feat: ajout de nouvelles info dans le rapport
This commit is contained in:
parent
843a2140bd
commit
fd84d42a55
|
@ -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(
|
||||
|
|
Loading…
Reference in a new issue