Escolar Documentos
Profissional Documentos
Cultura Documentos
Analyse post-optimisation
4.1.1
Variables duales
sujet :
AX B .
Notes de cours
38
Recherche Oprationnelle
Analyse post-optimisation
sujet :
AT Y C .
Exemple :
Max Z 3x1 6 x2 2 x3
sujet :
3x1 4 x2 x3 20
x 3x 2 x 10
2
3
1
x1 , x2 , x3 0
(4.1)
3 y1 y2 3
4 y1 3 y2 6
y1 2 y2 2
y1 , y2 0
u de ressource
u de produit
profit
u de produit
profit
u de ressource
x2
x3
x4
x5
x1
-1
0.6
-0.8
x2
-0.2
0.6
0.6
1.2
24
39
Recherche Oprationnelle
Analyse post-optimisation
sujet :
3x1 4 x2 x3 21
x 3x 2 x 10
2
3
1
x1 , x2 , x3 0
x2
x3
x4
x5
x1
-1
0.6
-0.8
4.6
x2
-0.2
0.6
1.8
0.6
1.2
24.6
Les cots rduits, pour chacune des variables de dcision qui sont hors base
dans le tableau final, peuvent tre interprts comme tant le montant dont il
faudrait augmenter le profit dune unit de produit (ou diminuer le cot sil sagit
dun problme de minimisation) avant quil soit profitable de lexploiter.
Dans lexemple prcdent, le cot rduit associ x3 dans le tableau optimal
est 1, ce qui implique quil faut augmenter le profit du produit 3 dune unit. (c.-d. le faire passer de 2 3) pour quil devienne rentable.
4.2
Notes de cours
40
Recherche Oprationnelle
Analyse post-optimisation
on
tudie
diffrentes
possibilits
laide
Max Z 3x1 5 x2
sujet :
x1 4
3x 2 x 18
2
1
x1 , x2 0
de
(4.2)
4.2.1
x1
x2
x3
x4
x3
x2
3/2
1/2
9/2
5/2
45
x2
x3
x4
x3
x2
3/2
1/2
9/2
5/2
45
Pour que la fonction objectif soit exprime en fonction des variables hors base
seulement, on doit soustraire 4 fois la deuxime range de la range des cots
rduits. On obtient ainsi :
Notes de cours
x1
x2
x3
x4
x3
x2
3/2
1/2
41
Recherche Oprationnelle
Analyse post-optimisation
-3/2
0
0
1/2
9
Z
Ce qui nest plus optimal, puisque le cot rduit, associ x1, est ngatif.
On obtient la nouvelle solution optimale en excutant une itration
supplmentaire de la mthode simplexe.
4.2.2
Si le paramtre bi est chang, le cot droit du tableau final subit seul une
transformation.
La variable dcart ou la variable artificielle, associe lquation i, xr+i,
napparat initialement dans aucune autre quation. laide des coefficients de
ces variables, on peut donc retracer les multiples de lquation i qui ont t
additionns aux quations durant le processus doptimisation, et ainsi valuer le
changement subi par le tableau final lorsquon modifie bi .
Plus prcisment, si le cot droit de la ime contrainte du programme initial
est augment de , le cot droit du tableau final devient :
k 1,...m 1
x2
x3
x4
x3
4 + 0 (- 4) = 4
x2
3/2
1/2
9 + (- 4) = 7
9/2
5/2
45 + 5/2 (- 4) = 35
Comme le cot droit est non ngatif, ce tableau set optimal. Si lun ou
plusieurs des lments du cot droit devient ngatif, il faut r-optimiser avec
lalgorithme dual du simplexe.
4.2.3
Autres changements
Notes de cours
42
Recherche Oprationnelle
Analyse post-optimisation
x2
x3
x4
x3
1 + 0 (-2)
x2
3/2 + (-2)
1/2
5/2
45
Soit :
x1
x2
x3
x4
Limit.
x3
x2
1/2
1/2
18
-1/2
5/2
45
x1
x2
x3
x4
x1
x2
-1/2
1/2
1/2
5/2
47
Notes de cours
x1
x2
x3
x4
x5
x3
x2
3/2
1/2
x5
12
9/2
5/2
45
43
Recherche Oprationnelle
Analyse post-optimisation
x1
x2
x3
x4
x5
x3
x2
3/2
1/2
x5
-2
-1
-6
9/2
5/2
45
Limit.
9/4
5/2
x2
x3
x4
x5
x3
-1/2
1/2
x2
-1/4
3/4
4.5
x1
1/2
-1/2
1/4
9/4
31.5
Nouveau programme
Max Z 3x1 5 x2 0 x5
sujet :
0 x5 4
x1
3x 2 x 0 x 18
2
5
1
x1 , x2 , x5 0
Notes de cours
Max Z 3x1 5 x2 4 x5
sujet :
2 x5 4
x1
3x 2 x x 18
2
5
1
x1 , x2 , x5 0
44
Recherche Oprationnelle
Analyse post-optimisation
x2
x3
x4
x5
x3
1 (2) + 0 (1)
x2
3/2
1/2
0 (2) + (1)
9/2
5/2
45
x1
x2
x3
x4
x5
x3
x2
3/2
1/2
1/2
9/2
5/2
-3/2
45
Soit :
La nouvelle
supplmentaire :
Notes de cours
solution
optimale
est
obtenue
aprs
x1
x2
x3
x4
x5
x5
1/2
1/2
x2
5/4
-1/4
1/2
21/4
3/4
5/2
48
45
une
itration