CHAPITRE 1

Formulation dun programme linaire (PL)

I. Introduction
Limportance de loptimisation et la ncessit dun outil simple pour modliser des problmes de dcision que soit conomique, militaire ou autres on fait de la programmation linaire un des champs de recherche les plus actifs au milieu du sicle prcdent. Les premiers travaux1 (19 !" sont celle de #eorge $. %ant&ig et ses associs du dpartement des forces de lair des 'tats (nis d)mrique. Les problmes de programmations linaires sont gnralement lis * des problmes dallocations de ressources limites, de la meilleure fa+on possible, afin de maximiser un profit ou de minimiser un co,t. Le terme meilleur fait rfrence * la possibilit davoir un ensemble de dcisions possibles qui ralisent la m-me satisfaction ou le m-me profit. .es dcisions sont en gnral le rsultat dun problme mathmatique.

II. Les conditions de formulation dun PL

La programmation linaire comme tant un modle admet des h/pothses (des conditions" que le dcideur doit valider avant de pouvoir les utiliser pour modliser son problme. .es h/pothses sont0 1 1. Les variables de dcision du problme sont positives 0. Le critre de slection de la meilleure dcision est dcrit par une fonction linaire de ces variables, cest * dire, que la fonction ne peut pas contenir par exemple un produit crois de deux de ces variables. La fonction qui reprsente le critre de slection est dite fonction ob2ectif (ou fonction conomique". 3. Les restrictions relatives aux variables de dcision (exemple1 limitations des ressources" peuvent -tre exprimes par un ensemble dquations linaires. .es quations forment lensemble des contraintes. . Les paramtres du problme en dehors des variables de dcisions ont une valeur connue avec certitude
1

%e nombreux mathmaticiens, parmis eux le 4usse L. 5. 6antorovich, se sont penchs sur le problme de programmation linaire avant 19 !. 0 .es h/pothses rsument celles qui ont t donn par #. $. %ant&ig 1 La proportionnalit, La non7ngativit, ladditivit et la linarit de la fonction ob2ectif

III. Les tapes de formulation dun PL :

#nralement il / a trois tapes * suivre pour pouvoir construire le modle d8un programme linaire 1 1. 9dentifier les variables du problme * valeur non connues (variable de dcision" et les reprsenter sous forme s/mbolique (exp. x1, y1 ". 0. 9dentifier les restrictions (les contraintes" du problme et les exprimer par un s/stme dquations linaires. 3. 9dentifier lob2ectif ou le critre de slection et le reprsenter sous une forme linaire en fonction des variables de dcision. :pcifier si le critre de slection est * maximiser ou * minimiser.

IV. Prsentation Thorique

(n programme linaire consiste * trouver le maximum ou le minimum dune forme linaire dite fonction ob2ectif en satisfaisant certaines quations et ingalits dites contraintes. 'n langage mathmatique, on dcrira de tels modles de la manire suivante 1 :oient N variables de dcision x1, x2,;, xn, lh/pothse que les variables de dcision sont positives implique que x1 <, x 0 <, , x N < . La fonction ob2ectif est une forme linaire en fonction des variables de dcision de t/pe
z = c1x1 + c0 x0 + + c N x N

o= les coefficients c1,,cN doivent avoir une valeur bien dtermine (avec certitude" et peuvent -tre positifs, ngatifs ou nuls. >ar exemple le coefficient ci peut reprsenter un profit unitaire li * la production dune unit supplmentaire du bien xi, ainsi la valeur de & est le profit total li * la production des diffrents biens en quantits gales * x1 , x 0 , , x N . :upposons que ces variables de dcision doivent vrifier un s/stme dquations linaires dfinis par M ingalits
a11 x1 + a10 x0 + + a1N x N b1 a01 x1 + a00 x0 + + a0 N x N b0 aM 1 x1 + aM 0 x0 + + aMN x N bM

o= les coefficients a1M,, aMN et b1,, bM doivent avoir une valeur bien dtermine (avec certitude" et peuvent -tre positifs, ngatifs ou nuls. Le paramtre bj reprsente la quantit de matire premire disponible dont le bien x i utilise une quantit gale * aij xi .

'n suivant les tapes de formulation ci7dessus, on peut reprsenter le >L comme suit 1
Max c1 x1 + c0 x0 + + c N x N s.c a11 x1 + a10 x0 + + a1N x N b1 a01 x1 + a00 x0 + + a0 N x N b0 a M 1 x1 + a M 0 x0 + + a MN x N bN x1 <, x0 <, , x N <

V. Exemples de formulations
Limit au dpart aux problmes industriels et militaires, de nos 2ours plusieurs problmes de divers domaines sont reprsents ou approxims par des modles de >L. Lutilisation de ces techniques de modlisation sest renforce encore aprs avoir construit des algorithmes et des logiciels capables de rsoudre de plus larges problmes avec autant de variables de dcision que de contraintes. La t?che de formulation demande gnralement une certaine expertise et connaissance du problme pour pouvoir relever facilement les diffrentes composantes du problme et ainsi donner un programme qui modlise au mieux la situation relle. %ans ce qui suit, on prsentera quelques exemples de formulation en programme linaire lis * diffrents problmes de dcision 1 Exemple 1 : Problme dagriculture 3 (n agriculteur veut allouer 1@< hectares de surface irrigable entre culture de tomates et celles de piments. 9l dispose de A< heures de main dBuvre et de < m3 deau. (n hectare de tomates demande 1 heure de main dBuvre, m 3 deau et donne un bnfice net de 1<< dinars. (n hectare de piments demande heures de main dBuvre, 0 m3 deau et donne un bnfice net de 0<< dinars. Le bureau du primtre irrigu veut protger le prix des tomates et ne lui permet pas de cultiver plus de 9< hectares de tomates. Cuelle est la meilleure allocation de ses ressources D

Formulation du problme en un PL :
3

'xemple du cours du >rof. Eohamed :aleh Fannachi

'tape 1 1 9dentification des variables de dcision. Les deux activits que lagriculteur doit dterminer sont les surfaces * allouer pour la culture de tomates et de piments 1 x1 1 la surface alloue * la culture des tomates x2 1 la surface alloue * la culture des piments Gn vrifie bien que les variables de dcision x1 et x2 sont positives 1 x1 <, x0 < . 'tape 0 1 9dentification des contraintes. %ans ce problme les contraintes reprsentent la disponibilit des facteurs de production 1 Herrain 1 lagriculteur dispose de 1@< hectares de terrain, ainsi la contrainte lie * la limitation de la surface de terrain est x1 + x0 1@< 'au 1 la culture dun hectare de tomates demande m3 deau et celle dun hectare de piments demande 0m3 mais lagriculteur ne dispose que de <m3. La contrainte qui exprime les limitations des ressources en eau est x1 + 0 x0 < . Eain dBuvre 1 Les A< heures de main dBuvre seront dpartager (pas ncessairement en totalit" ente la culture des tomates et celles des piments. :achant quun hectare de tomates demande une heure de main dBuvre et un hectare de piments demande heures de main dBuvre alors la contrainte reprsentant les limitations des ressources humaines est x1 + x 0 A< Les limitations du bureau du primtre irrigu 1 .es limitations exigent que lagriculteur ne cultive pas plus de 9< hectares de tomates. La contrainte qui reprsente cette restriction est x1 9<. 'tape 3 1 9dentification de la fonction ob2ectif. La fonction ob2ectif consiste * maximiser le profit apport par la culture de tomates et de piments. Les contributions respectives 1<< et 0<<, des deux variables de dcision x1 et x0 sont proportionnelles * leur valeur. La fonction ob2ectif est donc
z = 1<< x1 + 0<< x 0 .

Le programme linaire qui modlise le problme dagriculture est 1

Max s.c. 1<< x1 +0<< x0 x1 + x0 1@< x1 +0 x0 < x1 + x0 A< x1 9< x1 <, x0 <

Exemple 2 : Problme de mdecine 4

)n introduction to linear programming and the theor/ of games, ). E. #licIsman

(n spcialiste en mdecine a fabriqu un mdicament (des pilules" pour gurir les su2ets atteints dun rhume. .es pilules sont fabriques selon deux formats 1 >etite taille 1 elle contient 0 grains daspirine, @ grains de bicarbonate et 1 grain de codine. #rande taille 1 elle contient 1 grain daspirine, A grains de bicarbonate et J grains de codine. >our gurir la maladie, le su2et a besoin de 10 grains daspirine, ! grains de bicarbonate et 0 grains de codine. %terminer le nombre de pilules minimales * prescrire au su2et pour quil soit gurit. Formulation du problme en un PL : Le problme de mdecine prsente certaines ressemblances avec le problme de lagriculture, dans les deux cas cest un problme dallocation de ressources. Les variables de dcision qui reprsentent des valeurs inconnues par le dcideur qui est dans ce cas le spcialiste en mdecine sont 1 x1 1 le nombre de pilules de petite taille * prescrire. x2 1 le nombre de pilules de grande taille * prescrire. Gn vrifie bien que les variables de dcision x1 et x2 sont positives 1 x1 <, x0 < . Les contraintes imposes par le problme sur les valeurs possibles de x1 et x2 sont 1 La prescription doit contenir des pilules avec au moins 10 grains daspirine. :achant quune petite pilule contient 0 grains daspirine et quune grande pilule contient un seul grain daspirine, on obtient la contrainte suivante 1 0 x1 + x0 10 . %e la m-me fa+on que pour laspirine, la prescription du spcialiste en mdecine doit contenir au moins ! grains de bicarbonate. )insi la contrainte suivante doit -tre satisfaite 1 @ x1 + A x0 ! . Kinalement la contrainte impose par le fait que la prescription doit contenir au moins 0 grains de codine est x1 + J x0 0 . 'tape 3 1 9dentification de la fonction ob2ectif. Gn remarque quil / a plusieurs couples de solutions ( x1 , x 0 " qui peuvent satisfaire les contraintes spcifies * ltape 0. La prescription doit contenir le minimum possible de pilules. %onc le critre de slection de la quantit de pilules * prescrire est celle qui minimise le nombre total des pilules z = x1 + x 0 .

Le programme linaire qui modlise ce problme mdical est donc le suivant 1

Min s.c.

x1 + x0 0 x1 + x0 10 @ x1 + A x0 ! x1 + J x0 0 x1 <, x0 <

Exemple 3 : problme de production 5 >our fabriquer deux produits >1 et >0 on doit effectuer des oprations sur trois machines E1, E0 et E3, successivement mais dans un ordre quelconque. Les temps unitaires dexcution sont donns par le tableau suivant 1 E1 E0 E3 >1 11 mn ! mn J mn >0 9 mn 10 mn 1J mn Gn supposera que les machines nont pas de temps dinactivit. La disponibilit pour chaque machine sont 1 1J@ heures (99<< minutes" pour la machine E1 L 1 < heures (A << minutes" pour la machine E0 L 1J< heures (9J<< minutes" pour la machine E3 . Le produit >1 donne un profit unitaire de 9<< dinars et le produit >0 un profit unitaire de 1<<< dinars. %ans ces conditions, combien doit7on fabriquer mensuellement de produits >1 et >0 pour avoir un profit total maximum D Formulation en un PL : Les variables de dcisions sont 1 x1 1 le nombre dunits du produit >1 * fabriquer x2 1 le nombre dunits du produit >0 * fabriquer Les contraintes outre les contraintes de non7ngativit sont 1 11x1 + 9 x0 99<< pour la machine E1 ! x1 + 10 x 0 A << pour la machine E0 J x1 + 1J x 0 9J<< pour la machine E3 Le profit * maximiser est 1 z = 9<< x1 + 1<<< x 0

Le programme linaire rsultant est 1

@

Ethodes et modles de la recherche oprationnelle, ). 6aufmann, pp 00703

Max s.c.

9<< x1 +1<<< x0 11x1 + 9 x0 99<< ! x1 +10 x0 A << J x1 +1J x0 9J<< x1 <, x0 <

Exemple 4 : Problme dalimentation 6 Gn se propose de raliser une alimentation conomique pour des bestiaux, qui contient obligatoirement sortes de composants nutritifs, ), $, . et %. Lindustrie alimentaire produit prcisment deux aliments E et M qui contiennent ces composants 1 1 6g daliment E contient 1<< g de ), 1<< g de ., 0<< g de % L 1 6g daliment M contient 1<< g de $, 0<< g de ., 1<< g de %. (n animal doit consommer par 2our au moins 1 <. 6g de ) L <.J 6g de $ L 0 6g de . L 1.! 6g de %. Laliment E co,te 1< %H le 6g et M co,te %H le 6g. Cuelles quantits daliments E et M doit7on utiliser par 2our et par animal pour raliser lalimentation la moins co,teuse D Formulation en un PL : Gn peut rsumer toutes les donnes du problme dans le tableau suivant E M Cuantits prescrites ) <.1 < <. $ < <.1 <.J . <.1 <.0 0 % <.0 <.1 1.! .o,t 1< .e genre de tableau peut aider * mieux anal/ser le problme et ainsi formuler le programme linaire correspondant. Les variables de dcision sont xM 1 la quantit daliments E * utiliser pour lalimentation des deux bestiaux xN 1 la quantit daliments M * utiliser pour lalimentation des deux bestiaux Les contraintes de non7ngativit sont x1 <, x 0 <. Le choix de cette quantit est contraint * la prsence dans lalimentation du composant x1 ) 1 <.1 x1 <. x0 J $ 1 <.1 x 0 <.J x1 + 0 x 0 0< . 1 <.1 x1 + <.0 x 0 0 % 1 <.0 x1 + <.1 x 0 1.! 0 x1 + x 0 1! La fonction ob2ectif est une fonction co,t 1 z = 1< x1 + x 0 . Le programme linaire est un programme de minimisation 1
J

Ethodes et modles de la recherche oprationnelle, ). 6aufmann, pp 0 70@

Min s.c.

1< x1 + x0 x1 x0 J x1 + 0 x0 0< 0 x1 + x0 1! x1 <, x0 <

Exemple 5 : Problme de mlange 7 (n industriel veut produire un alliage N * 3<O de plomb, 3<O de &inc et <O dtain. :upposons quil puisse se procurer sur le march des alliages ), $, ., %, ', K, #, F, 9 dont les compositions et les prix respectifs sont donns dans le tableau suivant 1 .ompositions des alliages (en O" >lomb Ninc 'tain .o,t au 6ilo ) $ . % ' K # F 9 )lliage * fabriquer 3< 3< <

1< 1< < J< 3< 3< 3< @< 0< 1< 3< @< 3< 3< < 0< < 3< A< J< 1< 1< < 3< @< 1< @< .1 .3 @.A J !.J !.@ !.3 J.9 !.3

.ombien doit7il acheter de chaque alliages ), $, ., %, ', K, #, F et 9 pour obtenir au prix de revient minimum un 1 6g de lalliage N D Formulation en un PL : La dcision * prendre 1 .ombien acheter de chaque alliage ), $, ;, 9 D Les variables de dcision sont 1 xi 1 la quantit dalliage i, iP ), $, ;, 9, * acheter. Gn vrifie bien que les variables de dcision xi , iP ), $, ;, 9, sont positives 1 x ' <, x& <, x% <, x$ <, x# <, xF <, x" <, x! <, x < . Les contraintes relatives au problme sont 1 'quation de la conservation de la matire 1
x ' <, x & <, x% <, x $ <, x # <, x F <, x" <, x ! <, x <

'quation de la satisfaction des proportions en >lomb 1 'quation de la satisfaction des proportions en Ninc 1
!

x ' + <.3 x & + <.@ x% + <.3 x $ + <.3 x # + <. x F + <.0 x" + <. x ! + <.3 x = <.3

<.1 x ' + <.3 x & + <.@ x % + <.3 x $ + <.3 x # + <. x F + <.0 x " + <. x ! + <.3 x = <.3
#. $. %ant&ig applications et prolongements de la programmation linaire pp 11371

 'quation de la satisfaction des proportions en 'tain 1

<.A x ' + <.J x& + <.1 x% + <.1 x$ + <. x# + <.3 xF + <.@ x" + <.1 x! + <.@ x = <.

La fonction ob2ectif dans cet exemple reprsente le co,t dachat des diffrents alliages ), $, ., %, ', K, #, F et 9. %onc lexpression de la fonction ob2ectif est la suivante 1
z = .1 x ' + .3 x & + @.A x% + J x $ + !.J x # + !.@ x F + !.3 x" + J.9 x ! + !.3 x

Le programme linaire qui modlise ce problme mlange s8crit 1

Min s.c. .1 x ' + .3 x & + @.A x% + J x $ + !.J x # + !.@ x F + !.3 x" + J.9 x ! + !.3 x x ' + x & + x% + x $ + x # + x F + x" + x ! + x = 1 <.1 x ' + <.1 x & + <. x% + <.J x $ + <.3 x # + <.3 x F + <.3 x" + <.@ x ! + <.0 x = <.3 <.1 x ' + <.3 x & + <.@ x% + <.3 x $ + <.3 x # + <. x F + <.0 x" + <. x ! + <.3 x = <.3 <.A x ' + <.J x & + <.1 x% + <.1 x $ + <. x # + <.3 x F + <.@ x" + <.1 x ! + <.@ x = <. x ' , x & , x% , x $ , x # , x F x" , x ! , x <

Exemple 6 :

Slection de

dia!

"

(ne entreprise dsire effectuer une campagne publicitaire dans la tlvision, la radio et les 2ournaux pour un produit lanc rcemment sur le march. Le but de la campagne est dattirer le maximum possible de clients. Les rsultats dune tude de march sont donns par le tableau suivant 1 Hlvision Locale >ar satellite < %H !@ %H << 9<< 3<< << 4adio 3< %H @<< 0<< Qournaux 1@ %H 0<< 1<<

.o,t dune publicit Mombre de client potentiel par publicit Mombre de client potentiel femme par publicit

>our la campagne, on prvoit de ne pas pa/er plus que A<<%H pour toute la campagne et on demande que ces ob2ectifs soient atteints 1 1. )u minimum 0<<< femmes regardent, entendent ou lisent la publicit L 0. La campagne publicitaire dans la tlvision ne doit pas dpasser @<< %H L 3. )u moins 3 spots publicitaires seront assurer par la tlvision locale et au moins de deux spots par la tlvision par satellite. . Le nombre des publicits dans la radio ou dans les 2ournaux sont pour chacun entre @ et 1<.
A

Gperations research principles and practice, pp1!71A

Formulation en un PL : Les variables de dcision du problme sont x1 1 le nombre de spots publicitaires dans la tlvision locale x2 1 le nombre de spots publicitaires dans la tlvision par satellite x( 1 le nombre de spots publicitaires dans la radio x) 1 le nombre daffiches publicitaires dans les 2ournaux Les contraintes de non7ngativit sont vrifies. Les contraintes du problme sont 1 .o,t total de la compagne publicitaire 1 < x1 + !@ x0 + 3< x3 + 1@ x A<< Mombre de clients femmes potentiels par publicit 1
3<< x1 + << x 0 + 0<< x3 + 1<< x 0<<<

.ontraintes de la tlvision 1 < x1 + !@ x0 @<< , x1 3 et x 0 0 .ontraintes sur le nombre de publicits dans la radio et dans les 2ournaux @ x3 1< et @ x 1< . La fonction ob2ectif * maximiser reprsente le nombre de clients potentiels par publicit z = << x1 + 9<< x0 + @<< x3 + 0<< x . Le programme linaire rsultant est 1
Max s.c. << x1 + 9<< x0 + @<< x3 + 0<< x < x1 + !@ x0 + 3< x3 +1@ x A<< 3< x1 + < x0 + 0< x3 +1< x 0<<< < x1 + !@ x0 @<< x1 x0 x3 x3 x x 3 0 @ 1< @ 1<

x1 <, x0 <, x3 <, x <