Vous êtes sur la page 1sur 67

Universit Mohammed V de Rabat Agdal

LECOLE MOHAMADIA DES INGENIEURS


www.almohandiss.com

Dpartement Gnie lectrique

2008

2010
Recherche oprationnelle

Mr Abdenbi
EL MARZOUKI

www.almohandiss.com

Objectifs du Cours
Les mthodes analytiques de gestion
sont utilises dans un objectif bien
prcis, celui de la prise de dcision en
avenir certain et incertain.
Ce cours vise familiariser ltudiant
la recherche oprationnelle qui consiste
trouver une solution optimale un
problme de dcision pos via
une
mthode adquate.

www.almohandiss.com

Contenu du cours
Partie I: Problme de programmation linaire

1- Concepts fondamentaux
2- Rsolution graphique
3- Rsolution par lalgorithme de simplexe
4- Dualit
5- Applications conomiques

Partie II- La thorie des graphes


www.almohandiss.com

1- lments de la thorie des graphes


2- Dtermination des niveaux des sommets
dun graphe sans circuit
3- Recherche des chemins de longueur p
joignant deux sommets
4- Recherche dun chemin de valeur
optimale entre deux sommets
(Algorithme de Ford)
5- Problme dordonnancement
(MPM, PERT)
6- Applications conomiques

Bibliographie : www.almohandiss.com
Droesbeke, Hallin et Lelievre Programmation linaire par lexemple
ellipses 1986
Azoulay Recherche oprationnelle de gestion Tome 1, Dunod 1996
Kauffman-Faure Invitation la recherche oprationnelle Dunod,
Desbazeille Exercices de recherche oprationnelle Dunod,
Andre Grosdidier Outils mathmatiques de gestion , Foucher, Paris
Thierry Bertrand Outils mathmatiques de gestion , dition
Bertrand-Lacoste
Yves R., Roch O. & Regis P. La recherche oprationnelle , dition
gatan morin, 1999.

www.almohandiss.com

Le contenu des MAG soriente beaucoup plus vers la


RO. Les diapositives du cours contiendront les
dfinitions et les principaux rsultats relatifs cette

matire ainsi que les applications conomiques.


Le premier chapitre sera consacr au modle de
programmation linaire et le second aux fondements
de la thorie des graphes.

www.almohandiss.com

Introduction aux
techniques de
la Recherche

Oprationnelle

www.almohandiss.com

Loptimisation

L'optimisation ou la recherche de loptimum est un souci permanent au sain

des organisations. Plus les entreprises grandissent, plus les problmes de gestion

se multiplient et se compliquent : la gestion de production, la gestion du stock, la


gestion des flux financiers, la gestion des rseaux ou de circulation des biens et
de services
La rsolution de ces problmes ncessite des efforts tant au niveau de la

recherche de la solution optimale quau niveau de la modlisation

Le

souci N 1 au sain des firmes est souvent du comment


maximiser le profit?, minimiser les cots? Grer optimalement
les stocks? Grer le transport des M/ses? , etc.

www.almohandiss.com

Recherche Oprationnelle
Outil mathmatique de modlisation et doptimisation. Il
permet de trouver une solution optimale ou bien une solution qui

Sapproche le plus possible de loptimum


La Recherche Oprationnelle est une discipline polyvalente, qui
emprunte beaucoup aux mathmatiques, videmment, mais
galement l'informatique et l'conomie.
La recherche oprationnelle est un outil mathmatique daide la
prise de dcisions. Elle repose sur la construction des modles, et
ce en fonction des problmes poss.
techniques

de

modlisation

On peut citer plusieurs

notamment,

linaire, la thorie des graphes, etc.

la

programmation

www.almohandiss.com
Problme de Programmation
Linaire

La programmation linaire est la technique sans doute la plus


connue et dont le succs a largement contribu au succs initial
de la recherche oprationnelle. Elle est la mthode de rfrence
pour les entreprises notamment dans le domaine bancaire,
forestier, industriel, du transport et de la tlcommunication.

Un

programme

linaire

est

un

problme

doptimisation

consistant maximiser ou minimiser une fonction objectif


linaire

de

plusieurs

variables

de

dcision

(fonction

conomique) soumise un ensemble de contraintes exprimes


sous forme dquations linaires et/ou dinquations linaires.

www.almohandiss.com

Programmation linaire (PL)


Modle linaire :
fonction linaire de plusieurs variables optimiser (premier
degr)
variables soumises des contraintes :
linaires
restriction de non ngativit

Dfinir le problme : En posant de bonnes questions nous

pouvons arriver bien modliser le problme pos.

Quelle est la nature exacte du problme ?

Quel est lobjectif recherch ?


Quelles sont les conditions dopration ?
Quels sont les paramtres considrer ?

www.almohandiss.com

Programmation linaire
Moyen pour mieux comprendre la ralit
utilise pour reprsenter les proprits
fondamentales dun certain phnomne
version idale et pure

Formalisation

Problme
rel

Algorithme

Modle
mathmatique

Programmation linaire

Solution

www.almohandiss.com

Mise en forme dun programme linaire


Dtecter et comprendre le problme (phase prscientifiques)
que doit-on faire? Quel est le vrai problme rsoudre ?
Identifier les variables de dcision
variables rgissant la situation modliser
variables relles ( ou entires : Programmation linaire entire)
Par exemple : Les quantits produire par lentreprise
Prciser la fonction objectif
fonction mathmatique compose des variables de dcision
fonction linaire
Par exemple : le profit ou le chiffre daffaire maximiser, les cots
minimiser
Prciser les contraintes du problme
paramtres limitant la ralisation du modle
quations ou inquations composes des variables de dcision

www.almohandiss.com

Prciser les paramtres du modle

constantes associes aux contraintes et la fonction objectif


Par exemple : les quantits de matires premires
Validation du modle et des rsultats :
le modle dvelopp est-il conforme la ralit ?
les rsultats sont-ils valides dans toutes les conditions ?

Conception du systme dapplication


utilisation des logiciels spcialiss pour la rsolution du
modle (par exemples : EXCEL, LINDO, )
Implantation de la solution
Prise de dcision

www.almohandiss.com

Modlisation mathmatique dun


problme linaire : forme gnrale
Fonction objectif (conomique) :

max (ou min) z c1 x1 c2 x2 cn xn


Les xi sont des variables qui influencent la valeur de z et les ci les poids respectifs
de ces variables modlisant limportance relative de chacune de ces variables dans
la fonction conomique

Contraintes :

a11x1 a12 x2 a1n xn


a21x1 a22 x2 a2 n xn

, ,
, ,

b1
b2

am1 x1 am 2 x2 amn xn , , bm

Contraintes de non ngativit : x 0 ,


j
Avec,

j 1,2, , n

xj

: variables de dcision (inconnues)

aij, bi, cj

: paramtres du programme linaire (connues)

Exemple 1

www.almohandiss.com

Trois types de machines A, B et C produisent quatre produits diffrents I, II, III et IV.
Chaque produit doit tre trait par chacune des machines dans lordre. Les temps
unitaires (temps ncessaires pour la fabrication dune unit) pour chacune des
oprations et pour chaque type de produits sont indiqus dans le tableau ci-dessous.
Question : tablir la production hebdomadaire de chaque produit de faon
maximiser le profit

Produits
Type de
machine

A
B
C
Profit par unit

II

III

5
2
1

3
5
2

3
4
3

7,30

8,64 8,00

IV
2
6
4
9,00

Disponibilit (en min)


hebdomadaire de
chaque machine

1800
8500
3500

www.almohandiss.com

Modlisation mathmatique
But:
tablir la production hebdomadaire de chaque
produit de faon maximiser le profit

xj : production hebdomadaire de chaque produit j

Trouver les valeurs x1, x2, x3 et x4 qui maximisent le


profit en considrant la limite de temps dutilisation
de chaque machine

www.almohandiss.com

Formalisation du problme : forme canonique


Comprhension du problme
Dfinir les 4 variables de dcision :

x1 : la production hebdomadaire du

x2 : la production hebdomadaire du

x3 : la production hebdomadaire du

x4 : la production hebdomadaire du

produit
produit
produit
produit

I
II
III
IV

Le profit associ une production (x1, x2, x3, x4) est :

z 7,30 x1 8,64 x2 8,00 x3 9,00 x4


Il ne faut pas dpasser la disponibilit hebdomadaire de chaque
machine:

A : 5 x1
B : 2 x1

3 x2
5 x2

3x3
4 x3

2 x4
6 x4

1800
8500

C : 1x1

2 x2

3x3

4 x4

3500

Les produits ne sont pas ngatifs :

x1 , x2 , x3 , x4 0

www.almohandiss.com

Formalisation du problme
Fonction Objectif :

max z 7,30 x1 8,64 x2 8 x3 9 x4

Contraintes des machines :

A:
B:

5 x1
2 x1

3 x2
5 x2

3 x3
4 x3

2 x4
6 x4

1800
8500

C:

x1

2 x2

3 x3

4 x4

3500

Contraintes de non ngativit :

x1 , x2 , x3 , x4 0
Selon la nature des produits, il faudrait peut tre imposer x1, x2, x3,
x4 de ne prendre que des valeurs entires

www.almohandiss.com

Application 1 : Problme dagriculture

Un agriculteur veut allouer 150 hectares de surface


irrigable entre culture de tomates et celles de piments.
Il dispose de 480 heures de main duvre et de 440 m3
deau. Un hectare de tomates demande 1 heure de main
duvre, 4 m3 deau et donne un bnfice net de 100
dirhams. Un hectare de piments demande 4 heures de
main duvre, 2 m3 deau et donne un bnfice net de
200 dirhams.
Le ministre dagriculture et de mise en valeur agricole
veut protger le prix des tomates et ne lui permet pas
de cultiver plus de 90 hectares de tomates.
Modliser ce problme .

www.almohandiss.com

Application 2: Problme de mdecine


Un spcialiste en mdecine a fabriqu un
mdicament (des pilules) pour gurir les sujets
atteints dun rhume. Ces pilules sont fabriques
selon deux formats :
Petite taille : elle contient 2 grains daspirine, 5
grains de bicarbonate et 1 grain de codine.
Grande taille : elle contient 1 grain daspirine, 8
grains de bicarbonate et 6 grains de codine.
Pour gurir la maladie, le sujet a besoin de 12
grains daspirine, 74 grains de bicarbonate et
24 grains de codine.
Etant donn quon cherche dterminer le
nombre de pilules minimal prescrire au sujet
pour quil soit gurit, formaliser ce problme.

Application 3 : Problmewww.almohandiss.com
de production
Pour fabriquer deux produits P1 et P2 on doit effectuer
des oprations sur trois machines M1, M2 et M3,
successivement mais dans un ordre quelconque. Les temps
unitaires dexcution sont donns par le tableau suivant :
P1

M1
11 mn

M2
7 mn

M3
6 mn

P2

9 mn

12 mn 16 mn

On supposera que les machines nont pas de temps dinactivit.


Les disponibilits temps/machine sont :
165 heures (9900 minutes) pour la machine M1 ;
140 heures (8400 minutes) pour la machine M2 ;
160 heures (9600 minutes) pour la machine M3 .
Le produit P1 donne un profit unitaire de 900 dirhams et le produit P2 un
profit unitaire de 1000 dirhams.
Lobjectif ici est de dterminer les quantits fabriquer mensuellement
de produits P1 et P2 pour avoir un profit total maximum.
Formaliser ce problme doptimisation

www.almohandiss.com

Application 4: Problme dalimentation


On se propose de raliser une alimentation conomique
pour des bestiaux, qui contient obligatoirement 4 sortes
de composants nutritifs, A, B, C et D. Lindustrie
alimentaire produit prcisment deux aliments M et N qui
contiennent ces composants : 1 Kg daliment M contient
100 g de A, 100 g de C, 200 g de D ; 1 Kg daliment N
contient 100 g de B, 200 g de C, 100 g de D.
Un animal doit consommer par jour au moins : 0.4 Kg de A ;
0.6 Kg de B ; 2 Kg de C ; 1.7 Kg de D. Laliment M cote 10
dirhams le Kg et N cote 4 dirhams le Kg.
Etant donn que lobjectif est de dterminer les quantits
daliments M et N utiliser par jour et par animal pour
raliser lalimentation la moins coteuse, formaliser ce
problme doptimisation.

www.almohandiss.com

Application 5: Slection de Mdias


Une entreprise dsire effectuer une campagne publicitaire dans la
tlvision, la radio et les journaux 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 :
Tlvision
Radio Journaux
Locale

Par satellite

40 Dh

75 Dh

30 Dh

15 Dh

Nombre de client potentiel par publicit

400

900

500

200

Nombre de client potentiel femme par


publicit

300

400

200

100

Cot dune publicit

Pour la campagne, on prvoit de ne pas payer plus que 800 Dh pour toute la
campagne et on demande que ces objectifs soient atteints :
1.Au minimum 2000 femmes regardent, entendent ou lisent la publicit ;
2.La campagne publicitaire dans la tlvision ne doit pas dpasser
500 Dh ;
3.Au moins 3 spots publicitaires seront assurer par la tlvision locale et au
moins de deux spots par la tlvision par satellite.
4.Le nombre des publicits dans la radio ou dans les journaux sont pour
chacun entre 5 et 10.
Formaliser ce problme via des quations mathmatiques.

www.almohandiss.com

Terminologie de la solution

Solution ralisable (solution admissible)

Solution o toutes les contraintes du modle sont


satisfaites

Zone de solutions admissibles (rgion admissible)

Ensemble de toutes les solutions ralisables

Solution optimale

Solution ralisable o la fonction objectif atteint la


meilleure valeur (maximum ou minimum)

Plusieurs solutions optimales sont possibles

www.almohandiss.com

Rsolution dun programme linaire


Selon la nature du PL, il peut tre rsolu de
manires diffrentes savoir :
Reprsentation graphique (ou mthodes des droites
parallles) cest une reprsentation gomtrique plane dans le
cas de deux variables

Recensement des sommets de la rgion admissible


cette mthode est possible tant que le nombre des sommets
nest pas assez grand, cest--dire, le nombre des variables et
des contraintes reste trs limit. On prend le sommet qui
optimise la fonction objectif.
Algorithme de simplexe (ou mthode de Dantzig)
Cet algorithme est utilis quelque soit le nombre de variables.
On distingue deux mthodes : mthode algbrique ou mthode
des tableaux

www.almohandiss.com

Rsolution graphique:
droites parallles

mthodes

des

Cas dun problme deux variables de


dcision
(reprsentation en gomtrie plane)

Fonction objectif : Droite dans R

Contraintes : Demi-plans dans R


Contraintes de non ngativit : cadran positif
Rgion admissible : Intersection des demi-plans de R2

www.almohandiss.com

Reprsentation graphique
quation cartsienne dune droite (D):

u (b, a)

ax by c 0

(a, b) (0,0)

est un vecteur directeur de (D).

0 alors y c b est une droite horizontale passant par 0, c b


Si b 0 alors x c a est une droite verticale passant par c a ,0
Si c 0 alors la droite (D) passe par lorigine
Si a

quation rduite de la droite (D) : si a

avec,

y mx p
m a b et p c b

m est le coefficient directeur de (D)

0 et b 0
m0

alors

www.almohandiss.com

2x 3 y 6 0

* Soit la droite (D) :

u (3,2) est un vecteur directeur de (D).

* Pour construire cette droite, il suffit de connatre deux points :

par deux points passe une droite et une seule

* Dterminons,

x
y

- la droite x 1

- la droite y 2

- la droite (D1) passant par A(1,2) et de vecteur directeur v (3,1)


y
y
x 1

(D)

(D1)

u
-3

2
1

2
0

v
3

x
y 2

www.almohandiss.com

Soit la droite (D) dquation :

ax by c 0

a, b 0,0

Alors, les demi-plans de frontire (D) sont :


Lensemble des points de coordonnes (x,y) telles que :

ax by c 0
Lensemble des points de coordonnes (x,y) telles que :

ax by c 0

Exemple : Rsolvez graphiquement 2 x 3 y 6 0


y

Remarquons que pour lorigine :

2(0) 3(0) 6 0

Donc le demi plan ne contient


pas lorigine

Rgion admissible (ou faisable


ou possible)
www.almohandiss.com

Contrainte de non ngativit

x2

Rgion limite par lensemble des


quations de contraintes du
problme et par les limites des
variables de dcision

Il existe 3 types de points admissibles


Point intrieur
Point frontire

Point extrme

Contrainte de non ngativit

polydre

x1

www.almohandiss.com

Rgion admissible vide


x2

minimiser z x1 2 x2

x1=8

sujet
1
2 x1
x
1
x1

x1,

6
4

-x1+8x2=40

10

12

14

16

18

x1

x2

8 x2

40
8

x2

www.almohandiss.com

Rgion admissible borne


x2

x1

www.almohandiss.com

Rgion admissible non borne


x2

x1

www.almohandiss.com

Fonction Objectif
Dplacement de la fonction
objectif lintrieur de la
rgion admissible pour
atteindre un extremum

x2

est la solution optimale

Intersection de deux contraintes

x1

www.almohandiss.com

Solution optimale
une solution

une infinit de

optimale unique

solutions optimales
x2

x2

x1

pas de solution
optimale finie

x2

x1

x1

www.almohandiss.com
Exemple
1
Rgion admissible borne :
une solution optimale unique

maximiser z x1 2 x2

x2

A (2,6) est lunique


solution optimale

Zmax=14

A
6

x1

sujet
2 x1
x
1
x1
x
1
x1,

x2

x2

x2

4
5

x2

Exemple 2
Rgion admissible borne :
une infinit de solutions optimales
www.almohandiss.com

maximiser z 2 x1 2 x2

x2

sujet
8

Une infinit de
solutions optimales

x1

2 x1
x
1
x1
x
1
x1,

x2

x2

x2

4
5

x2

www.almohandiss.com
Exemple
3
Rgion admissible non borne :
pas de solutions optimales finies

maximiser z x1 x2

x2

sujet

x1=8

1
2 x1
x
1
x1

x1 ,

x2

8 x2

40

x2

6
4

Pas de solutions
optimales

-x1+8x2=40

10

12

14

16

18

x1

Exemple 4
Rgion admissible non borne :
une solution optimale unique
www.almohandiss.com

minimiser z x1 x2

x2

sujet

x1=8

1
2 x1
x
1
x1

x1,

B(8,6) est lunique


solution optimale
Zmin=2

6
4

-x1+8x2=40

10

12

14

16

18

x1

x2

8 x2

40
8

x2

www.almohandiss.com
Exemple
5
Rgion admissible non borne :
une infinit de solutions optimales

x2

minimiser z x1 1 / 2 x2
sujet

12

x1
x
1

2 x1
x1,

10

6
4

8
40
12
0

Une infinit de
solutions optimales

-x1+8x2=40

x2
8 x2
x2
x2

10

12

14

16

18

x1

www.almohandiss.com

Cas pathologiques
1. Cas de redondance :

une contrainte est redondante lorsquelle est inutile et


superflue. La droite reprsentative de cette contrainte
se trouve entirement en dehors de la rgion
admissible.
(1)

max z x1 2 x2

Exemple :

(3)

sc

x1
5 x
1

x1

x1 ,

x2

(1)

4 x2

20
3

( 2)
(3)

x2

(4)

x2

(2)

La contrainte (1) est une contrainte redondante


car (3)+(4) donne : x1 x2 7; 7 8
Donc la contrainte (1) est automatiquement

vrifie et donc sera limine.

(4)

www.almohandiss.com

2.

Cas de dgnrescence : il y a deux types


Dgnrescence du 1er type :

cest le cas o le coefficient directeur de la droite

reprsentant la fonction conomique soit identique celui de

la droite reprsentant une contrainte non redondante. Il existe


donc une infinit de solutions

Exemple :

(4)

maximiser z 2 x1 2 x2
sujet
2 x1
x
1
x1
x
1
x1,

x2

4 (1)

x2

8 (2)

x2

4 (3)
5 ( 4)

x2

(2)

(3)

www.almohandiss.com

Dgnrescence du 2ime type :

une solution optimale est dite dgnre si

plus de deux contraintes concourent en ce point.

Exemple :
(1)
max z x1 x2

(2)

sc
3x1
x
1

x1,

2 x2
x2
x2

40
10
5
0

(1)
(2)
(3)

La solution optimale B est dgnre

B=(10,5)

(3)

www.almohandiss.com

Exercice 1
Un restaurateur dispose de trois types de poissons
30 p1, 24 p2, 18 p3 et dsire offrir :

des plats 80 UM contenant 5 p1, 2 p2 et 1 p3

des plats 60 UM contenant 3 p1, 3 p2 et 3 p3

Problme :
Comment doit-il disposer ces plats pour raliser
la recette maximale ?

www.almohandiss.com

Formalisation de lnonc 1
Comprhension du problme : le restaurateur doit dcider combien de

plats 80 UM et de plats 60 UM seront prpars pour maximiser


sa recette.

Identification des variables conomiques ou de dcision :


x1 = quantit de plats 80 UM
x2 = quantit de plats 60 UM
Fixation des objectifs atteindre : maximisation de la recette

(fonction conomique ou objectif) :

max

z 80 x1 60 x2

Mise en quations des contraintes conomiques :


Les variables x1 et x2 sont limites

par 3 contraintes :

5 x1
2 x1
x1

3 x2
3 x2
3 x2

On a galement les contraintes de non ngativit :

x1 0, x2 0

30
24
18

www.almohandiss.com

Modlisation mathmatique :
forme canonique
Le problme peut tre formul ainsi :

max

z 80 x1 60 x2

sc
5 x1
2 x
1

x1
x1 ,

3 x2
3 x2
3 x2
x2

30
24
18
0

www.almohandiss.com

Rsolution graphique
A
est un point extrme de la rgion
admissible dont les coordonnes vrifient
la 1ire et la 3ime contrainte avec galit
x2

5 x1
2 x
1

x1
x1 ,

et zmax=540
10

z 80 x1 60 x2

sc
A =(3,5) est une
solution optimale unique

max

12

18

x1

3 x2
3 x2
3 x2
x2

30
24
18
0

www.almohandiss.com

Interprtation
La zone hachure est celle des solutions admissibles
Le coefficient directeur de la droite z 80 x1 60 xest
2

80 60 4 / 3

les droites parallles (z) sont des droites isoprofit.


La solution qui maximise la recette est A(3,5) cest--dire, en

offrant 3 plats 80 UM et 5 plats 60 UM, le restaurateur ralisera


une recette maximale de :

zmax 80 3 60 5 540UM

A loptimum, la premire et la troisime contrainte sont satures

mais la deuxime contrainte ne lest pas : pour raliser une recette


maximale, le restaurateur doit offrir tous les poissons de type p1 :

30 5 3 3 5et tous les poissons de type p3 : 18 3 3 5

et il lui restera 3 poissons de type p2 : 3 24 2 3 3 5

www.almohandiss.com

Exercice 2
Une raffinerie achte deux types de ptroles bruts dont elle retire de
lessence, du gazole et du fuel dans les pourcentages suivants :

Produits finis Brut n1

Brut n2

Essence

30

25

Gazole

40

25

Fuel

30

50

La raffinerie doit satisfaire la demande de :


1 25 104 tonnes dessence
1 35 104 tonnes de gazole
1 80 104 tonnes de fuel
Lachat dune tonne de brut n1 cote 700 UM et une tonne de brut n2
cote 500 UM. Quelles quantits de ces ptroles bruts devra t-on acheter
pour rpondre la demande au moindre cot ?

www.almohandiss.com

Formalisation de lnonc 3

Comprhension du problme : le problme est de

minimiser le cot dachat de cette raffinerie. Ce cot


dachat volue en fonction des quantits de brut n1
et n2 acheter.

Identifications des variables conomiques ou de dcision :

x1 : quantit de brut n1 acheter

x2 : quantit de brut n2 acheter

Fixation des objectifs atteindre : minimisation des


cots

min z 700 x1 500 x 2

www.almohandiss.com

Mise en quations des contraintes conomiques : les variables


x1

et

x2

sont

limites

par

contraintes

de

type

contrainte de demande :
a.

Contrainte dessence

0,3x1 0,25x2 125104


b.

Contrainte de gazole

0,4 x1 0,25x2 135104


c.

Contrainte de fuel

Restriction des signes :

0,3x1 0,5 x2 180104


x1 0, x2 0

www.almohandiss.com

Modlisation mathmatique
min

z 700x1 500x2

sc
0,3x1

0,4 x1

0,3x1
x1 ,

0,25x2
0,25x2
0,5 x2

125 10
135 104
180 104

x2

Rsolution graphique
www.almohandiss.com

x2 106

min

z 700x1 500x2

sc
0,3x1

0,4 x1

0,3x1
x1 ,

0,25x2
0,25x2
0,5 x2

125 104
135 104
180 104

x2

2
1

x1 106
1

A =(106 , 3.8 106) est une


solution optimale unique

et Zmin=26 108 UM

www.almohandiss.com

Interprtation

La solution qui minimise les cots est A(106, 3.8 106) cest--dire,

pour rpondre la demande au moindre cot dessence, du gazole et du


fuel, le raffineur doit acheter 106 tonnes du brut no 1 et 38 105
tonnes du brut no 2

70010 500 3,8 10 26 10 UM

Le cot minimal est :

A loptimum, la premire et la deuxime contrainte sont satures et

la troisime contrainte ne lest pas : les demandes en essence et en

6
6
4
gazole sont totalement satisfaites : 0,3 10 0,25 3,8 10
, 125 10 t

0,4 10 0,25 3,8 10 135 10 t

fuel de :

et avec un stock seulement en

40 104 t 180 104 0,3 106 0,5 3,8 106

Exercice 3

www.almohandiss.com

Un raffineur dispose de deux bruts pour fabriquer de

lessence, du gazole et du fuel lourd.


Les rendements de ces deux bruts sont les suivants :
Brut

Essence

0,2

0,4

Gazole

0,4

0,2

Fuel lourd

0,4

0,4

Le traitement dune tonne de brut A procure une recette de 140 UM Le


traitement dune tonne de brut B procure une recette de 150 UM

Du fait des contraintes de stockage, la fabrication de chaque produit est


limite de la manire suivante : Essence : 1 200 t, Gazole : 1 200 t, Fuel
lourd : 1 400 t.
Quelles quantits de ces ptroles bruts devra t-on traiter pour maximiser

la recette ?

www.almohandiss.com

Formalisation de lnonc 3

Comprhension du problme : le problme est de maximiser

la recette de cette raffinerie. Cette recette volue en


fonction des quantits de brut A et B traiter.

Identifications des variables conomiques ou de dcision :

x1 : quantit de brut A traiter

x2 : quantit de brut B traiter

Fixation des objectifs atteindre : maximisation de La

recette

max

z 140 x1 150 x2

www.almohandiss.com

Mise en quations des contraintes conomiques :


les variables x1 et x2 sont limites par 3 contraintes de

type contrainte de stockage :


a.

Contrainte dessence

0,2 x1 0,4 x2 1200


b.

Contrainte de gazole

0,4 x1 0,2 x2 1200


c.

Contrainte de fuel

Restriction des signes :

0,4 x1 0,4 x2 1400

x1 0, x2 0

www.almohandiss.com

Modlisation mathmatique
max z 140x1 150x2
sc
0,2 x1
0,4 x

0,4 x1
x1 ,

0,4 x2
0,2 x2

1200
1200

0,4 x2
x2

1400
0

www.almohandiss.com

Rsolution graphique
x2 103

max z 140x1 150x2


A =(1000,2500) est une
solution optimale unique
et zmax=515000 UM

sc
0,2 x1
0,4 x

0,4 x1
x1 ,

0,4 x2
0,2 x2

1200
1200

0,4 x2
x2

1400
0

A
2,5

x1 103
1

www.almohandiss.com

Interprtation
La solution qui maximise le profit est A(1000,2500), cest--dire, en

traitant 1000t de brut A et 2500t de brut B, le raffineur ralisera

un recette maximale de :

140 1000 150 2500 515 000 UM

A loptimum, la premire et la troisime contrainte sont satures

tandis que la deuxime contrainte ne lest pas : pour raliser la

recette maximale, le raffineur doit vendre tout le stock de lessence


et du fuel lourd :
1200 0,2 1000 0,4 2500et

1400 0,4 1000 0,4 2500

toutefois, il lui restera un stock du gazole de 300 t :

300 1200 0,4 1000 0,2 2500

www.almohandiss.com

Lapport dExcel dans la rsolution des problmes


linaires

Formaliser le problme (exercice 4) :

x1 : quantit de brut A traiter


x2 : quantit de brut B traiter

max

profit 140 x1 150 x2

sc
0.2 x1
0.4 x1
0.4 x1

0.4 x2
0.2 x2
0.4 x2

x1 0, x2 0

1200 essence
1200 gazole
1400 fuel
Non ngativit

www.almohandiss.com

la formule qui permettra au solveur


de calculer la valeur optimale de la
fonction objectif,
A
1

cette colonne donnera la valeur de


chaque contrainte loptimum

Exercice 4

Ligne 3 : noms des


variables de dcision, ici
brut A et brut B

2
3

variables de
dcision

fonction
objectif

Brut A

Brut B

Profit
unitaire

140

150

quantit

profit

=C4*C5

=D4*D5

Ligne 1 : titre de
lexercice ou rfrence

Ligne 4 : coefficients des


variables de dcision dans
la fonction objectif

TOTAL

essence

0.2

0.4

=C8*C5+D8*D5

1200

Ligne 5 : quantits
cherches. Elles seront
remplies par le solveur
aprs rsolution. Elles
sont nulles avant
rsolution

gazole

0.4

0.2

=C9*C5+D9*D5

1200

Ligne 6 : profit dgag

10

fuel

0.4

0.4

=C10*C5+D10*D5

1400

=C6+D6

7
8

limites
contraintes

Il nest pas ncessaire


dintroduire les contraintes
de non-ngativit, on le
fera au moyen dune option
du solveur.

Colonne C et D : les
coefficients des variables
dans les contraintes

Colonne F: Introduisant
la valeur du membre de
droite
pour
chaque
contrainte

www.almohandiss.com

Aprs avoir rentr toutes les donnes de


votre problme sur votre feuille de calcul
Excel, ouvrez le menu Outils et choisissez la
commande Solveur.

Si la commande Solveur ne fait pas parti du menu ou que vous obtenez


ces messages d'erreur :

Allez voir la rubrique Commande Solveur.

S'ouvre alors la
bote de dialogue
du Solveur

www.almohandiss.com

Spcification de la cellule cible : tapez la rfrence ou

le nom de la cellule que vous voulez minimiser, maximiser ou


rapprocher d'une valeur donne.

$E$6

$C$5:$D$5

$E$8<=$F$8
$E$9<=$F$9
$E$10<=$F$10

Exercice 4: Feuille Excel

Spcification
des
cellules variables :

tapez les rfrences ou


les noms des cellules
devant tre modifis par
le Solveur jusqu' ce que
les
contraintes
du
problme
soient
respectes et que la
cellules cible atteigne le
rsultat recherch.

Spcification
contraintes :A

des

l'aide

boutons ajouter,
Modifier et Supprimer
de la bote de dialogue
Paramtres du Solveur,
tablissez votre liste de
contraintes dans la zone
Contraintes.
des

www.almohandiss.com

Les options du Solveur

Rsultat et rsolution
Une fois tous les paramtres
du problme sont mis en
place, le choix du bouton
Rsoudre
amorce
le
processus de rsolution du
problme . Vous obtenez
alors une de ces rponses

Rsolution par Excel et


Analyse de la solution optimale
www.almohandiss.com

Microsoft Excel 10.0 Answer Report


Worksheet: [exercice 4.xls]probleme primal
Report Created: 11/11/2006 11:13:28 PM

Le profit maximal

Target Cell (Max)


Cell
Name
$E$6 profit TOTAL

Original Value
0

Final Value
515000

Adjustable Cells
Cell
Name
$C$5 quantits Brut A
$D$5 quantits Brut B

Original Value
0
0

Final Value
1000
2500

Constraints
Cell
Name
$E$8 essence TOTAL
$E$9 gazole TOTAL
$E$10 fuel TOTAL

La solution optimale

Le stock de gazole
Cell Value
Formula
Status
1200 $E$8<=$F$8
Binding
900 $E$9<=$F$9
Not Binding
1400 $E$10<=$F$10 Binding

Slack
0
300
0