You are on page 1of 10

IFT1575

Dmonstration 5
1. Rsoudre le problme de programmation linaire en nombres entiers (PLE) suivant
avec la mthode de branch-and-bound.
Min z = - x1 - 2 x2
s.a.
2 x1 + x2 5.5
x2 2
x1, x2 0 et entiers.
Solution.
1.
x1 = 1.75

z=

x2 = 2

z = - 5,75

z = - 5.75

x1 2

x1 1

2.

z=

7.
x1 = 2

x1 = 1

x2 = 1.5

x2 = 2

z = -5

z = -5

x2 2

x2 1

3.

z=

4.
x1 = 2.25

Non
ralisable

x2 = 1

z=

z = -4.25
x1 2

x1 3

6.

5.

z=

Non
ralisable

z = 4

x1 = 2
x2 = 1
z = -4

z=5

Donc, la solution optimale est x1 = 1, x2 = 2 et la valeur optimale de la fonction


conomique est z = -5.
Dans la suite, nous prsentons la rsolution graphique de chaque sous-problme.
Problme 1.
x2
2x1+x2=5.5
3

(1.75, 2)
x2=2
2
-x1 - 2x2= - 5.75

x1

Problme 2.
x2
2x1+x2=5.5

x1=2

x2=2
2

(2, 1.5)

-x1 - 2x2= - 5

x1

Problme 3. Le domaine ralisable est vide.


Problme 4.
x2
2x1+x2=5.5

x1=2

x2=2
2

(2.25, 1)
x2=1
1
-x1 - 2x2= - 4.25

x1

Problme 5. Le domaine ralisable est vide.


Problme 6.
x2
2x1+x2=5.5

x1=2

x2=2
2

x2=1
1
-x1 - 2x2= - 4

(2, 1)

x1

Problme 7.
x2
x1=1

2x1+x2=5.5
x2=2
2

-x1 - 2x2= - 5

(1, 2)
1

x1

2. Une compagnie arienne veut acheter des avions qui diffrent selon la capacit qui est
soit Grande, Moyenne ou Petite. Les cots de chaque type davion sont de
33 500 000$, 25 000 000$ et 17 000 000$, respectivement, et le cot total dachat ne
doit pas dpasser 750 000 000$. Par ailleurs, le profit associ lexploitation de
chaque type davion au cours dune anne est de 2 100 000$, 1 500 000$ et
1 150 000$, respectivement.
La compagnie dispose dun nombre de pilotes lui permettant doprer 30 nouveaux
avions et dispose de ressources suffisantes pour assurer lentretien de 40 nouveaux
avions de Petite capacit. En termes de ressources dentretien, les avions de Grande et
Moyenne capacit requirent des ressources qui quivalent celles de 1 et 1
avions de Petite capacit, respectivement.
La compagnie veut connatre le nombre davions de chaque type quil faut acheter de
faon maximiser son profit.
(a) Modliser le problme comme un PLE
(b) Rsoudre le PLE
Solution.
(a) Modliser le problme comme un PLE
i)

Actions ou activits
achat davions de Grande capacit
achat davions de Moyenne capacit
achat davions de Petite capacit
4

Niveau
x1
x2
x3

ii) Fonction conomique (1 000 000 $)


maximiser le profit annuel
Max 2.1 x1 + 1.5 x2 + 1.15 x3
iii) Contraintes
- nombre de pilotes
x1 + x2 + x3 30
- cot dachat
33.5 x1 + 25 x2 +17 x3 750
- ressources dentretien
1 x1 + 1 x2 + x3 40
iv) Modle
Min z = 2.1 x1 1.5 x2 1.15 x3
s.a.
x1 +
33.5 x1 + 25

x2 +

x3 30

x2 + 17 x3 750

1 x1 + 1 x2 +

x3 40

x1, x2, x3 0 et entiers.


(b) Rsoudre le PLE
On rsout dabord le problme avec lalgorithme du simplexe en introduisant des
variables dcart et en relaxant les contraintes dintgralit sur les variables x1, x2
et x3. On obtient la solution suivante:
x1
x2
x3

= 14.5
= 0
= 15.5

dont la valeur est z = 48.28.


Puisque cette solution nest pas entire, il faut appliquer lalgorithme de branchand-bound (o chacun des sous-problmes est rsolu avec lalgorithme du
simplexe). En plaant les contrainte de type et dans les branches gauche et
droite, respectivement, on obtient larbre illustr la page suivante, o la solution
chaque noeud est reprsente par le vecteur (x1, x2, x3).
Comme on le voit, la rsolution peut tre trs longue. Ici, nous avons arrt
lexploration aprs la rsolution du sous-problme 13. Les sous-problmes ouverts
(non encore rsolus) sont reprsents par des nuds vides.

1.
( 14.5, 0, 15.5 )
z = -48.28
x1 15

( 15, 0, 14.6 )
z = -48.24
x3 14

4.

3.

( 15.3, 0, 14 )
z = -48.20

non
ralisable

x1 15

x1 16

5.

( 16, 0, 12.6 )
z = -48.08
x3 12

x3 13

6.

non
ralisable

7.

( 16.3, 0, 12 )
z = -48.03
x1 16

x1 17

8.

( 17, 0, 10.6 )
z = -47.91

x3 11

x3 10

10.
9.

non
ralisable

( 17.3, 0, 10 )
z = -47.86

x1 18

x1 17

11.
( 18, 0, 8.6 )
z = -47.74
x3 8

x3 9

13.
12.

non
ralisable

( 18.3, 0, 8 )
z = -47.69

z=

z = 48.28

x1 14

2.

x3 15

Si on inverse les contraintes de type et lors de la recherche dune solution


(cest--dire, si on place les contraintes de type et dans les branches gauche et
droite, respectivement), on obtient alors larbre suivant:

1.
( 14.5, 0, 15.5 )

z=

z = -48.28

z = 48.28

x1 14

x1 15

2.

5.

( 14, 1.1, 14.9 )

z=

z = -48.19
x2 2

x3 14

4.
( 13.6, 2, 14.4 )

( 15.3, 0, 14 )

z = -48.10

z = -48.20

z = -48.15

x3 15

11.

6.

( 14, 1, 15 )

z = 48.15

z = -48.24

x2 1

3.

( 15, 0, 14.6 )

non
ralisable

z = 48.15

z = 48.15

z = 48.15

z = 48.15

x1 15

x1 16

10.

7.
_

z = 48.15

( 15, 0.4, 14 )

( 16, 0, 12.6 )

z = -48.17

z = -48.08

z = 48.15

x2 1

x2 0

8.

9.
( 15, 0, 14 )

( 15, 1, 13.1 )

z = -47.60

z = -48.05

z = 48.15

z = 48.15

La solution optimale est donc x1 = 14, x2 = 1, x3 = 15 et la valeur de cette solution


est z = 48.15.

3. Exemples de modles mixtes


Un modle est dit mixte sil comporte la fois des variables continues et entires. De
tels modles permettent de reprsenter des situations qui chappent aux modles
continus ou entiers purs. En voici quelques exemples.
(a) Problmes o au moins une de deux contraintes doit tre satisfaite
3x1 + 2 x2 18
ou
x1 + 4 x2 16

Il faut dabord noter que dans une formulation classique, toutes les contraintes
doivent tre satisfaites. On peut toutefois reprsenter de tels systmes laide
dun modle mixte :
Soit M une constante positive arbitrairement grande. On pose alors :

3 x1 + 2 x2 18
contrainte effective
x1 + 4 x2 16 + M
ou
3 x1 + 2 x2 18 + M
x1 + 4 x2 16

contrainte effective

On reformule ensuite ce systme laide des variables binaires y1 et y2

3 x1 + 2 x2 18 + y1M
x1 + 4 x2 16 + y2M
y1 + y2 1
y1, y2 binaires

ce qui est quivalent :

3 x1 + 2 x2 My1
18
My2 16
x1 + 4 x2
y1 + y2 1
y1 1
y2 1
y1, y2 0 et entiers

y1, y2 binaires

La contrainte y1 + y2 1 nous assure quau moins une de ces deux variables est
0 et donc quau moins une des deux contraintes est satisfaite.
Pour la formulation gnrale

a 1T x b 1
aT
2 x b2

nous avons :
a 1T x b1 + My 1
aT
2 x b 2 + My 2

y1 + y2 1
y1, y2 binaires

(b) Problmes o au moins k parmi n contraintes doivent tre satisfaites

a 1T x b 1
aT
2 x b2

aT
n x bn

Par analogie avec (a), nous obtenons :


a 1T x b1 + My 1
aT
2 x b 2 + My 2

aT
n x b n + Myn
n

yi n k
i =1

yi binaires, 1 i n

La contrainte
n

yi n k
i =1

nous assure quau moins k variables yi sont gales 0 et donc quau moins k
contraintes sont satisfaites.

10

You might also like