Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Importer

Bienvenue sur Scribd !

  • 101 vues

    Plne

    Transféré par

    Younesse El

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    Plne

    Transféré par

    Younesse El
    101 vues17 pages

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    101 vues17 pages

    Plne

    Transféré par

    Younesse El

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 17

    Programme Linéaire en nombres entiers

    (PLNE)

    Dans cette partie, on ne considérera que des


    programmes linéaires en nombres entiers.
    (c-à-d les variables xi sont des entiers positifs ou nuls)

    Approche intuitive immédiate :


    § On relaxe les variables ( les considérer entant que
    réels)
    § On arrondi la solution.
    En général, cela ne marche pas !

    H.Samadi ENSA de Tanger 1


    Contre exemple

    max 3 x1 + 13 x2
    sc.
    2 x1 + 9 x2 ≤ 40
    11 x1 – 8 x2 ≤ 82
    x1, x2 ≥ 0
    x1, x2 entiers

    H.Samadi ENSA de Tanger 2


    Sol.optim.entière
    x*=(2,4)!!

    2x1+9x2=40

    11x1-8x2 = 82

    Voisins non x*continu=(9.2,2.4)


    admissibles
    H.Samadi ENSA de Tanger 3
    Méthode par séparation et évaluation :
    (Branch and Bound)

    § Soit un programme linéaire en nombres entiers


    suivant :
    Max z= c.x
    s.c.
    Ax <= b
    X entier positif ou nul

    H.Samadi ENSA de Tanger 4


    Relaxation

    § On considère sa relaxation linéaire :


    § Max z = c.x
    § s.c.
    Ax <= b
    x≥0
    x réel

    H.Samadi ENSA de Tanger 5


    On calcule à chaque étape:

    Ø le coût optimal de la relaxation linéaire.

    Ø Si la solution de la relaxation est entière, pas


    besoin de partitionner le sous-problème.
    Sinon, on choisit un x*i non entier, et on crée deux
    sous-problèmes en ajoutant les contraintes

    xi ≤ [x*i ] et xi ≥ [x*i ] +1

    H.Samadi ENSA de Tanger 6


    Séparation

    § On partitionne F en un une collection finie de sous-ensembles


    F1,…,Fk.

    § On résout séparément les problèmes


    Max z = c.x
    s.c. x ∈ Fi

    § A priori, les sous-problèmes peuvent être aussi difficiles que le


    problème original. Dans ce cas, on applique le même système et
    on partitionne le/les sous-problèmes.
    § On obtient l’arborescence suivante :

    H.Samadi ENSA de Tanger 7


    F

    F1 F2 Fk

    F21 F22 F2m

    F211 F212 F21n


    H.Samadi ENSA de Tanger 8
    Exemple 1:

    § Soit le problème F suivant :

    max z = - x1 + 2x2
    S.C
    -4x1 + 6x2 ≤ 9
    x1 + x2 ≤ 4
    x1, x2 ≥ 0
    x1, x2 entiers

    H.Samadi ENSA de Tanger 9


    En appliquant la méthode de Branch and Bound on
    obtient l’arborescence suivante :

    F x* = (1.5,2.5) , z = 3.5

    x2 ≥ 3 x2 ≤ 2

    F1 Non adm. F2 x* = (0.75,2) , z = 3.25

    x1 ≥ 1 x1 ≤ 0

    F21 F22
    x* = (1,2) , z = 3 x* = (0,1.5) , z = 3

    H.Samadi ENSA de Tanger 10


    Remarque:

    Ø Le nombre de manières de choisir un sous-


    ensemble de n éléments est 2n !.

    Ø Si n est grand, il est impossible de considérer


    toutes les possibilités (210 = 1024 !!).

    Ø Un algorithme efficace devrait obtenir la solution


    optimale en examinant un très petit nombre de
    solutions.
    H.Samadi ENSA de Tanger 11
    Exemple 2 : Investissement

    § Une société dispose de 1 400 000 $ à


    investir. Les experts proposent 4
    investissements possibles:

    Coût Bénéfice Rendement


    Inv. 1 500 000 1 600 000 3.20
    Inv. 2 700 000 2 200 000 3.14
    Inv. 3 400 000 1 200 000 3.00
    Inv. 4 300 000 800 000 2.67
    H.Samadi ENSA de Tanger 12
    Modélisation : C’est un PLNE à variables binaires

    § Variables de décision : xi, i=1,…,4


    § xi = 1 si investissement i est choisi
    § xi = 0 sinon
    § Objectif : maximiser bénéfice
    max 16 x1 + 22 x2 + 12 x3 + 8 x4
    § Contrainte : budget d’investissement
    5 x1 + 7 x2 + 4 x3 + 3 x4 ≤ 14

    H.Samadi ENSA de Tanger 13


    Voici l’arborescence du problème :
    (Solution optimale F1212: (0,1,1,1) de max 42 00000)

    F
    x3=1 x3=0
    F1 F2 x4=1
    x2=1
    x2=0
    x4=0
    F11 F12 F22
    x1=0 F21 x2=1
    x1=1
    x2=0
    x4=0 F121 F222
    x4=1 F122 F221
    F1211
    F1212 F2222
    F2221
    H.Samadi ENSA de Tanger 14
    Autre application : Problème du sac à dos

    § Un campeur part en randonnée dans la montagne.


    § Il ne peut emporter dans son sac à dos qu’un poids limité à
    P.

    § Chaque article i qu’il peut potentiellement emporter pèse


    pi et lui procure une utilité ui pour sa randonnée.
    §
    § Question :
    § Quels articles emporter pour maximiser son utilité sans
    dépasser la limite de poids ?

    H.Samadi ENSA de Tanger 15


    C’est aussi un PLNE à variables binaires

    Variables de décision
    § xi = 1 si Jo emporte l’article i
    § xi = 0 sinon
    max u1x1+u2x2+…+unxn
    § s.c.
    p1x1+p2x2+… +pnxn ≤ P
    x1,…,xn ∈ {0,1}

    H.Samadi ENSA de Tanger 16


    Application:

    En utilisant Matlab, donner l’arborescence du problème du sac à


    dos ci dessous.

    Retrouver la solution par la fonction prédéfinie « bintprog »

    max z = 10 x1 + 8x2+5x3

    s.c. 6x1 + 5x2 +4x3 ≤ 9

    x1, x2, x3 dans {0,1}

    H.Samadi ENSA de Tanger 17

    Vous aimerez peut-être aussi