Vous êtes sur la page 1sur 130
Cours de Recherche Opérationnelle Programmation linéaire Mohamed Zeriab Essadek ENSET - Rabat.
Cours de Recherche Opérationnelle Programmation linéaire Mohamed Zeriab Essadek ENSET - Rabat.

Cours de Recherche Opérationnelle

Programmation linéaire

Mohamed Zeriab Essadek ENSET - Rabat.

Cours de Recherche Opérationnelle Programmation linéaire Mohamed Zeriab Essadek ENSET - Rabat.

Plan de la présentation

1 Introduction

2 Formulation d’un programme linéaire Problème de production Problème de mélange Problème de transport Problème de découpe

3 Résolution graphique

4 Méthode du simplexe

5 Dualité

6 Analyse de sensibilité

Essadek

Recherche Opérationnelle

2019/2020 2 / 55
2019/2020
2 / 55

Introduction

Grandes lignes

1

Introduction

2 Formulation d’un programme linéaire

3 Résolution graphique

4 Méthode du simplexe

5 Dualité

6 Analyse de sensibilité

Essadek

Recherche Opérationnelle

2019/2020 3 / 55
2019/2020
3 / 55

Introduction

Introduction

En économie, économétrie et industrie, on est souvent confronté à faire des choix pratiques. La recherche opérationnelle, appelée aussi aide à la décision, est l’ensemble des méthodes qui nous permet de faire le meilleur choix possible pour un problème donné. Etant donné un problème réel quelconque on est amené à le modéliser sous forme mathématique. Dans ce cours, on s’intéresse aux problèmes de type maximisation ou minimisation d’une fonction linéaire sous contraintes linéaires.

Essadek

Recherche Opérationnelle

2019/2020 4 / 55
2019/2020
4 / 55

Introduction

Introduction

En économie, économétrie et industrie, on est souvent confronté à faire des choix pratiques. La recherche opérationnelle, appelée aussi aide à la décision, est l’ensemble des méthodes qui nous permet de faire le meilleur choix possible pour un problème donné. Etant donné un problème réel quelconque on est amené à le modéliser sous forme mathématique. Dans ce cours, on s’intéresse aux problèmes de type maximisation ou minimisation d’une fonction linéaire sous contraintes linéaires.

Essadek

Recherche Opérationnelle

2019/2020 4 / 55
2019/2020
4 / 55

Introduction

Introduction

En économie, économétrie et industrie, on est souvent confronté à faire des choix pratiques. La recherche opérationnelle, appelée aussi aide à la décision, est l’ensemble des méthodes qui nous permet de faire le meilleur choix possible pour un problème donné. Etant donné un problème réel quelconque on est amené à le modéliser sous forme mathématique. Dans ce cours, on s’intéresse aux problèmes de type maximisation ou minimisation d’une fonction linéaire sous contraintes linéaires.

Essadek

Recherche Opérationnelle

2019/2020 4 / 55
2019/2020
4 / 55

Introduction

Introduction

Un problème de programmation linéaire s’écrit sous la forme :

maximiser

s.c.

f (x)

Ax

= b

(1)

où :

f est une fonction linéaire c.à.d. qui s’écrit sous la forme :

f : IR n IR x cx avec c un vecteur ligne de taille n ; A une matrice de taille (m, n)

un vecteur ligne de taille n ; A une matrice de taille ( m , n

Essadek

Recherche Opérationnelle

2019/2020 5 / 55
2019/2020
5 / 55

Introduction

Introduction

Un problème de programmation linéaire s’écrit sous la forme :

maximiser

s.c.

f (x)

Ax

= b

(1)

où :

f est une fonction linéaire c.à.d. qui s’écrit sous la forme :

f : IR n IR x cx avec c un vecteur ligne de taille n ; A une matrice de taille (m, n)

un vecteur ligne de taille n ; A une matrice de taille ( m , n

Essadek

Recherche Opérationnelle

2019/2020 5 / 55
2019/2020
5 / 55

Introduction

Introduction

Un problème de programmation linéaire s’écrit sous la forme :

maximiser

s.c.

f (x)

Ax

= b

(1)

où :

f est une fonction linéaire c.à.d. qui s’écrit sous la forme :

f : IR n IR x cx avec c un vecteur ligne de taille n ; A une matrice de taille (m, n)

un vecteur ligne de taille n ; A une matrice de taille ( m , n

Essadek

Recherche Opérationnelle

2019/2020 5 / 55
2019/2020
5 / 55

Formulation d’un programme linéaire

Grandes lignes

1

2

3

4

5

6

Introduction

Formulation d’un programme linéaire Problème de production Problème de mélange Problème de transport Problème de découpe

Résolution graphique

Méthode du simplexe

Dualité

Analyse de sensibilité

Essadek

Recherche Opérationnelle

2019/2020 6 / 55
2019/2020
6 / 55

Formulation d’un programme linéaire

Formulation d’un programme linéaire

Dans ce chapitre, on va modéliser quelques problèmes classiques :

problème de production problème de mélange problème de transport problème de découpe

Essadek

Recherche Opérationnelle

2019/2020 7 / 55
2019/2020
7 / 55

Formulation d’un programme linéaire

Formulation d’un programme linéaire

Dans ce chapitre, on va modéliser quelques problèmes classiques :

problème de production problème de mélange problème de transport problème de découpe

Essadek

Recherche Opérationnelle

2019/2020 7 / 55
2019/2020
7 / 55

Formulation d’un programme linéaire

Problème de production

Problème de production

Supposons une usine qui produit deux pièces M 1 et M 2 sur une machine. Ces produits sont tellement demandés qu’ils sont tous vendus. Les prix de vente sont de 25 DHS pour M 1 et 13 DHS pour M 2 . La production de ces produits demande 6 unités de matière première pour M 1 et 2.7 unités pour M 2 , et aussi 10 min de temps de fonctionnement de la machine pour M1 et 3 min pour M 2 . On veut calculer le nombre de pièces à produire pour que le chiffre d’affaires soit maximale. Sachant que le stock de matières premières est de 350 unités et la disponibilité de la machine est de 8 heures(480 min)

unités et la disponibilité de la machine est de 8 heures(480 min) Essadek Recherche Opérationnelle 2019/2020

Essadek

Recherche Opérationnelle

2019/2020 8 / 55
2019/2020
8 / 55

Formulation d’un programme linéaire

Problème de production

Problème de production

Supposons une usine qui produit deux pièces M 1 et M 2 sur une machine. Ces produits sont tellement demandés qu’ils sont tous vendus. Les prix de vente sont de 25 DHS pour M 1 et 13 DHS pour M 2 . La production de ces produits demande 6 unités de matière première pour M 1 et 2.7 unités pour M 2 , et aussi 10 min de temps de fonctionnement de la machine pour M1 et 3 min pour M 2 . On veut calculer le nombre de pièces à produire pour que le chiffre d’affaires soit maximale. Sachant que le stock de matières premières est de 350 unités et la disponibilité de la machine est de 8 heures(480 min)

unités et la disponibilité de la machine est de 8 heures(480 min) Essadek Recherche Opérationnelle 2019/2020

Essadek

Recherche Opérationnelle

2019/2020 8 / 55
2019/2020
8 / 55

Formulation d’un programme linéaire

Problème de production

Problème de production

Supposons une usine qui produit deux pièces M 1 et M 2 sur une machine. Ces produits sont tellement demandés qu’ils sont tous vendus. Les prix de vente sont de 25 DHS pour M 1 et 13 DHS pour M 2 . La production de ces produits demande 6 unités de matière première pour M 1 et 2.7 unités pour M 2 , et aussi 10 min de temps de fonctionnement de la machine pour M1 et 3 min pour M 2 . On veut calculer le nombre de pièces à produire pour que le chiffre d’affaires soit maximale. Sachant que le stock de matières premières est de 350 unités et la disponibilité de la machine est de 8 heures(480 min)

unités et la disponibilité de la machine est de 8 heures(480 min) Essadek Recherche Opérationnelle 2019/2020

Essadek

Recherche Opérationnelle

2019/2020 8 / 55
2019/2020
8 / 55

Formulation d’un programme linéaire

Problème de production

Problème de production

Soit x le nombre de pièces M 1 produites et y le nombre de M 2 Le chiffre d’affaire est exprimé par : f (x, y ) = 25x + 13y Et le problème se traduit sous la forme :

Essadek

maximiser

s.c.

f (x, y ) 6x + 2.7y 350

10x + 3y 480

Recherche Opérationnelle

2019/2020 9 / 55
2019/2020
9 / 55

Formulation d’un programme linéaire

Problème de production

Problème de production

Soit x le nombre de pièces M 1 produites et y le nombre de M 2 Le chiffre d’affaire est exprimé par : f (x, y ) = 25x + 13y Et le problème se traduit sous la forme :

Essadek

maximiser

s.c.

f (x, y ) 6x + 2.7y 350

10x + 3y 480

Recherche Opérationnelle

2019/2020 9 / 55
2019/2020
9 / 55

Formulation d’un programme linéaire

Problème de mélange

Problème de mélange

Une unité de production de jus désire fabriquer un jus composé d’orange et de mangue. On veut déterminer la composition à coût minimal d’un jus, tout en sachant que

la quantité par bouteille est de 1000 gramme.

le jus doit comporter au moins 10% de vitamine C et au maximum 15% de glucides.

L’apport en vitamine C en 1 g d’orange est de 0.0053 g et en 1 g de mangue est de 0.0044 g.

L’apport en glucides en 1 g d’orange est de 0.086 g et en 1 g de mangue est de 0.143 g.

Le coût d’orange est de 3 DHS/kg et celui de la mangue est de 10 DHS/kg.

d’orange est de 3 DHS/kg et celui de la mangue est de 10 DHS/kg. Essadek Recherche

Essadek

Recherche Opérationnelle

2019/2020 10 / 55
2019/2020
10 / 55

Formulation d’un programme linéaire

Problème de mélange

Problème de mélange

Une unité de production de jus désire fabriquer un jus composé d’orange et de mangue. On veut déterminer la composition à coût minimal d’un jus, tout en sachant que

la quantité par bouteille est de 1000 gramme.

le jus doit comporter au moins 10% de vitamine C et au maximum 15% de glucides.

L’apport en vitamine C en 1 g d’orange est de 0.0053 g et en 1 g de mangue est de 0.0044 g.

L’apport en glucides en 1 g d’orange est de 0.086 g et en 1 g de mangue est de 0.143 g.

Le coût d’orange est de 3 DHS/kg et celui de la mangue est de 10 DHS/kg.

d’orange est de 3 DHS/kg et celui de la mangue est de 10 DHS/kg. Essadek Recherche

Essadek

Recherche Opérationnelle

2019/2020 10 / 55
2019/2020
10 / 55

Formulation d’un programme linéaire

Problème de mélange

Problème de mélange

Soit x le nombre de grammes d’oranges par bouteille, et y le nombre de grammes de mangue. On veut minimiser le coût donc min f (x, y ) = 0.003x + 0.01y Les contraintes sont :

x + y = 1000 0.0053x + 0.0044y 0.1(x + y ) 0.086x + 0.143y 0.15(x + y )

Essadek

Recherche Opérationnelle

2019/2020 11 / 55
2019/2020
11 / 55

Formulation d’un programme linéaire

Problème de mélange

Problème de mélange

Soit x le nombre de grammes d’oranges par bouteille, et y le nombre de grammes de mangue. On veut minimiser le coût donc min f (x, y ) = 0.003x + 0.01y Les contraintes sont :

x + y = 1000 0.0053x + 0.0044y 0.1(x + y ) 0.086x + 0.143y 0.15(x + y )

Essadek

Recherche Opérationnelle

2019/2020 11 / 55
2019/2020
11 / 55

Formulation d’un programme linéaire

Problème de mélange

Problème de mélange

Soit x le nombre de grammes d’oranges par bouteille, et y le nombre de grammes de mangue. On veut minimiser le coût donc min f (x, y ) = 0.003x + 0.01y Les contraintes sont :

x + y = 1000 0.0053x + 0.0044y 0.1(x + y ) 0.086x + 0.143y 0.15(x + y )

Essadek

Recherche Opérationnelle

2019/2020 11 / 55
2019/2020
11 / 55

Formulation d’un programme linéaire

Problème de transport

Formulation du problème

Un industriel désire transporter, à moindre coût, un certain bien depuis m entrepôts vers n clients. La disponibilité de l’entrepôt i, (1 i m) est a i et la demande du client j, (1 j n) est b j . Nous supposons que a i , b j > 0. Le coût unitaire de transport de l’entrepôt i vers le client j est C ij .

Essadek

Recherche Opérationnelle

2019/2020 12 / 55
2019/2020
12 / 55

Formulation d’un programme linéaire

Problème de transport

Formulation du problème

Un industriel désire transporter, à moindre coût, un certain bien depuis m entrepôts vers n clients. La disponibilité de l’entrepôt i, (1 i m) est a i et la demande du client j, (1 j n) est b j . Nous supposons que a i , b j > 0. Le coût unitaire de transport de l’entrepôt i vers le client j est C ij .

Essadek

Recherche Opérationnelle

2019/2020 12 / 55
2019/2020
12 / 55

Formulation d’un programme linéaire

Problème de transport

Formulation du problème

Un industriel désire transporter, à moindre coût, un certain bien depuis m entrepôts vers n clients. La disponibilité de l’entrepôt i, (1 i m) est a i et la demande du client j, (1 j n) est b j . Nous supposons que a i , b j > 0. Le coût unitaire de transport de l’entrepôt i vers le client j est C ij .

Essadek

Recherche Opérationnelle

2019/2020 12 / 55
2019/2020
12 / 55

Formulation d’un programme linéaire

Problème de transport

Formulation du problème

Le problème de l’industriel est de déterminer la quantité x ij à envoyer de chaque entrepôt vers chaque client de telle manière que le coût total de transport soit le plus faible possible tout en satisfaisant la demande de tous les clients sans dépasser la disponibilité des entrepôts.

Essadek

Recherche Opérationnelle

2019/2020 13 / 55
2019/2020
13 / 55

Formulation d’un programme linéaire

Problème de transport

Modèle mathématique

m

i=1

x i,j b j

n

j=1

x i,j a i

x ij 0

j = 1,

Essadek

m n Min c ij x ij i=1 j=1 j = 1, , n (demande)
m
n
Min
c ij x ij
i=1
j=1
j = 1,
, n
(demande)
i = 1,
, m
(disponibilité)
, n;
i = 1,
, m
(positivité)
Recherche Opérationnelle
2019/2020
14 / 55

Formulation d’un programme linéaire

Problème de transport

Modèle mathématique

m

i=1

x i,j b j

n

j=1

x i,j a i

x ij 0

j = 1,

Essadek

m n Min c ij x ij i=1 j=1 j = 1, , n (demande)
m
n
Min
c ij x ij
i=1
j=1
j = 1,
, n
(demande)
i = 1,
, m
(disponibilité)
, n;
i = 1,
, m
(positivité)
Recherche Opérationnelle
2019/2020
14 / 55

Formulation d’un programme linéaire

Problème de transport

Modèle mathématique

m

i=1

x i,j b j

n

j=1

x i,j a i

x ij 0

j = 1,

Essadek

m n Min c ij x ij i=1 j=1 j = 1, , n (demande)
m
n
Min
c ij x ij
i=1
j=1
j = 1,
, n
(demande)
i = 1,
, m
(disponibilité)
, n;
i = 1,
, m
(positivité)
Recherche Opérationnelle
2019/2020
14 / 55

Formulation d’un programme linéaire

Problème de transport

Modèle mathématique

m

i=1

x i,j b j

n

j=1

x i,j a i

x ij 0

j = 1,

Essadek

m n Min c ij x ij i=1 j=1 j = 1, , n (demande)
m
n
Min
c ij x ij
i=1
j=1
j = 1,
, n
(demande)
i = 1,
, m
(disponibilité)
, n;
i = 1,
, m
(positivité)
Recherche Opérationnelle
2019/2020
14 / 55

Formulation d’un programme linéaire

Hypothèse

Problème de transport

On suppose le système balancé c.à.d.

a i , b j > 0

Essadek

m

i=1

a i =

n

j=1

b

j

Recherche Opérationnelle

2019/2020 15 / 55
2019/2020
15 / 55

Formulation d’un programme linéaire

Hypothèse

Problème de transport

On suppose le système balancé c.à.d.

a i , b j > 0

Essadek

m

i=1

a i =

n

j=1

b

j

Recherche Opérationnelle

2019/2020 15 / 55
2019/2020
15 / 55

Formulation d’un programme linéaire

Problème de transport

Modèle mathématique

m

i=1

x i,j = b j

n

j=1

x i,j = a i

x ij 0

j = 1,

Essadek

m n Min c ij x ij i=1 j=1 j = 1, , n (demande)
m
n
Min
c ij x ij
i=1
j=1
j = 1,
, n
(demande)
i = 1,
, m
(disponibilité)
, n;
i = 1,
, m
(positivité)
Recherche Opérationnelle
2019/2020
16 / 55

Formulation d’un programme linéaire

Problème de transport

Modèle mathématique

m

i=1

x i,j = b j

n

j=1

x i,j = a i

x ij 0

j = 1,

Essadek

m n Min c ij x ij i=1 j=1 j = 1, , n (demande)
m
n
Min
c ij x ij
i=1
j=1
j = 1,
, n
(demande)
i = 1,
, m
(disponibilité)
, n;
i = 1,
, m
(positivité)
Recherche Opérationnelle
2019/2020
16 / 55

Formulation d’un programme linéaire

Problème de transport

Modèle mathématique

m

i=1

x i,j = b j

n

j=1

x i,j = a i

x ij 0

j = 1,

Essadek

m n Min c ij x ij i=1 j=1 j = 1, , n (demande)
m
n
Min
c ij x ij
i=1
j=1
j = 1,
, n
(demande)
i = 1,
, m
(disponibilité)
, n;
i = 1,
, m
(positivité)
Recherche Opérationnelle
2019/2020
16 / 55

Formulation d’un programme linéaire

Problème de transport

Modèle mathématique

m

i=1

x i,j = b j

n

j=1

x i,j = a i

x ij 0

j = 1,

Essadek

m n Min c ij x ij i=1 j=1 j = 1, , n (demande)
m
n
Min
c ij x ij
i=1
j=1
j = 1,
, n
(demande)
i = 1,
, m
(disponibilité)
, n;
i = 1,
, m
(positivité)
Recherche Opérationnelle
2019/2020
16 / 55

Exemple

Formulation d’un programme linéaire

Problème de transport

Un fabricant de marmites géantes à gaz veut livrer 4 hôtels, qui lui achètent respectivement 10,8,5 et 7 marmites, qui sont réparties sur 3 entrepôts : 6 dans le premier, 9 dans le deuxième et 15 dans le troisième. Les coûts de transport entre chaque entrepôt R i et chaque hôtel L j sont donnés dans le tableau suivant

Essadek

Recherche Opérationnelle

2019/2020 17 / 55
2019/2020
17 / 55

Exemple

Formulation d’un programme linéaire

Problème de transport

Un fabricant de marmites géantes à gaz veut livrer 4 hôtels, qui lui achètent respectivement 10,8,5 et 7 marmites, qui sont réparties sur 3 entrepôts : 6 dans le premier, 9 dans le deuxième et 15 dans le troisième. Les coûts de transport entre chaque entrepôt R i et chaque hôtel L j sont donnés dans le tableau suivant

Essadek

Recherche Opérationnelle

2019/2020 17 / 55
2019/2020
17 / 55

Exemple

Essadek

Formulation d’un programme linéaire

Problème de transport

 

L

1

L

2

L

3

L

4

R

1

4

3

7

2

R

2

3

4

5

2

R

3

5

6

9

7

Recherche Opérationnelle

2019/2020 18 / 55
2019/2020
18 / 55

Min

s.c.

Essadek

Formulation d’un programme linéaire

Problème de transport

4x 11 + 3x 12 + 7x 13 + 2x 14 + 3x 21 + 4x 22 + 5x 23 +

2x 24 + 5x 31 + 6x 32 + 9x 33 + 7x 34

= 6

x 21 + x 22 + x 23 + x 24 = 9

x 31 + x 32 + x 33 + x 34 = 15

x 11 + x 21 + x 31 = 10

x 12 + x 22 + x 32 = 8

x 13 + x 23 + x 33 = 5

x 14 + x 24 + x 34 = 7

x ij >= 0 (i, j)

x 11 + x 12 + x 13 + x 14

Recherche Opérationnelle

2019/2020 19 / 55
2019/2020
19 / 55

Formulation d’un programme linéaire

Problème de découpe

Formulation du problème

, de la matière première pour produire des sous entités. On appelle problème de découpe à une dimension, le problème de découpage d’une barre en des barres de dimension inférieure. On appelle problème de découpe à deux dimension, le problème de découpage d’un rectangle en des sous rectangles de dimension inférieure.

En industrie du papier, de l’acier, du bois,

on a besoin de découper

Essadek

Recherche Opérationnelle

2019/2020 20 / 55
2019/2020
20 / 55

Formulation d’un programme linéaire

Problème de découpe

Formulation du problème

, de la matière première pour produire des sous entités. On appelle problème de découpe à une dimension, le problème de découpage d’une barre en des barres de dimension inférieure. On appelle problème de découpe à deux dimension, le problème de découpage d’un rectangle en des sous rectangles de dimension inférieure.

En industrie du papier, de l’acier, du bois,

on a besoin de découper

Essadek

Recherche Opérationnelle

2019/2020 20 / 55
2019/2020
20 / 55

Formulation d’un programme linéaire

Problème de découpe

Formulation du problème

, de la matière première pour produire des sous entités. On appelle problème de découpe à une dimension, le problème de découpage d’une barre en des barres de dimension inférieure. On appelle problème de découpe à deux dimension, le problème de découpage d’un rectangle en des sous rectangles de dimension inférieure.

En industrie du papier, de l’acier, du bois,

on a besoin de découper

Essadek

Recherche Opérationnelle

2019/2020 20 / 55
2019/2020
20 / 55

Exemple

Formulation d’un programme linéaire

Problème de découpe

Une unité de production de papier a une commande de 3 clients, pour répondre à ces commandes, elle doit découper des bobines d’une largeur standard de 5000 mm, en des bobines moins large, sachant que la longueur est standard. Soit la commande suivante :

client 1 : 280 bobines de largeur 900 mm

client 2 : 130 bobines de largeur 800 mm

client 3 : 150 bobines de largeur 750 mm

Essadek

Recherche Opérationnelle

2019/2020 21 / 55
2019/2020
21 / 55

Exemple

Formulation d’un programme linéaire

Problème de découpe

Une unité de production de papier a une commande de 3 clients, pour répondre à ces commandes, elle doit découper des bobines d’une largeur standard de 5000 mm, en des bobines moins large, sachant que la longueur est standard. Soit la commande suivante :

client 1 : 280 bobines de largeur 900 mm

client 2 : 130 bobines de largeur 800 mm

client 3 : 150 bobines de largeur 750 mm

Essadek

Recherche Opérationnelle

2019/2020 21 / 55
2019/2020
21 / 55

Formulation d’un programme linéaire

Problème de découpe

Modèle mathématique

On construit l’ensemble des combinaisons possibles appelé activités.

Num

1

2

3

4

5

6

7

8

9

900

5

4

4

3

3

3

2

2

2

800

0

1

0

2

1

0

4

3

2

750

0

0

1

0

2

3

0

1

2

Perte

500

600

650

700

0

50

0

50

100

Essadek

Recherche Opérationnelle

2019/2020 22 / 55
2019/2020
22 / 55

Formulation d’un programme linéaire

Problème de découpe

Modèle mathématique

On construit l’ensemble des combinaisons possibles appelé activités.

Num

1

2

3

4

5

6

7

8

9

900

5

4

4

3

3

3

2

2

2

800

0

1

0

2

1

0

4

3

2

750

0

0

1

0

2

3

0

1

2

Perte

500

600

650

700

0

50

0

50

100

Essadek

Recherche Opérationnelle

2019/2020 22 / 55
2019/2020
22 / 55

Formulation d’un programme linéaire

Problème de découpe

Modèle mathématique

Num

10

11

12

13

14

15

16

17

18

 

900

2

2

1

1

1

1

1

1

0

800

1

0

5

4

3

2

1

0

6

750

3

4

0

1

2

3

4

5

0

Perte

150

200

100

150

200

250

300

350

200

Num

19

20

21

22

23

24

 

900

0

0

0

0

0

0

800

5

4

3

2

1

0

750

1

2

3

4

5

6

Perte

250

300

350

400

450

500

 
Perte 250 300 350 400 450 500  
 
 

Essadek

Recherche Opérationnelle

2019/2020 23 / 55
2019/2020
23 / 55

Formulation d’un programme linéaire

Problème de découpe

Modèle mathématique

Num

10

11

12

13

14

15

16

17

18

 

900

2

2

1

1

1

1

1

1

0

800

1

0

5

4

3

2

1

0

6

750

3

4

0

1

2

3

4

5

0

Perte

150

200

100

150

200

250

300

350

200

Num

19

20

21

22

23

24

 

900

0

0

0

0

0

0

800

5

4

3

2

1

0

750

1

2

3

4

5

6

Perte

250

300

350

400

450

500

 
Perte 250 300 350 400 450 500  
 
 

Essadek

Recherche Opérationnelle

2019/2020 23 / 55
2019/2020
23 / 55

Formulation d’un programme linéaire

Problème de découpe

Modèle mathématique

Le but est de minimiser le nombre de bobines à découper.

Soit (x i , i = {1, 2,

combinaison i, (p i , i = {1, 2,

(a i , i = {1, 2,

la combinaison i, (b i , i = {1, 2,

mm résultant de la combinaison i et (c i , i = {1, 2, de bobines de 750 mm résultant de la combinaison i.

, 24}) le nombre de bobines à découper suivant la

, 24}) la perte de la combinaison i,

, 24}) le nombre de bobines de 900 mm résultant de

, 24}) le nombre de bobines de 800

, 24}) le nombre

Essadek

Recherche Opérationnelle

2019/2020 24 / 55
2019/2020
24 / 55

Formulation d’un programme linéaire

Problème de découpe

Modèle mathématique

La fonction objectif s’écrit :

Essadek

Min z =

24

i=1

p i x i

Recherche Opérationnelle

2019/2020 25 / 55
2019/2020
25 / 55

Formulation d’un programme linéaire

Problème de découpe

Modèle mathématique

La fonction objectif s’écrit :

Essadek

Min z =

24

i=1

p i x i

Recherche Opérationnelle

2019/2020 25 / 55
2019/2020
25 / 55

Formulation d’un programme linéaire

Problème de découpe

Modèle mathématique

Les contraintes sont :

Essadek

24

a i x i

280

i=1

24

b i x i

130

i=1

24

c i x i

150

i=1

x i , i = 1, 2,

, 24

Recherche Opérationnelle

entier 2019/2020 26 / 55
entier
2019/2020
26 / 55

Formulation d’un programme linéaire

Problème de découpe

Modèle mathématique

Les contraintes sont :

Essadek

24

a i x i

280

i=1

24

b i x i

130

i=1

24

c i x i

150

i=1

x i , i = 1, 2,

, 24

Recherche Opérationnelle

entier 2019/2020 26 / 55
entier
2019/2020
26 / 55

Résolution graphique

Grandes lignes

1

2

3

4

5

6

Introduction

Formulation d’un programme linéaire

Résolution graphique

Méthode du simplexe

Dualité

Analyse de sensibilité

Essadek

Recherche Opérationnelle

2019/2020 27 / 55
2019/2020
27 / 55

Résolution graphique

Résolution graphique

Une fois le problème modélisé, il est donc normal d’avoir pour objectif de résoudre le programme linéaire. Une des méthodes qui peut s’avérer bonne dans ce cas est la résolution graphique dans le cas où le problème est à deux variables. Les contraintes de type inégalités sont des demi-plans. On peut représenter géométriquement ces contraintes comme étant l’intersection de tous les demi-plans. on dessine une droite qui représente la fonction objectif, puis on la fait glisser selon la direction adéquate.

Essadek

Recherche Opérationnelle

2019/2020 28 / 55
2019/2020
28 / 55

Résolution graphique

Résolution graphique

Une fois le problème modélisé, il est donc normal d’avoir pour objectif de résoudre le programme linéaire. Une des méthodes qui peut s’avérer bonne dans ce cas est la résolution graphique dans le cas où le problème est à deux variables. Les contraintes de type inégalités sont des demi-plans. On peut représenter géométriquement ces contraintes comme étant l’intersection de tous les demi-plans. on dessine une droite qui représente la fonction objectif, puis on la fait glisser selon la direction adéquate.

Essadek

Recherche Opérationnelle

2019/2020 28 / 55
2019/2020
28 / 55

Résolution graphique

Résolution graphique

Une fois le problème modélisé, il est donc normal d’avoir pour objectif de résoudre le programme linéaire. Une des méthodes qui peut s’avérer bonne dans ce cas est la résolution graphique dans le cas où le problème est à deux variables. Les contraintes de type inégalités sont des demi-plans. On peut représenter géométriquement ces contraintes comme étant l’intersection de tous les demi-plans. on dessine une droite qui représente la fonction objectif, puis on la fait glisser selon la direction adéquate.

Essadek

Recherche Opérationnelle

2019/2020 28 / 55
2019/2020
28 / 55

Résolution graphique

Résolution graphique

Une fois le problème modélisé, il est donc normal d’avoir pour objectif de résoudre le programme linéaire. Une des méthodes qui peut s’avérer bonne dans ce cas est la résolution graphique dans le cas où le problème est à deux variables. Les contraintes de type inégalités sont des demi-plans. On peut représenter géométriquement ces contraintes comme étant l’intersection de tous les demi-plans. on dessine une droite qui représente la fonction objectif, puis on la fait glisser selon la direction adéquate.

Essadek

Recherche Opérationnelle

2019/2020 28 / 55
2019/2020
28 / 55

Exemple

Résolution graphique

Exemple

 max 6x + 4y     s.c    3x +
max 6x + 4y
 
 
s.c
 
3x + 9y ≤ 81
4x + 5y ≤ 55
 
2x + y ≤ 20
x, y ≥ 0

Essadek

Recherche Opérationnelle

2019/2020 29 / 55
2019/2020
29 / 55

Résolution graphique

Exemple

0

y

y     

max 6x + 4y

 

s.c

3x + 9y 81

4x + 5y 55

2x + y 20

x, y 0

 
 
 
y ≤ 55 2 x + y ≤ 20 x , y ≥ 0    

x

Essadek

Recherche Opérationnelle

2019/2020 30 / 55
2019/2020
30 / 55

Résolution graphique

Exemple

0

y

y     

max 6x + 4y

 

s.c

3x + 9y 81

4x + 5y 55

2x + y 20

x, y 0

 
1 y = 9 − 3 x
1
y = 9 −
3 x
1 y = 9 − 3 x
2 x + y ≤ 20 x , y ≥ 0   1 y = 9

x

Essadek

Recherche Opérationnelle

2019/2020 30 / 55
2019/2020
30 / 55

Résolution graphique

Exemple     max 6x + 4y y     s.c
Exemple
max 6x + 4y
y
s.c
3x + 9y ≤ 81
4x + 5y ≤ 55
2x + y ≤ 20
x, y ≥ 0
1
y = 9 −
3 x
0
x
y
= 11 − 4 x
5
Essadek
Recherche Opérationnelle
2019/2020
30 / 55

Résolution graphique

Exemple     max 6x + 4y y     s.c
Exemple
max 6x + 4y
y
s.c
y = 20 − 2x
3x + 9y ≤ 81
4x + 5y ≤ 55
2x + y ≤ 20
x, y ≥ 0
1
y = 9 −
3 x
0
x
y
= 11 − 4 x
5
Essadek
Recherche Opérationnelle
2019/2020
30 / 55

Résolution graphique

Exemple     max 6x + 4y y     s.c
Exemple
max 6x + 4y
y
s.c
y = 20 − 2x
3x + 9y ≤ 81
4x + 5y ≤ 55
2x + y ≤ 20
x, y ≥ 0
1
y = 9 −
3 x
0
x
y
= 11 − 4 x
5
Essadek
Recherche Opérationnelle
2019/2020
30 / 55

Résolution graphique

Exemple     max 6x + 4y y     s.c
Exemple
max 6x + 4y
y
s.c
y = 20 − 2x
3x + 9y ≤ 81
4x + 5y ≤ 55
2x + y ≤ 20
x, y ≥ 0
1
y = 9 −
3 x
0
x
y
= 11 − 4 x
5
Essadek
Recherche Opérationnelle
2019/2020
30 / 55

Résolution graphique

Exemple     max 6x + 4y y     s.c
Exemple
max 6x + 4y
y
s.c
y = 20 − 2x
3x + 9y ≤ 81
4x + 5y ≤ 55
2x + y ≤ 20
x, y ≥ 0
1
y = 9 −
3 x
0
x
y
= 11 − 4 x
5
Essadek
Recherche Opérationnelle
2019/2020
30 / 55

Résolution graphique

Exemple     max 6x + 4y y     s.c
Exemple
max 6x + 4y
y
s.c
y = 20 − 2x
3x + 9y ≤ 81
4x + 5y ≤ 55
2x + y ≤ 20
x, y ≥ 0
1
y = 9 −
3 x
0
x
y
= 11 − 4 x
5
Essadek
Recherche Opérationnelle
2019/2020
30 / 55

Exemple

Résolution graphique

   max 6x + 4y y      s.c 
max 6x + 4y
y
s.c
y = 20 − 2x
3x + 9y ≤ 81
4x + 5y ≤ 55
Optimum
2x + y ≤ 20
x, y ≥ 0
1
y = 9 −
3 x
0
x
y
= 11 − 4 x
5
Essadek
Recherche Opérationnelle
2019/2020
30 / 55

Méthode du simplexe

Grandes lignes

1

2

3

4

5

6

Introduction

Formulation d’un programme linéaire

Résolution graphique

Méthode du simplexe

Dualité

Analyse de sensibilité

Essadek

Recherche Opérationnelle

2019/2020 31 / 55
2019/2020
31 / 55

Définition

Méthode du simplexe

Considérons le problème linéaire suivant :

  min c t x s.c

Ax = b

avec m < n et x, c IR n , b IR m

, A IR m×n et rg(A) = m

rg(A) = m =toute sous matrice d’ordre m de A est inversible.

A = [B | N ]

d’ordre m de A est inversible. A = [ B | N ] où N est

N est la sous matrice de A formée par les colonnes qui ne sont pas dans la base.

Essadek

Recherche Opérationnelle

2019/2020 32 / 55
2019/2020
32 / 55

Définition

Méthode du simplexe

Considérons le problème linéaire suivant :

  min c t x s.c

Ax = b

avec m < n et x, c IR n , b IR m

, A IR m×n et rg(A) = m

rg(A) = m =toute sous matrice d’ordre m de A est inversible.

A = [B | N ]

d’ordre m de A est inversible. A = [ B | N ] où N est

N est la sous matrice de A formée par les colonnes qui ne sont pas dans la base.

Essadek

Recherche Opérationnelle

2019/2020 32 / 55
2019/2020
32 / 55

Méthode du simplexe

Variables de base

variables de bases

variables hors bases

 

x

B

x

N

= z

c

B

c

N

 
 

B

 

N

= b

(Base)

(Colonnes hors base)

[B | N ]

x B

x N

= Bx B + Nx N = b

Une solution de base du problème est donc

x N = 0

et

x