5.Dualité en
programmation linéaire
Illustration de la notion
• Considérons une entreprise
produisant r produits finis: fk = demande du produit k =1, 2, …, r utilisant s matières premières: hl = disponibilité de la matière première l = 1, 2, …, s
• L’entreprise dispose de n procédés de production (activités):
xj = niveau d’utilisation du procédé j = 1, 2, …, n
cj = coût unitaire d’utilisation du procécédé j = 1, 2, …, n Le procédé j
produit ekj unités de produit k =1, 2, …, r utilise g unités de matière l = 1, 2, …, s
Illustration de la notion
• Considérons une entreprise produisant r produits finis:
fk = demande du produit k =1, 2, …, r utilisant s matières premières:
hl = disponibilité de la matière l = 1, 2, …, s
• L’entreprise dispose de n procédés de production (activités):
xj = niveau d’utilisation du procédé
j = 1, 2, …, n cj = coût unitaire d’utilisation du procédé j = 1, 2, …, n Le procédé j
produit ekj unités de produit k =1, 2, …, r utilise glj unités de matière l = 1, 2, …, s pour chaque unité de son utilisation.
• Problème de l’entreprise: déterminer le niveau d’utilisation de chaque procédé de production pour satisfaire les demandes en produits sans excéder les disponibilités des matières premières tout en minimisant le coût total de production.
• Modèle
n j
x
s l
h x g
r k
f x e
x c z
j n j
l j lj
k n
j
j kj n j
j j
,..., 2 , 1 0
) ités disponibil (
,..., 2 , 1
) demandes (
,..., 2 , 1 à
Sujet min
1 1 1
Illustration de la notion
• Un entrepreneur propose à l’entreprise d’acheter les quantités de ses
matières premières et de lui vendre les quantités de produits pour satisfaire les demandes.
• Il doit énoncer (déterminer) des prix unitaires vk pour les produits k = 1, 2, … , r
wl pour les matières l = 1, 2, …, s.
vk w
s l
h x g
r k
f x e
x c z
n
k n
j
j kj n j
j j
) ités disponibil (
,..., 2 , 1
) demandes (
,..., 2 , 1 à
Sujet min
1 1
Illustration de la notion
• L’entrepreneur doit déterminer des prix qui soient intéressants pour l’entreprise.
• Pour vérifier l’intérêt de faire affaire avec l’entrepreneur, l’entreprise doit vérifier que pour chacun de ses procédés de production j, le coût d’acheter les unités de produits fabriquées par une unité d’utilisation du procédé j en tenant compte de ce qu’elle reçoit de l’entrepreneur pour les unités de
matières qu’elle évite alors d’utiliser, que ce coût n’excède pas le coût unitaire d’utilisation cj du procédé j
j s
l lj l
r
k
e
kjv
kg w c
premières matièresde la vente des revenu
1 produitsd'achat des
coût
1
≤Illustration de la notion
• Le problème de l’entrepreneur est de maximiser son profit en s’assurant que ses prix restent intéressants pour l’entreprise
j r
s l
l lj c
r k
k
kjv g w c
e
premières matièresevenu de la vente des
1 produitsoût d'achat des
1
≤
r k
v
n j
c w
g v
e
w h v
f p
j s
l
l lj r
k
k kj r k
s l
l l k
k
,..., 2 , 1 0
,..., 2 , 1 à
Sujet max
1 1
1 1
Illustration de la notion
• Problème de l’entreprise: multiplions les contraintes de disponibilités par -1
n j
x
s l
h x g
r k
f x e
x c z
j n j
l j lj
k n
j
j kj n j
j j
,..., 2 , 1 0
) ités disponibil (
,..., 2 , 1
) demandes (
,..., 2 , 1 à
Sujet min
1 1 1
n j
x
s l
h x
g
r k
f x e
x c z
j n j
l j
lj
k n
j
j kj n j
j j
,..., 2 , 1 0
) ités disponibil (
,..., 2 , 1
) demandes (
,..., 2 , 1 à
Sujet min
1 1 1
-1x
r k
v
n j
c w g v
e
w h v
f p
k
j s
l
l lj r
k
k kj r k
s l
l l k
k
,..., 2 , 1 0
,..., 2 , 1 à
Sujet max
1 1
1 1
Problème de l’entreprise
Problème de l’entrepreneur
sj j rj
j
g g e e
1 1
kn kj
k
k e e e
e 1 2
ln 2
1 g g g
gl l lj
G E
n j
x
s l
h x
g
r k
f x e
x c z
j n
j lj j l
k n
j kj j
n
j j j
,..., 2 , 1 0
) ités disponibil (
,..., 2 , 1
) demandes (
,..., 2 , 1 à
Sujet min
1 1 1
n j
x
s l
h x
g
r k
f x e
x c z
j n j
l j
lj
k n
j
j kj n j
j j
,..., 2 , 1 0
) ités disponibil (
,..., 2 , 1
) demandes (
,..., 2 , 1 à
Sujet min
1 1 1
s l
w
r k
v
n j
c w g v
e
w h v
f p
l k
j s
l
l lj r
k
k kj r k
s l
l l k
k
,..., 2 , 1 0
,..., 2 , 1 0
,..., 2 , 1 à
Sujet max
1 1
1 1
Primal
Dual
0 ,
à Sujet max
w v
w c G v
E
w h v
f p
T T
T T
0 à
Sujet min
x
h x f
G E
x c z t
Problème primal et problème dual
Problème de programmation linéaire avec inégalités
Problème de programmation linéaire sous forme standard 0
à Sujet
min
x
b Ax
x cT
0 à
Sujet min
x
b Ax
x cT
Problème primal Problème dual
Problème primal Problème dual
y x
y A y c x
y b
T T
à
Sujet max
0 à
Sujet max
y
c y A
y b
T T
Théorèmes de dualité
• Il est facile de démontrer que nous pouvons passer d’une paire de problèmes primal-dual à l’autre.
• Il est également facile de démontrer que le problème dual du problème dual est le problème primal.
• Nous allons donc démontrer les théorèmes de dualité en se référant à la paire où le problème primal est sous forme standard:
0 à
Sujet min
x
b Ax
x c
Tprimal Dual
c y A
y b
T T
à
Sujet max
Théorèmes de dualité
• Théorème de dualité faible
Si (i.e., x est réalisable pour le problème primal) et si (i.e., y est réalisable pour le problème dual),
Preuve En effet, .
: , 0
x Ax b x x
y A y c
y : T x c y
bT T alors
0 que
et
puisque
x A y x c A y c x
y
bT T T T T
Théorèmes de dualité
• Corollaire Si et , et si ,alors x* et y* sont des solutions optimales respectivement
pour le problème primal et pour le problème dual.
Preuve Du théorème de dualité faible, il découle que pour toute solution réalisable x du problème primal
Par conséquent x* est solution optimale du problème primal.
Une preuve similaire est utilisée pour démontrer que y* est solution optimale du problème dual.
: , 0
*
x Ax b x
x y
* y : A
Ty c
*
* c x
y
bT T
. Donc
. hypothèse
par
et * * * *
* b y c x c x b y c x
y b x
cT T T T T T T
Théorèmes de dualité
• Théorème de dualité forte Si un des deux problèmes primal ou dual possède une solution optimale avec valeur finie, alors la même chose est vraie pour l’autre problème, et les valeurs optimales des deux problèmes sont égales. Si un des deux problèmes n’est pas borné, alors le domaine réalisable de l’autre problème est vide.
Preuve La seconde partie de l’énoncé découle directement du théorème de dualité faible. En effet, supposons que le problème primal n’est pas bornée inférieurement; ainsi cTx→ – ∞. Or si le problème dual était réalisable,
alors il existerait un et par le théorème de dualité faible, nous aurions que ;i.e., bTy serait une borne inférieure sur la valeur de la fonction économique du primal cTx, une contradiction.
y A y c
y : T
x c y
bT T
Théorèmes de dualité
Pour démontrer la première partie, supposons que le problème primal possède une solution de base optimale x* pour laquelle la valeur de la fonction économique est égale à z*.
Soit les variables de base correspondantes.
Dénotons , et π le vecteur des multiplicateurs
associés à la base optimale. Rappelons que les coûts relatifs des variables sont définis comme suit
où dénote la je colonne de la matrice A.
Supposons que cette solution de base optimale est telle que Par conséquent
jm
j
j x x
x , ,...,
2 1
n j
a c
c j j T j 1,2,...,
aj
n j
a c
c j j T j 0 1,2,..., n
j c
a j j
T 1,2,...,
] ,...,
,
[ j1 j2 jm
B c c c
c
Théorèmes de dualité
Supposons que cette solution de base optimale est telle que Par conséquent
ce qui s’écrit sous la forme matricielle . Ceci implique que
c’est-à-dire que π est une solution réalisable pour le problème dual.
n j
a c
c j j T j 0 1,2,..., n
j c
a j j
T 1,2,...,
c AT
y AT y c
:
Théorèmes de dualité
Évaluons maintenant la valeur de la solution réalisable π pour le problème dual. Rappelons d’abord la définition de π
.
Il s’ensuit que.
Par conséquent, il découle du Corollaire du théorème de dualité faible que π est une solution optimale du problème dual, et que
.
cB
B1T
z*
Tb
*
* 1
1 c (B b) c x c z
B b
bT T T B T B BT B
Théorie des écarts complémentaires
• Les prochains résultats introduisent de nouvelles conditions nécessaires et suffisantes pour que des solutions réalisables respectivement pour les
problèmes primal et dual soient optimales pour ceux-ci.
• Considérons d’abord la paire suivante de problèmes primal-dual
0 à
Sujet min
x
b Ax
x c
Tprimal Dual
0 à
Sujet max
y
c y A
y b
T T
x
Théorie des écarts complémentaires
• Théorème des écarts complémentaires 1
Soit x et y des solutions réalisables respectivement pour les problèmes primal et dual précédents. Alors x et y sont des solutions optimales pour ces problèmes si et seulement si pour tout j = 1,2,…,n
Preuve Démontrons d’abord que les conditions sont suffisantes. Supposons que les conditions (i) et (ii) sont satisfaites pour tout j=1,2,…,n. Alors
00
j j
T j
j T
j j
x c
j a ii
c j a x
i
a y c
j nxj Tj j 0 1,2,...,
n j
j T
j
j a y c
x
1
0 Donc
Théorie des écarts complémentaires
Par conséquent
et le corollaire du théorème de dualité faible implique que x et y sont des solutions optimales respectivement pour les problèmes primal et dual.
n j
n j
T T
T T
j T j n
j
Tj j T j
j
j a y c x a y x c x A y c x b y c x
x
1 1 1
Or
a y c
j nxj Tj j 0 1,2,...,
n j
j T
j
j a y c
x
1
0 Donc
x c y
bT T
Théorie des écarts complémentaires
Inversement, démontrons que les conditions sont nécessaires. Supposons que les solutions x et y sont optimales respectivement pour le primal et le dual. Par conséquent, se référant à la première partie de la preuve
et la preuve est complétée.
a y c
j nx
n j
c y a x
j T
j j
j T
j j
,..., 2 , 1 0
que sensuit
il
, ,..., 2 , 1 et
0 Puisque
01
y c b y c x
a
x T T
n
j
T j j j
Théorie des écarts complémentaires
• Considérons maintenant l’autre paire de problèmes primal-dual
• Théorème des écarts complémentaires 2
Soit x et y des solutions réalisables respectivement pour les problèmes primal et dual précédents. Alors x et y sont des solutions optimales pour ces problèmes si et seulement si
pour tout j = 1,2,…,n pour tout i=1,2,…,m 0
à Sujet
min
x
b Ax
x cT
i x 0 aT j c
iii a x b y 00 à
Sujet max
y
c y A
y b
T T
y x
Théorie des écarts complémentaires
Preuve Ce théorème peut être démontré comme un corollaire du
théorème des écarts complémentaires 1. Transformons le problème primal sous une forme standard en introduisant des variables d’écarts si , i=1,2,
…,m. le problème devient alors
Le dual de ce problème s’écrit
0 ,
à Sujet
min
s x
b Is Ax
x cT
0 0
à Sujet à
Sujet
max max
y I y
I
c y A c
y A
y b y
b
T T
T T
0 à
Sujet min
x
b Ax
x cT
Théorie des écarts complémentaires
Appliquons le théorème précédent pour la paire de problèmes suivants
Pour j=1,2,…,n
et pour i=1,2,…,m
0 ,
à Sujet
min
s x
b Is Ax
x cT
00
j j
T j
j T
j j
x c
j a ii
c j a x
i
iviii ysi 00 ysi 000 à
Sujet max
y I
c y A
y b
T T
x s
Théorie des écarts complémentaires
Pour j=1,2,…,n
et pour i=1,2,…,m
et alors les conditions deviennent
00
j j
T j
j T
j j
x c
j a ii
c j a x
i
iviii ysii 00 ysii 00i i
i
a x b
s
Or
iviii aiyxi bi ayiix bi
0
0
0 ,
à Sujet
min
s x
b Is Ax
x cT
Algorithme dual du simplexe
• L’algorithme dual du simplexe est une méthode itérative pour résoudre un problème de programmation linéaire sous sa forme standard
n j
x
b x
a x
a x
a
b x
a x
a x
a
b x
a x
a x
a à Sujet
x c x
c x
c z
j
m n
mn m
m
n n n n
n n
,..., 2 , 1 0
...
. .
. .
. .
. .
...
...
min
2 2 1
1
2 2
2 22 1
21
1 1
2 12 1
11
2 2 1
1
Algorithme dual du simplexe
• À chaque itération nous avons une solution de base du problème qui n’est pas réalisable, sauf à la dernière itération de l’algorithme, et pour laquelle les coûts relatifs de toutes les variables sont non négatifs.
• Par exemple, considérons le problème
0 ,
, , ,
2 / 13 12
/ 5 12
/ 1
2 / 15 4
/ 3 4
/ 1
4 / 6 4
/ 1 4
/ 1
27 2
/ 1 2
/ 3 min
h p u y x
h u
y
h p
u
h u
x à
Sujet
h u
z
Algorithme dual du simplexe
Analysons une itération typique de l’algorithme où le tableau du simplexe associé à la solution de base actuelle est le suivant:
n j
c j 0 1,2,...,
Critère de sortie
m i
c
n j
c
ji
j
,..., 2 , 1 0
,..., 2 , 1 0
termine.
se algorithme L'
optimale.
et
réalisable est
solution la
alors ,
,..., 2 , 1 0
Si bi i m
Critère de sortie
m i
c
n j
c
ji
j
,..., 2 , 1 0
,..., 2 , 1 0
0 0
puisque effet
En . réalisable pas
est n' problème le
alors ,
,..., 2 , 1 0
S . 0 min
soit Sinon
1 1
n j
j r rj
i rj m r i
b et
x a
n j
a i b
b
Critère de sortie
m i
c
n j
c
ji
j
,..., 2 , 1 0
,..., 2 , 1 0
. tableau du
ligne la
dans fera
se pivot Le
sortie.
de variable la
est .
0 min
soit Sinon
1
r x b
b i jr
m
r i
Critère d’entrée
m i
c
n j
c
ji
j
,..., 2 , 1 0
,..., 2 , 1 0
Nous allons choisir la variable d’entrée xs de telle sorte que i) la valeur de la variable de sortie xr augmente lorsque la valeur de xs augmente
ii) les coûts relatifs des variables demeurent non
0 ars
Critère d’entrée
m i
c
n j
c
ji
j
,..., 2 , 1 0
,..., 2 , 1 0
0 ars
En complétant le pivot sur le coût relatif de la variable xj devient
s rs
j rj
c
a c a
a
rsaugmenter.
qu' peut ne
de valeur la
, 0 et
0 puisque
alors ,
0 Si
j
rs s
rj
c
a c
a
Critère d’entrée
m i
c
n j
c
ji
j
,..., 2 , 1 0
,..., 2 , 1 0
0 ars
En complétant le pivot sur le coût relatif de la variable xj devient
s rs
j rj
c
a c a
a
rsi.e., négatif;
non demeure
variable la
de
relatif cout
nouveau le
que assurer
s' faut il
, 0 que
tel tout
Pour
j
rj
x
a j
Critère d’entrée
: 0 ou min : 0
max
que tel
est entrée d'
variable la
de indice
l' Donc
. 0 que
tel
0 que
tel 0
0 que
tel 0
i.e., négatif;
non demeure
variable la
de
relatif cout
nouveau le
que assurer
s' faut il
, 0 que
tel tout
Pour
1 1 rj
rj j n
rs j rj s
rj j n rs j
s
rj rs
s rj
j
rj rs
s rj
j
rj s
rs j rj
j
rj
a a c a
a c a
c a
c
s
a a j
c a
c
a a j
c a
c
a j
a c c a
x
a j
Pivot
• Pour retrouver le tableau du simplexe associé à la nouvelle base où la variable d’entrée xs remplace la variable de sortie xr il suffit de faire un pivot sur l’élément .
a
rs 0
Exemple
• x est la variable de sortie et par conséquent le pivot se fait dans la première ligne du tableau.
• h est la variable d’entrée et par conséquent le pivot se fait sur l’élément -1/4
• Après le pivot, le tableau devient
Solution réalisable et optimale
Convergence
• Hypothèse de non dégénérescence:
les coûts relatifs de toutes les variables hors base sont positifs à chaque itération
• Théorème Considérons le problème de programmation linéaire sous forme standard
Sous l’hypothèse de non dégénérescence, l’algorithme dual du simplexe se n
m matrice A
R b R x c
x b Ax à
Sujet
x c z
m n
T
, ,
0 min
Convergence
• Preuve:
En supposant que la matrice A est de plein rang m, chaque solution de base réalisable doit comporter m variables de base
Il y a un nombre fini de façons de choisir m variables parmi n:
Or les solutions de base où les coûts relatifs des variables hors base sont positifs constituent un sous ensemble de ces solutions.
Donc
est une borne supérieure sur le nombre de telles solutions de base.
)!
(
!
! m n m
n m
n
)!
(
!
! m n
m
n m
n
Convergence
• Considérons l’effet de compléter un pivot sur la valeur de la fonction économique lors d’une itération du simplexe
Division de ligne r par ars
→
c
srs r
a b
Soustraire de
~ br
Convergence
Donc et ainsi la valeur de l’objectif augmente strictement d’une itération à l’autre.
Par conséquent une même solution de base où les coûts relatifs de toutes les variables hors base sont positifs, ne peut se répéter au cours de
l’application de l’algorithme dual du simplexe.
Puisque le nombre de ces dernières est borné (fini), il s’ensuit que l’algorithme dual du simplexe doit être complété en un nombre fini d’itérations.
ence dégénéresc
non de
hyp.
par 0 et
, 0 ,
0 puisque
~0 0 0
0
r rs
s
rs s r
b a
c
a z c b z
z z
0 0
~z z
Parallèle entre
algo. du simplexe et algo. dual du simplexe
Algo. du simplexe
Recherche dans le domaine réalisable
Choisit la variable d’entrée pour réduire la valeur de la fonction économique
Choisit la variable de sortie pour préserver la réalisabilité
Stop quand une solution optimale est trouvée ou que le problème n’est pas
Algo. dual du simplexe
Recherche à l’extérieur du domaine réalisable
Choisit le variable de sortie pour éliminer une variable de base négative
Choisit la variable d’entrée pour préserver la condition d’optimalité
Stop quand la solution est réalisable ou quand le problème n’est pas réalisable
j cj 0