Vous êtes sur la page 1sur 31

Introduction et principaux concepts Modelisation Resolution graphique dun PL

Recherche Operationnelle
Chapitre 1. Introduction et principaux concepts

A. El maliki, abdelmaliki@gmail.com

Ecole Nationale de Commerce et de Gestion Casablanca


Introduction et principaux concepts Modelisation Resolution graphique dun PL

1 Introduction et principaux concepts

2 Modelisation

3 Resolution graphique dun PL


Introduction et principaux concepts Modelisation Resolution graphique dun PL

Aide a la decision

Aide a la decision
Laide a la decision est lactivite de celui qui, par des voies dites
scientifiques, aide a obtenir des elements de reponse a des
questions que se posent des acteurs impliques dans un processus
de decision, elements concourant a eclairer la decision en vue de
favoriser un comportement des acteurs qui soit de nature a
accrotre la coherence entre levolution du processus dune part, les
objectifs et/ou les systemes de valeurs au service desquels ces
acteurs se trouvent places dautre part.
(B. Roy : Cahiers du Lamsade n97, Univ. Paris-Dauphine, 1992)
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Quest ce que la Recherche Operationnelle ( en abrege RO)

La Recherche Operationnelle(RO) est lensemble des methodes


rationnelles danalyse (algorithmiques, mathematiques,
modelisation) et des syntheses de phenomenes dorganisation (qui
traite de la maximisation dun profit, dune performance, dun
rendement ou bien de la minimisation dun cout, dune depense...)
utilisable pour elaborer de meilleures decisions (solutions).

RO est indispensable pour les futurs gestionnaires decideurs,


responsables de projets :
Modeliser des problemes issus des organisations du monde reel
Identifier les methodes de resolution et les outils les plus
adaptes face a un probleme pratique

Loptimisation joue un role essentiel dans la recherche


operationnelle car, outre son aspect important, elle est utilisee
comme outil par la plupart des autres techniques.
Introduction et principaux concepts Modelisation Resolution graphique dun PL

La Recherche Operationnelle

La Recherche Operationnelle :
nest pas une science pour des chercheurs purs, car elle est
axee sur la pratique
est purement quantitative et utilisera donc des techniques
quantitatives
repose sur la construction de modeles
nest pas une science exigeant des qualites de leadership
est une aide pour la preparation de decisions
se situe dans un environnement complexe
est multidisciplinaire et repose sur un travail dequipe
est performante lorsque la situation est complexe.
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Recherche Operationnelle :

Methodes utilisees en RO
Optimisation avec/sans contraintes :
- Programmation mathematique, optimistaion combinatoire...
Statistiques
Data Mining
Series chronologiques ....

Logiciels
Il existe de nombreux logiciels de resolution : Excel Solver, LINDO,
MPSX, CPLEX, MathPro, Matlab, Mathematica ...

Domaines dapplication
La RO avait ete appliquee considerablement dans plusieurs
domaines tels que :
affaires (business) industries agricole gouvernement
economique, agences hopitaux institutions deducation ....
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Applications of operations research : Annuel savings


Introduction et principaux concepts Modelisation Resolution graphique dun PL

Optimisation

LOptimisation est un outil daide a la decision, permet doptimiser


une fonction economiques (maximisation dun profit ou la
minimisation dun cout) en presence de contraintes.

Programmation mathematique
La programmation mathematique(PM) est un probleme
doptimisation consiste a trouver loptimum (maximum ou
minimum) dune fonction f (x) de n variables x = (x1 , , xn )
soumise ou non a un ensemble de m contraintes gi (x) = 0 ou
gi (x) 0
La typologie des problemes de programmation mathematique est
basee sur
1 la nature de la fonction : lineaire ou non lineaire
2 la presence ou labsence de contraintes
3 la nature des contraintes : lineaires ou non lineaires
4 la nature des variables xi : reelles, entieres ou binaires
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Programmation lineaire

Les problemes de programmation lineaire (en abrege PL) sont


des problemes de la programmation mathematique ou la fonction
objectif et les contraintes sont toutes lineaires.

Exemple de PL :
max z = 5x1 + 4x2 fonction objectif

x1 + x2 20 contrainte 1



s.c 2x1 + x2 35 contrainte 2



x , x 0 contraintes de non-negativite
1 2

On appelle variable de decision toute quantite utile a la


resolution du probleme et on doit determiner sa valeur.
On appelle contraintes du probleme toutes les relations
limitant le choix de valeurs possibles pour les variables.
On appelle fonction objectif lexpression qui modelise la
quantite a optimiser en fonction des variables du probleme.
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Definitions

Domaine realisable : Ensemble de tous les jeux de valeurs des


variables de decision satisfaisant toutes les contraintes et
restrictions de signe du PL (ensemble des solutions realisables ou
solutions admissibles).

Solution realisable : On appelle solution realisable toute solution


verifie les contraintes du PL (y compris les contraintes de
positivite).

Solution optimale : Solution realisable qui optimise (max ou min)


la fonction economique. Elle peut etre
Unique sommet du domaine realisable,
Multiple cote du domaine realisable,
Infinie (contraintes manquantes ?),
Impossible (contraintes incompatibles !).
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Programmation lineaire (PL) : Formulation

La Modelisation consiste a utiliser un ensemble de relations


mathematiques pour refleter le plus adequatement possible une
situation reelle

Tout modele est une simplification de la realite, mais il doit


capturer les caracteristiques essentielles du probleme.
Il conviendra donc de tester le modele, et de le modifier au besoin.
On peut faire aussi de lanalyse de sensibilite pour verifier la
sensibilite du modele a des changements de valeurs des parametres.

Pour modeliser un PL il faut bien lire et comprendre lenonce du


probleme :
1 Identifier clairement les donnees
2 Attention aux unites de mesure !
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Programmation lineaire (PL) : Formulation

Les etapes de formulation dun PL


Generalement il y a trois etapes a suivre pour pouvoir construire le
modele dun programme lineaire :
1 Identifier les variables du probleme (variables de decision
x1 , x2 , , les inconnues ).
2 Identifier les contraintes (restrictions) du probleme et les
exprimer par un systeme dequations et/ou dinequations
lineaires.
3 Identifier lobjectif ou le critere de selection et le representer
sous une forme lineaire en fonction des variables de decision.
Specifier si cette fonction objectif est a maximiser ou a
minimiser.

Rappelons que dans un (PL) les contraintes et lobjectif sont des


fonctions lineaires des variables.
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Programmation lineaire (PL) : Formulation

Hypotheses dun modele de programmation lineaire


1 Proportionnalite : Les contributions de chaque variable a la
fonction economique et aux contraintes sont proportionnelles
a la valeur prise par cette variable.
2 Additivite : leffet total des actions prises est egal a la somme
des effets particuliers de chaque variable.
3 Divisibilite : chaque variable de decision peut prendre des
valeurs non entieres
4 Certitude : les valeurs affectees a chaque parametre sont des
constantes connues avec certitude
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Exemples de formulation : production de ciment

Exemple 1
Une usine produit deux types de ciments C1 et C2 , rapportant
respectivement 500Dh et 700Dh par tonne. Une tonne du ciment
C1 necessite 40 min de calcination dans un four a chaux et 20 min
de broyage. Une tonne du ciment C2 necessite 30 min de
calcination dans un four a chaux et 30 min de broyage. Le four et
latelier de broyage sont disponibles 6h et 8h par jour.
Combien de ciment de chaque type peut-on produire par jour pour
maximiser le benefice ?

Modelisation du probleme
Etape 1 : Identification des variables de decision.
Etape 2 : Identification des contraintes
Etape 3 : Identification de la fonction objectif.
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Exemple de formulation : production de ciment

Identification des variables de decision :


Le profit total est fonction des quantites vendues des deux
produits C1 et C2 . Appelons :
x1 : la quantite de C1 a produire
x2 : la quantite de C2 a produire
Identification de la fonction objectif :
Le profit z sobtient a partir de lexpression,
Z = 500x1 + 700x2 . Lobjectif poursuivi consiste a trouver la
combinaison des quantites x1 et x2 qui maximise le profit total
Z :max Z = 500x1 + 700x2
Identification des contraintes : Les valeurs prises par x1 et
x2 sont limitees par les quantites disponibles des ressources
(four et broyeur) :
40x1 + 30x2 360 (la disponibilite du four )
20x1 + 30x2 480 (la disponibilite du broyeur).
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Exemples de formulation : production de ciment

Contraintes de non-negativite :
Elles assurent que les quantites achetees ne peuvent etre que
positives ou nulles :

x1 0, x2 0

Le programme lineaire resultant secrit :

max z = 500x1 + 700x2





40x1 + 30x2 360

s.c 20x1 + 30x2 480



x ,x 0
1 2
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Exemple de formulation : Probleme dentroposage

Considerons le probleme dentroposer une commodite pour vente


future. Le probleme sechelonne sur 3 periodes successives. A
chaque periode nous pouvons acheter et/ou vendre et le prix
unitaire de vente est egal au prix unitaire dachat plus une
marge beneficiaire de $3,00 tel que specifie dans le tableau
suivant. De plus le cout unitaire dentroposage est de $1,00 par
periode et la capacite de lentrepot est de 60 unites. Lentreprise
realise donc le plus grand profit en achetant aux periodes ou les
prix sont bas pour revendre durant celles ou les prix sont plus eleves
Periode(t) Prix dachat unitaire($)
1 4
2 9
3 6
Le probleme consiste a determiner pour chaque periode les
quantites a acheter, entreposer et vendre pour maximiser les
profits au cours des 3 periodes en supposant que 30 unites sont
disponibles initialement.
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Exemple de formulation : A production mix problem

The production manager has the responsibility of specifying


production levels for each product for the coming month.
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Exemple de formulation : Probleme de melange

Un industriel veut fabriquer deux sortes dalliages A1 et A2 dont


les caracteristiques sont les suivantes :
type specifications prix de vente (euros/tonnes)
A1 pas moins de 30% de zinc 680
pas plus de 40% de fer
A2 pas moins de 15% de cuivre 570
pas plus de 60% de fer
Il trouve disponibles sur le marche trois sorte dalliages C1, C2 et
C3 dont les compositions(en %), les disponibilites (en tonnes) et
les prix dachat (en euro/tonnes) sont les suivants :
alliage fer zinc cuivre disponibilite prix dachat
C1 10 50 40 200 300
C2 30 40 30 250 200
C3 80 10 10 120 100
On cherche dans quelles proportion melanger les alliages
Ci , i = 1, ..., 3 pour fabriquer les alliages Aj , j = 1, ..., 2.
Formuler le probleme de melange dalliage par un PL pour
maximiser le profit net ?
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Exemple de formulation : Probleme de transport

Une entreprise dispose de 2 entrepots A1 et A2 pour des unites


destinees a satisfaire la demande de 3 clients B1 , B2 et B3 . Le
nombre dunites disponibles a chaque entrepot et les demandes des
clients sont specifies dans le tableau suivant qui contient egalemnt
le cout du transport dun item de chaque entrepot a chaque client
Entrepots\ clients B1 B2 B3 disponibilite
A1 1 4 9 200
A2 6 8 4 500
demande 200 400 100
Le probleme est de determiner quelle quantite chaque client recoit
de chaque entrepot pour minimiser le cout total de transport tout
en satisfaisant les contraintes.
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Programmation lineaire : Resolution du modele

Utiliser une procedure (algorithme, methode) pour determiner :


les valeurs des variables representant lamplitude de lutilisation des
diverses actions pour optimiser la fonction economique (atteindre
lobjectif) en respectant les contraintes imposees.
Resolution graphique.(probleme de PL a deux variables).
Resolution par lalgorithme du simplexe.

Resolution graphique :
Premiere etape : Representer le domaine realisable des
valeurs des variables de decision. Graphiquement cest
lintersection des demi-plans limites par les droites obtenues
en prenant les inegalites des contraintes a des simples egalites.
Deuxieme etape : On represente la fonction objectif dans le
plan, cest-a-dire Z = C , qui correspond a des droites
paralleles dindice C .
Troisieme etape : On determine loptimum en choisissant la
droite dindice C le plus eleve qui touche lensemble realisable.
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Resolution graphique dun PL a deux variables : Exemple de production

Une usine fabrique deux produits P1 et P2 en utilisant des matieres


premieres M1 , M2 et M2 .
Une unite de P1 necessite 1 unite de M1 , 2 unites de M2 et 4
unites de M3 . Une unite de P2 necessite 6 unites de M1 , 2 unites
de M2 et 1 unite de M3 .
Les stocks disponibles sont de 30 unites de M1 , 15 unites de M2 et
24 unites de M3 .
La vente du produit P1 rapporte un benefice de 2$. La vente du
produit P2 rapporte un benefice de 1$.

La question qui se pose est comment produire ? C-a-d quelles sont


les quantites des produits P1 et P2 a produire pour que le benefice
total de lentreprise soit maximal ?
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Formulation de lexemple de production

Les variables : Designons par x1 et x2 respectivement les


quantites de P1 et P2 a produire.
La fonction objectif a maximiser : La fonction objectif Z
correspond au benefice total : max Z = 2x1 + x2 .
Les contraintes :
Disponibilite de chacune des ressources :

(Matiere M1) x1 + 6x2 30


(Matiere M2) 2x1 + 2x2 15
(Matiere M3) 4x1 + x2 24

Positivite des variables : x1 0, x2 0


Introduction et principaux concepts Modelisation Resolution graphique dun PL

Resolution graphique

Figure: Resolution graphique par IOR Tutorial

Lensemble admissible(=polyedre OABCD) est la partie coloree.


Introduction et principaux concepts Modelisation Resolution graphique dun PL

Resolution graphique

Les contraintes ou apparaissent des inegalites (y compris celles de


positivite) correspondent geometriquement a des demi-plans .
Lintersection de ces demi-plans forme lensemble des variables
satisfaisant a toutes les contraintes= ensemble realisable
(polygone convexe).

A la fonction objectif Z correspond une droite 2x1 + x2 = cste, de


coefficient directeur (1, 2/1) (ou de pente (2/1)).
Isoprofit (Courbe de niveaux de lobjectif) est Lensemble de
solution ayant un profit donne (= cste).

Recherche dune direction dans laquelle le profit Z augmente


Pour determiner max Z , on translate la droite de bas en haut
jusqua rencontrer lensemble des variables satisfaisant les
contraintes (constatez que le benefice Z (x) augmente).
On obtient ainsi la solution optimale (x1 = 11/2, x2 = 2) et ce qui
donne le profit maximal max(Z ) = 2 11/2 + 2 = 13.
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Resolution graphique

Remarques
Lensemble des points realisables est lensemble des solutions
verifiant toutes les contraintes (y compris celles de positivite)
La solution optimale de notre probleme est un sommet du
polyedre OABCD=simplexe.

Quelle sera la solution optimale si la fonction objective Z


devienne :
Z = x1 + x2
Z = x1 + 2x2
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Formulation et resolution graphique : production de la peinture

Une societe produit de la peinture dinterieur et dexterieur a partir


de deux produits de base M1 et M2. Donnees :

Quantite utilisee/ t Quantite disponible/j


Interieure Exterieure
M1 6 4 24
M2 1 2 6
Profit par tonne 5 4

Contraintes supplementaires :
- Demande maximum en peinture dexterieur : 2 tonnes / jour.
- La production en peinture dinterieur ne depasse que dune tonne
celle dexterieur.
Ecrire le probleme de maximisation du profit de cette entreprise
sous la forme dun programme lineaire.
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Exemple : production de peinture

Identification des variables de decision :


Le profit total est fonction des quantites de la peinture
dinterieur et dexterieur vendues . Appelons :
x1 : quantites de peinture dinterieur produites par jour
x2 : quantites de peinture dexterieur produites par jour
Identification de la fonction objectif a optimiser :
Le profit Z sobtient a partir de lexpression, Z = 5x1 + 4x2 .
Lobjectif poursuivi consiste a trouver la combinaison des
quantites x1 et x2 qui maximise le profit total z :
max Z = 5x1 + 4x2
Identification des contraintes : Les valeurs prises par x1 et
x2 sont limitees par des restrictions :
6x1 + 4x2 24 (disponibilte de M1) ;
x1 + 2x2 6 (disponibilte de M2) ;
x2 2 (demande maximale) ;
x2 x1 1
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Exemples de formulation : production de peinture

Contraintes de non-negativite :
Elles assurent que les quantites achetees ne peuvent etre que
positives ou nulles :

x1 0, x2 0

Le programme lineaire resultant secrit :

max z = 5x1 + 4x2





6x1 + 4x2 24


2x + x2 6

1



s.c x2 2






x2 x1 1


x1 , x2 0
Introduction et principaux concepts Modelisation Resolution graphique dun PL

Exemples de formulation : production de peinture

Figure: Resolution graphique par IOR Tutorial

Lensemble admissible(=polyedre OABCDE) est la partie coloree.


Introduction et principaux concepts Modelisation Resolution graphique dun PL

Programmation lineaire

Ce quil faut absolument savoir :


Poser et resoudre graphiquement un probleme doptimisation
lineaire
Modelisation
PL = optimisation lineaire
Resolution graphique de PL a 2 variables