Méthode de Simplexe

Introduction
Dans la plus part des problèmes réels nous serons confrontés à des situations où les
nombres de variables est supérieur à 2. La méthode simplexe par une approche algébrique
permet de résoudre sans aucune difficulté un problème d’optimisation avec plus de 2
variables.

Mise sous forme de standard

La mise sous forme de standard consiste à introduire des variables supplémentaires de
manière à réécrire les inégalités sous forme d’égalités. Chacune de ces variables représente
le nombre de ressource non utilisé, on les appelle variables d’écart.

Max Cx avec C positif

Ax b

X 0

Max 100x1 + 200x2

X1 + x2 150

Max c1x1 + c2x2 + … cnxn

a11x1 + a12x2 + … a1nxn s1 = b1

a21x1 + a22x2 + … + a2nxn + s2 = b2

. . .

. . .

. . .

am1x1 + am2x2 + … amnxn + sm = bm

X1, X2, Xn 0

s1, s2 … sm 0

La forme standard du problème d’agriculture est. :

Max 100x1+ 200x2

X1+x2 + s1 =150 (3.2)

Abdou NDIAYE DIC1 GENIE CIVIL Page

4x1 + 2x2 + s2 = 430 (3.3)

X1 + 4x2 + s3 = 480 (3.4)

X1 + s4 = 90 (3.5)

X1, x2, s1, s2, s3, s2, s3, s4 > 0 (3.6)

L’impact de ces variables d’écart sur la fonction objectif est nul. Leur existence est tout
simplement liée à une mise en forme du PL initial. Le fait de donner la valeur des variables
d’écart à l’optimum donne une idée du nombre de ressources non utilisé.

Revue algébrique de la méthode simplexe

1) On note que les contraintes du problème (3.2) – (3.5) forment un système de 4 équations
et de 6 variables. Il y’a donc un nombre infini de solution. La résolution du problème linéaire
doit être capable de retrouver les solutions des systèmes d’équation où il y’a plus de
variables que de contraintes.

2) Ce ne sont pas toutes les solutions qui vérifient les contraintes (3.2) jusqu’à (3.5). Elles
doivent en plus satisfaire les contraintes de non négativité ainsi une procédure algébrique
doit éliminer de l’ensemble des solutions celles qui n’arrivent pas à satisfaire les contraintes
de non négativité.

3) La procédure algébrique doit être capable de choisir parmi les solutions réalisables celle
qui maximise la fonction objectif. Généralement si un programme linéaire standard est
constitué de n variables et m contraintes avec n > m alors une solution de base extrême est
obtenue en annulant n – m variables et en résolvant les m contraintes pour déterminer les
valeurs des autres m variables. On note une solution de base n’est pas toujours réalisable
c’est le cas de la solution qu’on vient de trouver.

Une réalisable de base serait celle où x1 = x2 = 0. Cette solution correspond à un point

extrême de l’ensemble des solutions réalisables qui est l’origine. Pour la méthode simplexe il
faut nécessairement une solution de base initiale à partir de ce point la méthode simplexe va
générer successivement des solutions réalisables de base pour notre système d’équation en
s’assurant que la valeur de la fonction objectif est en train d’augmenter jusqu’à localiser la
solution optimale du problème qui est un point extrême de l’espace des solutions réalisables
donc une solution réalisable de base. Ainsi on peut décrire la méthode simplexe comme
étant une procédure itérative qui passe d’une solution réalisable de base à une meilleure
jusqu’à atteindre la solution optimale.

Méthode des tableaux

La méthode de simplexe commence par l’identification d’une solution réalisable de base et
ensuite elle essaie de trouver d’autres solutions réalisables de base jusqu’à atteindre la

Abdou NDIAYE DIC1 GENIE CIVIL Page

 solution optimale de base. Une solution réalisable de base est obtenue en annulant les n – m
variables de décision et la valeur des variables d’écart est directement donnée par le second
membre.

Après avoir mis le programme linéaire sous une forme qui vérifie les propriétés P1 et P2
l’étape suivante consiste à tracer le tableau.

P : il existe m variables avec des coefficients différents de 0.

P2 : les valeurs des seconds membres des contraintes doivent être positives.

Variables des contraintes

100 200 0 0 0 0

Ci VB Qi X1 X2 S1 S2 S3 S4

0 S1 150 1 1 1 0 0 0 150

0 S2 430 4 2 0 1 0 0 215

A 0 S3 480 1 4 0 0 1 0 120

0 S4 90 1 0 0 0 0 1

Zj 0 0 0 0 0 0

Cj- 100 200 0 0 0 0

Zj

Exemple :
Quelles sont les contraintes et la fonction objectif décrite par le tableau de simplexe suivant ?

6 7 0 0

X1 X2 S1 S2

0 S1 150 4 2 1 0

0 S2 440 1 5 0 1

Solution :

Abdou NDIAYE DIC1 GENIE CIVIL Page

Forme standard du Pl

Max :

Z = 6x1 + 7xx2 + 0*s1 + 0*s2

4x1 + 2x2 + s1 = 150

X1 + 5x2 + s2 = 440

X1, x2, s1, s2 0

Programme linéaire :

4x1 + 2x2 150

X1 + 5x2 440

X1, x2,

Max z = 6x1 + 7x2

Remarque :

Les variables qui figurent dans la deuxième colonne sont dites variables de base. A chacune
de ces variables on associe la valeur 1 à l’intersection de la ligne et de la colonne relative à
cette variable et dans le reste de la colonne on trouve des 0.

a) Amélioration de la solution
Pour améliorer la solution il faut générer une autre solution de base qui augmente la
valeur de la solution de base c’est-à-dire qu’on doit sélectionner une variable hors
base et une variable de base les permuter de telle façon que la nouvelle valeur
solution donne une plus grande valeur à la fonction objectif.
Pour savoir si on peut améliorer notre solution réalisable de base initiale nous allons
introduire 2 nouvelles lignes au-dessus du tableau de simple
La première ligne Zi représente la valeur de la fonction objectif qui résulte du fait
qu’une unité de la variable correspondant à la jiem colonne de la matrice A est
amenée dans la base. En effet si on produit un hectare supplémentaire de x1 la
valeur de quelque de variables de base va changer donc une augmentation de 0 vers
1 de x1 va être accompagné d’une diminution des variables de base s1, s2 et s3
respectivement 1, 4, 1 et 1. L’effet de cette diminution sur la fonction objectif est nul
car les coefficients des variables d’écart dans ces fonctions sont nuls. On dit que la
valeur Z1 est calculée en multipliant les coefficients de la première colonne de la
matrice A relatif à la variable x1 par les coef Cj de la 1ère colonne.

Zj=
Abdou NDIAYE DIC1 GENIE CIVIL Page
 La 2ème ligne notée Cj-Zj représente l’effet net de l’augmentation d’une unité de la
jième variable. Dans notre exemple l’effet net sur la fonction objectif par
l’augmentation d’une unité dans la valeur de x1 est C1-Zi = 100 – 0 = 100. En
analysant la ligne relative à l’évaluation Cj-Zj, on remarque l’augmentation d’une
unité sur x1 engendre un profit de 100f alors qu’une augmentation de la valeur x2
engendre de la valeur de 200f. Ce qui justifie notre choix d’augmenter x2. On dit que
x2 est la variable entrante. Le problème est donc jusqu’où on peut augmenter x2.
Cette augmentation ne peut pas se faire infiniment sous l’hypothèse que x1 reste
nulle. Le fait d’augmenter x2 jusqu’à la valeur 120 va engendrer l’annulation de la
valeur de la variable d’écart S3. Ce qui élimine S3 de la base. On appelle S3 variable
sortante. L’élément à l’intersection de la variable entrante et de la variable sortante
est l’élément pivot du tableau.

b) Calcul du tableau suivant

Dans le nouveau tableau de Simplexe, on va remplacer S3 par x2 et l’ensemble des
variables de base deviendra S1, S2, x2, S4. X2 doit prendre la place dans l’ordre.
Maintenant nous devons déterminer les coef de la matrice et ceux des variables de
base. Ce qui est obtenu en utilisant la règle du pivot.
1) Diviser la ligne de pivot par la valeur de l’élément de pivot pour trouver la ligne
transformée par le pivot.
2) A chacune des variables de base, on associe la valeur 1 à l’intersection de la ligne
et de la colonne relative à cette même variable et sur les autres lignes de la
valeur trouvée on met 0.

100 200 0 0 0 0

X1 X2 S1 S2 S3 S4

0 S1 30 3/4 0 1 0 -1/4 0 40

0 S2 190 7/2 0 0 1 -1/2 0 54.3

200 X2 120 1/4 1 0 0 1/4 0 480

0 S4 90 1 0 0 0 0 1 90

50 200 0 0 50 0

Abdou NDIAYE DIC1 GENIE CIVIL Page

 50 0 0 0 -50 0

150 480 1
= 30
4
430 480 2
= 190
4
90 480
= 90
4

100 200 0 0 0 0

X1 X2 S1 S2 S3 S4

100 X1 40 1 0 4/3 0 -1/3 0

0 S2 50 0 0 -14/3 1 2/3 0

200 X2 110 0 1 -1/3 0 1/3 0

0 S4 50 0 0 -4/3 0 1/3 1

100 200 200/3 0 100/3 0

0 0 -200/3 0 -100/3 0

Abdou NDIAYE DIC1 GENIE CIVIL Page

Pour calculer le reste des valeurs du tableau on procède par combinaison linéaire en utilisant les coef du
tableau précédant par exemple pour calculer la nouvelle qui va prendre la place de 150 devant la variable de
base S1 on multiplie 150 par le pivot on retranche le produit de la projection de la valeur 150 sur la ligne pivot
par la projection de 150 sur la colonne pivot et on divise le tout par la valeur du pivot .

Les effets associés aux variables hors base S1 et S3 sont négatifs. Ceci nous oblige à dire que faire entrer une de
ces deux variables dans la base va engendrer une diminution de la valeur de la fonction objectif. Donc il n’y pas
une autre solution réalisable de base qui peut produire un meilleur profit. Par suite cette dernière solution est
la solution optimale.

Chap. 4 : Problème de minimisation

Introduction
Dans le chap précédent tous les Pl traites sont de nature à maximiser la fonction objectif sous contraintes
d’inégalité sous la forme inférieure ou égale. Cependant dans beaucoup de problèmes réels on peut être aminé
à traiter des cas où les contraintes sont sous la forme supérieure ou égale et ou la forme égale aussi que des
problèmes qu’on a à minimise ou à maximiser.

Les variables artificielles

Considérons le PL suivant :

= 5 1+6 2+0 1+0 2

1+ 2+ 1 = 4
Max Z = 5x1 + 6x2
5 1 + 3 2 = 60
2=5

-x1 + x2 4

5x1 + 3x2 =60

SC : x2 5

X1 > 0 x2 0

Afin de générer une solution réalisable de base initiale pour la méthode de simplexe, on a annulé les variables
de décision x1 et x2. Pour éviter de tomber à l’absurdité 0 = 60 on introduit des variables artificielles A1 et A2
et le programme suivant devient Max Z = 5x1 + 6x2 +0S1 + 0S2 + 0A1 + 0A2

SC : -x1 + x2 +S1 = 4

5x1 + 3x2 + A1 = 60

X2 – S2 + A2 = 50

Abdou NDIAYE DIC1 GENIE CIVIL Page

 5 6 0 0 -M -M

X1 X2 S1 S2 A1 A2

0 S1 4 -1 1 1 0 0 0 -4

-M A1 60 5 3 0 0 1 0 12

-M A2 5 0 1 0 -1 0 1

-5M -4M 0 M -M -M

5+5M 6+4M 0 -M 0 0

5 6 0 0 -M -M

X1 X2 S1 S2 A1 A2

0 S1 16 0 8/5 1 0 1/5 0 16/8/5=10

5 X1 12 1 3/5 0 0 1/5 0 12/3/5=20

-M A2 5 0 1 0 -1 0 1 5/1=5

5 3-M 0 M 1 -M

0 3+M 0 -M -M-1 0

Abdou NDIAYE DIC1 GENIE CIVIL Page

 5 6 0 0 -M -M

X1 X2 S1 S2 A1 A2

0 S1 8 0 0 1 8/5 1/5 -8/5 5

5 X1 9 1 0 0 3/5 1/5 -3/5 15

6 X2 5 0 1 0 -1 0 1 -5

5 6 0 -3 1 3

0 0 0 3 -M-1 -M-3

5 6 0 0 -M -M

X1 X2 S1 S2 A1 A2

0 S2 5 0 0 5/8 1 1/8 -1

5 X1 6 1 0 -3/8 0 1/8 0

6 X2 10 0 1 5/8 0 1/8 0

5 6 15/8 0 11/8 -15/8

0 0 -15/8 0 -M-15/8 -M+15/8

X1 = 6 et x2 = 10
L’introduction des variables artificielles nous a permis d’avoir un programme linéaire modifié
conforme au principe de la méthode complexe. Cependant il faut noter qu’avec les variables
d’écart la solution de base est :

X1 = 0, x2 = 0, S1 = 4, S2 =0, A1 = 60 et A2 = 5

Abdou NDIAYE DIC1 GENIE CIVIL Page

Cette solution n’est pas réalisable puisque x2 n’est pas supérieur à 5. Ainsi il est important
de distinguer entre une solution réellement réalisable et une solution du programme linéaire
modifié pour la procédure du simplexe. Une solution réalisable reste réalisable dans le
programme linéaire modifié mais ce n’est pas toujours réciproque tant que les variables
artificielles restent dans la base la solution demeure non réalisable réellement pour notre
programme. Une manière pour garantir que ces variables artificielles sortent rapidement de
la base avant même d’atteindre la solution optimale est de leur associer un grand coût M
dans la fonction objectif. Ainsi si ces variables restent dans la base, ils vont causer une
diminution importante de la valeur de la fonction objectif ce qui fait qu’on va les faire sortir
le plus tôt dans la base.

Problème de minimisation
Min x1 + x2

2x1 + x2 12

5x1 + 8x2 74

X1 + 6x2 24

X1 0, x2 0

Solution :

Min x1 + x2

2x1 + x2 –S1 = 12

5x1 + 8x2 –S2 = 74

X1 + 6x2 – S3 = 24

1+ 2+0 1+0 2+0 3+ 1+ 2+ 3

2 1+ 1 + 1 = 12
5 1+8 2 + 2 = 74
1+6 3 + 3 = 24

Abdou NDIAYE DIC1 GENIE CIVIL Page 10

 1 1 0 0 0 M M M

X1 X2 S1 S2 S3 A1 A2 A3

M A1 12 2 1 -1 0 0 1 0 0 12

M A2 74 5 8 0 -1 0 0 1 0 37/4

M A3 24 1 6 0 0 -1 0 0 1 4

Zj 8M 15M -M -M -M M M M

Cj-Zj 1-8M 1-15M M M M 0 0 0

1 1 0 0 0 M M M

X1 X2 S1 S2 S3 A1 A2 A3

M A1 8 11/6 0 -1 0 1/6 1 0 -1/6 48/11=4.36

M A2 42 11/3 0 0 -1 4/3 0 1 -4/3 126/11=11.45

1 X2 4 1/6 1 0 0 -1/6 0 0 1/6 24

Zj 11M/2+1/6 1 -M -M 3M/2- M M 1/6-

1/6 3M/2

Cj- 5/6-11M/2 0 M M 1/6- 0 0 5M/2-

Zj 3M/2 1/6

Abdou NDIAYE DIC1 GENIE CIVIL Page 11

 1 1 0 0 0 M M M

X1 X2 S1 S2 S3 A1 A2 A3

1 X1 48/11 1 0 -6/11 0 1/11 6/11 0 -1/11 -8

M A2 26 0 0 2 -1 1 -2 1 -1 13

1 X2 36/11 0 1 1/11 0 -2/11 -1/11 0 2/11 36

Zj 1 1 2M- -M M- M M M
5/11 1/11

Cj-Zj 0 0 5/11- M 1/11- 3M- 0 2M-

2M M 5/11 1/11

1 1 0 0 0 M M M

X1 X2 S1 S2 S3 A1 A2 A3

1 X1 48/11 1 0 -6/11 0 1/11 6/11 0 -1/11 -8

M A2 26 0 0 2 -1 1 -2 1 -1 13

1 X2 36/11 0 1 1/11 0 -2/11 -1/11 0 2/11 36

Zj 1 1 - -M - 5/11- M 1/11-
5/11+2M 1/11+M 2M M

Cj-Zj 0 0 - M - 3M- 0 2M-

2M+5/11 M+1/11 5/11 1/11

Abdou NDIAYE DIC1 GENIE CIVIL Page 12

 1 1 0 0 0 M M M

X1 X2 S1 S2 S3 A1 A2 A3

1 X1 126/11 1 0 0 - 4/11 0 3/11 -4/11 31.5

3/11

0 S1 13 0 0 1 -1/2 1/2 -1 ½ -1/2 26

1 X2 23/11 0 1 0 1/22 - 0 - 5/22 -46/5

5/22 1/22

Zj 1 1 0 - 3/22 0 5/22 -3/22

5/22

Cj-Zj 0 0 0 5/22 - M M- M+3/22

3/22 5/22

1 1 0 0 0 M M M

X1 X2 S1 S2 S3 A1 A2 A3

1 X1 2 1 0 -8/11 1/11 0 8/11 - 0

1/11

0 S3 26 0 0 2 -1 1 -2 1 -1

1 X2 8 0 1 5/11 - 0 -5/11 2/11 0

2/11

Zj 1 1 -3/11 - 0 3/11 1/11 0

1/11

Cj-Zj 0 0 3/11 1/11 0 M- M- M

3/11 1/11

Abdou NDIAYE DIC1 GENIE CIVIL Page 13

Solution

X1 = 2 ET X2 = 8
Min Z = X1 + X2

Remarque : Si le 2ème membre est négatif il suffit de multiplier la ligne par -1.

Problèmes Irréguliers
a) Problème impossible

Avec la méthode simplexe on reconnait que le problème est impossible, si une ou plusieurs
variables artificielles sont présentes dans la base dans le tableau de simplexe optimal.

Max 4X1 + 3X2

X1 + X2 2

3X1 + X2 10

X1, X2 0

Solution :

Max 4X1 + 3X2 + 0S1 + 0S2 - MA

X1 + X2 + S1 = 2

3X1 + X2 – S2 + A = 10

Abdou NDIAYE DIC1 GENIE CIVIL Page 14

 4 3 0 0 -M

X1 X2 S1 S2 A

0 S1 2 1 1 1 0 0 2

-M A 10 3 1 0 -1 1 3.5

Zj -3M -M 0 M -M

Cj-Zj 4+3M 3+M 0 -M 0

4 3 0 0 -M

X1 X2 S1 S2 A

4 X1 2 1 1 1 0 0

-M A 4 0 -2 -3 -1 1

Zj 4 4+2M 4+3M M -M

Cj-Zj 0 -1-2M -4-3M -M 0

b) Problème à solution multiple

C’est le problème que rencontre en méthode graphique si nous avons

Il est caractérisé par le fait que la pente de la droite représentant la fonction objectif
est égale à la pente de l’une des contraintes.
c) Problème à solution infini

Abdou NDIAYE DIC1 GENIE CIVIL Page 15

 Ce problème est caractérisé par le fait qu’on peut déplacer la droite de la fonction
objectif indéfiniment de manière à accroitre sa valeur. On reconnait ce problème
lorsque la variable entrante n’admet aucune limite sur sa valeur d’entrée.

Max X1 + 2X2
X1 + X2 2
X2 3
X1, X2 0

Abdou NDIAYE DIC1 GENIE CIVIL Page 16