Réalisé par  :

EL IDRISSI Aziz

NB : D’après le Cours de Recherche Opérationnelle de la faculté de AIN CHOCK route d’EL
JADIDA (5ème semestre)
 Table des Matières
TABLE DES MATIÈRES............................................................................................................- 1 -
INTRODUCTION :.....................................................................................................................- 2 -
PARTIE I : PROGRAMMATION LINÉAIRE..................................................................................- 2 -
PARTIE II : ALGORITHME DU SIMPLEXE :...............................................................................- 7 -
Introduction :......................................................................................................................- 7 -
Résolution simplexe du P.L :.............................................................................................- 7 -
Notion dualité :.................................................................................................................- 11 -
PARTIE III : GESTION DE PROJET...........................................................................................- 13 -
Introduction :....................................................................................................................- 13 -
Méthode P.E.R.T temps (gestion optimale du temps de réalisation d’un projet)............- 13 -
Notion de tache critique :.................................................................................................- 15 -

1
 INTRODUCTION :
La recherche opérationnelle est un ensemble de méthodes d’analyse scientifiques tournées
vers la recherche de la meilleur façon d’approcher les problèmes afin d’aboutir aux meilleurs
solutions.
Les deux classes de problèmes traités dans ce cours sont :
I – la programmation linéaire : qui consiste à gérer de façon optimale les systèmes de
production qui évoluent de façon proportionnelle.
II – Ordonnancement et planification optimale : des temps de réalisation d’un projet par la
méthode P.E.R.T (Program Evaluation and Reviews techniques).

PARTIE I : PROGRAMMATION LINÉAIRE 

Exemple de travail :
Enoncé : la conception de la production de deux types de pièces P1 et P2 a été décidée selon
la fiche technique et financière suivante :
Pièces à produire P1 P2 Disponibilité
Heures machines de Maximale en H.
fabrication machine
M1 5 3 270
M2 4 6 360
Prix de vente unitaire 1500 DH 1800 DH
des pièces produites
TAF : 1 – formuler le problème de l’entreprise qui cherche à maximiser leur CA global en
respectant les disponibilités en facteurs de production M1 et M2.
2 – donner la solution optimale du problème ainsi que son interprétation économique.

Réponse :
1 – Formulation du problème (démarche à suivre) :
1 / Définition de l’objectif :
Maximiser le CA global qui est fonction des quantités à produire en P1 et P2.
2/ Définition des variables économiques (V.E) :
X1 : quantité de pièces P1 à produire ;
X2 : quantité de pièces P2 à produire.
3/ Définition de la fonction économique :
Max Z : 1500 X1+1800X2
4/ Définition des contraintes :

5X1 + 3X2≤270 (Disponibilité en H machine M1)

4X1+6X2≤360 (Disponibilité en H machine M2)

X1≥0 ; X2≥0 (contrainte de positivité)

Disponibilité = Capacité maximale = au maximum  ≤

Quantité requise = Capacité minimale=au minimum ≥

2
D’où le programme linéaire (P.L) à résoudre :
Max Z : 1500 X1+1800X2
5X1 + 3X2≤270 (Disponibilité en H machine M1)
(P) (0;90) ;(54;0)
(D) 4X1+6X2≤360 (Disponibilité en H machine M2)
(0;60) ; (90;0)
X1≥0 ; X2≥0 (contrainte de positivité)

2 - Résolution graphique du (P.L) (P) :

100

80

60
A
40 B
D
20

0
0 10 20 30 40 50 60 70 80 90 100
-20

Commentaire :
Le domaine (D) est l’ensemble des points admissibles c'est-à-dire l’ensemble des points qui
vérifient toutes les contraintes.
Le domaine (D) du problème est borné.
Les points O, A, B, C sont appelés les points sommets du (D).

Théorème d’optimalité :
On démontre que si solution optimale existe, elle est obligatoirement l’une des points
sommets.

Lecture de la solution optimale par la méthode des sommets :

Calcul des écarts
Coordonnées du Valeur de Z au Ecart en M1 :e1 Ecart en M2 : e2
sommet S sommet Si : Zs
O (0 ;0) 0 DH 270 H 360 H
A (0 ; 60) 108 000 DH 90 H 0H
B (30 ; 40) 117 000 DH 0H 0H
C (54 ; 0) 81 000 DH 0H 144 H

3
« B » est l’intersection des droites frontières (1) et (2) donc ses coordonnées sont solution du
système d’équation

(1) 5x1 + 3x2 = 270

(2) 4x1+ 6x2 = 360

e1 = 270 – (5x1 + 3x2)

e2 = 360 – (4x1 + 6x2)

Interprétation économique de la solution optimale  :

Pour réaliser un CA maximal de 117 000 DH on doit produire 30 unités de pièces P1 et 40
unités de pièces P2 avec plein emploi en heures machines M1 et M2

Cas n ° 2 :
Enoncé : Dans une exploitation agricole, on doit choisir entre 2 types d’engrais A et B pour
fertiliser un hectare de terre.
Celui-ci requiert au moins 60 kg de potassium, 120 Kg de calcium et 90 Kg de sodium par
hectare.
 dans un paquet d’engrais A, il y a 1Kg de potassium, 3 Kg de calcium et 3 Kg de
sodium
 dans un paquet B, il y a 2 Kg de potassium, 2 Kg de calcium et 1 Kg de sodium.

Les coûts d’achat unitaires sont de 100 DH pour le paquet de A et 100 DH pour le paquet B.
TAF : 1 – formuler le problème qui permet de réaliser la fertilisation souhaitée au moindre
coût en respectant les contraintes d’exploitation.
2 – par une résolution graphique, donner et interpréter la solution optimale du
problème.
Paquets d’engrais A B Quantités requises en
produits chimiques
Potassium 1 2 60
Calcium 3 2 120
Sodium 3 1 90
Coût d’achat unitaire 100 100
des paquets en DH

1- Formulation du problème
1°) Objectif : « Question »
Minimiser le coût de la fertilisation souhaitée qui est fonction des quantités de paquets
d’engrais A et B à acheter et à utiliser.
2°) V.E :
X1 : quantité de paquets A à acheter
X2 : quantité de paquets B à acheter

3°)- Fonction Economique :

Min Z : 100x1 + 100x2
4°)- Les contraintes :

4
 1x1 + 2x2 ≥ 60 potassiums
3x1 + 2x2 ≥ 120 Calciums
3x1 + 1x2 ≥ 90 Sodiums
X1≥0; X2≥0
D’où le programme linéaire (P.L) à résoudre
Min Z : 100x1 + 100x2
1x1 + 2x2 ≥ 60
(P) 3x1 + 2x2 ≥ 120
(D) 3x1 + 1x2 ≥ 90
X1≥0; X2≥0

Résolution graphique :

100
.A
80

60 (D)
1
40
.B 2
20 .C D 3

0 .
0 10 20 30 40 50 60 70 80 90 100
-20

-40
.
3 – Lecture graphique de la solution optimale :(méthode des sommets).
* notre domaine (D) est un domaine non borné (ouvert).
* si solution existe elle est obligatoirement un des points sommets : A, B, C ou D

 Le point B est l’intersection des droites frontières (2) et (3) donc ses coordonnées sont
solution du système d’équations :
3x1 + 2x2 ≥ 120 (2)
3x1 + 1x2 ≥ 90 (3)
Après résolution on trouve : x1= 20 et x2= 30

 Le point C est l’intersection des droites frontières (1) et (2) et donc solution du
système d’équations :

1x1 + 2x2 ≥ 60 (1)

3x1 + 2x2 ≥ 120 (2)
Après résolution on trouve x1= 30 et x2 = 15

Coordonnées du Valeur de Z en e1= x1+ 2x2- 60 e2= 3x1 + 2x2 + e3= 3x1+ x2-90
sommet S chaque sommet : 120
Zsi
A (0 ; 90) ZA= 9000 DH 120 Kg 60 Kg 0 Kg

5
B (20, 30) ZB= 5000 DH 20 Kg 0 Kg 0
C (30 ; 15) ZC= 4500 DH 0 0 15 Kg
D (60 ; 0) ZD = 6000 DH 0 60 Kg 90 Kg

4) Conclusion :
La solution optimale est :
X*=(x1* ; x2*)= (30 ; 15) avec e1= 0 ; e2=0 ; e3=15
Et Z*min = 4500 DH

5) Interprétation économique :
Pour réaliser la fertilisation souhaitée au moindre coût de 4500 DH on doit acheter et utiliser
30 paquets d’engrais A et 15 paquets d’engrais B.
Cet achat a assuré exactement la quantité requise en potassium (e1=0) et a assuré exactement
la quantité requise en calcium (e2=0) avec un surplus de 15 Kg de sodium (e3=0).

PARTIE II : ALGORITHME DU SIMPLEXE :

6
 Introduction  :
Un algorithme n’est autre q’une méthode de résolution d’un certain type de problème.
L’algorithme du simplexe permet la résolution d’un programme linéaire de deux variables et
plus.
L’algorithme du simplexe peut être présenté de 3 façons équivalentes :
1- la forme matricielle dont l’intérêt est purement théorique.
2- La forme algébrique dont l’intérêt est purement pédagogique.
3- Ces deux premières formes peuvent être mises sous une forme appelée méthode des
tableaux.
C’est cette dernière qui va être retenue dans notre cours.
5 3 X1 270
≤
4 6 X2 360

5X1 + 3X2 ≤ 270

 270 – (5X1 + 3 X2) ≥ 0

 Posons : e1 = 270 – (5x1 + 3x2)  5x1 + 3x2 + e1= 270
Et e1≥0

Résolution simplexe du P.L  :

1ère étape : mettre le PL (P) sous sa forme standard ≡ introduire les variables d’écart

Max Z : 1500 X1+1800X2 + 0e1+ 0e2

5X1 + 3X2 +e1=270

(D) 4X1+6X2+ e2=360 info
X1≥0 ; X2≥0 ; e1≥ 0 ; e2≥0

2ème étape : Démarrage standard à partir de l’origine O 

x1= 0 ; x2 = 0

e1= 270 ; x2 = 360

Remarque : la forme standard d’un PL (P) met en évidence 2 types de variables :

 les xi appelées variables principales ou actives ou productives
 les ei appelées variables secondaires ou inactives ou non productives ou variables
d’écart.
Solution de base initiale≡ l’origine O

Hors base HB : x1= 0 ; x2= 0

En base B : e1 = 270 ; e2 = 360 info
Z=0

3ème étape : mettre sous forme de tableau initial info et info :

TAB 0 :

7
Base X1 X2 e1 e2 Résultat R R/coefficient
e1 5 3 1 0 270 270/3=90
e2 4 6 0 1 360 360/6=60

Zk 1500 1800 0 0 Z=0

Théorème : toute variable hors base est systématiquement nulle

Critère d’optimalité ou critère d’arrêt : pour un problème de maximisation, la solution
optimale sera atteinte dans le tableau où toutes les valeurs de la ligne Zk sera inférieur ou
égale à 0
Critère de choix de la variable entrante (V E) :
La variable entrante est la variable hors base qui présente le Zk le plus élevé strictement
positive (problème de maximisation)
Démonstration : (choix de la variable sortante et le calcul de la valeur la plus élevée de la
variable entrante)
X1 est resté hors base  x1=0
3x2 + e1 = 270 e1 = 270 – 3x2 e1 ≥0
 Or
6x2 + e2 =360 e2 = 360 – 6x2 e2 ≥0

270
270 – 3x2 ≥ 0 0≤ x2≤ = 90
3
 360
360 – 6x2≥0 0≤x2≤ = 60
6

Vs = e2
270 360
X2 = Min { ; } = 60
3 6
* Le critère de chois de la valeur sortante Vs :
R
La variable sortante Vs est la variable en base alignée au coef le plus petit supérieur ou égale
à zéro.

4ème étape : détermination de la valeur du pivot

La valeur du pivot se trouve à l’intersection de la colonne VE et la ligne VS.

TAB 1 :
x1 x2 e1 e2 R R/coef
e1 3 0 1 -1/2 90 90/3=30
x2 2/3 1 0 1/6 60 60/2/3= 90
Zk 300 0 0 -300 -108 000

Ordre de remplissage d’un nouveau tableau « 1 » à partir de son précédent direct « 0 »
Ancienne _ ligne _ pivot
Nouvelle ligne pivot =
pivot
Le reste du tableau est calculé par la règle de pivotage (priorité à la ligne Zk)
(3)( 4)
5-  5  12 =3
6

8
 (3)(6)
3- 0
6
(3)(0)
1- 1
6
1800  4
1500 -  300
6
Remarque : Colonne unitaire pour les variables en base
x
0
0
0
x 1
0
0
0

Commentaire du tableau 1 :

 la solution optimale n’est pas atteint au tableau « 1 » car il existe encore des valeurs Zk
strictement positives (300) d’où besoin d’autre tableau.
 Le tableau « 1 » présente un niveau de production intermédiaire résumé par la solution
de base intermédiaire.
HB : x1 = 0 ; e2 = 0
. x2 = 60 ; e1=90
Z1=108 000

A ce niveau de production intermédiaire on réalise un CA de 108 000 DH en produisant 0

unité de A (x1=0) et 60 unités du produit B, avec plein emploi en heures machines M2 (e2=0)
et sous emploi de 90 heures machines M1 (e1=90).

TAB 2 :
x1 x2 e1 e2 R
x1 1 0 1/3 -1/6 30
x2 O 1 40
Zk 0 0 -100 -200 -117 000
Tous les Zk ≤0
 Solution optimale atteinte au Tab 2.

Conclusion Problème de maximisation  : toutes les valeurs de la ligne Zk du tableau 2 sont

inférieur ou égale à zéro. La solution optimale est donc atteinte au tableau 2.

Solution optimale

HB : e1= 0 ; e2 =0

B : x1= 30 ; x2= 40
Zk= |-117 000| =117 000

Interprétation économique de la solution optimale :

Pour réaliser un CA maximum de 117 000 DH, on doit produire et vendre 30 unités du bien A
et 40 unités du bien B, avec plein emploi en heures machines M1 et M2.

9
Résolution simplexe d’un problème de minimisation :
(Introduction des variables artificielles)
Exemple de travail :
Min Z : 100x1 + 100x2
1x1 + 2x2 ≥ 60
(P) 3x1 + 2x2 ≥ 120
3x1 + 1x2 ≥ 90
X1≥0; X2≥0

1ère étape  : Forme standard

Min Z : 100x1 + 100x2 + 0e1 + 0e2 + 0e3 + Ma1 +Ma2 +Ma3
1x1 + 2x2 - e1 – a1 = 60
(P) 3x1 + 2x2 -e2 – a2 = 120 avec M +∞
3x1 + 1x2 – e3 – a3 = 90
X1≥0; X2≥0; e1≥0; e2≥0, e3≥0; a1≥0; a2≥0; a3≥0

2ème étape  : Solution de base Initiale ≡ l’origine

HB : x1= 0 ; x2 = 0 ; e1=0 ; e2=0 ; e3=0

B  : a1 = 60 ; a2=120 ; a3= 90
Z0 =|- 270| = 270

3ème étape
TAB 0 :
x1 x2 e1 e2 e3 a1 a2 a3 R R/coef
a1 1 2 -1 0 0 1 0 0 60 60/1=60
a2 3 2 0 -1 0 0 1 0 120 120/3=40
a3 3 1 0 0 -1 0 0 1 90 90/3=30
TMS 100-7M 100-5M M M M 0 0 0 -270

TMS = (apport d’une unité de x1elle entre en base) – (son équivalent en produit de base)
= 100 – (1M+3M+3M)=100- 7M
TMS Global = 0 – (60M + 120M + 90M) = -270M

Remarque : Critères de la résolution simplexe d’un problème de minimisation,

1 – critère d’arrêt ou d’optimalité  :
Pour un problème de minimisation, la solution optimalité sera atteinte dans le tableau où tous
les TMS seront supérieurs ou égales à zéro.
2 – critère de choix de la variable entrante VE  :
Pour un problème de minimisation, la variable entrante (VE) est la variable hors base qui
présente le TMS le plus strictement négative.

3 – Critère de choix de la variable sortante  :

Est le même pour un problème de min ou de max à savoir le VS est la variable alignée au
R/coefficient le plus petit supérieur ou égale à zéro.

10
Pivot = intersection de la colonne VE et la ligne VS
x1 x2 e1 e2 e3 a1 a2 R R/Coef
a1 0 -1 0 1 0
a2 0 0 -1 0 1
x1 1 0 0 -1/3 0 0
TMS 0 200/3-8/3M M M 0 0

Le remplissage du tableau se fait de la même façon que précédemment.

1  (100  7 M ) 300  15M  100  7 M 200 8

(100 – 5M) -    M
3 3 3 3

Notion dualité  :
Soit le P.L Primal

Max Z : 150x1 + 90x2

6x1 + 2x2 ≤300 (A)
4x1 + 8x2≤500 (A2)
x1≥0 ; x2≥0

Par définition le PL dual (P’) du primal (P) s’écrit comme suit :

Min Z’ : 300 y1 + 500y2
6y1 + 4y2 ≥150 (1)
2y1 + 8y2≥90 (2)
y1≥0 ; y2≥0

Remarque : (P’)’= (P)

Forme standard du primal

Max Z : 150x1 + 90x2 + 0e1 + 0e2

6x1 + 2x2 + e1 = 300
4x1 + 8x2+ e2 = 500
x1≥0 ; x2≥0 ; e1≥0 ; e2≥0

Forme standard du dual :

Min Z’ : 300 y1 + 500y2 -0e1 -0e2
6y1 + 4y2 – e’1 = 150
2y1 + 8y2 – e2 = 90
y1≥0 ; y2≥0 ; e’1≥0 ; e’2≥0

Déduction de la solution optimale duale à partir de la solution primale (P) :

Dernier Tableau (TAB 2) de la résolution simplexe du primale (P) :

11
 x1 x2 e1 e2 R
x1 1 0 35

x2 0 1 -1/10 3/20 45
Zk 0 0 -21 -6 -9 300

Tableau de correspondance par dualité :

Primal x1 x2 e1 e2
Dual e’1 e’2 y1 y2
valorisation 0 0 21 6
marginal

On démontre que à l’optimum on doit avoir :

Z*max = Z*min
Interprétation Economique de la solution optimale duale y’1 = 21 et y’2= 6 en terme de la
valorisation marginal des facteurs de production primales (heures de travail dans les ateliers
A1 et A2) :
Y’ = 21 DH valorisation marginale à l’unité d’une heure de travail dans l’atelier A1 c'est-à-
dire si j’augmente ma disponibilité d’une heure machine ma marge bénéficiaire maximum
9300 DH augmentera de 21 DH et inversement
Y’2 = 6 valorisation marginal des heures de travail Atelier A2 c'est-à-dire si j’augmente ma
disponibilité de travail d’une heure ma marge bénéficiaire maximum 9300 DH augmente de
6DH et inversement
Remarque : cette interprétation ou cette explication des valeurs de la solution optimale duale
n’est valable que pour les petites modifications des disponibilités globales.

12
 PARTIE III : GESTION DE PROJET 

Introduction  :
Un projet est toute activité à réaliser moyennant un certain coût et donc pendant un certain
temps.
L’ordonnancement d’un projet peut être décomposé en 3 phases :
Phase 1 : analyse du projet
C'est-à-dire : - le décomposer en taches élémentaires nécessaires à sa réalisation ;
- établir les contraintes de succession ou d’antériorité à sa réalisation ;
- évaluer de façon expérimentale ou bien exprimer statistiquement le coût et
donc le temps nécessaire à la réalisation de tache.
Phase 2 : Elaborer la planification de la réalisation dans le temps du projet
La méthode qui sera retenue dans ce cours est la méthode P.E.R.T (Program Evaluation and
review technic)
Phase 3 : Assurer le contrôle et la révision du projet
En comparant le déroulement réel sur le chantier avec le calendrier prévisionnel de la
réalisation du projet établi par la méthode de P.E.R.T.

Méthode P.E.R.T temps (gestion optimale du temps de

réalisation d’un projet)

Soit le projet analysé :

tache taches antérieures Durée (en jours)
A _ 9
B _ 2
C D 7
D A 8
E A 3
F B 1
G B 2
H EF 3
I EF 2
J G 1
K HI 2
L C 3
M J 2
N CK 9
O LN 8
P N 3
V MN 2

1- dresser le Graph P.E.R.T

13
 2- calculer les dates des réalisations au plutôt et au plu tard de chaque événement sommet
du Graph
3- donner le (ou les) chemin critique du projet.

1 – Graph P.E.R.T temps du projet :

Détermination des niveaux de démarrage des taches
N0 = {A, B}
N1= {D, E, F, G}
N2={C, H, I, J}
N3 = {K, L, M}
N4 = {N}
N5 = {O, P, V}

Représentation d’une tache selon la convention P.E.R.T temps

i j

Evénement début Evénement Fin

de la tache Tij de la tache Tij

6 7 1 O=8
D=8 C=7 L=3
17 17 24 24 2
2 27 33
A=9
9 α3=0
9 E=3 α1=0
1 H=3
5 8 K=2 1 N=9 1 1
00 F=1 I=2 0 1
P=3
4
B=2 12 19 15 22 24 24 33 33 41 41
3
7
8 α2=0
G=2 4 9 1
J=1 M=2 V=2
9 36 10 37 33 3 39

N0 = {E, F, G, H} ; N1 = {A, B, C, D} ; N2 = {I, J} ; N3 = {K, L, M} ; N4 = {N, O, P} ;
N5 = {V}

14
 Formulation des calculs :

ti Ti

ti : date de réalisation ou plutôt de chaque événement sommet.

ti = Max (tk + dki) avec k Є précédent i direct.

Ti : date de réalisation au plus tard du ième événement sommet.

Ti = Min ( Tl - dil) avec l Є Sdi

Notion de Marge totale d’une tache Tij (MT(Tij))

Formule de calcul
MT (Tij) = Tj – ti - dij
Ex : MT (D) = 19 – 2 -3 = 14j
Veut dire que l’on peut retarder de 14 jours la durée initialement prévue de la tache « D » à 3
jours sans perturber le 36 jours date de réalisation au plutôt du projet.

Notion de tache critique  :

Tij est critique si et seulement si MT (Tij) = 0
Tij critique  MT(Tij) = 0

C'est-à-dire une tache critique ne permet aucune marge de retard, elle doit donc être réalisée
exactement dans les délais initialement prévus.

Tache A B C D E F G H I J K L M N O P V α
MT 4 0 16 14 6 0 15 14 0 14 10 9 0 10 11 0 9 0
Critique Non oui non non non oui non non oui non non non oui non non oui non oui

Notion du chemin critique dans un Graph :

Définition : un chemin critique est toute succession ou suite, sans interprétation, de taches
critiques allons du sommet début de projet jusqu’au sommet fin de projet jusqu’au sommet fin
de projet.
Pour notre projet le chemin critique est :
F, B, I, « α », M, P.

Remarque :
1- Dans un Graph P.E.R.T on peut avoir plusieurs chemins critiques de longueurs
uniques égales à la date de réalisation au plus tôt du projet.
2- Une tache critique peut être en dehors d’un chemin critique.

15