Algo Poly

Mathématiques Discrètes
Introduction aux algorithmes polynomiaux pour

la PL
Jean-François Hêche
Institut de Mathématiques
École Polytechnique Fédérale de Lausanne

Introduction aux algorithmes polynomiaux pour la PL
• L’algorithme ellipsoı̈dal
• Les méthodes de points intérieurs
• Fonction barrière, centre analytique et chemin central
J.-F. Hêche, ROSO-EPFL Algorithmes polynomiaux 1

L’algorithme ellipsoı̈dal [Khachian (1979)]
L’idée à la base de l’algorithme ellipsoı̈dal est relativement simple : plutôt
que de travailler avec un polyèdre, on utilise une suite d’ellipsoı̈des de
volume décroissant mais qui contiennent, à chaque itération, la solution
optimale du PL à résoudre.
Partant d’un PL de domaine admissible D = {x ∈ Rn | Ax ≤ b} que l’on

supposera non vide et borné, on définit un premier ellipsoı̈de E0 de centre
x0 contenant D. À chaque itération k,
1) si xk n’est pas admissible, on choisit une contrainte aix ≤ bi

violée et on définit un nouvel ellipsoı̈de Ek+1 ⊃ Ek ∩ Hi où
Hi = {x ∈ Rn | aix ≤ aixk } ;
2) Si xk est admissible, on définit un nouvel ellipsoı̈de Ek+1 ⊃ Ek ∩ Hc
où Hc = {x ∈ Rn | cx ≥ cxk }.
1) xk n’est pas admissible :
Ek+1 Ek+1
xk xk+1
Ek

1) xk n’est pas admissible :
Ek+1 Ek+1
xk xk+1
Ek
2) xk est admissible :
Ek+1
Ek+1
x∗
x∗
xk xk+1
Ek

Performances de l’algorithme ellipsoı̈dal
En choisissant judicieusement le nombre K d’itérations, il est possible

d’obtenir un ellipsoı̈de EK dont le centre xK est aussi proche que voulu de
la solution optimale du PL.
Dans une dernière étape, on peut déterminer à partir de xK le point
extrême et la base optimales.
Le nombre K d’itérations nécessaires pour déterminer le point extrême
optimal est borné par un polynôme en la taille des données du problème !
L’algorithme ellipsoı̈dal montre donc qu’un programme linéaire peut être
résolu en un temps polynomial.
Malheureusement, l’algorithme converge lentement, trop pour être efficace
en pratique.

Les méthodes de points intérieurs
Les méthodes de points intérieurs se divisent en trois grandes familles
d’algorithmes, tous efficaces en pratique :
• les méthodes de redimensionnement affine (« affine scaling methods ») ;
• les méthodes de réduction de potentiel (« potential reduction me-

thods ») ;
• les méthodes de chemins (« path following methods »).
Tous ces algorithmes utilisent et adaptent des techniques initialement

développées pour l’optimisation de problèmes non linéaires.

Fonction barrière, centre analytique et chemin central
Considérons la paire de programmes linéaires duaux standards
Max z = cx Min w = yb
s.c. Ax + s = b s.c. yA − v = c
x , s ≥ 0 y , v ≥ 0
Afin d’éliminer les contraintes difficiles x, s ≥ 0 (ce qui permet de se

retrouver avec un problème dont toutes les contraintes sont des équations),
on remplace chaque contrainte xj ≥ 0 (ou si ≥ 0) par un terme log xj
(log si) dans la fonction objectif.
Ainsi, pour µ > 0, on définit la fonction barrière
 
X n m
X
Bµ(x) = cx + µ  log xj + log si .
j=1 i=1

Pour 0 < µ < ∞, on obtient une famille de problèmes (à fonction objectif
strictement concave) :
P
n Pm
Max Bµ(x) = cx + µ j=1 log xj + i=1 log si
s.c. Ax + s = b
• Lorsque µ → ∞, la solution (unique) du problème précédent

converge vers le centre analytique
du polyèdre P =
x s | Ax + s = b, x ≥ 0, s ≥ 0 .
• Lorsque µ → 0, la solution (unique) du problème précédent converge

vers une solution optimale x∗ du PL initial.
• Pour 0 < µ < ∞, la solution (unique) du problème précédent décrit une

trajectoire appelée chemin central.
x∗
x(0.1)
Chemin central x(10)
x(∞)
Centre analytique

Principe des algorithmes de chemins
• On cherche à suivre le chemin central jusqu’à obtenir une solution suffi-
samment proche de la solution optimale x∗.
• Déterminer un point x(µ) du chemin central nécessite de résoudre un
problème d’optimisation non linéaire (il faut maximiser la fonction barrière
Bµ(x) !), on se limite donc en pratique à calculer une solution approchée
x̄(µ) de x(µ).
• L’algorithme est itératif, partant d’une solution x̄(µ0), on diminue à chaque
itération la valeur du paramètre : µk+1 = αµk (0 < α < 1) et on calcule
une solution approchée x̄(µk+1) du point central x(µk+1).
• L’algorithme s’arrête lorsqu’une précision suffisante est atteinte. Il est alors
possible de déterminer exactement la base optimale et le point extrême
optimal.
x∗
x(µk+2) x̄(µk+2)
dk+1
x(µk+1) x̄(µk+1)
dk
x̄(µk ) x(µk )

Objectifs
• Pouvoir expliquer le principe des ellipsoı̈des.

• Connaı̂tre les idées principales à la base des méthodes de chemins telles
que les notions de fonction barrière et de chemin central.

Algo Poly

Transféré par

Droits d'auteur :

Formats disponibles

Algo Poly

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Algo Poly

Transféré par

Droits d'auteur :

Formats disponibles

Mathématiques Discrètes

Introduction aux algorithmes polynomiaux pour

École Polytechnique Fédérale de Lausanne

• Les méthodes de points intérieurs

• Fonction barrière, centre analytique et chemin central

J.-F. Hêche, ROSO-EPFL Algorithmes polynomiaux 1

Partant d’un PL de domaine admissible D = {x ∈ Rn | Ax ≤ b} que l’on

1) si xk n’est pas admissible, on choisit une contrainte aix ≤ bi

J.-F. Hêche, ROSO-EPFL Algorithmes polynomiaux 3

J.-F. Hêche, ROSO-EPFL Algorithmes polynomiaux 3

En choisissant judicieusement le nombre K d’itérations, il est possible

J.-F. Hêche, ROSO-EPFL Algorithmes polynomiaux 4

• les méthodes de réduction de potentiel (« potential reduction me-

• les méthodes de chemins (« path following methods »).

Tous ces algorithmes utilisent et adaptent des techniques initialement

J.-F. Hêche, ROSO-EPFL Algorithmes polynomiaux 5

Afin d’éliminer les contraintes difficiles x, s ≥ 0 (ce qui permet de se

J.-F. Hêche, ROSO-EPFL Algorithmes polynomiaux 6

• Lorsque µ → ∞, la solution (unique) du problème précédent

• Lorsque µ → 0, la solution (unique) du problème précédent converge

• Pour 0 < µ < ∞, la solution (unique) du problème précédent décrit une

Chemin central x(10)

J.-F. Hêche, ROSO-EPFL Algorithmes polynomiaux 8

J.-F. Hêche, ROSO-EPFL Algorithmes polynomiaux 10

• Pouvoir expliquer le principe des ellipsoı̈des.

J.-F. Hêche, ROSO-EPFL Algorithmes polynomiaux 11

Vous aimerez peut-être aussi

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.