Prcis

de recherche
oprationnelle
Mthodes et exercices dapplication

Robert Faure
tait professeur de la chaire
de recherche oprationnelle au CNAM

Bernard Lemaire
est professeur mrite de la chaire
de recherche oprationnelle au CNAM

Christophe Picouleau
est professeur des universits au CNAM

7e dition
 REMERCIEMENTS
Nous remercions toutes les personnes qui ont contribu la ralisation de cette
dition du Prcis de recherche oprationnelle. En particulier:
Mme Nacera SEGHOUANI-BENNACER Enseignante-chercheuse Suplec,
pour le chapitre portant sur la simulation;
M. Patrick SIARRY, Professeur lUniversit Paris XII, pour le chapitre traitant
des mtaheuristiques;
M Daniel VANDERPOOTEN, Professeur lUniversit Paris-Dauphine pour le
chapitre introductif laide multicritre la dcision.
Mme Agns PLATEAU-ALFANDARI, matre de confrences au CNAM, pour
ses remarques pertinentes.

Illustration de couvertureKentoh-Fotolia.com

Dunod, Paris, 2014

ISBN 978-2-10-070612-9
 Table des Matires
Avant-Propos......................................................................................... vii
Introduction la recherche operationnelle.................................... ix

1Structures ordonnes Applications des treillis

et de lalgbre de Boole en recherche
oprationnelle................................................................................. 1
1.1 Notions sur les structures ordonnes.............................................. 1
1.2Reprsentation ensembliste des algbres de Boole.
Application la logique lmentaire.................................................. 11
1.3 Lalgbre de Boole binaire................................................................ 19
1.4 Applications lmentaires.................................................................. 27

2Notions de complexit................................................................... 42
2.1 Complexit des Algorithmes.............................................................. 42
2.2 Complexit des Problmes. ................................................................ 47

3lments de la thorie des graphes: dfinition, concepts

essentiels ; parcours des graphes.................................................. 59
3.1 lments de la thorie des graphes................................................... 59
3.2 Parcours des graphes......................................................................... 70

4Applications des graphes larecherche

tion
opra
nelle ................................................................................. 99
4.1 Notions de programmation dynamique (PRD)................................... 99
4.2 Applications aux chemins optimaux. .................................................. 104
4.3 Problmes dordonnancement en gestion de projets. ....................... 114
4.4 Problme du flot de valeur maximale. ............................................. 128
4.5 Flot de valeur maximale cot minimal.......................................... 134
4.6 Problmes daffectation.................................................................... 139
4.7 Notions darbre et darborescence................................................... 144
4.8 Applications aux arbres optimaux..................................................... 146
4.9 Les programmes de transport............................................................ 149
4.10 Recherches arborescentes............................................................... 163

iii
Table des Matires

5Processus stochastiques et programmation

dynamique stochastique................................................................ 186

5.1 Introduction aux problmes stochastiques....................................... 186

5.2 Dfinition dun processus stochastique............................................. 188
5.3 Chanes de Markov espace dtats discret.................................... 188
5.4Classification des tats dune chane de Markov
finie laide du graphe des transi tions
............................................. 191
5.5 Processus de Markov espace dtats discret................................. 197
5.6 Probabilits des tats........................................................................ 200
5.7 Ergodicit........................................................................................... 202
5.8 Calcul des probabilits des tats en rgime

permanent thorme
des coupes........................................................ 204

5.9 Processus de Markov particuliers.................................................... 208

5.10 Notion de programmation dynamique

stochas
tique. ................................................................................... 216

6Fiabilit des composants, sret de fonctionnement

des systmes ..................................................................................... 228
6.1 Donnes discrtes. courbes de survie exprimentale........................ 228
6.2 Loi de survie: forme analytique. ...................................................... 233
6.3 Probabilit de consommation. approvisionnements........................... 237
6.4 Calcul des approvisionnements. ........................................................ 239
6.5 Un autre compromis: lentretien prventif...................................... 244
6.6 Fiabilit des systmes non rparables............................................... 250
6.7 Sret de fonctionnement des systmes rparables......................... 254
6.8 Stratgie de remplacement................................................................ 259

7Les phnomnes dattente............................................................. 270

7.1 Gnralits sur les phnomnes dattente. ...................................... 270
7.2 Loi des arrives. Loi des services...................................................... 271
7.3 File une station. Systme ouvert: file M/M/1.............................. 272
7.4 File s stations, systme ouvert: file M/M/S................................. 278
7.5 Application numrique........................................................................ 280
7.6 File s stations, cas du systme ferm:
file M/M/S/N...................................................................................... 286

iv
 Table des Matires

7.7 Probabilit de dpasser une certaine attente:

cas de la file M/M/1.......................................................................... 289

8La programmation linaire........................................................... 297

8.1 Exemple de programme linaire (pl) Aspect gomtrique................ 298
8.2 Algorithme du simplexe: mthode algbrique,
mthode des tableaux. ....................................................................... 307

8.3 Dgnrescences possibles................................................................. 321

8.4 Aspect matriciel................................................................................. 324
8.5 Dmarrage de lalgorithme du simplexe: problme

de la base initiale.............................................................................. 330
8.6 Notions sur la mthode rvise du simplexe..................................... 340
8.7 Dualit. .............................................................................................. 342
8.8 Programme linaire en nombres entiers; Mthode
des troncatures de gomory............................................................... 352

9Introduction la thorie des jeux............................................. 367

9.1 Un jeu denfant. ................................................................................. 367
9.2 Jeux deux personnes et somme nulle. .......................................... 368
9.3 Notion de stratgies mixtes; calcul des frequences optimales....... 372
9.4 Autre mthode de calcul : les pl des joueurs sont
. .......................................................................................... 376
en dualit

9.5 Exemple dapplication conomique; dominance dune

gie
strat , rduction dun jeu. ........................................................... 379
9.6 Mthodologie dtude des jeux deux joueurs
et somme nulle................................................................................... 382

10Simulation....................................................................................... 384
10.1 Introduction..................................................................................... 384
Dunod Toute reproduction non autorise est un dlit.

10.2 Dfinitions........................................................................................ 386

10.3 Les entres dun modle de simulation. .................................... 387
10.4 Un exemple de simulation. ............................................................... 392
10.5 Les rsultats (sorties) dune simulation et

analyse
statistique . ......................................................................... 393

v
Table des Matires

10.6 Langages de simulation................................................................... 398

10.7 Conclusion. ...................................................................................... 399

11Mtaheuristiques enoptimisation combinatoire....................... 400

11.1 Introduction.................................................................................... 400
11.2 La tche impartie aux mtaheuristiques........................................ 401
11.3 La mthode du recuit simul........................................................... 404
11.4 La recherche tabou. ....................................................................... 408
11.5 Les algorithmes gntiques............................................................ 412
11.6 Les algorithmes de colonies de fourmis......................................... 415
11.7 Les mthodes hybrides. ................................................................... 417

12Introduction laide multicritre la dcision.................................. 419

12.1 Introduction..................................................................................... 419
12.2 Cadre gnral.................................................................................. 421
12.3 La somme pondre........................................................................... 427
12.4 Mthodes de surclassement (Electre)............................................ 429
12.5 Optimisation multiobjectif............................................................... 435
12.6 Conclusion........................................................................................ 440

Solutions des exercices....................................................................................... 442

Solutions des exercices du chapitre 1.............................................................. 442
Solutions des exercices du chapitre 2.............................................................. 450
Solutions des exercices du chapitre 3.............................................................. 452
Solutions des exercices du chapitre 4.............................................................. 457
Solutions des exercices du chapitre 5.............................................................. 482
Solutions des exercices du chapitre 6.............................................................. 497
Solutions des exercices du chapitre 7.............................................................. 514
Solutions des exercices du chapitre 8.............................................................. 526
Solutions des exercices du chapitre 9.............................................................. 559

Bibliographie gnrale........................................................................... 568

Index ...................................................................................................... 569

vi
 Avant-Propos

Le Prcis de recherche oprationnelle a t publi pour la premire fois en 1968,

puis a fait lobjet de cinq autres ditions, puis dune sixime dition en 2009 refon
due et complte. En voici une 7e dition rvise.
Cet ouvrage se distingue principalement par son caractre pdagogique trs mar
qu, par son souci de replacer lexpos des principales mthodes de la recherche
oprationnelle dans un contexte appliqu. Il a connu, depuis sa premire version, une
trs large diffusion qui en a fait un vecteur privilgi dinitiation et de formation la
recherche oprationnelle pour des gnrations dtudiants, dingnieurs, de cadres.
Aussi nous a-t-il sembl important de lactualiser pour lui permettre de continuer
dassurer cette mission.
Ce livre peut tre abord par un large public: il privilgie un langage dexplica
tion naturelle, en vitant, sous prtexte de rigueur acadmique, un expos par trop
abstrait sappuyant sur un formalisme mathmatique ou un jargon qui ne le rendrait
que beaucoup plus difficilement accessible.
Il comporte plusieurs niveaux de lecture, les paragraphes les plus pointus
ayant t placs en fin de chapitre. Ainsi convient-il tout fait une dcouverte de
la R.O., comme on la pratique en deuxime ou troisime anne de lenseignement
suprieur. Il est accessible des lecteurs dont la formation de base est varie, pas
ncessairement spcialiss en mathmatiques et/ou en informatique.
Certes la diffusion, dsormais large, de logiciels intgrant les mthodes ici dcri
tes, facilite et acclre lapplication de la R.O. par lingnieur dans lentreprise, mais
encore faut-il pour mieux les utiliser connatre les mthodes qui les sous-tendent: nous
exposons ici les principales. Il convient aussi dapprendre formuler, modliser les
problmes concrets que peut rencontrer lingnieur.
Le souci des auteurs, pour la prsente dition, a t de moderniser et de compl
ter le contenu de ce manuel, tout en conservant le caractre pdagogique. Depuis les
premires ditions, lalgorithmique a connu et continue de connatre de nombreux
progrs. Ainsi dans le domaine de la complexit des algorithmes et des problmes
(quils soient polynomiaux ou bien NP-complets ), avec lapproximabilit des
problmes difficiles, avec la dmonstration du caractre polynomial de la program
mation linaire (mme si les algorithmes polynomiaux de rsolution des programmes
linaires, les mthodes intrieures, sortent du cadre de cet ouvrage); les avances
dans les structures de donnes et les algorithmes de parcours des graphes ont
p ermis de construire des algorithmes de faible complexit rsolvant des problmes
classiques tant de thorie des graphes non valus (connexit, forte connexit, etc.)
que doptimisation dans les graphes valus. Dans le domaine stochastique (ala
toire), on a assist notamment au dveloppement de la sret de fonctionnement des
systmes et de lvaluation de leurs performances.
Nous avons eu le souci de prsenter des mthodes spcifiques qui sont prouves,
oprationnelles. En fin douvrage le lecteur trouvera trois chapitres traitant de m
thodes gnrales de rsolution de problmes: dune part un chapitre sur les techniques
de simulation, dautre part un chapitre sur les mta-heuristiques (recuit simul, tabou,
algorithmes gntiques, colonies de fourmis, etc.) qui permettent lingnieur
dobtenir rapidement une premire solution (gnralement sous-optimale) au pro
blme de R.O. quil doit traiter (souvent en un temps bien limit!), enfin un chapitre
consacr laide la prise de dcision face plusieurs critres (analyse multicri
tre).
Nous nous sommes gards du souci dexhaustivit qui aurait conduit un ouvrage
plthorique, pour nous limiter aux bases de la discipline et ses problmes centraux.
Aussi des domaines, tels que: les SIAD (systmes interactifs daide la dcision),
les rseaux de Petri, les bases de la programmation non linaire, la programmation
convexe, les mthodes polydrales, ne sont pas abords ici; toutefois leurs prrequis
y sont dvelopps. Dans le domaine des graphes nous ne traitons pas directement
certains problmes avancs (emplois du temps, tournes de vhicules, affectations
de ressources et de frquences en tlcommunications, etc.), mme si les modles et
algorithmes prsents ici peuvent contribuer leur rsolution.
Nous serons tout fait satisfaits si ce livre est jug, par ses lecteurs, comme
appropri son but, qui est de transmettre des connaissances et de fournir une ouver
ture desprit sur la modlisation et loptimisation appliques. Nous esprons aussi
quil les incitera un approfondissement!

Pr B. LEMAIRE Pr C. PICOULEAU
bernard.lemaire@cnam.fr christophe.picouleau@cnam.fr

viii
 Introduction
la recherche
oprationnelle

premire vue, la recherche oprationnelle est un ensemble de techniques rcentes,

datant tout au plus de la Seconde Guerre mondiale. Et, en fait, cest bien son appli
cation aux oprations militaires quelle doit son nom.
En ralit, elle est bien plus ancienne, car, ds le xviie sicle, Blaise Pascal et
Pierre de Fermat, inventeurs de la notion desprance mathmatique (1654), cher
chaient, suivis de peu par Jacques Bernoulli puis Waldegrave, rsoudre des pro
blmes de dcision dans lincertain. Avant la fin de lancien rgime, Gaspard Monge
stait propos et avait rsolu analytiquement un problme conomique de nature
combinatoire : celui des dblais et remblais (1776). Sous la monarchie de Juillet,
Augustin Cournot stait attaqu la thorie mathmatique des richesses (1838),
devenant ainsi le prcurseur de lconomtrie. Au dbut du xxe sicle, Emile Borel
introduisait la thorie mathmatique des jeux, sous sa forme moderne, lAcadmie
des Sciences (1921-1925), tandis quErlang fondait celle des files dattente, quil uti
lisait la conception des rseaux tlphoniques (1917). Enfin, la veille de la guerre
1939-1945, Leonid Kantorovitch concevait et appliquait la programmation linaire
la planification, peu aprs que Dnes Knig eut systmatis les graphes (1936).
On peut donc dire que, lorsque le physicien anglais Patrick Blackett fut, en 1940,
appel diriger la premire quipe de chercheurs oprationnels, dillustres devan
ciers lavaient prcd. Cependant, Blackett eut limmense mrite de trouver, notam
ment, lorganisation lui permettant de traiter rapidement et avec succs les difficiles
questions telles que limplantation optimale des radars de surveillance des ctes bri
tanniques ou encore de la protection des convois de navires marchands reliant la
Grande Bretagne et les tats-Unis, qui devaient jouer un rle dterminant dans la
bataille dAngleterre. Lefficacit de son entreprise tait due aux trois faits suivants:
lquipe quil avait rassemble tait trs htrogne (autrement dit elle rassemblait
des comptences varies, complmentaires; ainsi, les points de vue quelle exprimait
taient plus pertinents); aucune information (mme secrte) ne fut juge trop noble
Introduction la recherche oprationnelle

pour chapper sa comptence: les donnes, ncessaires ses tudes, taient com
pltes et fiables; enfin il rservait la dcision ltat-major (il ny eut pas de substi
tution de pouvoir: son quipe ne sest pas arrog le pouvoir de dcision. Lamiraut
britannique restait libre dadopter les conclusions des travaux de Blackett et de son
quipe, ou bien de les rejeter). Ces rgles sappliquent encore aujourdhui, et font
partie de la dontologie de la recherche oprationnelle dentreprise.
Ds la fin des hostilits, furent tents de nombreux essais dapplication lcono
mie industrielle des mthodes jusqualors prouves seulement par les tats-majors
allis. Depuis les annes cinquante, nombre de publications scientifiques et tech
niques tmoignent de leur russite et de leurs heureux dveloppements.
Cest pourquoi lon peut lgitimement se demander pourquoi lapparition de la
recherche oprationnelle dentreprise a t si tardive. Il est bon de citer ici quelques-
unes des principales raisons de cette naissance laborieuse:
a) les modles mathmatiques qui ont, de longue date, conquis la physique et, peu
peu, bien dautres sciences exprimentales, nont pas t accepts demble par
les spcialistes des sciences conomiques, particulirement de la micro-conomie et
surtout de lconomie dentreprise. Il ne faut pas mconnatre que les conomistes
avaient quelques raisons de suspecter des modles inertes, simplistes, rigides et abs
traits, dtre peu propres reprsenter le milieu vivant, complexe, flexible et terri
blement concret de lconomie. Toutefois, ds que la connaissance conomique fut
suffisamment avance et consentit se parer du nom de science, il fallut bien se ren
dre lvidence: comme dans toutes les autres sciences exprimentales, parvenues
une certaine maturit, le recours la mathmatique tait incontournable;
b) cest seulement partir des annes cinquante que les problmes conomiques sont
devenus irrmdiablement complexes, en raison de la taille croissante des firmes et
de lintrication extraordinaire des liens qui les unissent entre elles;
c) enfin, les acquis thoriques de la recherche oprationnelle ne seraient rien sans la puis
sance de calcul: les ordinateurs sont indispensables pour rsoudre les problmes dans la
pratique. Or, les premiers ordinateurs nont t commercialiss quen 1955-1956.
ce propos, il peut tre utile de remarquer quil en va de la recherche opration
nelle comme des ordinateurs. Ces derniers ont suscit des espoirs dmesurs ou des
craintes infondes. Il faut rpter que la machine doit tre considre comme un ins
trument, un outil au service de son crateur: lhomme. Il faut se persuader que lors
que lon confie une machine lexcution doprations qui, nagure encore taient
lapanage de lesprit humain, le caractre de cette besogne se transforme, du mme
coup, radicalement: le travail intellectuel devient un simple travail dexcution. Il
ny a donc aucune chance quune machine dpasse un jour son auteur, bien quil
ny ait pas dimpossibilit ce quelle dmontre une conjecture, voire dcouvre un
thorme inconnu (par une combinaison logique inattendue...). De la mme manire,
la recherche oprationnelle est lauxiliaire de la dcision humaine: elle lui est, par
essence, subordonne et il nexiste pas plus de chance quelle la supplante un jour.
Cest pourquoi on considre souvent que la recherche oprationnelle est une compo
sante majeure de laide la dcision.

x
 Les domaines dapplication

une dfinition de la r.o.

Plutt quun simple arsenal de mthodes mathmatico-informatiques destin
loptimisation des processus de production et de diffusion des produits ou celle
dorganisations dans le secteur tertiaire, la recherche oprationnelle peut se dfinir
comme lensemble des mthodes et techniques rationnelles danalyse et de synthse
des phnomnes dorganisation utilisables pour laborer de meilleures dcisions.
Chaque fois que des hommes, des machines, des produits se trouvent en relations
actives, on dira que lon a affaire un phnomne dorganisation. Les problmes
relatifs ces phnomnes dorganisation se signalent tout dabord, gnralement,
par leur caractre hautement combinatoire. Pour peu que le hasard y soit ml et que
la concurrence sy manifeste, les situations deviennent encore plus compliques.
Il a t longtemps de mode de penser que les dcisions, propos des phnomnes
dorganisation qui existent dans lentreprise, la rgion, voire la nation, taient du res
sort du seul bon sens. Cest particulirement vrai en France, o la formation des diri
geants et des entrepreneurs est fortement teinte de cartsianisme et o lon confond
volontiers la puissance de lesprit humain avec les ressources du sens commun.
Aussi, la recherche oprationnelle nest pas le moyen dchapper aux jugements
de bon sens. Bien au contraire, elle constitue la mthode adquate pour ramener
lattention de lhomme aux domaines o sa raison individuelle peut sexercer effi
cacement, cest--dire au niveau des choix une fois rsolus et explors, par des
techniques adquates, les problmes combinatoires, alatoires ou concurrentiels qui
dpassent lesprit humain mme le mieux constitu.

Les domaines dapplication

Lide retenir est que la R.O. ne soccupe pas des problmes dans lesquels une
solution de bon sens intervient tout naturellement. Son domaine rserv est celui des
situations dans lesquelles, pour une raison quelconque, le sens commun se rvle
faible ou impuissant.
Tels sont:
1) Les problmes combinatoires;
Dunod Toute reproduction non autorise est un dlit.

2) Les domaines de lalatoire;

3) Les situations de concurrence.
1) Il est bien connu que lhomme envisage difficilement la multiplicit des combi
naisons qui se prsentent, dans les moindres faits de la vie, lorsque plusieurs varia
bles peuvent prendre, chacune, des tats diffrents.
Ainsi, si lon pose lhomme de la rue cette question: combien faut-il de temps
une famille de huit personnes, prenant en commun deux repas journaliers, pour pui
ser les diverses possibilits de se grouper autour de la table familiale ?, on recevra
des rponses varies, dont les moins optimistes fixeront un dlai de quelques mois
pour la ralisation de ce modeste objectif. On sait quen ralit, raison de deux

xi
Introduction la recherche oprationnelle

repas par jour (2), douze mois par an 1 3 3 4 2 , trente jours par mois 1 5 3 6 2 , il fau
dra cinquante-six ans 1 7 3 8 2 pour en venir bout, car:
8 ! 5 1 3 2 3 3 3 4 3 5 3 6 3 7 3 8,
le nombre des dispositions diffrentes, est dj un nombre trs grand. Soit :
8! = 40320
Dans tous les problmes fortement combinatoires (le prcdent tant encore de
taille modeste), lesprit humain ne peut envisager le nombre astronomique des arran
gements, permutations, combinaisons. Il lui faut un fil dAriane sil veut choisir, entre
telle ou telle de ces dispositions, relativement un critre quelconque, car, mme avec
une puissante machine, le principe fondamental en matire combinatoire demeure de
proscrire toute numration. Pour sen convaincre, il suffit de constater que lnum
ration de 20! solutions (nombre des affectations de vingt personnes vingt postes),
raison dun million daffectations par seconde, prendrait 77096 ans; le lecteur notera
que mme avec un ordinateur mille fois plus rapide, qui pourrait donc numrer un
milliard daffectation par seconde, il faudrait encore 77 ans! Or les compagnies arien
nes sont confrontes de tels problmes, mais la dimension 100 ou davantage... Ou
bien dimaginer un instant quil est possible dnumrer les fonctions diffrentes de 9
variables boolennes seulement; or celles-ci sont au nombre de:
22 5 2512 # 1,134076087.10155,
9

qui dpasse le nombre estim des lectrons et des protons dans lUnivers!
2) Devant les problmes de lalatoire, la situation du dcideur nest gure meilleure.
Considrons lexemple (dcole) qui suit: dans une grande entreprise, la moyen
ne des entres des personnels au bureau du correspondant de la scurit sociale, est
dune personne par 4 minutes; lemploy de ce bureau peut servir, en moyenne,
une personne toutes les 3 minutes 18 secondes. On peut en conclure1 que lem
8 3 60
ploy de bureau, recevant 5 120 clients par jour et leur consacrant 3mn
4
18 3 120 5 6 h 36mn, sur sa journe de 8 heures, peut largement suffire ce service.
Mais cette solution par les moyennes est mauvaise, comme on le verra plus loin,
car le temps perdu par les personnels, en attente dtre servis, peut atteindre de nom
breuses heures qui, tant donne la perte la production correspondante, reviennent
incroyablement plus cher que lembauche dun second employ, pourtant destin
seulement absorber les pointes de trafic.
Pour que cette vritable solution puisse apparatre, il est ncessaire de consid
rer le phnomne alatoire dans toute son ampleur; il faut tenir compte de toutes
les incidences du hasard et minimiser lesprance mathmatique du cot global des
oprations.

1. Tant il est vrai que la croyance la compensation est ancre dans la conscience de lhomme
social, alors que les conditions ne sont videmment pas runies pour quelle puisse jouer au niveau
de lentreprise.

xii
 Difficults et dangers de loptimisation

3) Enfin, les situations de duel (sinon de concurrence multiple, cas encore plus
difficiles) demandent tre tudies avec le plus grand soin. Il est bien clair, en effet,
que le choix dune stratgie, dans une situation donne, dpend des dcisions des
concurrents. Et, comme celles-ci sont ventuelles, il sagit, la fois, dun problme
combinatoire et dune situation de hasard.
Imaginons, par exemple, quun fabricant A hsite, chaque campagne de vente, entre
la hausse, le maintien et la diminution de ses prix de vente, sachant parfaitement que la
concurrence peut lui opposer les mmes stratgies. Supposons, en outre, quil ait t en
mesure de dterminer les gains (les gains tant ngatifs sont des pertes) quil raliserait
pour chaque paire de choix (son propre choix et celui du concurrent) par rapport au chif
fre normal. Ces situations sont rsumes par le tableau ci-dessous:

Stratgies de la concurrence
1 5 2
Stratgies 1 10 21 24
de 5 6 0 22
A 2 10 21 2

On verra, dans le chapitre 9 portant sur la thorie des jeux, que la solution (nul
lement immdiate) de ce problme est la suivante: le fabricant doit, au hasard, mais
trois fois sur cinq, maintenir ses prix et, deux fois sur cinq, les abaisser, pendant que
son concurrent, sil est habile (ce qui est videmment postul) doit, quatre fois sur
cinq, les maintenir et, une fois sur cinq, les diminuer, moyennant quoi A ne perdra,
en moyenne, que 0,4 chaque coup.
Les domaines dapplication de la recherche oprationnelle peuvent donc se classer en:
problmes combinatoires; exemples : dfinition des investissements les plus
rentables; optimisation des programmes de production, des niveaux dactivit,
des affectations, des transports et de la logistique; ordonnancements, etc.;
problmes stochastiques (cest--dire o intervient le hasard); exemples: files
dattente, fiabilit des quipements et sret de fonctionnement des systmes,
gestion de la production, etc.;
problmes concurrentiels; exemples: dfinition de politiques dapprovisionne
Dunod Toute reproduction non autorise est un dlit.

ment, de vente, etc.

Difficults et dangers de loptimisation

a) Un entrepreneur pourrait avoir le sentiment quen minimisant ses investissements,
optimisant ses fabrications (productivit maximale, cot minimal), dterminant le
prix de vente le plus convenable, etc., il fera le profit maximal.
Mais le mathmaticien est souvent dsempar face un problme dans lequel
existent simultanment plusieurs fonctions optimiser. Laide multicritre la

xiii
Introduction la recherche oprationnelle

d cision vise traiter de tels problmes ( laquelle est consacr un chapitre en fin de
cet ouvrage).
Cest pourquoi, dans la majorit des cas, lentrepreneur doit se borner indiquer
les limites de ses investissements, des dpenses en tudes et recherches, en service
commercial, les capacits de fabrication et de stockage, etc., pour permettre au cher
cheur oprationnel doptimiser une seule et unique fonction, par exemple maximiser
une fonction de revenu.
Les limites indiques fournissent les contraintes du problme. Par exemple, si
des produits P1, P2 et P3, fabriqus en quantits respectives x1, x2 et x3, occupent res
pectivement un volume de 1, 2, et 2 m3 par unit fabrique, et si lon dispose dune
capacit totale de stockage de 4 000 m3, on crira:
x1 1 2x2 1 2x3 < 4 000;
cest la contrainte de capacit de stockage.
Si ces produits laissent des profits nets respectifs de 4, 12 et 3 units montaires
et si lon dsire maximiser le revenu, on posera:
[max] z 5 4x1 1 12x2 1 3x3;
Cest la fonction conomique ou critre doptimisation du problme.
Les diffrentes contraintes limitent, dans un espace n dimensions (sil y a n
variables), un volume lintrieur ou la priphrie duquel se trouvent les points
dont les coordonnes constituent une solution possible du problme. Il reste alors
trouver et utiliser des techniques permettant de choisir, parmi cette infinit
de points, celui (ou ceux) qui donne(nt) la fonction conomique sa valeur opti
male.
Frquemment il y aura unicit de la fonction (ou critre) optimiser. Remarquons
que cette ide nest pas en opposition avec la dmarche de lanalyse multicritre
introduite en fin de cet ouvrage.
b) On se rend compte quil est bien difficile dimaginer et, a fortiori, en gnral
impossible de btir un modle complet du fonctionnement dune entreprise.
En consquence, lentrepreneur propose, souvent, au chercheur oprationnel, de
se borner un aspect de ses proccupations (fixation des niveaux dactivit, optimi
sation de la gestion des stocks, par exemple). Dans ces conditions, il ne sagit que
dune sous-optimisation, qui risque de provoquer des perturbations srieuses dans
des domaines connexes de lentreprise (ou de son environnement).
Une sous-optimisation comporte donc des dangers; avant de lappliquer, il faut
prendre garde ses consquences sur les lments qui ne figurent pas dans le modle.
Ainsi une optimisation des stocks chez B, qui a comme fournisseur A, et C comme
client, peut entraner des difficults inattendues chez ce fournisseur et ce client !
c) Un critre doptimisation peut se dgrader, voire mme tre prim lorsque un
certain temps a pass. Cela est d, avant tout, la grande variabilit du monde co
nomique, aux progrs de la technique, lobsolescence des produits, aux fluctuations

xiv
 La R.O.: une pratique caractre scientifique

des rglementations, aux renversements de la mode, etc. et parfois, tout simplement,

la succession des saisons.
Ce qui est bon pour lanne n peut devenir mauvais pour lanne n 1 1; ce qui
est conseiller en t peut tre rejeter en hiver...
Bref, en recherche oprationnelle, lvolution est de rgle, mme pour le critre
de choix.

Objectifs et critres
La dfinition des objectifs et la dtermination du critre doptimisation sont du res
sort de lentrepreneur.
Ce serait avoir une vue technocratique de la recherche oprationnelle que dima
giner que cest lanalyste de fixer les valeurs limites dfinissant les contraintes et
de fixer le(s) critre(s) de choix.
Au contraire, ce sont l des domaines qui appartiennent en propre lentrepre
neur. Si, par exemple, lanalyste se voit confier ltude des politiques dexploitation
dune socit concessionnaire de services, il ne peut dcider, de lui-mme, dopti
miser la rmunration du capital, en limitant le service aux exigences du cahier
des charges, ou, au contraire, doptimiser le service au meilleur profit des usagers,
en assignant au capital tel ou tel rendement qui lui plat. Cest aux dirigeants de
la socit, ou, dans certains cas, aux autorits de tutelle, de choisir entre ces deux
situations opposes. Le mieux tant sans doute, dans le cas prsent comme dans
beaucoup dautres, dobtenir un ventail de solutions favorisant ainsi un choix
clair.
Car le chercheur oprationnel ne saurait non plus se substituer lentrepreneur,
dont cest la fonction de dcider quelle solution lui parat la plus convenable ou la
plus praticable.
Il faut affirmer bien haut que la R.O., loin dentraver lexercice des prrogatives
de lentrepreneur, autorise ce dernier dcider en meilleure connaissance de cause,
donc lve finalement le niveau o se manifeste la libert du choix.
Dunod Toute reproduction non autorise est un dlit.

La R.O.: une pratique caractre scientifique

Les mthodes et le but de la recherche oprationnelle en font bien plus une pratique
caractre scientifique quune science. En effet, elle ne cherche pas tant expliquer
les phnomnes quelle prendrait en compte en dcouvrant des lois, qu permettre
dagir sur lvolution de ces phnomnes.
Un modle (ou, plus modestement, un schma dintervention) est utile voire indis
pensable un agent conomique dtermin pour obtenir de son point de vue les
meilleurs rsultats possibles dans des circonstances dtermines.

xv
Introduction la recherche oprationnelle

En tout cas, la recherche oprationnelle apparat comme une discipline-carrefour,

associant troitement les mthodes et les rsultas de lconomie dentreprise, la mathma
tique et linformatique. Llaboration du schma dintervention (ou modle) utilise les
ressources conjugues de lanalyse conomique et de la thorie des systmes; elle a
besoin aussi de donnes collecter puis saisir, justiciables de mthodes statistiques. Le
traitement algorithmique du modle, aprs que la mathmatique ait permis de choisir une
voie (le plus souvent un algorithme) pour atteindre une bonne solution (voire loptimum,
sil est bien dfini et accessible), entrane un recours linformatique. Enfin la critique
des rsultats exige, une fois de plus, la runion des diffrents acteurs.

Rentabilit de la R.O.
On se doute bien que la R.O. nest pas gratuite. Le plus frquemment, elle est mise
en uvre par des consultants nappartenant pas lentreprise; il sagit donc de savoir
si, au plan financier, lapplication des rsultats de leurs tudes procure ou non un
bnfice, compte tenu des charges entranes par ltude elle-mme et quelle est la
dure du retour sur inves
tissement.
Mme dans la socit la mieux administre, un certain nombre de problmes
combinatoires peuvent tre mal rsolus.
Nous nous permettrons de citer, ce sujet, deux exemples emprunts A. Kaufmann:

xvi
 Rentabilit de la R.O.

1) une socit de transports ariens, ayant 400 vols et 600 liaisons effectuer entre
13 villes souhaitait amliorer le plan de ses vols, conu jusqualors par un bureau
dtudes travaillant selon une mthode habituelle. premire vue dailleurs, le
programme des vols tabli par cette mthode semblait donner satisfaction, mais la
direction dsirait en obtenir confirmation. cause de nombreuses contraintes de
caractre conomique ou social (temps maximal de pilotage, temps supplmentaire
pass au sol, repos obligatoire, retour priodique des quipages et des appareils au
port dattache, entretien prventif, indemnits de dplacement, etc), le calcul appa
raissait comme compliqu. Nanmoins, lordinateur, aprs implmentation dun
programme daffectation appropri, fournit, en un temps minime, un solution qui
procurait un gain de 18 % par rapport au plan obtenu manuellement...
2) Une usine sidrurgique possdait trois chanes de laminoirs, dont la premire tait trs
moderne et la dernire trs vtuste. Chaque mois, un bureau de planification rpartissait
entre les trois chanes les productions raliser, selon le carnet de commandes et les pr
visions du service commercial. Un simple programme linaire, dont la solution sur ordi
nateur peut tre obtenue en bien moins dune seconde, tablit une rpartition qui faisait
gagner 6 % du cot total de fabrication, par rapport au plan, particulirement soign, cal
cul par le bureau comptent. Et, bien entendu, tout plan et toute modification pouvaient
tre dsormais obtenus dans les minutes qui suivaient, quasiment en temps rel...
Cependant, il est bien clair, nanmoins, quon ne doit pas toujours sattendre
des gains de cet ordre, chaque intervention. Nanmoins le retour sur inves
tissements se chiffre en mois bien plus souvent quen annes. Et plusieurs sous-
optimisations non contradictoires peuvent conduire des bnfices cumuls dignes
dtre pris en considration.
Dautre part, la recherche oprationnelle apparat, de jour en jour davantage,
dans un rle moins ponctuel daide la dcision, qui lui convient bien mieux. Pour
le jouer convenablement, il lui faut revenir une composition plus htrogne des
quipes danalystes (qui ne sauraient notamment se passer ni des comptences dco
nomistes, ni dorganisateurs au sens de spcialistes de la vie des entreprises ) et
une prolongation des interventions au-del de la remise du rapport dtude (main
tenance, cycle de vie).
En effet, le temps est rvolu du rapport alambiqu, hriss de formules et de jar
gon, dont les conclusions ne seront jamais mises en application. Les analystes, aprs
Dunod Toute reproduction non autorise est un dlit.

le dpt de leur rapport, qui sera rdig le plus simplement possible dans le langage
le plus courant, devront encore convaincre les responsables de la possibilit dagir en
tenant compte de leurs recommandations et les aider les mettre en uvre.
Le conseiller en recherche oprationnelle apporte un il neuf et des mthodes
raffines danalyse et de synthse. Sa fonction nest pas dmettre des oracles, mais
daider ceux qui le consultent comprendre les implications des diffrentes dci
sions quils pourraient prendre, de les aider choisir, puis finalement de les assister
dans la mise en pratique de la dcision retenue. Sans cette volont daccompagner
laction, il risquerait, le plus souvent, dabandonner le dcideur ses prjugs ou ses
impulsions irrationnelles ou pire de se substituer au dcideur.

xvii
Introduction la recherche oprationnelle

R.O. et gestion
Nagure encore, le souci dune bonne gestion se traduisait par un soin spcial appor
t la comptabilit. Initialement, la comptabilit est lhistoire du pass de lactivit
et elle comporte plusieurs buts, dont lun est de permettre de connatre la situation
financire de lentreprise (les lments passifs et actifs) et lautre de fournir au fisc
les bases dimposition.
Puis la comptabilit est aussi devenue un instrument de prvision. Ltude des
ratios permet de surveiller le dveloppement de lentreprise et facilite llaboration
de certaines dcisions : le contrle budgtaire autorise une certaine planification
interne et un contrle permanent de lutilisation et de la croissance des ressources.
La comptabilit doit concourir une gestion de plus en plus scientifique. Une des
conditions de ce dveloppement est lintgration des donnes, qui vise saisir le fait
lmentaire, une fois pour toutes, dans sa puret, cest--dire au plus prs de sa
source. Il faut remarquer que cette exigence ne contrarie en rien la ralisation dun
systme dinformation adapt une structure plus ou moins dcentralise de lentre
prise et saccommode, sans difficult, de tout systme informatique correspondant
au type dorganisation retenu.
Par exemple, ltude de la distribution statistique des ventes ncessitait hier une
ventilation particulire des commandes des clients; aujourdhui, les codes-barre
une ou deux dimensions (QR-codes) ou les puces lectroniques, sur lesquels ont t
enregistres les donnes, en vue dtablir les bons de livraison, bordereaux, factures,
etc., peuvent servir, sans autre apprt, un rapide dpouillement.

But et plan de louvrage

Le prsent ouvrage reproduit en grande partie des confrences, puis des cours, professs
depuis plus de cinquante ans, principalement au CNAM, o ils ont bnfici du meilleur
accueil. Sans doute faut-il rechercher la raison de ce bon accueil dans le fait que les
lves du Conservatoire National des Arts et Mtiers tant dj pour la plupart des pra
ticiens, ont, plus que dautres lves-ingnieurs souvent plus jeunes, le sens des ralits
conomiques, la connaissance de lentreprise, et la notion des difficults vaincre dans
ces domaines.
Dans lentreprise ou ladministration classiques, dans les groupements cono
miques horizontaux ou verticaux, privs ou publics, les mthodes de gestion scien
tifique et, en particulier, la recherche oprationnelle ont gagn bien du terrain. Et
encore davantage en priode de crise...
Ces mthodes sont dsormais indispensables : la socit tout entire tant
confronte lautomatisation et linformatisation. Car ces mots, dans le domaine
industriel, nvoquent plus seulement la cration, pour les productions de masse, de
chanes o les manipulations des lments en cours de fabrication sont effectues
mcaniquement. Il sagit, bien davantage, de lassociation des ordinateurs la pro
duction et au contrle:

xviii
 But et plan de louvrage

a) commande et contrle numrique des machines-outils ou des robots en vue de

lusinage des pices complexes, de grandes dimensions, tolrances serres;
b) conduite et rgulation des processus dans les industries de transformation phy
sique, chimique ou physico-chimique;
c) commande et contrle en temps rel dun ensemble de processus industriels et
administratifs.
Il en va de mme dans le secteur tertiaire (notamment en transport et logistique).
Les solutions implmentes informatiquement doivent tre capables tout
moment:
1) dlaborer des instructions ayant pour but de corriger une action en cours ou de
la modifier;
2) de rendre compte sur-le-champ de leur activit aux intresss immdiats;
3) dinformer succinctement, au fur et mesure, les dirigeants.
Il est donc naturel que les ingnieurs des diverses spcialits, au CNAM comme
ailleurs, et au premier rang, ceux qui soccuperont justement du traitement des donnes
et de loptimisation, soient intresss par les mthodes et les techniques de la recherche
oprationnelle.
Cet ouvrage didactique, pdagogique est destin leur venir en aide.
Lexpos a t divis en quatre grandes parties.
La R.O., fil dAriane dans les problmes combinatoires discrets
Aprs avoir donn quelques lments dalgbre de Boole binaire, de thorie des
graphes, des parcours des graphes et programmation dynamique en univers certain,
on examine leurs principales applications en recherche oprationnelle.
Pour lalgbre de Boole: codage et numration implicite. Recherches arborescentes.
Pour les graphes:
problmes de chemins de valeur optimale;
problmes dordonnancement;
problmes de flot maximal;
problmes daffectation;
Dunod Toute reproduction non autorise est un dlit.

problmes de transport;
problme du voyageur de commerce.
La thorie des graphes constitue dailleurs le lien implicite entre les deux pre
mires parties du livre.
La R.O. contre le hasard (stochastique)
Dans cette partie, on tudie tout dabord, notamment au moyen des graphes, les bases
de la thorie des processus stochastiques (essentiellement les chanes et les processus de
Markov) et lon donne un aperu de la programmation dynamique en univers alatoire.

xix
Introduction la recherche oprationnelle

Puis on en envisage les importantes applications:

fiabilit des quipements et sret de fonctionnement des systmes;
phnomnes dattente.
Enfin, un chapitre particulier, en fin douvrage, est consacr aux mthodes de
simulation.
La R.O. dans les problmes combinatoires continus
Cette partie est entirement dvolue la programmation mathmatique. En fait, vu le niveau
auquel on se place ici, on se bornera la programmation linaire, selon le plan suivant:
prsentation des programmes linaires; leur aspect gomtrique ;
algorithme du simplexe;
notion de dualit;
paramtrisation: paramtrages de la fonction conomique et du second membre.
En dpit du titre de cette troisime partie, on apportera quelques indications sur
les troncatures ralisables en programmation discrte, avec les programmes li
naires en nombres entiers.
La R.O. et les situations concurrentielles
On se borne, dans cette partie, prsenter la thorie des jeux et ses liens avec la pro
grammation linaire (dualit).

La R.O. dans sa pratique

Ce prcis nest quun ouvrage didactique, aussi nabordons-nous que brivement les
conditions dans lesquelles la R.O. intervient dans la pratique.
Htons-nous de prciser dabord, que, dans la vie, on ne rencontre que rarement
des situations assez simples pour tre justiciables directement dun des algorithmes
lmentaires. Bien souvent, un problme concret ncessite la mise en uvre dun
ensemble de mthodes, les unes sinspirant des procds classiques, les autres rsul
tant de recherches originales. Parfois, pris par le temps, lanalyste se contente dadap
ter une mta-heuristique (auxquelles nous avons rserv un chapitre en fin douvrage)
son problme et nobtient quune solution approche. Pour certaines heuristiques
(algorithmes approchs), il existe des garanties de performance.
Rptons aussi que lon peut avoir avantage, dans la pratique, substituer
la notion doptimum (mathmatique), utilise dans les schmas les plus simples,
le concept de solution trs satisfaisante, ou mme seulement bonne. Cest
notamment le cas lorsquun critre unique et prcis na pu tre dfini.
Insistons enfin sur les relations entre chercheurs oprationnels et utilisateurs.
Toute quipe de R.O. doit, sous peine dchec, travailler en parfait accord avec les
utilisateurs, et prparer, en collaboration avec eux et leur organisateur, les amlio
rations et changements quelle prconise et dont il lui faut tablir clairement leffi
cacit. Tout ceci est valable, quil sagisse dune dcision exceptionnelle prise au
niveau le plus lev, ou quil soit tout simplement question damliorer des pro
cdures dcisionnelles rptitives. Dans ce dernier cas, il y a intrt instituer une
collaboration, gnralement accepte, entre lhomme et la machine.

xx
 Structures
ordonnes
1
Applica
tions

des treillis
et de lalgbre
de Boole
en recherche
oprationnelle

1.1Notions sur les structures ordonnes1

1.1.1 Relations. Relations binaires. Proprits

On nomme relation tout sous-ensemble du produit cartsien de deux ou plusieurs
ensembles.
Ainsi, R 5 5( a, b ) ; 1 c, a 2 ; 1 c, d 2 6 est par dfinition un sous-ensemble de:
5( a, a ) ; ( a, b ) ; ( a, g ) ; ( a, d ) ; ( b, a ) ; ( b, b ) ; ( b, g ) ; ( b, d ) ; ( c, a ) ; ( c, b ) ; ( c, g ) ; ( c, d )6 ,
qui nest autre que le produit cartsien, not A 3 B de A 5 5 a, b, c 6
par B 5 5 a, b, g, d 6 .
En particulier, une relation binaire sur un ensemble de (ainsi que lon dit par
abus de langage) est un sous-ensemble du produit E 3 E. Prenons par exemple
E 5 5 x, y, z 6 . Nous reprsentons le produit cartsien sous forme dun tableau:

1. Ce sous chapitre ne constitue quun rapide rappel. Au cas o le lecteur voudrait approfondir
les questions concernant les relations et les structures ordonnes, il pourra se reporter des livres
spcialiss.
Chapitre 1 Structures ordonnes Applications des treillis

x y z x y z x y z
x (x, x) (x, y) (x, z) x (x, x) (x, z) x (x, x) (x, y)
y ( y, x) ( y, y) ( y, z) y ( y, y) y ( y, z)
z ( z, x) ( z, y) (z, z) z ( z, x) z ( z, x) (z, z)
Produit cartsien ExE Relation R1 Relation R2

On nomme tout naturellement relation diagonale: D 5 5 1 x, x 2 ; 1 y, y 2 ; 1 z, z 2 6 .

Une relation est, par dfinition, rflexive si elle contient la diagonale. La relation
R1, est symtrique, mais elle nest pas rflexive. Pour quune relation soit sym
trique, il faut, quels que soient a et b, quelle contienne le couple (b, a) si le couple
(a, b) lui appartient. La relation R2 est antisymtrique, mais elle nest pas rflexive.
Pour quune relation soit antisymtrique, il faut, quels que soient a et b, quelle ne
contienne pas le couple (b, a) si le couple (a, b) lui appartient, sauf si a 5 b, cest-
-dire sil sagit dun lment de la diagonale.

x y z x y z t
x (x, x) (x, y) (x, z) (x, x) (x, y) (x, t)
y (y, x) (y, y) (y, t)
z (y, z) (z, z)
(z, z) (t, x) (t, y) (t, t)
Relation R3 Relation R4

Pour quune relation soit transitive, il faut quelle contienne (a, g) si elle contient
(a, b) et (b, g), quels que soient a, b, g.
La relation R3 est transitive; elle nest pas non plus rflexive; elle est antisym
trique. La relation R4 est transitive; elle est rflexive; elle est symtrique.
NB: Le contraire de rflexif, symtrique, transitif est, respectivement, irrflexif, asy
mtrique, intransitif. Une relation est irrflexive si elle ne contient aucun lment de D;
elle est asymtrique, si elle nest symtrique pour aucun couple; elle est intransitive si
elle nest transitive pour aucune paire de couples; cest le cas de la relation R5.

x y z x y z
x ( x, y) x (x, x) (x, y) (x, z)
y ( y, z) y ( y, z)
z ( z, x) z ( z, x)
Relation R5 Relation R6

2
 1.1 Notions sur les structures ordonnes

Il faut se garder de confondre ces qualificatifs avec non rflexif (il y a des l
ments dans la diagonale, mais non tous), non symtrique (il existe des lments
symtriques, mais tous ne le sont pas), non transitif (la transitivit existe pour cer
tains couples, mais pas pour dautres). La relation R6 est, la fois, non rflexive, non
symtrique et non transitive.

1.1.2 Prordre. quivalence. Ordre

a) une relation rflexive et transitive est une relation de prordre.
Exemple. Le Criterium des champions a donn les rsultats suivants (tableau 1.1):

A B C D E
A (A, A) (A, B) (A, D) (A, E)
1er Camille B (B, B)
e
2 ex aequo { Anatole
Dsir C (C, A) (C, B) (C, C) (C, D) (C, E)
e
4 Ernest D (D, A) (D, B) (D, D) (D, E)
e
5 Bernard E (E, B) (E, E)

Tableau 1.1 Tableau 1.2: relation R

Classons-les daprs la relation R avoir obtenu un rang meilleur ou aussi bon

que. Dans le tableau 1.2, le couple (A, B) signifie quAnatole a obtenu un rang
meilleur ou aussi bon que Bernard: A s B. La relation est videmment rflexive,
puisquelle contient la diagonale; elle est aussi transitive puisque si X a obtenu un
rang meilleur ou aussi bon que Y et Y un rang meilleur ou aussi bon que Z, X a vi
demment un rang meilleur ou aussi bon que Z : 3 X s Y et Y s Z 4 entrane 3 X s Z 4 .
Mais elle nest pas symtrique, bien que A s D et D a A; par exemple, A s E,
mais E O A; elle nest pas non plus antisymtrique, puisque 3 A s D et D s A]
nentrane pas 3 A ; D 4 (Anatole ne peut pas tre confondu avec Dsir).
b) une relation rflexive, transitive et symtrique est une relation dquivalence.
Par exemple, envisageons deux groupes de droites parallles : dune part A || C;
dautre part B || D || E. Le tableau 1.3 ci-dessous correspond la relation ||: tre
parallle ou confondu avec. Le tableau 1.4, rsulte de la partition des droites en
Dunod Toute reproduction non autorise est un dlit.

classes dquivalence. Il y a deux classes {A, C} et {B, D, E}.

titre dexemple, reprenons maintenant le classement du Criterium des champions
dans lordre darrive (A et D tant indiffrents). Lexistence dune relation lquivalence
(donc rflexive, symtrique et transitive), avoir le mme rang que, est manifeste pour
A et D. Si lon fait le quotient du prordre par cette relation dquivalence, on trouve en
ralit quatre classes; {C}, {A, D}, {E}, {B} et, dsormais: C s 5 A, D 6 s 5 E 6 s 5 B 6 ,
la relation stricte S ayant le sens: avoir un meilleur rang que.
Posons 5 C 6 5 a, 5 A, D 6 5 b, 5 E 6 5 g et 5 B 6 5 d; si lon reprsente par le
tableau 1.6 la relation sur lensemble {a, b, g, d}, on constate quelle est irrflexive,
asymtrique; en revanche, elle est transitive.

3
Chapitre 1 Structures ordonnes Applications des treillis

A B C D E A C B D E
A A, A A, C A A, A A, C
B B, B B, D B, E C B, B C, C
C C, A C, C B B, B B, D B, E
D D, B D, D D, E D D, B D, D D, E
E E, B E, D E, E E E, B E, D E, E

Tableau 1.3: relation || Tableau 1.4: relation ||

C A D E B
C (C, C) (C, A) (C, D) (C, E) (C, B)
.............
A (A, A) (A, D) (A, E) (A, B) .
......

......

, , ,
D . . .A). . . .(D,
.(D, . . .D). . (D, E) (D, B) . . , ,
E (E, E) (E, B) . . . ,
B (B, B) . . . .

Tableau 1.5 Tableau 1.6: relation S
c) Une relation rflexive, antisymtrique, transitive est, par dfinition, une relation
dordre (large par dfinition).

Exemple. Considrons N* lensemble des entiers naturels priv du zro, et la rela

tion x | y (x divise exactement y, sans reste), tant entendu que x divise x, quel que
soit x N*. En raison de cette dernire hypothse, la relation est rflexive (ce que
lon traduit en disant que lordre est large). Elle est videmment transitive, car si
x | y et y | z, alors x | z. De plus, elle est antisymtrique: en effet si x | y et y | x,
cest que x 5 y.
Soit X 5 {1, 2, 3, 5, 10, 20, 30} une partie de N. Le tableau 1.7 reprsente la rela
tion x | y sur cet ensemble.

1 2 3 5 10 20 30
1 (1, 1) (1, 2) (1, 3) (1, 5) (1, 10) (1, 20) (1, 30)
2 (2, 2) (2, 10) (2, 20) (2, 30)
3 (3, 3) (3, 30)
5 (5, 5) (5, 10) (5, 20) (5, 30)
10 (10, 10) (10, 20) (10, 30)
20 (20, 20)
30 (30, 30)
Tableau 1.7

4
 1.1 Notions sur les structures ordonnes

On vrifie aisment sur le tableau la rflexivit et lantisymtrie. On vrifie (moins

facilement) la transitivit sur ce tableau par les rectangles dont un des sommets est
sur la diagonale:

(1, 2) ... (1, 10) (1, 10) . . . (1, 30) (1, 3) . . . (1, 30)
(2, 2) ... (2, 10) (10, 10) . . . (10, 30) (3, 3) . . . (3, 30)
(1, 2) ... (1, 30) (5, 10) . . . (2, 30) (1, 5) . . . (1, 20)
(2, 2) ... (2, 30) (10, 10) . . . (10, 30) (5, 5) . . . (5, 20)
(1, 5) ... (1, 10) (5, 10) . . . (5, 30) (1, 10) . . . (1, 20)
(5, 5) ... (5, 10) (10, 10) . . . (10, 30) (10, 10) . . . (10, 20)
(1, 5) ... (1, 30) (1, 2) . . . (1, 20) (2, 10) . . . (2, 20)
(5, 5) ... (5, 30) (2, 2) . . . (2, 20) (10, 10) . . . (10, 20)
(5, 10) . . . (5, 20)
(10, 10) . . . (10, 20)

Ainsi le rectangle en haut gauche se lit : 1/2 et 2/2 et

2/10 entrane 1/10.
Contrairement ce qui se passe pour le
tableau 1.5, la partie suprieure du tableau
(au-dessus de la diagonale) ne fait pas appa
ratre tous les couples. Cest quau sens de la
relation tous les lments ne sont pas deux
deux comparables. Ainsi, par exemple, on
na pas 2 | 3 ni 2 | 5 (et pas davantage 3 | 2
Figure 1.1 ou 5 | 2). Figure 1.2
On exprime ce fait en disant que lordre
est partiel. Dans le cas contraire, lordre est total. La relation < sur N, Z, Q ou R
(ou tout sous-ensemble de ceux-ci) est une relation dordre total. On peut donner une
reprsentation sagittale de la relation (figure1.1):
Deux lments a et b, reprsents chacun par un point, sont runis par
un arc si et seulement si a | b. Il y a autant darcs que de couples dans le
Dunod Toute reproduction non autorise est un dlit.

tableau 1.7 soit 22, y compris 7 boucles. Mais on peut rduire le nombre de
ces arcs, en supprimant ceux qui rsultent de la rflexivit et de la transiti
vit. On obtient alors un diagramme de Hasse (fig.1.2), plus lisible.
Le diagramme de Hasse dun ensemble totalement ordonn est une
Figure 1.3 chane (fig. 1.3) (en fait, en termes de graphes orients, il sagira dun
chemin).
toute relation dordre large correspond une et une seule relation dordre strict.
Une relation dordre strict est irrflexive, asymtrique et transitive. Elle peut induire
un ordre partiel ou un ordre total.

5
Chapitre 1 Structures ordonnes Applications des treillis

Pour obtenir la reprsentation de la relation dordre strict correspondant | (divise),

cest--dire la relation (divise et nest pas gal), il suffit de supprimer la diagonale du
tableau 1.7 et les boucles (arcs ferms sur eux-mmes) de la fig. 1.1. Ici, lordre strict
nest que partiel (tout comme lordre large do il provient).
toute relation dordre a (ou a ) correspond une relation converse s (ou s) .
Le diagramme de Hasse (fig 1.2) sobtient en supprimant dans la fig. 1.1, les
boucles et les arcs de transitivit : ainsi 1 divise 2 et 2 divise 10 entrane 1 divise 10:
larc (1,10) est un arc de transitivit.

1.1.3 lments particuliers dun ensemble ordonn

Un ensemble sur lequel est dfinie une relation dordre (partiel ou total) est nomm
ensemble ordonn (partiellement ou totalement).
Certains lments particuliers des ensembles partiellement ordonns jouent un
grand rle en recherche oprationnelle.
Considrons un ensemble X, partiellement ordonn par la relation a (tre infrieur
ou gal ) et une partie P de cet ensemble. Sil existe (bien noter cette restriction):
a) Un lment m de X qui est infrieur ou gal tout lment x de P, m est un
minorant de P.
Un lment M de X qui est suprieur ou gal tout lement x de P, est un majo
rant de P.
b) Un lment M de P, tel quil nexiste pas dlments de suprieur M, est un
lment maximal de P.1
 n lment m de P, tel quil nexiste pas dlments de infrieur M, est un
U
lment minimal de P.
De mme les lments dfinis ci-dessous peuvent exister ou ne pas exister :
c) Le plus grand lment E (ou encore: le maximum) de P est llment de P, tel
que, pour tout xPP, on a : E s x.
Le plus petit lment e (ou encore: le minimum) de P est llment de P, tel que,
pour tout xPP, on a : e a x.
d) La borne suprieure (b.s.) B de P (ou supremum de P, note aussi sup P) est le
plus petit lment de lensemble des majorants de P.
La borne infrieure (b.i.) b de P (ou infimum de P, note aussi inf P) est le plus
grand lment de lensemble des minorants de P.
e) Llment universel de X est le plus grand lment de X.
Llment nul de X est le plus petit lment de X.

1. LAcadmie des sciences recommande demployer les termes maximum, minimum, opti
mum uniquement comme substantifs; les adjectifs correspondants tant maximal, minimal,
optimal. Ainsi on doit dire lment maximal (et non pas lment maximum).

6
 1.1 Notions sur les structures ordonnes

Insistons sur le fait que les lments particuliers dfinis en a), b), c), d) et e)
nexistent pas ncessairement dans un ensemble partiellement ordonn, ce qui est
illustr par lexemple ci-dessous.

Exemples. Soit X 5 {1, 2, 3, 5, 10, 20, 30} un ensemble partiellement ordonn par
la relation x | y (x divise y). Nous invitons le lecteur se reporter au diagramme de
Hasse associ (Fig. 1.2).
1. Prenons P 5 {2, 3, 5, 10}. P est inclus dans X
Il existe un majorant de P: 30, un minorant: 1, deux lments maximaux: 3 et
10, trois lments minimaux: 2, 3, 5, ni plus grand lment, ni plus petit lment
de P. La b.s. de P est 30, la b.i. est 1. X nadmet pas dlment universel, mais un
lment nul: 1.
2. Prenons maintenant P 5 {2, 5, 10}.
compte trois majorants: 10, 20, 30, un minorant: 1, un lment maximal: 10,
deux lments minimaux: 2 et 5, un plus grand lment: 10, pas de plus petit l
ment. La borne suprieure de est 10, la borne infrieure est 1.
Pour une partie rduite deux lments (ou paire ) {x, y}, dun ensemble
ordonn, il peut exister une borne suprieure et/ou une borne infrieure; la b.s., lors
quelle existe, est note x ~ y et la b.i. par x ` y.

1.1.4 Treillis
a) On appelle treillis (ou encore lattis ou ensemble rticul) un ensemble partielle
ment ordonn dans lequel, pour toute paire dlments, existent une borne suprieure
(b.s.) et une borne infrieure (b.i.).
cette dfinition on peut substituer la dfinition axiomatique suivante. Soit un
ensemble T, dont les lments sont munis de deux lois de composition, ~ et ` , vri
fiant, quels que soient x, y et zPT, les proprits ci-aprs:
1. x ~ y 5 y ~ x (commutativit) 1r. x ` y 5 y ` x
2. x ~ 1 y z 5 x y
~ 2 1 ~ 2 ~ z (associativit) 2r. x ` 1 y ` z 2 5 1 x ` y 2 ` z
3. x ~ x 5 x (idempotence) 3r. x ` x 5 x
4. x ~ 1 x ` y 2 5 x (absorption) 4r. x ` ( x ~ y ) 5 x
Dunod Toute reproduction non autorise est un dlit.

alors T constitue un ensemble ordonn par la relation a telle que:

5. 3 x a y 4 quivaut 3 x ` y 4 5 x et quivaut 3 x ~ y 4 5 y.
On appelle alors T un treillis. On peut aisment dmontrer lquivalence de ces deux
dfinitions.
Exemple. Considrons, par exemple, les diviseurs de 30: 1, 2, 3, 5, 6, 10, 15, 30
(ils sont au nombre de 8 car 1 1 1 1 2 # 1 1 1 1 2 # 1 1 1 1 2 5 8 et 30 5 21 # 31 # 51 2 ,
ordonns par la relation x | y (x divise y). Rappelons que si, n 5 p # qb # rgcest la
dcomposition en produit de facteurs premiers de lentier n 1 n > 2 2 , alors n admet
1 a 1 1 2 1 b 1 1 2 1 g 1 1 2 c diviseurs (y compris 1 et n).

7
Chapitre 1 Structures ordonnes Applications des treillis

Ces dviseurs forment un treillis dont le diagramme de Hasse est donn par la figure1.4.
La b.s. de deux lments quelconques est leur p.p.c.m; la b.i., leur p.g.c.d. Ainsi:
5 ~ 6 5 5 3 6 5 30 et 5 ` 6 5 1; 6 ~ 15 5 2 3 3 3 5 5 30 et 6 ` 15 5 3, etc.

Llment universel de ce treillis est 30, llment nul, 1.

Dune manire gnrale N* 5 N 2 5 0 6 , ordonn par la rela
tion x | y (x divise y), prsente une structure de treillis infini.
Llment nul est toujours 1; il ny a pas dlment universel.
On montre que tout treillis T ayant un nombre fini dlments
comporte un lment nul et un lment universel.
Figure 1.4 b) Un treillis, comportant un lment nul et un universel, que
nous dsignerons, respectivement par n et U, est complment
si, tout lment x de T, on peut associer au moins un lment de T, not x tel que:
6. x ~ x 5 U et 6r. x ` x 5 n.
Le treillis de la figure1.4 est complment. En effet: 1 ~ 30 5 30, 1 ` 30 5 1;
2 ~ 15 5 30, 2 ` 15 5 1; 3 ~ 10 5 30, 3 ` 10 5 1; 5 ~ 6 5 30, 5 ` 6 5 1. Ainsi
n = 1 est le complment de U = 30 et rciproquement ; de mme 3 et 10 sont le com-
plment lun de lautre, tout comme 5 et 6.

Proprit. On a, daprs 4 : x ` 1 x ~ x 2 5 x. Or, x ` 1 x ~ x 2 5 x ` U 5 x. Do :

x ` U 5 x.
De mme: x ~ n 5 x.
N.B. Le systme daxiomes (1 4), (1r 4r) nest pas minimal; mais il est pratique
pour le calcul. On peut, en effet, montrer que labsorption entrane lidempotence.
c) Un treillis est distributif lorsquaux axiomes 1 4 et 1r 4r, sajoute le suivant:
7. x ` 1 y ~ z 2 5 1 x ` y 2 ~ 1 x ` z 2 , quels que soient x, y et zPT.
Cet axiome entrane (cf. Execrcice 1 ci-dessous):
7r. x ~ 1 y ` z 2 5 1 x ~ y 2 ` 1 x ~ z 2 .
Inversement, 7r entrane 7.
Exercices.
1. Soit dmontrer, partir des axiomes 1 4, 1r 4r et 7, que:
7r. x ~ 1 y ` z 2 5 1 x ~ y 2 ` 1 x ~ z 2 .
Grce 4, on peut crire le premier membre de 7r sous la forme:
3 x ~ 1 x ` y 2 4 ~ 1 y ` z 2 , en remplaant x par x ~ 1 x ` y 2 .
Grce 2, cette expression est gale :
x ~ 3 1 x ` y 2 ~ 1 y ` z 2 4 (par associativit de ~ ).
et, en vertu de 1r, elle est aussi gale :
x ~ 3 ( y ` x ) ~ ( y ` z ) 4 (par commutativit de ` ).

8
 1.1 Notions sur les structures ordonnes

De ce fait, grce 7, le crochet est gal y ` 1 x ~ z 2 et cette expression

devient:
x ~ 3 (y ` (x ~ z) 4
Remplaons x par sa valeur daprs 4r; lexpression devient :
3 x ` 1 x ~ z 4 ~ 3 1 y ` 1 x ~ z 2 4 ;
il vient alors, en appliquant 7:
1 x ~ y 2 ` 1 x ~ z 2 (par distributivit).
et cest prcisment le deuxime membre de 7r, quil fallait obtenir par un
calcul fond sur les seuls axiomes 1 7 et 1r 6r.
2. Dans un treillis distributif, la complmentation est unique.
Raisonnons par labsurde et supposons que llment x ait deux complments
diffrents, x et x*; on aurait:
x ~ x 5 x ~ x* 5 U
et
x ` x 5 x ` x* 5 n, avec x 2 x*
On peut crire:
x 5 x ` U 5 x ` 1 x ~ x* 2 5 1 x ` x 2 ~ 1 x ` x* 2
5 n ~ 1 x ` x* 2 5 x ` x*,
De mme:
x* 5 x* ` U 5 x* ` ( x ~ x ) 5 ( x* ` x ) ~ ( x* ` x )
5 n ~ ( x* ` x ) 5 x* ` x 5 x ` x*

Finalement x 5 x*, contrairement lhypothse et ainsi la complmentation

est unique.

d) Un treillis la fois distributif et complment est appel treillis de Boole. Il est

isomorphe une algbre de Boole.
Une algbre de Boole B est donc un ensemble partielle
ment ordonn, dot dun lment nul et dun lment univer
Dunod Toute reproduction non autorise est un dlit.

sel, dont les lments vrifient les axiomes 1 4; 1r 4r; 6,

6r et 7 (et donc aussi 7r).
La relation dordre est dfinie par lune des quatre rela
tions quivalentes suivantes:
5*. x a y quivaut x ` y 5 x ou x ~ y 5 y ou
x ` y 5 0 ou x ~ y 5 1
0 et 1 dsignant, respectivement, net U.
Une algbre de Boole comportant un seul gnrateur a,
Figure 1.5 diffrent de 0 et de 1, comporte quatre lments (fig. 1.5).