From fd84d42a557d7b951b3fa491b86ac51261723ec4 Mon Sep 17 00:00:00 2001 From: Laurent Fainsin Date: Tue, 23 Nov 2021 21:05:59 +0100 Subject: [PATCH] feat: ajout de nouvelles info dans le rapport --- README.md | 5 +++++ 1 file changed, 5 insertions(+) diff --git a/README.md b/README.md index df7d91a..daaca1b 100755 --- a/README.md +++ b/README.md @@ -6,6 +6,7 @@ - Une courte argumentation de l’adéquation du résultat avec l’instance résolue (la solution obtenue fait-elle sens dans le contexte défini par l’énoncé ?) - Quelques éléments d’analyse, par exemple : - Pour PL : Les matrices de ces exemples sont-elles creuses ? (Dans la pratique, il est fréquent qu’une contrainte ne rassemble que de 5 à 10 variables.) + - Pour PLNE : En combien d’itérations est trouvée la solution optimale continue ? Combien de fois GLPK a amélioré la meilleure solution entière ? Combien d’itérations du simplexe ont été nécessaires ? Combien de nœuds de l’arbre ont été explorés ? ## Exercice 1 : Des voitures @@ -21,6 +22,7 @@ glpsol --lp exo1/voitures.lp -o exo1/voitures.sol - `CapaciteParking` modélise la surface maximale du parking. - `TempsTravail` modélise le temps de travail maximal de employés. - `LimiteLuxe` limite le nombre de voiture de Luxe produisable. +- 3 itérations sont nécéssaires pour résoudre le problème du simplex. 4 itérations sont nécéssaires pour trouver la meilleure solution entière. 3 noeuds de l'arbre ont été explorés. - On obtient comme solution: `nS` = 645 et `nL` = 426. Ce resultat est cohérent. ## Exercice 2 : Gestion de personnel @@ -33,6 +35,7 @@ glpsol -m exo2/personnel.mod -d exo2/personnel.dat -o exo2/personnel.sol - 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` 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( \begin{array}{cccc} @@ -65,6 +68,7 @@ glpsol --lp exo3/bourse.lp -o exo3/bourse.sol - `Risque` limite le risque global de l'investisement à 2,0. - `MetauxPrecieuxMin` contraint d'investir au moins 30% dans les métaux précieux. - `CreditsMin` contraint d'investir au moins 45% dans les crédits commerciaux et obligations. +- On note `10 rows, 6 columns, 22 non-zeros`, la matrice de résolution est creuse et remplie à 36%. - On obtient comme solution: - `p1` = 0.2 - `p2` = 0.25 @@ -85,6 +89,7 @@ glpsol -m exo4/ecommerce.mod -d exo4/ecommerce.dat -o exo4/ecommerce.sol - 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(