ENSEEIHT/TP-recherche-operationnelle
1
0
Fork 0
Code Issues Pull requests Packages Projects Releases Wiki Activity

fix(README): meilleur support du latex dans gitlab

Browse source
This commit is contained in:
Laurent Fainsin 2021-11-23 21:09:30 +01:00
parent fd84d42a55
commit 9ee1ddb717
1 changed files with 8 additions and 8 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

16
README.md
View file

@ -16,8 +16,8 @@ glpsol --lp exo1/voitures.lp -o exo1/voitures.sol
- Nous avons choisi d'utiliser un `.lp` pour résoudre ce problème puisque celui-ci est simple et ses données ne changent pas.
- Voici comment nous avons choisi de modéliser le problème:
- `nS` $\in \N$ modélise le nombre de voiture Standard produit par semaine.
- `nL` $\in \N$ modélise le nombre de voiture de Luxe produit par semaine.
- `nS` $`\in \N`$ modélise le nombre de voiture Standard produit par semaine.
- `nL` $`\in \N`$ modélise le nombre de voiture de Luxe produit par semaine.
- On cherche à maximiser `Benefice`.
- `CapaciteParking` modélise la surface maximale du parking.
- `TempsTravail` modélise le temps de travail maximal de employés.
@ -33,18 +33,18 @@ glpsol -m exo2/personnel.mod -d exo2/personnel.dat -o exo2/personnel.sol
- Nous avons choisi de modéliser ce problème en utilisant un `.mod` et un `.dat` puisque l'input de matrices de se fait plus simplement dans un `.dat`. De plus, il est dépendant de N donc il est suceptible d'évoluer doncs seul le fichier `.dat` sera à modifier car le fichier `.mod` est plus général.
- Voici comment nous avons choisi de modéliser le problème:
- $($`perm`$)_{i,j} \in M_2(\{0,1\})$ modélise l'association d'un travail à une personne.
- $`(`$`perm`$`)_{i,j} \in M_2(\{0,1\})`$ modélise l'association d'un travail à une personne.
- `perm` modélise les association qui doivent être uniques ; donc c'est une matrice de permutation. (ie. chaque ligne et chaque colonne ne doit contenir un seul 1)
- 10 itérations sont nécéssaires pour résoudre le problème du simplex. 10 itérations sont nécéssaires pour trouver la meilleure solution entière. 1 noeud de l'arbre à été exploré.
- Pour les données que l'on a fournis, on obtient la solution :
$\left(
$`\left(
\begin{array}{cccc}
1 & 0 & 0 & 0 \\
0 & 0 & 1 & 0 \\
0 & 1 & 0 & 0 \\
0 & 0 & 0 & 1
\end{array}
\right)$
\right)`$
Cette solution est bien la meilleur solution car chaque personne est associé au travail ou il est le plus efficace en vu des paramètres que nous avions posés.
@ -85,13 +85,13 @@ glpsol -m exo4/ecommerce.mod -d exo4/ecommerce.dat -o exo4/ecommerce.sol
- Nous avons choisi de modéliser ce problème en utilisant un `.mod` et un `.dat` puisque l'input de matrices de se fait plus simplement dans un `.dat`. De plus, il est dépendant de N donc il est suceptible d'évoluer doncs seul le fichier `.dat` sera à modifier car le fichier `.mod` est plus général.
- Voici comment nous avons choisi de modéliser le problème:
- $($`coef`$)_{i,j,k} \in M_3(\R_+)$ modélise l'association d'un trvail à une personne.
- $`(`$`coef`$`)_{i,j,k} \in M_3(\R_+)`$ modélise l'association d'un trvail à une personne.
- Chaque coefficient de `coef` doit être compris entre 0 et 1 puisque ce sont des proportions.
- La somme des coefficients de `coef` selon l'axe k doit faire 1.
- La répartions des commandes ne doit pas dépasser la limite des stocks.
- On note `23 rows, 12 columns, 45 non-zero`, la matrice de résolution est creuse et remplie à 16%.
- On obtient la solution : (C'est la répartition de chaque fluides de chaque commande sur chaque magasin)
$
$`
\left(
\begin{array}{c}
\left(
@ -124,7 +124,7 @@ $
\right)
\end{array}
\right)
$
`$
Cette solution est bien la meilleur solution car chaque personne est associé au travail ou il est le plus efficace en vu des paramètres que nous avions posés.