Vous êtes sur la page 1sur 23
CHAPITRE VII: INTRODUCTION AUX PROBLEMES DE TRANSPORT Ce chapître n´a pas pour objectif de traiter
CHAPITRE VII: INTRODUCTION AUX PROBLEMES DE TRANSPORT Ce chapître n´a pas pour objectif de traiter

CHAPITRE VII: INTRODUCTION AUX PROBLEMES DE TRANSPORT

Ce chapître n´a pas pour objectif de traiter en détail la résolution des problèmes logistiques ou les flux de réseaux lesquels sont abordés en théorie des graphes sinon de conclure ce cours en présentant quelques outils mathématiques aidant à traiter des problèmes concrets et permettant de plus un rapprochement avec les outils vus en théorie des graphes.

7.1- Formulation:

Une entreprise fabrique des pots de confiture. Elle souhaite minimiser ses coûts de transport des caisses de pots de confiture depuis les dépôts de ses deux usines vers les trois supermarchés vendant ses produits.

Les trois supermarchés A, B et C demandent respectivement 300, 400 et 250 caisses. Les dépôts 1 et 2 ont en stock respectivement 500 et 550 caisses.

Les coûts d´acheminement d´une caisse du dépôt 1 vers les supermarchés A, B et C sont respectivement de S/.17, S/.12 et S/.20. Les coûts d´acheminement d´une caisse du dépôt 2 vers les supermarchés A, B et C sont respectivement de S/.19, S/.17 et S/.15.

7.1.1.- Fonction objectif.

Le problème de l´entreprise consiste à livrer la marchandise commandée par les supermarchés au plus bas prix possible. Pour formuler ce problème nous devrons utiliser une notations à double indice.

Soit

x ij

le nombre de caisses expédiées depuis le dépôt i vers le supermarché j. Pour exprimer le

par le coût de transport du dépôt i vers le

coût total du transport nous devrons multiplier chaque

supermarché j correspondant. Ce coût doit être minimum. Nous avons donc comme objectif:

x ij

Min 17x

11

+12x

12

+ 20x

13

+19x

21

+17x

22

+15x

23

7.1.2.- Contraintes.

Intuitivement nous voyons qu´il y a deux grands types de contraintes. Tout d´abord chaque

supermarchés doit obtenir des dépôts la quantité exacte qu´il a commandé. Nous avons:

Auteur: Philippe Gollotte

Page 137 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

x x x 11 12 13 + + + x x x 21 22 23

x

x

x

11

12

13

+

+

+

x

x

x

21

22

23

=

=

=

300

400

250

x x x 11 12 13 + + + x x x 21 22 23 =

Ensuite, la quantité expédiée depuis chaque dépôt vers les supermarchés ne peut pas excéder la quantité présente en stock. Nous avons:

x

x

11

21

+

+

x

x

12

22

+

+

x

13

x

23

500

550

7.1.3.- Remarques sur le problème à résoudre.

Nous obtenons comme problème à résoudre:

(

P

)


Min

 



  s c
s c



17

x

x

x

x

x

x

11

12

13

11

21

ij

x

+ x

+ x

+ x

+ +

12

=

=

=

11

x

22

23

12

+

21

+

x

300

400

250

12

x

13

+ +

x

0,

22

i

x

23

j

∀ ∀

,

20

x

13

500

550

+

19

x

21

+

17

x

22

+

15

x

23

Nous remarquons la présence de trois contraintes d´égalité. Nous n´avons pas traité en détail ce cas. Il existe deux grandes façons de l´aborder.

La première consiste à éclater l´égalité en deux inégalités ce qui augmente le nombre de contraintes et introduit des variables artificielles. Par exemple:

x

11

+

x

21

= 300

x

x

⇒ 

11

11

+

+

x

x

21

21

300

300

La seconde consiste à travailler avec l´égalité. Une variable de décision joue alors le rôle de variable d´écart ou non?

7.2- Une première résolution par l´algorithme du simplexe:

Nous commencerons par transformer le problème puis nous ferons ce que nous savons faire.

Auteur: Philippe Gollotte

Page 138 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

 Min 17        x  x x x

Min

17


x

x

x

x

x

x

s   c
s
c





11

12

13

11

21

ij

+

x

+ x

+

+

x

x

11

21

22

23

+ x

+ x

0,

12

= 300

= 400

= 250

+

x

x

12

+

20

x

13

12

x

13

22

+

23

∀ ∀

,

i

j

500

550

+

19

x

21

Tableau simplexe initial:

+

17

x

22

+

15

x

23

x 11

x 12

x 13

x 21

x 22

x 23

e 1

e 2

 

1

0

0

1

0

0

0

0

300

0

1

0

0

1

0

0

0

400

0

0

1

0

0

1

0

0

250

1

1

1

0

0

0

1

0

500

0

0

0

1

1

1

0

1

550

0 500 0 0 0 1 1 1 0 1 550  − Max − (
 − Max − ( 17 x + 12 x + 20 x + 19
Max
(
17
x
+
12
x
+
20
x
+
19
x
+
17
11
12
13
21
 x
+
x
= 300
11
21
x
+
x
= 4 00
12
22
x
+
x
= 250
s
13
23
c
x
+
x
+
x
≤ 500
11
12
13
x
+
x
+
x
≤ 550
21
22
23
x
0,
∀ i ∀ j
,

ij
Nous remarquons ici que nous n´avons pas de

famille de cinq variables formant une base de

x

22

+ 15

5

.

x

23

)

Nous ne pouvons pas utiliser l´algorithme du simplexe sur un problème formulé de la sorte.

Nous ne pouvons donc pas nous passer d´éclater les contraintes d´égalité. Cela ne pourrait fonctionner que dans deux cas de figure:

Qu´une des variables des contraintes d´égalité n´apparaissent pas dans une autre contraintes formant ainsi un vecteur unitaire dans notre problème et nous permettant donc d´obtenir une base dès le départ.

Que nous essayions d´établir le tableau simplexe relatif à une base déterminée auquel cas nous n´avons pas besoin de tableau simplexe initial. Cependant cette tâche peut être difficile ici car nous aurions à choisir arbitrairement une base par laquelle commencer et nous pourrions tout à fait en obtenir une non réalisable. Ainsi trouver une base réalisable par laquelle commencer peut être laborieux.

Il semblerait donc que nous devrons éclater les variables d´égalité si nous voulons sortir de l´impasse:

20 variables d´égalité si nous voulons sortir de l´impasse: x x 13 + 19 x 21 +

x

x

13

+

19

x

21

+

17

x

22

+

15

23

)

Auteur: Philippe Gollotte

Page 139 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

Déconcertés par l´ampleur de la tâche nous préférerons utiliser d´autres méthodes plus adaptées. Cependant ne
Déconcertés par l´ampleur de la tâche nous préférerons utiliser d´autres méthodes plus adaptées. Cependant ne

Déconcertés par l´ampleur de la tâche nous préférerons utiliser d´autres méthodes plus adaptées. Cependant ne résistant pas à l´envie d´utiliser l´algorithme du simplexe nous avons utilisé un solveur et obtînmens:

Objectif (Minimum)

Nom

Valeur original

Valeur final

J

0

14050

Variables

Nom

Valeur original

Valeur final

x

11

0

100

x

12

0

400

x

13

0

0

x

21

0

200

x

22

0

0

x

23

0

250

Nous enverrons donc 100 et 400 caisses depuis l´entrepôt 1 vers les supermarchés A et B et, 200 et 250 caisses depuis l´entrepôt 2 vers les supermarchés A et C.

Coût total: S/. 14 050.

L´avantage de l´algorithme du simplexe par rapport à d´autres méthode réside dans les informations de la dualité.

Pour information les coûts d´opportunité de

17 et -3 respectivement.

x

13

et

x

22

sont -

7.3- La méthode d´entrée minimale (minimum entry method):

Cette méthode présente l´avantage de la simplicité mais tout comme la prochaine méthode, elle donne rarement un résultat optimum. Il faut donc ensuite travailler à l´efficience du résultat obtenu. C´est ce que nous verrons en fin de chapître avec l´algorithme du stepping stone.

7.3.1.- Formulation.

Nous devons présenter les données matriciellement marquant ainsi la différence entre origines (les

dépôts) et destinations (les supermarchés).

En dessous et à droite de la matrice nous faisons apparaître les quantités de caisses commandées par les supermarchés (demande) et disponibles dans chaque dépôt (offre) respectivement.

Le coin inférieur droit montre l´information résumée de l´offre, la demande et le coût total de livraison.

   

Destinations

    Destinations

Supermarché A

Supermarché B

Supermarché C

Offre

 

Dépôt 1

17

12

20

500

Origines

Dépôt 2

19

17

15

550

 

Demande

300

400

250

950 / 1050

 

Coût total

S/. 0

Auteur: Philippe Gollotte

Page 140 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

7.3.2.- Principe fondamental de la formulation. Ce principe s´applique également à la méthode que nous

7.3.2.- Principe fondamental de la formulation.

7.3.2.- Principe fondamental de la formulation. Ce principe s´applique également à la méthode que nous présenterons

Ce principe s´applique également à la méthode que nous présenterons à continuation: il est indispensable

que l´offre soit égal à la demande.

- Si l´offre (stock) est supérieure à la demande (commandes) on crée un CLIENT FICTIF dont les quantités commandées sont exactement égales au surplus présent en stock. Les coûts de livraison pour ce client sont nuls quel que soit l´entrepôt d´origine (c´est le cas ici).

- Si la demande (commandes) est supérieure à l´offre (stock) on crée un ENTREPOT FICTIF dont les quantités stockées sont exactement égales aux carences par rapport aux quantités commandées par les clients. Les coûts de livraison depuis cet entrepôt vers n´importe quel client sont nuls.

7.3.3.- Principe de la méthode.

On recherche dans le tableau la cellule présentant le plus bas coût pour acheminer des caisses du

dépôt i vers le supermarché j. En cas d´égalité le choix est vôtre.

On expédie alors le maximum de caisses possibles du dépôt i vers le supermarché j (on note cette quantité dans la partie inférieure de la cellule, sous le coût unitaire).

Dans la même cellule, dans la partie inférieure droite on note le coût de l´opération égale au nombre de caisses multiplié par le coût unitaire.

On actualise l´offre et la demande (on soustrait de la quantité disponible dans le dépôt et de la quantité demandée par le supermarché la quantité qui vient d´être livrée).

Il se présente alors trois cas de figure:

o

On a expédié l´intégralité du stock du dépôt auquel cas on élimine la ligne du tableau correspondant au dépôt car celui-ci est vide (on la change de couleur).

o

On a expédié tout ce que le supermarché a commandé auquel cas on élimine la colonne du tableau correspondant au supermarché car celui-ci est servi (on la change de couleur).

o

On a expédié l´intégralité du stock du dépôt ce qui correspond à ce que le supermarché a commandé auquel cas on élimine la ligne et la colonne du tableau correspondant au dépôt et au supermarché car le premier est vide et le second est servi (on les change de couleur).

Sous la cellule résumé de l´offre et la demande on note le coût total cumulé des opérations.

On recommence l´opération en recherchant dans le tableau restant (la partie qui n´a pas changé de couleur) la cellule présentant le plus bas coût….

7.3.4.- Résolution du problème.

1.- Première itération. On rajoute la colonne nécessaire relative au client fictif pour une demande de 100 caisses.

Le plus bas coût apparaissant dans le tableau est 0 pour notre client fictif. Nous pouvons choisir entre le dépôt 1 et le dépôt 2 comme origine de l´envoi. Nous choisirons le dépôt 1.

Nous enverrons donc un maximum de caisses depuis le dépôt 1 vers le client fictif 100 (on les fait apparaître dans la partie inférieure de la cellule.

Auteur: Philippe Gollotte

Page 141 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

    Destinations   Supermarché A Supermarché B Supermarché C Client fictif Offre
    Destinations   Supermarché A Supermarché B Supermarché C Client fictif Offre
   

Destinations

 

Supermarché A

Supermarché B

Supermarché C

Client fictif

Offre

 

Dépôt 1

17

12

20

0
0

500

Origines

Dépôt 2

19

17

15

0

550

 

Demande

300

400

250

100

1050

 

Coût total

S/. 0

En effet les 500 caisses disponibles dans l´entrepôt permettent de répondre à la demande totale du supermarché.

Nous actualisons ensuite l´offre et la demande. Ils restent 400 caisses dans le dépôt 1 et nous éliminons la colonne du client fictif car il est servi. Dans le tableau restant (formé par les cellules restant actives), le plus bas coût est 12.

   

Destinations

 
    Destinations  

Supermarché A

Supermarché B

Supermarché C

Client fictif

Offre

 

Dépôt 1

17

12
12

20

0

400

Origines

100

0

Dépôt 2

19

17

15

0

550

 

Demande

300

400

250

 

0

950

   

Coût total

S/. 0

2.- Deuxième itération. En suivant le même principe nous enverrons maintenant 400 caisses du dépôt 1 vers le supermarché B qui est servi. Le dépôt 1 est maintenant vide. Les demandes restantes seront servies par le dépôt 2. Dans le tableau restant le plus bas coût est 15.

   

Destinations

 

Supermarché A

Supermarché B

Supermarché C

Client fictif

Offre

 

Dépôt 1

17

12

20

0

0

Origines

400

4,800

100

0

Dépôt 2

19

17

15
15

0

550

 

Demande

300

 

0

250

 

0

550

   

Coût total

S/. 4,800

Auteur: Philippe Gollotte

Page 142 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

3.- Troisième itération. En suivant le même principe nous enverrons maintenant 250 caisses du dépôt
3.- Troisième itération. En suivant le même principe nous enverrons maintenant 250 caisses du dépôt

3.- Troisième itération. En suivant le même principe nous enverrons maintenant 250 caisses du dépôt 2 vers le supermarché C. Dans le tableau restant il ne reste que le coût de 19.

   

Destinations

 

Supermarché A

Supermarché B

Supermarché C

 

Client fictif

Offre

   

Dépôt 1

17

12

20

 

0

0

Origines

400

4,800

100

 

0

 

Dépôt 2

19

17

15

 

0

300

 

250

3,750

 
 

Demande

 

300

 

0

 

0

 

0

300

   

Coût total

S/. 8,550

4.- Quatrième itération. Il ne reste qu´à envoyer 300 caisses du dépôt 2 vers le supermarché A.

 
   

Destinations

 

Supermarché A

Supermarché B

Supermarché C

 

Client fictif

Offre

   

Dépôt 1

17

12

20

 

0

0

Origines

400

4,800

100

 

0

 

Dépôt 2

19

17

15

 

0

0

 

300

5,700

250

3,750

 
 

Demande

 

0

 

0

 

0

 

0

0 S/. 14,250
0
S/. 14,250
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
 

Coût total

Le coût total de l´opération est de S/. 14 250 et il nous reste 100 caisses dans le dépôt 1 qui est notre dépôt fictif. Ce résultat diffère de celui trouvé par l´algorithme du simplexe.

7.4- La méthode d´approximation de Vogel:

7.4.1.- Principe.

Cette méthode est presque identique à la précédente. La seule différence réside dans le critère de choix du dépôt qui devra livrer le supermarché. Pour ce choix, le critère est du type “regret minimum”.

C´est plus laborieux mais très efficace.

A nouveau il est peu probable d´obtenir la solution optimale avec cette méthode. Nous devrons donc travailler à améliorer le résultat obtenu grâce à l´algorithme du stepping stone.

Auteur: Philippe Gollotte

Page 143 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

Voici le procédé: • On commence par les lignes: on calcule pour chaque ligne la

Voici le procédé:

Voici le procédé: • On commence par les lignes: on calcule pour chaque ligne la différence

On commence par les lignes: on calcule pour chaque ligne la différence entre les deux plus bas coûts de la ligne.

On fait de même avec les colonnes.

De toutes les différences calculées on retient la ligne ou la colonne où fut calculée la plus grande différence. En cas d´égalité le critère de choix consiste à favoriser les lignes aux colonnes. Si l´on avait à choisir entre deux lignes ou deux colonnes, on les prend dans par ordre croissant.

Une fois choisie la ligne (ou colonne) selon le critère précédent, on cherche dans la dite ligne (ou colonne) le plus bas prix.

Pour le reste on travaille comme avec la méthode précédente.

7.4.2.- Principe fondamental de la formulation.

Nous rappelons ce principe de grande importance: il est indispensable que l´offre soit égal à la demande.

Si l´offre (stock) est supérieure à la demande (commandes) on crée un CLIENT FICTIF dont les quantités commandées sont exactement égales au surplus présent en stock. Les coûts de livraison pour ce client sont nuls quel que soit l´entrepôt d´origine (c´est le cas ici).

Si la demande (commandes) est supérieure à l´offre (stock) on crée un ENTREPOT FICTIF dont les quantités stockées sont exactement égales aux carences par rapport aux quantités commandées par les clients. Les coûts de livraison depuis cet entrepôt vers n´importe quel client sont nuls.

7.4.3.- Résolution du problème.

1.- Première itération. Les plus bas coûts de la ligne 1 sont 0 et 12 pour une différence de 12. Pour la ligne 2 ce sont 0 et 15 pour une différence de 15. Les colonnes ne présentent que deux coûts donc il s´agit de soustraire. Nous aurons dans l´ordre: 2, 5, 5 et 0 de différence.

Nous remarquons que la différence maximum est de 15.

Nous choisissons donc la ligne 2 où le plus bas coût est de 0. Nous enverrons donc un maximum de caisses depuis le dépôt 2 vers le client fictif soit 100.

   

Destinations

 

Supermarché A

Supermarché B

Supermarché C

Client fictif

Offre

 

Dépôt 1

17

12

20

0

500

Origines

Dépôt 2

19

17

15

0

450

 

100

0

Demande

300

400

250

0

950

 

Coût total

S/. 0

Auteur: Philippe Gollotte

Page 144 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

2.- Deuxième itération. Le client fictif est servi. Il nous reste un tableau de 6
2.- Deuxième itération. Le client fictif est servi. Il nous reste un tableau de 6

2.- Deuxième itération. Le client fictif est servi. Il nous reste un tableau de 6 cases. Les différences de coûts sont 5 et 2 pour les lignes 1 et 2 et, 2, 5 et 5 pour les colonnes 1, 2 et 3 respectivement. La plus grande différence est de 5 avec trois ex-æquo. Notre critère de sélection nous impose de choisir par ordre croissant en privilégiant les lignes. 12 est alors le plus bas coût.

   

Destinations

 

Supermarché A

Supermarché B

Supermarché C

Client fictif

Offre

 

Dépôt 1

17

12

20

0

100

Origines

400

4,800

Dépôt 2

19

17

15

0

450

 

100

0

Demande

300

 

0

250

 

0

550

   

Coût total

S/. 4,800

3.- Troisième itération et suivante. Le tableau a maintenant deux lignes et deux colonnes soit dans l´ordre des différences de 3, 4, 2 et 5. La plus grande différence est de 5 pour la colonne 3 et le plus bas coût y est de 15.

   

Destinations

 

Supermarché A

Supermarché B

Supermarché C

Client fictif

Offre

 

Dépôt 1

17

12

20

0

100

Origines

400

4,800

Dépôt 2

19

17

15

0

200

 

250

3,750

100

0

Demande

 

300

 

0

 

0

 

0

300

   

Coût total

S/. 8,550

Nous présenterons d'ores-en-avant les tableaux successifs sans plus de commentaires.

 
   

Destinations

 

Supermarché A

Supermarché B

Supermarché C

Client fictif

Offre

 

Dépôt 1

17

12

20

0

0

Origines

100

1,700

400

4,800

Dépôt 2

19

17

15

0

200

 

250

3,750

100

0

Demande

 

200

 

0

 

0

 

0

200

   

Coût total

S/. 10,250

Auteur: Philippe Gollotte

Page 145 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

    Destinations   Supermarché A Supermarché B Supermarché C Client fictif Offre
    Destinations   Supermarché A Supermarché B Supermarché C Client fictif Offre
   

Destinations

 

Supermarché A

Supermarché B

Supermarché C

Client fictif

Offre

 

Dépôt 1

17

12

20

0

0

Origines

100

1,700

400

4,800

Dépôt 2

19

17

15

0

0

 

200

3,800

250

3,750

100

0

Demande

 

0

0

0

0

0

 

Coût total

S/. 14,050

Grâce à cette méthode nous avons obtenu le même résultat qu´avec l´algorithme du simplexe. Ce n´est pas toujours le cas.

Du fait que cette solution est optimale, nous n´aurons pas besoin de l´améliorer. Par contre la solution obtenue par le méthode d´entrée minimum a besoin d´être travaillée. Nous la travaillerons avec l´algorithme du stepping stone.

7.5- L´algorithme du stepping stone:

7.5.1.- Principe.

Il s´agit de l´outil le plus important. En effet dans notre exemple illustratif un seul de nos deux

algorithmes alternatifs nous donne le même résultat que l´algorithme du simplexe. Cependant c´est rarement le cas. En effet nos algorithme alternatifs présentent l´avantage d´être simples mais l´inconvénient de ne pas être efficients.

C´est là qu´intervient l´algorithme du stepping stone. A partir d´une solution de base comme celle de la méthode d´entrée minimum ou d´approximation de Vogel, cet algorithme cherche quels envois peuvent être améliorés (dans le sens de réorganisés afin de diminuer le coût total).

Pour ce faire nous nous intéressons aux possibilités que nous n´avons pas explorées. Dans le cas du résultat de la méthode d´entrée minimum, nous n´avons pas faits d´envois du dépôt 1 aux supermarchés A et C ni du dépôt 2 au supermarché B et au client fictif. Nous calculerons donc les coûts marginaux (ou coûts réduits) liés à ces décisions.

Nous essaierons donc de forcer l´envoi d´une unité de 1 a A et C et de 2 a B et au client fictif et évaluerons si les conséquences de ces décisions sur les cases voisines entraînent une variation en coût favorable ou non.

Auteur: Philippe Gollotte

Page 146 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

7.5.2.- Evaluation intuitive des coûts marginaux. Le tableau obtenu par la méthode d´entrée minimum est
7.5.2.- Evaluation intuitive des coûts marginaux. Le tableau obtenu par la méthode d´entrée minimum est

7.5.2.- Evaluation intuitive des coûts marginaux.

Le tableau obtenu par la méthode d´entrée minimum est le suivant:

   

Destinations

 

Supermarché A

Supermarché B

Supermarché C

 

Client fictif

   

Dépôt 1

17

12

20

 

0

Origines

 

400

4,800

100

 

0

 

Dépôt 2

19

17

15

 

0

   

300

5,700

250

3,750

 
 

Demande

 

0

 

0

 

0

 

0

  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
 

Coût total

Offre 0 0
Offre
0
0
0 S/. 14,250
0
S/. 14,250

Si nous voulons forcer l´envoi d´une caisse du dépôt 1 au supermarché C, les conséquences seront les suivantes:

Une caisse de plus sort de 1 et arrive en C. Cela coûte 20.

Hors le dépôt 1 était vide donc pour que sorte de 1 une caisse en direction de C, il faudrait qu´une caisse de moins sorte de 1 vers le client fictif (notre stock finallement). Cette opération est sans Coût mais notre client fictif a un déficit d´une caisse.

Une caisse de moins sort de 2 pour arriver en C. Cela épargne 15. La caisse non envoyée reste en stock car l´envoyer au client fictif est la solution la moins chère.

Coût total de l´opération: 20 - 0 – 15 + 0 = +5. Ce n´est pas intéressant.

Il resterait à évaluer deux coûts marginaux. Comme le calcul intuitif des coûts marginaux est long, nous verrons maintenant une manière rapide de les calculer.

7.5.3.- Calcul des coûts marginaux.

Nous ne nous intéressons dans un premier temps qu´aux cases utilisées du tableau c´est-à-dire les

livraisons réellement effectuée d´un dépôt vers un supermarché.

Nos coûts marginaux ne sont autres au signe près que les coûts réduits du problème dual ou les

coûts d´opportunité du primal. Ils ne doivent pas être confondus avec les coûts de transport d´un dépôt i à

un supermarché j.

le coût de transport d´un dépôt i à un supermarché j. Sans démonstration

. Notons que i réfère

aux dépôts et j aux destinations (supermarchés et client fictif). Nous avons donc en résumé pour les cases utilisées:

nous énoncerons qu´il existe deux variables auxiliaires

Nous appellerons

c ij

u

i

et

v

j

telles que

u

i

+ v

j

= c

ij

Auteur: Philippe Gollotte

Page 147 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

u u u u 1 1 2 2 + + + + v v 2

u

u

u

u

1

1

2

2

+

+

+

+

v

v

2

4

v

1

v

3

=

=

=

=

12

0

19

15

u u u u 1 1 2 2 + + + + v v 2 4

Il s´agit d´un système de 4 équations à 6 inconnues. Du fait du surplus d´inconnues nous en

annulerons deux. Soit

=

+ =

+

u v

1 2

u v

u

u

1 4

2

2

+

+ =

=

v

1

v

3

12

0

19

15

u

1

⇒

= u

2

= 0 , nous déduisons toutes les autres:

u

u

1

u

u

1

=

0;

=

0;

2

2

=

=

0;

0;

v

2

=

12

v

4

=

0

v

1

v

3

=

=

19

15

Pour chaque case du tableau, le coût marginal correspondant est donné par:

d

ij

(

= c u + v

ij

i

j

)

Ce n´est autre qu´une autre façon d´exprimer les coûts réduits que nous calculons quand nous utilisons l´algorithme du simplexe. Pour les contraintes saturées (cases utilisées) les coûts réduits des variables duales correspondantes sont nuls. Le signe des autres indique ou non l´optimalité.

Nous avons ici:

 

Supermarché A

 

Supermarché B

 

Supermarché C

 

Client fictif

 

v 1 = 19

 

v 2 = 12

 

v 3 = 15

 

v 4 = 0

 
     

d 11 = c 11 - (u 1 + v 1 )

d

12

=

c 12 -

(u 1 + v 2 )

d

13

=

c 13 -

(u 1 + v 3 )

d

14

=

c 14 -

(u

1 + v 4 )

Origines

Dépôt 1

u

1 = 0

     
 

17

- (0 + 19) = -2

 

12

- (0 + 12) = 0

 

20

- (0 + 15) = 5

 

0

- (0 + 0) = 0

   

d 21 = c 21 - (u 2 + v 1 )

d

22

=

c 22 -

(u 2 + v 2 )

d

22

=

c 22 -

(u 2 + v 2 )

d

22

=

c 22 -

(u

2 + v 2 )

Dépôt 2

u

2 = 0

     
   

19

- (0 + 19) = 0

 

17

- (0 + 12) = 5

 

15

- (0 + 15) = 0

 

0

- (0 + 0) = 0

Ces résultats concordent avec ce que nous avons calculé plus haut. Il n´est pas intéressant de réorganiser les livraisons où les coûts marginaux des options non exploitées sont positifs (rappelons que

c´est à dire les variables en base du dual. En

nous travaillons ici avec les coûts réduits ou marginaux

d´autre termes ce sont les valeurs négatives qui nous préoccuperaient ici.

d ij

Par exemple l´option d´envoyer des caisses du dépôt 1 au supermarché A est intéressante. Chaque caisse envoyée représenterait une épargne de S/. 2. Nous devons réorganiser les livraisons en suivant la logique de l´algorithme du simplexe (c´est facile cherchez les variables en base donc au coût marginal nul

qui forment un carré avec notre coût marginal

d

11 .

Auteur: Philippe Gollotte

Page 148 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

Nous commençons par forcer toutes les livraisons possibles là où le coût marginal est le
Nous commençons par forcer toutes les livraisons possibles là où le coût marginal est le

Nous commençons par forcer toutes les livraisons possibles là où le coût marginal est le plus élevé (c´est à dire le plus négatif). Puis nous recalculons les coûts marginaux et ainsi de suite.

Comme nous observons dans le tableau chaque caisse qui sortirait de 1 vers A coûterait 17 et nous épargnerait 19 car elle n´aurait plus à sortir de 2. Cependant le dépôt 1 est vide en théorie. Il faudra donc prendre les caisses à quelqu´un. La solution la plus raisonnable est d´utiliser les caisses du client fictif qui sort de base. En effet utiliser les caisses au supermarché B nous obligera á les remplacer par une solution plus chère (de 2 vers B pour un coût unitaire de 17 au lieu de 12 à l´heure actuelle).

Nous envoyons donc un maximum de caisses du client fictif vers le supermarché A.

   

Destinations

 

Supermarché A

Supermarché B

Supermarché C

 

Client fictif

   

17

12

20

 

0

 

Origines

 

Dépôt 1

Origines   Dépôt 1        
     
Origines   Dépôt 1        
 
 

100

1,700

400

4,800

 

100

 

0

         
 

Dépôt 2

19

17

15

 

0

 
   

200

3,800

250

3,750

100

 

0

 
 
 
   
 
   

Demande

 

0

 

0

 

0

 

0

  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
  Coût total
 

Coût total

Offre 0 0
Offre
0
0
0 S/. 14,050
0
S/. 14,050

Nous obtenons maintenant la solution optimum de l´algorithme du simplexe. En utilisant la même technique que précédemment, nous pouvons vérifier que les coûts marginaux sont maintenant tous positifs.

Auteur: Philippe Gollotte

Page 149 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

Exprimez le programme linéaire associé à ce tableau. Apprenez ensuite à utiliser un solveur ou un software d´optimisation quelconque et résolvez-le (S/. 50 531

“… Nous profiterons que les algorithmes étudiés permettent de travailler avec un grand nombre de données pour nous intéresser à la minimisation du coût de transport d´un produit quelconque depuis 4 dépôts vers 6 points de vente.

Page 150 de 159

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

3942 / 4127

489Dépôt

862

290

Optimisez éventuellement votre résultat grâce à l´algorithme du stepping stone.

693

Résoudre ce problème grâce à la méthode alternative de votre choix.

798

744

Problème de synthèse pour le chapître 7.

Nous avons le tableau résumé suivant:

555

l´opération sauf erreur).

Demande

Auteur: Philippe Gollotte

-
-

-

sauf erreur). Demande Auteur: Philippe Gollotte - - - Offre 1394 1649 595   Point de
sauf erreur). Demande Auteur: Philippe Gollotte - - - Offre 1394 1649 595   Point de

Offre

1394

1649

595

 

Point de vente F

18

27

25

15

Point de vente E

19

30

11

4

Destinations

Point de vente C Point de vente D

25

6

18

20

 

30

13

19

23

 

Point de vente B

13

8

28

15

Point de vente A

15

18

6

3

 

Dépôt 1

2

Dépôt 3

Dépôt 4

 

Origines

 

S/. 0

Coût total

nous reste quatre lignes et six colonnes. Nous obtenons comme différences des plus bas coûts dans l´ordre 2, 2, 5 et 1 en ligne et, 3, 5, 6, 12, 7 et 3 en colonne. Nous

partir de ce point nous présentons les tableaux des itérations successives sans plus de commentaires. Nous rappelons qu´en cas d´égalité des différences des coûts

Nous devons ici trouver la différence de prix maximum entre les plus bas prix en ligne puis en colonne. Nous avons 13, 6, 6 et 3 pour les lignes dans l´ordre et 3, 5, 6, 12,

Page 151 de 159

3942

Premièrement nous remarquons un excès d´offre nous conduisant à créer un client fictif auquel on affecte des prix nuls et demandant 185 unités.

3 et 0 en colonne dans l´ordre. La différence maximum entre prix minimum est obtenue dans la ligne 1. Le plus bas prix de la dite ligne est 0.

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

862

290

minimaux nous devons choisir par ordre croissant des lignes d´abord puis des colonnes.

693

nous intéresserons maintenant à la colonne 4 où le plus bas coût est 6.

798

744

Deuxième itération et suivantes:

1.- Méthode d´approximation de Vogel.

555

Première itération:

Demande

Auteur: Philippe Gollotte

a)

b)

7,

A

Il

itération: Demande Auteur: Philippe Gollotte a) b) 7, A Il Offre 1209 489 1649 595  

Offre

1209

489

1649

595

 

Client fictif

 

0

     

0

185

0

0

0

Point de vente F

18

27

25

15

Point de vente E

19

30

11

4

Destinations

Point de vente D

25

6

18

20

Point de vente C

30

13

19

23

Point de vente B

13

8

28

15

Point de vente A

15

18

6

3

 

Dépôt 1

Dépôt 2

Dépôt 3

Dépôt 4

 

Origines

 

S/. 0

0

Coût total

Page 152 de 159

3453

3163

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

862

8620

290

204

204

798

798

744

744

555

555

Demande

Demande

Auteur: Philippe Gollotte

4 5 5 5 5 5 5 Demande Demande Auteur: Philippe Gollotte   Offre 1209 0
 

Offre

1209

0

1649

595

     

0

     

Client fictif

0

185

0

0

0

Point de vente F

18

27

25

15

Point de vente E

19

30

11

4

Destinations

Point de vente D

   

2,934

   

25

6

489

18

20

 

Point de vente C

30

13

19

23

Point de vente B

13

8

28

15

Point de vente A

15

18

6

3

 

Dépôt 1

Dépôt 2

Dépôt 3

Dépôt 4

 

Origines

 

S/. 2,934

0

Coût total

 

Offre

1209

0

1649

305

     

0

     

Client fictif

0

185

0

0

0

Point de vente F

18

27

25

15

Point de vente E

       

1,160

19

30

11

4

290

Destinations

Point de vente D

   

2,934

   

25

6

489

18

20

 

Point de vente C

30

13

19

23

Point de vente B

13

8

28

15

Point de vente A

15

18

6

3

 

Dépôt 1

Dépôt 2

Dépôt 3

Dépôt 4

 

Origines

 

S/. 4,094

0

Coût total

Page 153 de 159

2608

1864

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

862

862

204

204

798

798

744

Demande

Demande

Auteur: Philippe Gollotte

8 7 9 8 7 4 4 Demande Demande Auteur: Philippe Gollotte   Offre 1209 0
 

Offre

1209

0

1094

305

     

0

     

Client fictif

0

185

0

0

0

Point de vente F

18

27

25

15

Point de vente E

       

1,160

19

30

11

4

290

Destinations

Point de vente D

   

2,934

   

25

6

489

18

20

 

Point de vente C

30

13

19

23

Point de vente B

13

8

28

15

Point de vente A

     

3,330

 

15

18

6

555

3

 

Dépôt 1

Dépôt 2

Dépôt 3

Dépôt 4

 

Origines

 

S/. 7,424

0

Coût total

0

0

 

Offre

465

0

1094

305

     

0

     

Client fictif

0

185

0

0

0

Point de vente F

18

27

25

15

Point de vente E

       

1,160

19

30

11

4

290

Destinations

Point de vente D

   

2,934

   

25

6

489

18

20

 

Point de vente C

30

13

19

23

Point de vente B

 

9,672

     

13

744

8

28

15

Point de vente A

     

3,330

 

15

18

6

555

3

 

Dépôt 1

Dépôt 2

Dépôt 3

Dépôt 4

 

Origines

 

S/. 17,096

0

Coût total

0

0

0

Page 154 de 159

1399

1094

Consorcio e-Miage - Universidad de San Martín de Porres, B105 Programmation Mathématique et Optimisation

397

920

204

204

798

798

Demande

Demande

Auteur: Philippe Gollotte

4 7 9 8 7 9 8 Demande Demande Auteur: Philippe Gollotte   Offre 0 0
 

Offre

0

0

1094

305

     

0

     

Client fictif