Correction de la série d’exercices N°1
Exercices de programmation linéaire Cette page présente une série d'exercices de programmation linéaire, accompagnés de leurs solutions détaillées. Les étudiants apprendront à formuler des problèmes de programmation linéaire, à établir des fonctions objectives et à définir des contraintes.
D'après le document Correction de la série d’exercices N°1
Cet article a été rédigé automatiquement à partir du document source, puis vérifié avant publication.
Document source
Operations Research / Linear Programming · PDF · 3 pages · 2000
Afficher l'aperçu du document
Exercices de programmation linéaire
Cette page présente une série d'exercices de programmation linéaire, accompagnés de leurs solutions détaillées. Les étudiants apprendront à formuler des problèmes de programmation linéaire, à établir des fonctions objectives et à définir des contraintes. Chaque exercice est conçu pour illustrer des concepts clés et des méthodes de résolution, offrant ainsi une compréhension approfondie de la programmation linéaire.
Exercice 1 : Formulation d'un problème de maximisation
Dans cet exercice, nous devons déterminer le nombre d'unités à fabriquer pour trois produits afin de maximiser le profit. Les variables de décision sont définies comme suit :
- xi = nombre d’unités à fabriquer du produit i / semaine ; i=1, 2, 3
La formulation du problème est :
max 30 x1 + 12 x2 + 15 x3 s.c. 9 x1 + 3 x2 + 5 x3 ≤ 500 5 x1 + 4 x2 ≤ 350 3 x1 + 2 x3 ≤ 150 x3 ≥ 20 x1, x2, x3 ≥ 0
Exercice 2 : Réduction de la dimension du problème
Dans cet exercice, nous travaillons avec trois variables de décision représentant des quantités de produits :
- x1 : Quantité d’orge
- x2 : Quantité d’arachide
- x3 : Quantité de sésame
La formulation initiale est :
min 25 x1 + 41 x2 + 39 x3 s.c. 12 x1 + 52 x2 + 42 x3 ≥ 22 2 x1 + 2 x2 + 10 x3 ≤ 3,6 x1 + x2 + x3 = 1 x1, x2, x3 ≥ 0
Nous réduisons la dimension du problème en exprimant x3 en fonction de x1 et x2 :
x3 = 1 - x1 - x2
La nouvelle formulation devient :
min -14 x1 + 2 x2 + 39 s.c. 3 x1 - x2 ≤ 2 x1 + x2 ≥ 0.8 x1 + x2 ≤ 1 x1, x2 ≥ 0
Exercice 3 : Affectation d'agents à des équipes
Dans cet exercice, nous devons minimiser le coût d'affectation d'agents à différentes équipes. Les variables de décision sont :
- xj : le nombre d’agents affectés à l’équipe j, où j=1, 2, 3, 4, 5
La fonction objectif est :
Min 170 x1 + 160 x2 + 175 x3 + 180 x4 + 195 x5
Les contraintes sont les suivantes :
x1 ≥ 48 (6h-8h) x1 + x2 ≥ 79 (8h-10h) x1 + x2 ≥ 65 (10h-midi) x1 + x2 + x3 ≥ 87 (midi-14h) x2 + x3 ≥ 64 (14h-16h) x3 + x4 ≥ 73 (16h-18h) x3 + x4 ≥ 82 (18h-20h) x4 ≥ 43 (20h-22h) x4 + x5 ≥ 52 (22h-minuit) x5 ≥ 15 (minuit-6h)
Exercice 4 : Problème du chocolatier-confiseur
Dans cet exercice, nous devons déterminer les quantités de chocolat à acheter pour confectionner 3000 assortiments. Les variables de décision sont :
- Xi = nombre de kg de chocolat i que doit se procurer le confiseur.
La fonction objectif pour maximiser les profits est :
MAX Z = 4,00X1 + 6,55X2 + 5,60X3
Les contraintes sont :
X1 + X2 + X3 = 3000 X1 ≥ 300 X1 ≤ 600 X1 + X2 ≤ 2400 X1 + X3 ≥ 1500 X1, X2, X3 ≥ 0
Exercice 5 : Maximisation du profit avec contraintes de transport
Dans cet exercice, nous devons maximiser le profit en tenant compte des coûts de transport et des contraintes de production. Les variables de décision sont :
- xp : nombre d’unités à fabriquer du produit p
- xq : nombre d’unités à fabriquer du produit q
La fonction objectif est :
Maximiser le profit : ventes – coût de transport Ventes = 42xp + 48xq Coût de transport = (7xp + 3xq) × 2
Les contraintes sont :
4xp + 2xq ≤ 3000 3xp + xq ≤ 2000 2(7xp + 3xq) ≥ 4000 7xp + 3xq ≤ 5600 xp ≥ 0, xq ≥ 0
Points clés à retenir
Voici les points essentiels à retenir sur les exercices de programmation linéaire :
- La formulation correcte d'un problème de programmation linéaire est cruciale.
- Les fonctions objectives peuvent être de maximisation ou de minimisation.
- Les contraintes doivent être clairement définies pour chaque problème.
- La réduction de la dimension du problème peut simplifier la résolution.
- Les méthodes de résolution incluent la méthode du simplexe et d'autres techniques algorithmiques.
Questions fréquentes
Qu'est-ce que la programmation linéaire ?
La programmation linéaire est une méthode mathématique utilisée pour optimiser une fonction objective sous des contraintes linéaires. Elle est largement utilisée dans divers domaines tels que l'économie, la logistique et la gestion des opérations.
Comment résoudre un problème de programmation linéaire ?
Pour résoudre un problème de programmation linéaire, il est essentiel de formuler le problème en identifiant la fonction objective et les contraintes. Ensuite, des méthodes comme le simplexe peuvent être appliquées pour trouver la solution optimale.
Quels sont des exemples de problèmes de programmation linéaire ?
Des exemples incluent la maximisation des profits dans la production, l'affectation de ressources limitées à des tâches, et l'optimisation des coûts de transport. Chaque problème nécessite une formulation spécifique avec des variables de décision et des contraintes.
Commentaires
Aucun commentaire pour le moment. Posez la première question.