Plan

Introduction
I-Modlisation dun problme de transport
1Formulation primale a) Etude de cas

b) Cas gnral
I.2 Formulation duale a) programme dual b) Relations primal dual II - Algorithme primal/dual : a) Recherche dune solution de bas b) Algorithme primal/dual : c) Application notre exemple d) Cas particuliers 2Cas dingalit entre loffre et la demande

III-Les problmes daffectation optimale de ressources III.1 Etude de cas

Conclusion
Bibliographie

Introduction
Les modles de transport intressent un trs grand nombre de problmes de gestion parmi lesquels se trouvent videmment les oprations de transport au sens habituel du terme, mais aussi dautres types de questions analogues. Dune manire gnrale, on entendra par problme de transport tout problme doptimisation du transfert entre points-origine ou fournisseurs et points destination ou clients. Lorsque ces points matrialisent des lieux gographiques et lorsque lobjet du transfert est un ensemble de marchandises, il sagit du problme de transport au sens strict. Mais il peut sagir, galement de personnel jouant le rle de points-origine, que lon dsire affecter dans les meilleures conditions des fonctions vacantes jouant le rle de pointdestinations. Tous ces problmes, bien quappartenant des domaines de la gestion trs diffrents, sont susceptibles dtre traits laide du mme modle, le modle de transport, qui constitue une catgorie particulire de programmes linaires. Il serait, bien entendu, possible de rsoudre ces problmes laide des techniques de la programmation linaire (simplexe), mais la structure trs spcifiques des problmes de transport permet de recourir des techniques particulires beaucoup plus lgres. Nous envisagerons, dans la premire section, la formalisation du modle de transport, puis dans la seconde section, sa rsolution. La troisime section sera consacre aux extensions de ce modle et son utilisation dans dautres domaines de la gestion.

I-Modlisation dun problme de transport

Le problme de transport peut tre formul ainsi : des quantits donnes dun mme produit sont disponibles en plusieurs points-origines ; des quantits donnes de ce produit doivent tre expdies vers diffrents points-destination. Le cout de transport unitaire entre chacun des points-origine et chacun des points-destination tant connu, il sagit de dterminer le meilleur programme de transport, c'est--dire celui qui minimise le cout total dapprovisionnement. Plus prcisment, il convient de dterminer partir de quel point-origine, chaque point-destination doit tre aliment, et ceci quelles quantits . Ce problme peut tre formalis laide dun programme linaire et comme tout programme linaire, il peut tre sous une forme primale ou sous une forme duale.

3- Formulation primale
La formulation primale du modle de transport sera aborde travers le traitement dun cas. Les rsultats seront ensuite gnraliss de faon pouvoir mettre en vidence les caractristiques particulires du modle de transport.

4- Etude de cas
La socit bouayad & fils possde trois abattoirs en trois villes diffrentes et fournit trois autres villes en viandes de premire qualit.

Abattoir Demande Rabat 150 Fs 70 Mekns 60

Stock 120 80 80

Ville Casablanca Agadir Marrakech

Les couts de transport (en DH/ tonne) dpendent des contrats particulires avec les compagnies de chemin de fer et fret arien sont rsums dans le tableau cidessous.

Casablanc a Rabat Fs Mekns 8 15 3

Agadir 5 10 9

Marrakec h 6 12 10

La question est : comment livrer au moindre cout ? Si C

nous appelons Qij les quantits transportes entre labattoir i et la ville j , le cout de transport total support par la socit scrira : = 8Q11 +5Q12 +6Q13+15Q21+10Q22+12Q23+3Q31+9Q32+10Q33

Lobjectif de lentreprise bouayad est de rendre minimum ce cout de transport tout en tenant compte des disponibilits du produit et de sa demande. Ici loffre totale est gale la demande : tous les stocks de viande seront utiliss pour satisfaire la demande. Par exemple, le stock de labattoir de Fs est de 80tonnes : elle devra donc expdier exactement 80 tonnes vers les villes demanderesses . Ceci sexprime laide de la contrainte :

Q21+Q22+Q23= 80 De mme, dans la mesure o lentreprise dsire vendre le plus possible, il est ncessaire dexpdier vers une ville donne ce quelle a demand. Soit, pour la ville Marrakech par exemple : Q13+Q23+Q33= 60 Le problme de cette entreprise peut ainsi sexprimer sous la forme dun programme linaire comprenant neuf variables- une par trajet possible et six contraintes- une par abattoir et une par ville- soit le programme linaire : [Min]C = 8Q11 +5Q12 +6Q13+15Q21+10Q22+12Q23+3Q31+9Q32+10Q33
5

Sous les contraintes : Q11+Q12+Q13= 120 Q31+Q32+Q33 Q12+Q22+Q32 =80 = 70 Q21 +Q22+Q23= 80 Q11+Q21+Q Q13 +Q23+Q
31=

150 60

33=

Q 0 ,i,j = 1,2,3

La seule hypothse ncessaire pour avoir le droit demployer une telle formulation est celle qui porte sur le caractre constant des couts de transport unitaire : ils sont indpendants des quantits transportes.

b) Cas gnral

Dans le cas gnral, le problme de transport sexprime comme le recherche de lapprovisionnement aux moindres couts partir de m points origine i ( i=1,,m) de n points destination j ( j=1,..,n). Les donnes du problme sont : . les capacits dapprovisionnement des points origine, avec ki pour le
point i ( i=1,..,m) . les demandes dapprovisionnement des points origine i et chaque point destination, avec Dj pour le point j ( j=1,..,n) . le cout de transport Cij entre chaque point origine i et chaque point destination j. Le problme peut alors se formuler de la faon suivante, si Qij reprsente les quantits transportes entre le point i et le point j :

[Min] C = CIJ QIJ

Sous les contraintes suivantes :

Qij Ki, i = 1,.., m Qij Dj, j = 1,.., n

Qij 0, i = 1,.., m et j = 1,.., n

Un problme de m points de dpart et n points darrive comprendra (m *n) variables et (m+n) contraintes avec m contraintes associes aux points origine et n contraintes associes aux points- destination.

La matrice des coefficients techniques des variables dans les contraintes est trs caractristique. Elle est binaire (ne comportant que des 0 et des 1). I.2 Formulation duale a) programme dual Compte tenu des rsultats obtenus, nous pouvons noncer les propositions suivantes : -A chacune des contraintes primales, nous associons une variable duale : la variable SJ est associe la contrainte origine i, et la variable T, la contrainte destination j . -Lobjectif du problme dual est de rendre maximum une fonction linaire des m variables Si, des n variables Tj. -La matrice des coefficients des variables dans les contraintes duales est la transpose de la matrice utilise dans le programme primal. -Compte tenu de la structure particulire de la matrice A, dans chacune des contraintes duales ninterviendront que deux variables, plus prcisment, dans la contrainte associe la variable primale Qij , seules les variables Si et Tj. -la contrainte ij sexprime ainsi : SI + TJ CIJ Do le programme dual du problme de transport : [Max]R = ki Si + Dj Tj

Si + Tj Cij, i=1,.. m et j=1,..,n

Le programme dual du cas de lentreprise bouayad peut illustrer cette formulation : [Max]R = 120S1 + 80S2 + 80S3 +15T1 + 70T2+ 60T3 Sous les contraintes :

S1 + T1 8
S1 + T2 5

S1 +T3 6
S2 + T1

15

S2 + T2 10 S2 + T3 12
7

S3 + T1 3
S3 + T2 9 S3 + T3 10

a)

Relations primal dual

Les relations qui lient le primal au dual en programmation linaire se retrouvent dans le problme de transport. En particulier : si lune des deux formulations a une solution, lautre en a une galement et la valeur de la fonction objectif est la mme, a loptimum pour les deux formulations :

[ MiN ] C = C* = [ Max ] R = R* Ou encore

Cij Qij = KiSi* + DjTj*

S i la contrainte ( ij) dual nest pas sature loptimum ce qui se traduit par une ingalit stricte , la valeur Qij est nulle dans la solution optimale

Si + Tj Cij = Qij =0

On peut toujours assimiler les variables Si et T j des couts marginaux : Ces variables mesurent la variation marginale de la fonction conomique primale, c'est--dire du cout de transport associ respectivement une variation unitaire des quantits disponibles en i ou demandes en j

Dans ces conditions, les contraintes dual comparent le cout de transport attach un trajet particulier et la somme des couts marginaux d a ces variations de loffre et de la demande correspondant ce trajet. Si une unit de produit est envoye de i en j c'est--dire Qij =1 , il ne reste plus que (Ki -1) units expdier du produit i et ( Dj -1) envoyer en j. Une unit est ainsi supprime en offre et en demande et elle na plus tre achemine par un autre trajet. Cette suppression entrane une conomie de cout ou encore un cout marginal gal (Si+Tj). Cette conomie doit tre compare ce que coute rellement le trajet [ij]. Trois cas sont possibles

S +Tj >Cij : lconomie ralise sur lensemble du trajet du transport

I

est suprieur au cout rel du trajet : il ya donc avantage utiliser au maximum le trajet [ij].

Si

+Tj<Cij : le cout du trajet ij est suprieur lconomie de cout enregistr sur les autres trajets. Le trajet ij nest pas intressant et Qij doit rester nulle. Si+Tj=Cij : cet quilibre est vrifi par tous les trajets utiliss c'est--dire pour les variables Qij positive. Cest partir de ces trajets que sont dtermins les valeurs de Si et Tj correspondant une solution particulire.

A loptimum seules les deux dernires situations peuvent tre rencontres. Lexistence dun trajet relevant du premier cas montrerait que la solution la moins couteuse nest pas encore obtenue puisquune conomie peut encore tre ralise. II) Rsolution du problme de transport : On peut toujours utiliser les techniques de la programmation linaire pour rsoudre ce problme. Mais on a affaire ici un programme linaire comportant beaucoup de variables et de contraintes. La rsolution manuelle par la mthode des tableaux sera relativement lourde. Cependant, compte tenu de la structure particulire de problme, il va tre possible de recourir des techniques plus lgres issues dune adaptation de lalgorithme de simplexe. Nous tudierons une variante de mthode de steppingstone, savoir lalgorithme primal/dual. 9

1. Algorithme primal/dual : a) Recherche dune solution de bas

Il existe diverse mthodes pour le calcul de cette solution initiale, nous prsenterons ici celle dite de coin NORD-OUEST. Cette mthode consiste partir dun coin du tableau des quantits transportes, saturer systmatiquement les contraintes. La premire case du tableau correspondant la variable Q11 se voit affect un nombre dunits gales au minimum de K1 et de D1. Si par exemple : D1<K1, Q11=D1 et la premire contrainte destination est sature. Il ne reste plus envoyer que ( K1-D1) partir du premier abatoir.Q12 est alors fix comme le minimum de (K1-D1) et D2. Si (K1-D1) est suprieur D2 alors Q12 est gale D2 et la seconde contrainte est sature. Alors le processus continue jusqu' ce que toutes les contraintes soient satures.

L a mthode du coin Nord-Ouest garantit lobtention dune solution de base en labsence de dgnrescence. En revanche il ne garantit pas lobtention dune bonne solution. Pour viter davoir trop ditrations raliser certaines techniques sont disponibles qui permettent de dterminer une solution initiale meilleure que celle du coin Nord-Ouest. Pa exemple la technique du cout minimum consiste reprer la case du tableau des quantits correspondant au cout de transport le plus faible et y faire transiter le maximum dunits possibles en saturant soit en offre soit en demande.

a) Algorithme primal/dual :
De la mme faon que dans lalgorithme du simplexe lalgorithme primal/dual repose sur la dtermination dune solution de base initiale qui ensuite progressivement amliore dans le cadre dune procdure itrative par intgration d variables hors base et limination corrlatives de variables de base. Cet algorithme permet de reprer plus facilement le trajet le plus intressant introduire chaque tape de calcul, il fournit galement un test doptimalit. Cette nouvelle procdure est base sur lutilisation des contraintes duales. Pour les trajets actuellement utiliss, la relation suivante doit tre respecte Si+Tj=Cij. Les valeurs Si et Tj sont donc values partir des trajets utiliss, puis appliques aux trajets non encore employs. A une tape donne du calcul, il faut introduire le trajet pour lequel Si+Tj-Cij est le plus grand possible. Si une tape du

10

processus tous les (Si+Tj-Cij) sont ngatives ou nulles la solution optimale est obtenue.

b) Application notre exemple

Tout dabord, dterminons une solution de base initiale par la mthode du coin nord-ouest par exemple. On obtient la solution rsume dans le tableau cidessous :

Casablan ca Rabat Fs Mekns Demand e 120 30 0 150

Agadir 0 50 20 70

Marrakec h 0 0 60 60

Offre 120 80 80

Le cout associ cette solution est :

C = 120*8 + 30*15 + 50*10 +20*9 + 60*10 = 2690 DH Pour voir si cette solution est optimale ou non, nous essayons de voir si tous les trajets non utiliss ne sont pas intressant. Pour cela, nous partons de cette solution et nous dterminons les valeurs de Si et Tj partir du systme dquations suivantes correspondant aux trajets utiliss par cette solution :

S1 + T1 = 8 S2 + T1 = 15 11

S2 + T2 = 10 S3 + T2 =9 S3 + T3 =10 Ce systme comprend six inconnues et cinq quations. Nous affcterons une valeur arbitraire lune des inconnues, par exemple S1 = 0. Les autres inconnues peuvent alors etre calcules :

T1 = 8 ; S2 = 7 ; T2= 3 ; S3 = 6 ; T3=4.

Lapplication de ces valeurs aux trajets non utiliss donne les rsultats suivants :

Trajet non utilis 12 13 23 31

SI + TJ - CIJ 0 +3-5 =-2 0+4-6=-2 7+4-12=-1 6+8-3=11

Le trajet le plus intressant savre tre le trajet [31], quil faut donc introduire dans la solution. A prsent, il est dfini un rectangle dont le premier sommet est le trajet retenu et les trois autres sommets des lments strictement positifs. Ce rectangle est placer dans le tableau des quantits. Une analyse de la valeur des sommets de ce rectangle dans le tableau des quantits est effectuer come suit :

12

Cest a partir de la quantit la plus faible des sommets 1 et 2 que les calculs soit effectus. Deux cas peuvent se prsenter : Q1 >Q2 OU Q1< Q SI Q < Q les quantits deviennent :
2

SI Q1 > Q2 les quantits deviennet :

Dans notre exemple, le rectangle choisi suite cette premire itration est :

13

Qui se transforme en :

Do la nouvelle solution de base obtenue suite cette premire itration :

Casablan ca Rabat Fs Mekns Demand e 120 10 20 150

Agadir 0 70 20 70

Marrakec h 0 0 60 60

Offre 120 80 80

Le cout associ cette solution est :

14

C = 120*8 + 10* 15 + 70*10 + 20*3 + 60*10 = 2470 DH Pour savoir si cette solution est optimale, on reprend les calculs avec cette nouvelle solution de base On obtient le systme suivant :

S1 + T1 = 8 S2 + T1 = 15 S2 + T2 = 10 S3 + T2 =3 S3 + T3 =10 En posant S1 = 0, on obtient : T = 8 ; S = 7 ; T = 3 ; S = 5 ; T= 15. Lapplication de ces valeurs aux trajets non utiliss donne les rsultats suivant :

Trajet non utilis 12 13 23 32

SI + TJ - CIJ 0 +3-5 =-2 0+15-6=9 7+15-12=10 -5+3-9=-11

On retient comme trajet intressant le trajet [23] (plus grande valeur positive ). Do la transformation correspondante :

15

Do la nouvelle solution de base obtenue :

Casablan ca Rabat Fs Mekns Demand e 120 0 30 150

Agadir 0 70 0 70

Marrakec h 0 10 50 60

Offre 120 80 80

Le cout associ cette solution est : C = 120*8+ 70*10 +10*12 + 30*3 +50*10= 2370 DH On ritre pour savoir si loptimum est atteint. Le nouveau systme obtenu est : S1 + T1 = 8 S2 + T1 = 15 S2 + T3 = 12 S3 + T1 =3 S3 + T3 =10

En posant S1 = 0 ; on obtient T1= 8 ; S2 =-3 ; T2 = 13 ; S3 = -5 ; T3=15.

16

Lapplication de ces valeurs aux trajets non utiliss donne les rsultats suivants :

Trajet non utilis 12 13 21 32

SI + TJ - CIJ 0 +13-5 =8 0+15-6=9 -3+8-15=10 -5+13-9=-1

On retient comme trajet intressant le trajet [13 ] ( plus grande valeur positive) do la transformation correspondante :

La nouvelle solution de base obtenue est :

Casablan ca Rabat Fs Mekns Demand e 70 0 80 150

Agadir 0 70 0 70

Marrakec h 50 10 60 60

Offre 120 80 80

17

Le cout associ cette solution est : C = 70*8+50*6+70*10+10*12+80*3= 1920 DH En reprenant la procdure avec ce nouveau tableau on obtient le systme : S1 + T1 = 8 S2 + T3= 6 S2 + T2 = 10 S2+ T3 =12 S3 + T1 =3 En posant S1=0 , on obtient : T1 =8 . S2=6 ; T3 = 6 ; S3= -5 ; T2 = 4.

Lapplication de ces valeurs aux trajets non utiliss donne les rsultats suivants :

Trajet non utilis 12 21 32 23

SI + TJ - CIJ 0 +4-5 =-1 6+8-15=-1 -5+4-9=-10 -5+6-10=-1

Tous les trajets non utiliss caractriss par des (Si + Tj Cij) ngatifs. Loptimum est donc atteint. Le plan de transport optimal est donn par la dernire solution de base obtenue :

Casablanc a Rabat 70

Agadir 0

Marrakec h 50 18

Fs Mekns

0 80

70 0

10 0

Si on tait parti dune solution de base initiale obtenue par la technique de cout minimum, on aurait eu :

Casablan ca Rabat Fs Mekns Demand e 70 0 80 150

Agadir 0 20 0

Marrakec h 0 60 0

Offre 120 80 80

Le cout associ cette solution est : C = 70*8+50*5+20*10+60*12+3*80= 1970 DH Pour savoir si cette solution est optimale, on reprend les calculs avec cette nouvelle solution de base. On obtient le systme suivant :

S1 + T1 = 8 S1 + T3= 5 S2 + T2 = 10 S2+ T3 =12 S3 + T1 =3 En posant S1, on obtient : T1=8 ; S2 =5 ;T2=5 ; S3=-5 ; T3=7. Lapplication de ces valeurs aux trajets non utiliss donne les rsultats suivants :

Trajet non utilis

SI + TJ - CIJ

19

13 21 32 33

0 +7-6 =1 5+8-15=-2 -5+5-9=-9 -5+7-10=-8

On retient comme trajet intressant le trajet [13 ] ( plus grande valeur positive). Do la transformation correspondante :

Do la nouvelle solution de base obtenue :

Casablan ca Rabat Fs Mekns Demand e 70 0 80 150

Agadir 0 70 0 70

Marrakec h 50 10 0 60

Offre 120 80 80

Cest exactement la solution optimale obtenue prcdemment mais en une seule itration cette fois ci.

c) Cas particuliers
La mthode quon vient de dvelopper garantit la dtermination dune solution optimale. Cependant, plusieurs types de difficult peuvent apparatre au moment de son application. Dabord, la mthode prsente suppose lgalit entre loffre et la demande. En gnral, il ny aura pas galit et il faut donc envisager ladaptation de 20

lalgorithme ce type de problme. Ensuite, le nombre ditrations peut tre trs lev pour des problmes de grande taille do la ncessit de dterminer une solution de base ralisable le plus proche possible de loptimum pour viter des calculs fastidieux. Enfin, la structure du problme peut tre telle que certaines des solutions de base soient dgnres ; ce qui peut bloquer la progression vers loptimum.

d) Cas dingalit entre loffre et la demande :

Si la somme des capacits Ki est diffrente de la somme des demandes Dj, alors la technique utiliser consiste revenir au cas dgalit par introduction soit dune capacit fictive, soit dune capacit fictive .Supposons, par exemple que dans le cas de lentreprise Bouayad & Fils, les donnes soient les suivantes :

Abattoir Demande Rabat 150 Fs 60 Mekns 40

Stock 120 80 80

Ville Casablanca Agadir Marrakech

Les stocks de viande sont suprieurs la demande ; dune part de la viande restera en stock et il faut dterminer paralllement au programme dapprovisionnement, dans quel abattoir elle se situera. Le stock excdentaire slevant 30, une ville fictive Vf dune demande fictive Df dun niveau de 30 tonnes est introduite dans la formulation du problme. Les cots de transport entre les abattoirs et la ville fictive sont nuls puisquil sagit dun transport fictif de viande. Le nouveau systme de couts de transport est donn dans le tableau ci-dessous :

Casablanc a Rabat 8

Agadir 5

Marrake ch 6 21

vf
0

Fs Mekns

15 3

10 9

12 10

0 0

Lalgorithme tudi plus haut est appliqu ces nouvelles donnes sans quil soit fait de distinction entre les demandes relles et la demande fictive.

III-Les

problmes daffectation optimale de ressources :

Un problme daffectation correspond un cas particulier du problme du transport dans lequel toutes les disponibilits et toutes les demandes sont gales un. On rencontre ce genre de problmes dans divers domaines de gestion, en particulier la gestion de personnel. En gnral, ce sont tous les cas de mutations, dembauches posant des problmes affectation de n personnes n postes diffrents, partir de critres valuant leurs comptences ou leur couts. On peut aussi citer les problmes de choix conomiques et financiers, tels que les investissements, les fournisseurs etc. Un tel problme pourrait tre trait par les techniques habituelles avec la correction du phnomne de dgnrescence qui se produit invitablement ici. Des mthodes plus rapides sont disponibles, en particulier la mthode hongroise.

III.1 Etude de cas

M.thrroux, associ dun cabinet juridique, doit faire prparer cinq dossiers importants avant de pouvoir partir en vacances. Comme il sagit dune priode creuse pour la plupart des autres associs, il a sa disposition cinq avocats comptents. Vu la nature des dossiers et les priodes de familiarisation requise, M, thrroux prfre assigner un seul dossier chacun des avocats. Il dsire tout particulirement que le nombre total dheurs ncessaires pour la prparation des dossiers soit le plus faible possible.

1. Il minimise le nombre total dheures requises pour la prparation des 5 dossiers 2. Il sait que chacun des cinq avocats peut prparer chacun des dossiers, mais en prenant un nombre dheurs diffrent. Il estime le temps requis par chacun pour chaque dossier comme suit :

22

A 1 2 3 4 5 25 18 20 25 28

B 30 34 32 30 36

C 40 37 40 42 35

D 40 44 38 37 40

E 45 34 36 27 32

3. Dans chaque range, il soustrait le plus petit nombre de chacun des autres nombres :
A 1 2 3 4 5 0 0 0 0 0 B 5 16 12 5 8 C 15 19 20 17 7 D 15 26 18 12 12 E 20 16 16 2 4

4.5. il a fait de mme dans chaque colonne, puis il couvre tous les zros du plus petit nombre possible de traits discontinus.

A 1 2 3 4 5 0 0 0 0 0

B 0 11 7 0 3

C 8 12 13 19 0

D 3 14 6 0 0

E 18 14 14 0 2

Il ny a pas cinq traits, ce nest pas donc la solution optimale. 6. il soustrait donc le plus petit nombre non couvert des autres nombres non couverts, puis il additionne la diffrence aux nombres situs la conjonction des traits qui se croisent. Par la suite, il couvre tous les zros du plus petit nombre possible de trais discontinus.
A B C D E

23

1 2 3 4 5

0 0 0 0 0

0 5 1 0 3

8 6 7 10 0

3 8 0 0 0

18 8 8 0 2

IL ya maintenant cinq trait pour cinq ranges et colonnes, M.threux est donc en mesure de dterminer la solution optimale : ranges il vaut mieux A1 se voit assigner le dossier B et A2 LE DOSSIER a. Puisque A vient dtre attribu ; il ne reste A3 que le dossier D ; cette attribution ne laisse A4 que le dossier E et A5 le dossier C. Compte tenu du nombre dheures ncessaires chacun des avocats pour mener terme le dossier qui lui a t assign, le nombre total dheures requises pour les cinq dossiers est de ( 30+18+38+27+35+) soit 148 heures.

Conclusion
Le problme de transport est une mthode qui permet doptimiser certaines dcisions relatives la planification de la production. Grace linformatique et en particulier la micro-informatique, cet exercice est aujourdhui grandement simplifi. Mais comme cette mthode fait partie de la programmation linaire, on doit sassurer, avant de lappliquer, que la relation entre toutes les variables utilises est bien linaire. On peut dire que : Les problmes de transport, affectation et transbordement sont des cas particuliers de LP, quon ne rsout pas par le simplexe habituel. Il existe une mthode de rsolution plus simple, non matricielle. Si les cots sont entiers, la solution est galement entire, donc si on peut formuler un problme sous forme de transport, la solution en entier est galement facilement calculable.

24

Bibliographie : Mohamed Zouhir les lments de recherche oprationnelle dition 2004, 196 pages. Nollet, klada, Doriot la gestion des oprations et de la production Jean Pierre Vdrine Techniques quantitatives de gestion , Edition Vuibert, mars 1985

ROSEAUX ; exercices et problmes rsolus de recherche oprationnelle tome1 graphes : leurs usages, leurs algorithme Masson paris new York Barcelone
25

Web graphie
http://books.google.fr/books? id=VncleDthdP8C&pg=PA371&lpg=PA371&dq=methodes+d'affect ation+et+probleme+de+transport&source=bl&ots=jjprdw0PhB&si g=NgPiYJQN4C_yygYLB4V9WMrBqx4&hl=fr&ei=akkPSoLJDJqN_AaS 6PyVBA&sa=X&oi=book_result&ct=result&resnum=4#PPA372,M1 http://www.esiee.fr/~talboth/ESIEE/IF4ALG2/pdf/07_transport_formulation.pdf http://www.sbf.ulaval.ca/opfor/optimi/Trspt_Affectation.ppt

26