Optimisation linéaire

Cours optimisation On appelle problème d’optimisation la donnée d’une instance de la forme minimiser/maximiser f (x) sous les conditions gi (x) ≤ 0 ∀i ∈ {1, . . . , m} hj (x) = 0 ∀j ∈ {1, . . . , m } avec f : Rp → R une fonction objectif et gi , hj : Rp → R des fonctions de contraintes. L’ensemble des points {x ∈ Rp | gi (x) ≤ 0 ∀i ∈ {1, . . . , m}, hj (x) = 0 ∀j ∈ {1, . . . , m }} est appelé ensemble de candidats. S’il est non vide, on appelle solution du problème d’optimisation

f"xy (x,y) . On peut définir de même f" y²(x,y) et f‘‘yx (x,y) . Il est à noter que : Application : Soit la fonction : f(x,y) = 2x2y3 + 5xy2 - 3x2y + 7x - 4y Calculez f'x , f'y , f ‘‘x² , f"y² , f"xy , f‘‘yx Solution : voir le site 2. Optimisation libre ou sans contrainte 2.1 Cas d’une fonction à une seule variable Il s‘agit d‘une fonction à une seule variable du type y = f(x) Pour déterminer les extremums de cette fonction on passe par deux étapes :  Condition nécessaire du premier

polynomial un couplage de taille (ou même de poids) maximum. Depuis les travaux de König, Hall, Tutte, Edmonds, Gallai, Lovász, et bien d'autres, la théorie du couplage est très riche, voir par exemple le livre de Lovász & Plummer. Programmation Linéaire en Nombres Entiers (PLNE) * Toutes les variables sont obligées de prendre des valeurs entières * En général les coefficients ai,j sont aussi entiers * Et, donc, on peut se limiter à des constantes bj entières * Si, les variables

L’utilisation de IBM Ilog Cplex Optimization Studio Virginie Gabrel Modélisation et résolution de pbs en RO 1 2013-2014 Master ID Solveurs et Modeleurs Solveurs : Logiciels de résolution de Programme Mathématique (excel, CPLEX, GLPK, lindo, Xpress, gurobi, coin-OR…) – – PL : méthode révisée du simplexe PLNE : méthode par séparation et évaluation Modeleurs : Langage pour écrire, intégrer, résoudre et afficher un PM : GAMS, AMPL, OPL… 2 2013-2014 Master ID Cplex

Conditions de KKT :  L(x,λ,μ)=J(x)+ λigi(x)+ μifj(x) 1≤i≤m 1≤j ≤p (1≤i≤m), (1≤j ≤p), (1≤j ≤p), (1≤j ≤p),  ∇xL(xmin, λ, μ) = 0, fj(xmin) ≤ 0 μ≥0  j  μjfj(xmin) = 0 2.4 Optimisation convexe Optimisation convexe (i) ; (ii) ; (iii) ; (iv) ; (v).   g(x)=0 i min  La notion de convexité possède un rôle privilégié en théorie de l’optimisa- tion car elle permet d’obtenir des conditions globales d’existence, mais aussi par l’existence de conditions nécessaires et suffisantes d’optimalité

` ´ Algebre lineaire Algorithme du simplexe Algorithme du simplexe ` ´ Une solution a la programmation lineaire Hugues Talbot Laboratoire A2SI 18 mars 2008 ´ ´ Resume ` ´ Algebre lineaire Algorithme du simplexe Plan ` ´ Algebre lineaire Algorithme du simplexe Formulation et forme standard Notations Recherche d’une solution optimale ´ ´ Resume ` ´ Algebre lineaire Algorithme du simplexe Matrices, inverses etc • Il est necessaire de

Table des matières Avant-propos Remerciements xxi xxii Partie I – Analyse numérique 1 Algèbre linéaire et calcul scientifique I II Les sources d’erreurs numériques dans un ordinateur : le calcul en flottant . . . . Des rappels et compléments d’algèbre linéaire . . . . . . . . . . . . . . . . . . . . II.1 II.2 II.3 II.4 II.5 III Déterminant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Valeurs propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Normes

année, 1er semestre, Année universitaire : 2010/2011 MATHEMATIQUES ECONOMIQUES I ALGEBRE LINEAIRE Fiche synthèse n°1 Matrices - Opérations * Nous rencontrons le calcul matriciel et les systèmes linéaires dans différentes disciplines : gestion, économie, recherche opérationnelle, statistique, programmation, optimisation, informatique, logistique, modélisation de situations économiques réelles etc.… * Une matrice peut être définie comme étant un

face à des coûts de production assez importants. Aux vues des contraintes, le recours à la sous-traitance est indispensable dans la mesure où l’entreprise ne peut pas faire face seule à sa demande. Notre sujet relève de la programmation linéaire. Il a pour objet de maximiser le bénéfice journalier d’une entreprise qui vend deux produits [pic] et [pic]. La firme doit respecter diverses contraintes : le temps d’utilisation de la machine, la demande journalière, l’arbitrage entre la production

ECO7036 Econom´etrie Universit´ e du Qu´ ebec ` a Montr´ eal ´ Ecole de Gestion D´ epartement des sciences ´ economiques Professeur: Alain Guay Session: hiver 2007 Examen Intra 1. D´efinissez les concepts suivants: (25 pts) (a) La puissance d’un test. (b) La statistique t. (c) Le coefficient de d´etermination (R2 ). (d) La convergence en probabilit´e. (e) La borne de Cramer-Rao. 2. Supposons le mod`ele lin´eaire classique: (25 pts) Y = Xβ + o` u X est une matrice T x N , E( ) = 0 et E( ) = σ 2