Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Introduction

Zakia ANKHILI
Université Cadi Ayyad
ENSA, Marrakech

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 1/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Introduction

En partant de situations concrètes, nous construirons des

modèles mathématiques représentant les propriétés
fondamentales des systèmes considérés. La modélisation
mathématique consiste en trois étapes :
1 Identification des variables de décisions. Ce sont les
paramètres sur lesquels l’agent de décision peut agir pour
faire évoluer le système considéré.
2 Détermination de l’objectif visé exprimé sous forme d’une
fonction mathématique (appelée fonction objectif).
3 Description des contraintes définissant la nature du
système à étudier.

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 2/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Le problème d’optimisation consiste alors à déterminer les

variables de décision conduisant aux meilleures conditions de
fonctionnement du système (ce qui revient à minimiser ou
maximiser la fonction objectif), tout en respectant les
contraintes d’utilisation définies à l’étape 3.
Exemple 1 (Problème de transport)
Une entreprise dispose de deux entrepôts (A1 , A2 ) pour des
articles destinés à satisfaire la demande de trois clients
(B1 , B2 , B3 ). Le nombre d’article disponible à chaque entrepôt
et la demande des clients sont spécifiés dans le tableau
ci-dessous qui contient également le coût du transport d’un
article de chaque usine à chaque client. Le problème est de
déterminer quelle quantité chaque client reçoit de chaque
entrepôt pour minimiser le coût total tout en satisfaisant les
contraintes.

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 3/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Le problème d’optimisation consiste alors à déterminer les

variables de décision conduisant aux meilleures conditions de
fonctionnement du système (ce qui revient à minimiser ou
maximiser la fonction objectif), tout en respectant les
contraintes d’utilisation définies à l’étape 3.
Exemple 1 (Problème de transport)
Une entreprise dispose de deux entrepôts (A1 , A2 ) pour des
articles destinés à satisfaire la demande de trois clients
(B1 , B2 , B3 ). Le nombre d’article disponible à chaque entrepôt
et la demande des clients sont spécifiés dans le tableau
ci-dessous qui contient également le coût du transport d’un
article de chaque usine à chaque client. Le problème est de
déterminer quelle quantité chaque client reçoit de chaque
entrepôt pour minimiser le coût total tout en satisfaisant les
contraintes.

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 3/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

B1 B2 B3 Disponibilité
A1 1 4 9 200
A2 6 8 4 500
demande 200 400 100
Posons xij le nombre d’articles que Ai envoie à Bj
(i = 1, 2, j = 1, 2, 3)

Fonction objectif : min x11 +4x12 +9x13 +6x21 +8x22 +4x23

Les contraintes :
x11 + x12 + x13 ≤ 200
x21 + x22 + x23 ≤ 500
x11 + x21 = 200
x12 + x22 = 400
x13 + x23 = 100
xij ≥ 0, ∀i, j

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 4/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

B1 B2 B3 Disponibilité
A1 1 4 9 200
A2 6 8 4 500
demande 200 400 100
Posons xij le nombre d’articles que Ai envoie à Bj
(i = 1, 2, j = 1, 2, 3)

Fonction objectif : min x11 +4x12 +9x13 +6x21 +8x22 +4x23

Les contraintes :
x11 + x12 + x13 ≤ 200
x21 + x22 + x23 ≤ 500
x11 + x21 = 200
x12 + x22 = 400
x13 + x23 = 100
xij ≥ 0, ∀i, j

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 4/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Exemple 2 (Problème d’entreposage)

Considérons le problème d’entreposer une commodité pour
vente futur. Le problème s’échelonne sur 3 périodes
successives. A chaque période nous pouvons acheter et/ou
vendre et le prix de vente est égale au prix unitaire d’achat tel
que spécifié dans le tableau ci dessous. De plus, le coût
d’entreposage est de 1 Euro par unité et la capacité de
l’entrepôt est de 6O unités.

Période (t) Prix unitaire

1 4
2 9
3 6

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 5/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Exemple 2 (Problème d’entreposage)

Le problème consiste à déterminer les quantités à acheter,
entreposer et vendre pour maximiser les profits au cours des 3
périodes. On suppose que 30 unités sont disponibles au
départ.
Les variables :
xi quantité achetée à la période i
yi quantité vendue à la période i
Fonction objectif
−4x1 + 4y1 − 1(30 + x1 − y1 )
−9x2 + 9y2 − 1(30 + x1 − y1 + x2 − y2 )
−6x3 + 6y3 − 1(30 + x1 − y1 + x2 − y2 + x3 − y3 )
= −7x1 + 7y1 − 11x2 + 11y2 − 7x3 + 7y3 − 90

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 6/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Exemple 2 (Problème d’entreposage)

Le problème consiste à déterminer les quantités à acheter,
entreposer et vendre pour maximiser les profits au cours des 3
périodes. On suppose que 30 unités sont disponibles au
départ.
Les variables :
xi quantité achetée à la période i
yi quantité vendue à la période i
Fonction objectif
−4x1 + 4y1 − 1(30 + x1 − y1 )
−9x2 + 9y2 − 1(30 + x1 − y1 + x2 − y2 )
−6x3 + 6y3 − 1(30 + x1 − y1 + x2 − y2 + x3 − y3 )
= −7x1 + 7y1 − 11x2 + 11y2 − 7x3 + 7y3 − 90

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 6/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Exemple 2 (Problème d’entreposage)

Le problème consiste à déterminer les quantités à acheter,
entreposer et vendre pour maximiser les profits au cours des 3
périodes. On suppose que 30 unités sont disponibles au
départ.
Les variables :
xi quantité achetée à la période i
yi quantité vendue à la période i
Fonction objectif
−4x1 + 4y1 − 1(30 + x1 − y1 )
−9x2 + 9y2 − 1(30 + x1 − y1 + x2 − y2 )
−6x3 + 6y3 − 1(30 + x1 − y1 + x2 − y2 + x3 − y3 )
= −7x1 + 7y1 − 11x2 + 11y2 − 7x3 + 7y3 − 90

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 6/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Exemple 2 (Problème d’entreposage)

Le problème consiste à déterminer les quantités à acheter,
entreposer et vendre pour maximiser les profits au cours des 3
périodes. On suppose que 30 unités sont disponibles au
départ.
Les variables :
xi quantité achetée à la période i
yi quantité vendue à la période i
Fonction objectif
−4x1 + 4y1 − 1(30 + x1 − y1 )
−9x2 + 9y2 − 1(30 + x1 − y1 + x2 − y2 )
−6x3 + 6y3 − 1(30 + x1 − y1 + x2 − y2 + x3 − y3 )
= −7x1 + 7y1 − 11x2 + 11y2 − 7x3 + 7y3 − 90

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 6/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Exemple 2 (Problème d’entreposage)

Le problème consiste à déterminer les quantités à acheter,
entreposer et vendre pour maximiser les profits au cours des 3
périodes. On suppose que 30 unités sont disponibles au
départ.
Les variables :
xi quantité achetée à la période i
yi quantité vendue à la période i
Fonction objectif
−4x1 + 4y1 − 1(30 + x1 − y1 )
−9x2 + 9y2 − 1(30 + x1 − y1 + x2 − y2 )
−6x3 + 6y3 − 1(30 + x1 − y1 + x2 − y2 + x3 − y3 )
= −7x1 + 7y1 − 11x2 + 11y2 − 7x3 + 7y3 − 90

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 6/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Exemple 2 (Problème d’entreposage)

Le problème consiste à déterminer les quantités à acheter,
entreposer et vendre pour maximiser les profits au cours des 3
périodes. On suppose que 30 unités sont disponibles au
départ.
Les variables :
xi quantité achetée à la période i
yi quantité vendue à la période i
Fonction objectif
−4x1 + 4y1 − 1(30 + x1 − y1 )
−9x2 + 9y2 − 1(30 + x1 − y1 + x2 − y2 )
−6x3 + 6y3 − 1(30 + x1 − y1 + x2 − y2 + x3 − y3 )
= −7x1 + 7y1 − 11x2 + 11y2 − 7x3 + 7y3 − 90

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 6/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Exemple 2 (Problème d’entreposage)

Les contraintes :
30 + x1 − y1 ≤ 60
30 + x1 − y1 + x2 − y2 ≤ 60
30 + x1 − y1 + x2 − y2 + x3 − y3 ≤ 60
xi , yi ≥ 0, (i = 1, 2, 3)
Le problème s’écrit alors,


 max −7x1 + 7y1 − 11x2 + 11y2 − 7x3 + 7y3 − 9



 sà

 30+x1 −y1 ≤60

 30+x1 −y1 +x2 −y2 ≤60

30+x 1 −y1 +x2 −y2 +x3 −y3 ≤60





xi , yi ≥0, (i=1,2,3)

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 7/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Définition
Soient f : IRn → IR, gi : IRn → IR , i = 1, ..., m,
hj : IRn → IR j = 1, ..., p des fonctions.
Un problème d’optimisation ou problème de programmation
mathématique (P ) consiste à minimiser ou maximiser la
fonction f sous les contraintes :

gi (x) ≤ 0, i = 1, ..., m.

hj (x) = 0, j = 1, ..., p.
Le problème s’écrit :


 min f (x)

s.à
(P ) gi (x) ≤ 0, i = 1, ..., m.

 h (x) = 0,

j = 1, ..., p.
j

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 8/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

D’une façon équivalente, le problème (P ) s’écrit :

(
min f (x)
(P ) s.à
x∈D
où

D = {x ∈ IRn / gi (x) ≤ 0, i = 1, ..., m., hj (x) = 0, j = 1, ..., p}

La fonction f est appelée fonction objectif.

L’ensemble D est appelé ensemble admissible ou
ensemble réalisable.
On peut remplacer min par max selon la nature du
problème considéré.

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 9/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

D’une façon équivalente, le problème (P ) s’écrit :

(
min f (x)
(P ) s.à
x∈D
où

D = {x ∈ IRn / gi (x) ≤ 0, i = 1, ..., m., hj (x) = 0, j = 1, ..., p}

La fonction f est appelée fonction objectif.

L’ensemble D est appelé ensemble admissible ou
ensemble réalisable.
On peut remplacer min par max selon la nature du
problème considéré.

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 9/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

D’une façon équivalente, le problème (P ) s’écrit :

(
min f (x)
(P ) s.à
x∈D
où

D = {x ∈ IRn / gi (x) ≤ 0, i = 1, ..., m., hj (x) = 0, j = 1, ..., p}

La fonction f est appelée fonction objectif.

L’ensemble D est appelé ensemble admissible ou
ensemble réalisable.
On peut remplacer min par max selon la nature du
problème considéré.

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 9/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

D’une façon équivalente, le problème (P ) s’écrit :

(
min f (x)
(P ) s.à
x∈D
où

D = {x ∈ IRn / gi (x) ≤ 0, i = 1, ..., m., hj (x) = 0, j = 1, ..., p}

La fonction f est appelée fonction objectif.

L’ensemble D est appelé ensemble admissible ou
ensemble réalisable.
On peut remplacer min par max selon la nature du
problème considéré.

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 9/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

D’une façon équivalente, le problème (P ) s’écrit :

(
min f (x)
(P ) s.à
x∈D
où

D = {x ∈ IRn / gi (x) ≤ 0, i = 1, ..., m., hj (x) = 0, j = 1, ..., p}

La fonction f est appelée fonction objectif.

L’ensemble D est appelé ensemble admissible ou
ensemble réalisable.
On peut remplacer min par max selon la nature du
problème considéré.

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 9/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Classification des problèmes d’optimisation

1 Suivant les propriétés de la fonction objectif :

fonction linéaire
fonction quadratique
fonction convexe
fonction non linéaire continûment dérivable.
fonction non linéaire non dérivable.
2 Suivant les propriétés des contraintes :
pas de contraintes.
simple bornes.
fonction linéaire.
fonction convexe.
fonctions non linéaires continûment dérivables.
fonctions non linéaires non dérivables.

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 10/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Classification des problèmes d’optimisation

1 Suivant les propriétés de la fonction objectif :

fonction linéaire
fonction quadratique
fonction convexe
fonction non linéaire continûment dérivable.
fonction non linéaire non dérivable.
2 Suivant les propriétés des contraintes :
pas de contraintes.
simple bornes.
fonction linéaire.
fonction convexe.
fonctions non linéaires continûment dérivables.
fonctions non linéaires non dérivables.

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 10/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Terminologie
Optimisation linéaire :

 min cT x
s.à
 x ∈ D = {x/ Ax ≤ b}

Optimisation quadratique :

1 T
 min x Dx − bT x
s.à 2
x ∈ D = {x/ Ax ≤ b}


Optimisation convexe : f est une fonction convexe et D

est un ensemble convexe.
Optimisation non linéaire: f , gi et hj sont des fonctions
non linéaires.
Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 11/13
Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

L’objectif de ce cours est de répondre aux questions suivantes:

1 Existe-t-il une solution du problème (P) ? si oui, a-t-on
unicité ?
2 Comment la caractériser ? ( conditions d’optimalité).
3 Comment la calculer ? (algorithmes de calcul)

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 12/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

L’objectif de ce cours est de répondre aux questions suivantes:

1 Existe-t-il une solution du problème (P) ? si oui, a-t-on
unicité ?
2 Comment la caractériser ? ( conditions d’optimalité).
3 Comment la calculer ? (algorithmes de calcul)

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 12/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

L’objectif de ce cours est de répondre aux questions suivantes:

1 Existe-t-il une solution du problème (P) ? si oui, a-t-on
unicité ?
2 Comment la caractériser ? ( conditions d’optimalité).
3 Comment la calculer ? (algorithmes de calcul)

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 12/13

Rappels mathématiques Problèmes d’optimisation sans contraintes Problèmes d’optimisation avec contraintes Méthodes d’optimisa

Plan

1 Rappels mathématiques

2 Problèmes d’optimisation sans contraintes

3 Problèmes d’optimisation avec contraintes

4 Méthodes d’optimisation

Zakia ANKHILI Chapitre 1 Cours d’optimisation ENSA (Marrakech) 2015/2016 13/13