parfois, ceci n’est pas évident, par exemple (P) Max z = 4x1 + 3x s.c. 2x1 –x2  15 x1 + x2 = 10 2x1 – x2  20 x1, x2  0 En mettant ce PL sous la forme standard, on obtient Max z = 4x1 + 3x s.c. 2x1 –x2 –e1 = 15 x1 + x2 = 10 2x1 – x2 + s3= 20 x1, x2, e1, s3  0

Méthode de simplexe

Il est difficile de trouver intuitivement/rapidement une SBR. Alors, qu’est-ce qu’on fait? On introduit encore des variables dites artificielles à chaque contrainte ‘‘et à chaque contrainte ‘=’, on obtient alors (P’) : Max z = 4x1 + 3x s.c. 2x1 –x2 –e1 + s1= 15 x1 + x2 +s2= 10 2x1 – x2 + s3 = 20 x1, x2, e1, s3, s1,s2  0 Une SBR de P’ est donnée par VB = {s1,s2, s3}. Cependant, les variables artificielles non seulement ont un effet nul dans la fonction objectif mais aussi doivent être nulles dans une SBR de P. Alors, lorsqu’une variable artificielle est non nulle, ceci indique que la solution est non réalisable dans P. On doit essayer d’annuler les variables artificielles dans P’. Ceci est réalisé en appliquant l’algorithme de Simplexe au problème suivant :

Méthode de simplexe

Cas 3 : z

I= 0 et au moins une^  si est une VB du tableau optimal de la

phase I  Le problème original P a au moins une contrainte

redondante  Eliminer les contraintes redondantes ; réintroduire z(x)

et commencer la phase II.Rq : dans le cas 3, on trouve une ou plusieurs lignes où tous les

coefficients sont nuls sauf ceux des variables artificielles  telles

lignes sont redondantes et peuvent être éliminées.  (^) Exemple La Ligne 2 peut être éliminée. x1 x2 x3 x4 x5 s 2 x3 3 -1 1 1 0 0 6 s 2 0 0 0 0 0 1 0 x5 2 1 0 2 1 0 5

Méthode de simplexe

 (^) Application à P : Max zI = - s1 - s s.c. 2x1 –x2 –e1 + s1= 15

(PI) x1 + x2 +  s2= 10

2x1 – x2 + s3= 20

x1, x2, e1, s3,  s1,  s2  0

1 x

1 x 2 e 1 s 3 s 1 s 2 s 1

s 2

s 3

Méthode de simplexe

Tableau optimal de la phase I (cas 2) : VB = {x1, x2, s3}  Rq : On peut éliminer du tableau la colonne d'une variable artificielle dès que celle-ci sort de la base.

3 x

1 x 2 e 1 s 3 s 1 s 2 X 1

X

2

S

3

Méthode de simplexe

Phase II :

4 x

1 x 2 e 1 s 3 x 1

x 2

s 3

L

4

– 4L

1

–3 L

2

5 x

1 x 2 e 1 s 3 x 1

x 2

e 1

Méthode de simplexe

Exemple : Max zM= 4x1 + 3x2-M s1 -Ms s.c. 2x1 –x2 –e1 + s1= 15 (PI) x1 + x2 +s2= 10 2x1 – x2 + s3= 20 x1, x2, e1, s3, s1, s2  0

1 x

1 x 2 e 1 s 3 s 1 s 2 s 1

s 2

s 3

4 3 0 0 -M -M 0

Mise à jour

4+3M 3 -M 0 0 0 25M

Méthode de simplexe

# 2 X

1 x 2 e 1 s 3 s 1 s 2 x 1

s 2

s 3

M

2+1/2M 0 -2-

M

0 -30+5/2M

# 3 X

1 x 2 e 1 s 3 s 1 s 2 x 1

x 2

s 3

0 0 1/3 0 -1/3-M 0 -115/