Vous êtes sur la page 1sur 45

Recherche oprationnelle

Michel Bierlaire
michel.bierlaire@epfl.ch

EPFL - Laboratoire Transport et Mobilite - ENAC

Recherche operationnelle p. 1/45


Recherche oprationnelle
Branche des mathmatiques
Problmes daide la dcision
Historique:
Blaise Pascal (1623-1662)
Combinatoire, esprance mathmatique

Isaac Newton (1642-1727)


Calcul infinitsimal, quations non linaires

Recherche operationnelle p. 2/45


Recherche oprationnelle
Historique:
Daniel Bernoulli (1700-1782)
Mesure du risque, utilit

Harris (1913)
Gestion de stock, solution optimale

Recherche operationnelle p. 3/45


Recherche oprationnelle
Historique:
Patrick Blackett (1897-1974)
Oprations militaires, organisation des convois

George Dantzig (19142005)


Algorithme du simplexe (1947)

Recherche operationnelle p. 4/45


Concepts cls
Traduction de problmes rels en quations
Modelisation
mathmatiques
OptimisationIdentification de la meilleure configuration possible dun
systme
Simulation Reproduction du fonctionnement dun systme complexe
par un ordinateur

Recherche operationnelle p. 5/45


Problmes concrets dans notre laboratoire
Oprations ariennes:
Air France, Baboo, Thomas Cook

Recherche operationnelle p. 6/45


Problmes concrets dans notre laboratoire
Oprations portuaires:
Port de Gioia Tauro, Italie.
Port de Ras-Al-Khaima, Emirats Arabes Unis.

Recherche operationnelle p. 7/45


Problmes concrets dans notre laboratoire
Trafic urbain:
Optimisation des feux de circulation
Rduction de la congestion

Recherche operationnelle p. 8/45


Problmes concrets dans notre laboratoire
Tournes de vhicules :
Bus scolaires
Livraison rapide de colis

Recherche operationnelle p. 9/45


Plan du cours

Optimisation sans contrainte


Optimisation linaire avec contrainte
Graphes et rseaux
Optimisation en nombres entiers

Recherche operationnelle p. 10/45


Support de cours

Recherche operationnelle p. 11/45


Matire connatre

Partie I Chapitre 1 & 2


Partie I Section 3.5
Partie I Chapitre 4
Partie II Chapitre 5
Partie II Section 6.5
Partie III Chapitre 7 & 8
Partie IV Chapitre 9, 10, 11, 13, 14 & 15
Partie V Chapitre 17

+ graphes et rseaux

Recherche operationnelle p. 12/45


Introduction

Optimum
(du latin optimus, le meilleur) Etat, degr de dveloppement de quelque chose
jug le plus favorable au regard de circonstances donnes

Pour obtenir une dfinition plus formelle :


Modlisation mathmatique

Recherche operationnelle p. 13/45


Introduction

Modle mathmatique
Reprsentation mathmatique dun phnomne physique, conomique, hu-
main, etc., ralise afin de pouvoir mieux tudier celui-ci.

1. Variables de dcision : x Rn , x = (x1 , x2 , . . . , xn )T


2. Fonction objectif : f (x) R
3. Contraintes: x X Rn

Recherche operationnelle p. 14/45


Projectile

Un projectile est lanc verticalement la vitesse de 50 mtres


par seconde, en labsence de vent.
Aprs combien de temps et quelle altitude commencera-t-il
retomber ?

Variables de decision x =nombre de secondes coules depuis le


dpart du projectile.

Recherche operationnelle p. 15/45


Projectile

Fonction objectif altitude

g 9.81 2
f (x) = x2 + v0 x + x0 = x + 50x,
2 2

o g = 9.81, v0 = 50 et x0 = 0
Contraintes Aucune.

Problme doptimisation

9.81 2
max x + 50x.
xR 2

Recherche operationnelle p. 16/45


Swisscom

Positionnement dune antenne


Connexion de 4 nouveaux clients
Priorit aux meilleurs clients
Antennes existantes : (-5,10) et (5,0)
Interdiction de placer la nouvelle moins de 10 km des
antennes existantes

Recherche operationnelle p. 17/45


Swisscom

3
6
1

2
Client Coord. Heures
1 (5,10) 200 (x, y)
2 (10,5) 150 -4
3 (0,12) 200
4 (12,0) 300

Recherche operationnelle p. 18/45


Swisscom

p
min(x1 ,x2 ) f (x1 , x2 ) = 200 (x1 5)2 + (x2 10)2 +
p
150 (x1 10)2 + (x2 5)2 +
p
200 x21 + (x2 12)2 +
p
300 (x1 12)2 + x22

sous contraintes
p
(x1 + 5)2 + (x2 10)2 10
p
(x1 5)2 + (x2 10)2 10.

Recherche operationnelle p. 19/45


Chteau Laupt-Himum

Produit du vin ros et du vin rouge en achetant le raisin des


producteurs locaux.
Achat : maximum 1 tonne de pinot 3 e/kilo.
Vinification ros : cot 2 e par kilo de raisin
Vinification rouge (pinot noir) : cot 3.50 e par kilo de raisin.
Prix de vente ros : 15 e/litre moins 2 e par centaine de litres
produits.
Prix de vente rouge : 23 e/litre moins 1 e par centaine de litres
produits.

Recherche operationnelle p. 20/45


Chteau Laupt-Himum

Production Prix ros par l. Prix rouge par l.


100 l. 13 e 22 e
200 l. 11 e 21 e

Comment le Chteau doit-il sorganiser pour optimiser son


gain, en sachant quun kilo de raisin produit 1 litre de vin ?

La dmarche de modlisation se passe en trois tapes.

Recherche operationnelle p. 21/45


Chteau Laupt-Himum

Variables de decision x1 litres de vin ros produire par anne,


x2 litres de pinot noir produire,
x3 nombre de kilos de raisins acheter.
optimisation du gain
Fonction objectif
2
Gain sur le litre de ros (en e): 15 100 x1
1
Gain sur le litre de rouge (en e): 23 100 x2 .

Recherche operationnelle p. 22/45


Chteau Laupt-Himum

Chiffre daffaire
2 1
x1 (15 x1 ) + x2 (23 x2 ).
100 100

Achat du raisin : 3x3


Vinification du ros : 2x1
Vinification du rouge : 3.5x2
Frais totaux:
2x1 + 3.5x2 + 3x3 .

Recherche operationnelle p. 23/45


Chteau Laupt-Himum

Fonction objectif:

2 1
x1 (15 x1 ) + x2 (23 x2 ) (2x1 + 3.5x2 + 3x3 ).
100 100

Contraintes Achat de maximum 1 tonne de raisin au vigneron,

x3 1000.

Limite de production

x1 + x2 x3 .

Recherche operationnelle p. 24/45


Chteau Laupt-Himum

Contraintes triviales mais indispensables

x1 0, x2 0, x3 0.

Recherche operationnelle p. 25/45


Chteau Laupt-Himum

Problme doptimisation :

2 1
maxxR3 f (x) = x1 (15 100 x1 ) + x2 (23 100 x2 )
(2x1 + 3.5x2 + 3x3 )

sous contraintes
x1 + x2 x3
x3 1000
x1 , x2 , x3 0.

Recherche operationnelle p. 26/45


James Bond

Mission : dsamorcer une bombe nuclaire sur un yacht


Yacht amarr 50 mtres du rivage
James Bond se trouve 100 mtres du point le plus proche du
yacht sur la plage
Course : 18km/h. Nage : 10km/h
Temps de dsamorage : 30 secondes
Explosion dans 65 secondes
James Bond pourra-t-il sauver le monde libre ?

Recherche operationnelle p. 27/45


James Bond

50m

007 x

100m

Recherche operationnelle p. 28/45


James Bond

x p
min f (x) = + 0.36 502 + (100 x)2 .
x 5
sous contrainte
x 0
x 100.

Note: f (0) = 40.25, f (100) = 38.

Recherche operationnelle p. 29/45


Indiana Jones est bloqu face une immense salle remplie de
Pseudechis Porphyriacus, des serpents venimeux.
La salle est longue de 10 mtres et haute de 5 mtres.
Il doit passer par-dessus, mais le toit est fragile.

Recherche operationnelle p. 30/45


Il place lextrmit dune chelle sur le sol, bloque par un
rocher, lappuie sur le mur, et lutilise pour atteindre lautre
extrmit de la salle. Arriv l, il utilise son fouet pour
redescendre sur le sol, de lautre ct de la salle.
O doit-il placer lextrmit de lchelle sur le sol, pour que la
longueur de lchelle utilise soit la plus petite possible, et que
celle-ci risque moins de rompre sous son poids ?

Recherche operationnelle p. 31/45


x2

h = 5m

?
 - x1
= 10m

Recherche operationnelle p. 32/45


La dmarche de modlisation procde en trois tapes.
Variables de decision
x1 est la position de lextrmit de lchelle sur le sol,
x2 est la hauteur de lautre extrmit de lchelle, lautre
bout de la salle.
Fonction objectif
q
f (x) = x21 + x22 .

Recherche operationnelle p. 33/45


Contraintes Lchelle sappuie exactement sur le bord du mur de la
salle. En utilisant des triangles semblables, cette contrainte
peut scrire
x2 h x2 h
= =
x1 x1
ou encore
x1 x2 hx1 x2 = 0.
Les extrmits de lchelle doivent se trouver hors de la salle

x1 et x2 h.

Recherche operationnelle p. 34/45


Problme doptimisation :
q
min2 x21 + x22
xR

sous contraintes

x1 x2 hx1 x2 = 0
x1
x2 h.

Recherche operationnelle p. 35/45


Geppetto

Fabricants de jouets en bois : soldats et trains


Prix de vente : soldats 27 e, trains 21 e
Matriel brut : soldats 10 e, trains 9 e
Cots gnraux : soldats 14 e, trains 10 e
Menuiserie : soldats 1h, trains 1h
Finissage : soldats 2h, trains 1h
Main doeuvre disponible : menuiserie 80h, finissage 100h
Maximum de 40 soldats

Recherche operationnelle p. 36/45


Geppetto

max f (x) = 3x1 + 2x2 ,


x

sous contraintes
2x1 + x2 100
x1 + x2 80
x1 40
x1 0
x2 0
x1 N
x2 N

Recherche operationnelle p. 37/45


Transformations du problme

Equivalence
Deux problmes doptimisation P1 et P2 sont dits quivalents si lon peut con-
struire un point admissible de P2 partir dun point admissible de P1 (et
rciproquement), avec la mme valeur pour la fonction objectif. En particulier,
les deux problmes ont le mme cot optimal, et on peut construire une solu-
tion optimale de P2 partir dune solution optimale de P1 (et rciproquement).

Recherche operationnelle p. 38/45


Transformations du problme

Constante

argminxXRn f (x) = argminxXRn (f (x) + c) c R,

et
min (f (x) + c) = c + min f (x) c R.
xXRn xXRn

Minimum - Maximum

max f (x) min f (x).


x x

min f (x) max f (x).


x x

Recherche operationnelle p. 39/45


Transformations du problme

Ingalits
g(x) 0 g(x) 0.
Egalit - Ingalits
(
g(x) 0
g(x) = 0
g(x) 0

Variables non ngatives

x = x+ x , avec x+ 0 et x 0.

Recherche operationnelle p. 40/45


Transformations du problme

Changement de variable

x = x + a

transforme la contrainte x a en

x 0.

Recherche operationnelle p. 41/45


Transformation du problme

max x2 + sin y
x,y

sous contraintes
6x y 2 1
x2 + y 2 = 3
x 2
y R
Exigences :
Minimisation
Variables non ngatives
Contraintes dingalit infrieure

Recherche operationnelle p. 42/45


Transformations du problme

min (x + 2)2 sin(y + y )


x,y + ,y

sous contraintes

6(x + 2) + (y + y )2 + 1 0
(x + 2)2 + (y + y )2 3 0
(x + 2)2 (y + y )2 + 3 0
x 0
y+ 0
y 0

Recherche operationnelle p. 43/45


Variables dcart

Variable dcart
Une variable dcart est une variable de dcision introduite dans un problme
doptimisation afin de transformer une contrainte dingalit en une contrainte
dgalit.
(
2 g(x) + y = 0
g(x) 0 g(x) + z = 0
y 0.

Recherche operationnelle p. 44/45


Hypothses de travail

Trois hypothses dans le cadre de ce cours


continuit
diffrentiabilit
dterminisme
Si elles ne sont pas vrifies :
continuit opt. combinatoire
diffrentiabilit opt. non diffrentiable
dterminisme opt. stochastique

Recherche operationnelle p. 45/45

Vous aimerez peut-être aussi