Vous êtes sur la page 1sur 67

Université Mohammed V de Rabat Agdal

www.almohandiss.com

L’ECOLE MOHAMADIA DES INGENIEURS


Département Génie Électrique

2008

2010
Recherche opérationnelle
Mr Abdenbi
EL MARZOUKI
www.almohandiss.com

Objectifs du Cours

Les méthodes analytiques de gestion


sont utilisées dans un objectif bien
précis, celui de la prise de décision en
avenir certain et incertain.
Ce cours vise à familiariser l’étudiant à
la recherche opérationnelle qui consiste
à trouver une solution optimale à un
problème de décision posé via une
méthode adéquate.
www.almohandiss.com

Contenu du cours
Partie I: Problème de programmation linéaire

1- Concepts fondamentaux
2- Résolution graphique
3- Résolution par l’algorithme de simplexe
4- Dualité
5- Applications économiques
Partie II- La théorie des graphes
www.almohandiss.com

1- Éléments de la théorie des graphes


2- Détermination des niveaux des sommets
d’un graphe sans circuit
3- Recherche des chemins de longueur p
joignant deux sommets
4- Recherche d’un chemin de valeur
optimale entre deux sommets
(Algorithme de Ford)
5- Problème d’ordonnancement
(MPM, PERT)
6- Applications économiques
Bibliographie : www.almohandiss.com

 Droesbeke, Hallin et Lelievre « Programmation linéaire par l’exemple »


ellipses 1986
 Azoulay « Recherche opérationnelle de gestion » Tome 1, Dunod 1996
 Kauffman-Faure « Invitation à la recherche opérationnelle » Dunod,
 Desbazeille « Exercices de recherche opérationnelle » Dunod,
 Andre Grosdidier « Outils mathématiques de gestion », Foucher, Paris
 Thierry Bertrand « Outils mathématiques de gestion », Édition
Bertrand-Lacoste
 Yves R., Roch O. & Regis P. « La recherche opérationnelle », Édition
gaëtan morin, 1999.
www.almohandiss.com

• Le contenu des MAG s’oriente beaucoup plus vers la

RO. Les diapositives du cours contiendront les

définitions et les principaux résultats relatifs à cette

matière ainsi que les applications économiques.

• Le premier chapitre sera consacré au modèle de

programmation linéaire et le second aux fondements

de la théorie des graphes.


www.almohandiss.com

Introduction aux
techniques de
la Recherche Opérationnelle
www.almohandiss.com

L’optimisation
• L'optimisation ou la recherche de l’optimum est un souci permanent au sain
des organisations. Plus les entreprises grandissent, plus les problèmes de gestion
se multiplient et se compliquent : la gestion de production, la gestion du stock, la
gestion des flux financiers, la gestion des réseaux ou de circulation des biens et
de services…
• La résolution de ces problèmes nécessite des efforts tant au niveau de la
recherche de la solution optimale qu’au niveau de la modélisation

Le souci N° 1 au sain des firmes est souvent du comment


maximiser le profit?, minimiser les coûts? Gérer optimalement
les stocks? Gérer le transport des M/ses? , etc.
www.almohandiss.com

Recherche Opérationnelle

•« Outil mathématique de modélisation et d’optimisation. Il


permet de trouver une solution optimale ou bien une solution qui
S’approche le plus possible de l’optimum »

•La Recherche Opérationnelle est une discipline polyvalente, qui


emprunte beaucoup aux mathématiques, évidemment, mais
également à l'informatique et à l'économie.

•La recherche opérationnelle est un outil mathématique d’aide à la


prise de décisions. Elle repose sur la construction des modèles, et
ce en fonction des problèmes posés. On peut citer plusieurs
techniques de modélisation notamment, la programmation
linéaire, la théorie des graphes, etc.
Problème de Programmation
www.almohandiss.com
Linéaire

 La programmation linéaire est la technique sans doute la plus


connue et dont le succès a largement contribué au succès initial
de la recherche opérationnelle. Elle est la méthode de référence
pour les entreprises notamment dans le domaine bancaire,
forestier, industriel, du transport et de la télécommunication.

 Un programme linéaire est un problème d’optimisation


consistant à maximiser ou minimiser une fonction « objectif »
linéaire de plusieurs variables de décision (fonction
économique) soumise à un ensemble de contraintes exprimées
sous forme d’équations linéaires et/ou d’inéquations linéaires.
www.almohandiss.com

Programmation linéaire (PL)

• Modèle linéaire :
 fonction linéaire de plusieurs variables à optimiser (premier
degré)
 variables soumises à des contraintes :
» linéaires
» restriction de non négativité

• Définir le problème : En posant de bonnes questions nous


pouvons arriver à bien modéliser le problème posé.
• Quelle est la nature exacte du problème ?
 Quel est l’objectif recherché ?
 Quelles sont les conditions d’opération ?
 Quels sont les paramètres à considérer ?
 …
www.almohandiss.com

Programmation linéaire
Moyen pour mieux comprendre la réalité
utilisée pour représenter les propriétés
fondamentales d’un certain phénomène
version idéale et épurée

Formalisation Algorithme

Modèle
Problème mathématique Solution
réel

Programmation linéaire
www.almohandiss.com

Mise en forme d’un programme linéaire

 Détecter et comprendre le problème (phase préscientifiques)


 que doit-on faire? Quel est le vrai problème à résoudre ?
 Identifier les variables de décision
 variables régissant la situation à modéliser
 variables réelles ( ou entières : Programmation linéaire entière)
 Par exemple : Les quantités à produire par l’entreprise
 Préciser la fonction objectif
 fonction mathématique composée des variables de décision
 fonction linéaire
 Par exemple : le profit ou le chiffre d’affaire à maximiser, les coûts
à minimiser
 Préciser les contraintes du problème
 paramètres limitant la réalisation du modèle
 équations ou inéquations composées des variables de décision
www.almohandiss.com
 Préciser les paramètres du modèle
 constantes associées aux contraintes et à la fonction objectif
Par exemple : les quantités de matières premières
 Validation du modèle et des résultats :
le modèle développé est-il conforme à la réalité ?
les résultats sont-ils valides dans toutes les conditions ?
 Conception du système d’application
 utilisation des logiciels spécialisés pour la résolution du
modèle (par exemples : EXCEL, LINDO, …)
 Implantation de la solution
 Prise de décision
www.almohandiss.com

Modélisation mathématique d’un


problème linéaire : forme générale
 Fonction objectif (économique) :
max (ou min) z  c1 x1  c2 x2    cn xn
Les xi sont des variables qui influencent la valeur de z et les ci les poids respectifs
de ces variables modélisant l’importance relative de chacune de ces variables dans
la fonction économique

 Contraintes : a11x1  a12 x2    a1n xn  ,  ,  b1


a21x1  a22 x2    a2 n xn  ,  ,  b2

am1 x1  am 2 x2    amn xn  ,  ,  bm
 Contraintes de non négativité : x  0 , j  1,2,  , n
j

Avec, xj : variables de décision (inconnues)


aij, bi, cj : paramètres du programme linéaire (connues)
Exemple 1
www.almohandiss.com

• Trois types de machines A, B et C produisent quatre produits différents I, II, III et IV.
Chaque produit doit être traité par chacune des machines dans l’ordre. Les temps
unitaires (temps nécessaires pour la fabrication d’une unité) pour chacune des
opérations et pour chaque type de produits sont indiqués dans le tableau ci-dessous.
• Question : Établir la production hebdomadaire de chaque produit de façon à
maximiser le profit

•Produits •Disponibilité (en min)


•Type de hebdomadaire de
machine •I •II •III •IV chaque machine

•A •5 •3 •3 •2 •1800
•B •2 •5 •4 •6 •8500
•C •1 •2 •3 •4 •3500
•Profit par unité •7,30 •8,64 •8,00 •9,00
www.almohandiss.com

Modélisation mathématique

But:

 Établir la production hebdomadaire de chaque


produit de façon à maximiser le profit

• xj : production hebdomadaire de chaque produit j



• Trouver les valeurs x1, x2, x3 et x4 qui maximisent le
profit en considérant la limite de temps d’utilisation
de chaque machine
www.almohandiss.com

Formalisation du problème : forme canonique

Compréhension du problème
Définir les 4 variables de décision :
 x1 : la production hebdomadaire du produit I
 x2 : la production hebdomadaire du produit II
 x3 : la production hebdomadaire du produit III
 x4 : la production hebdomadaire du produit IV
Le profit associé à une production (x1, x2, x3, x4) est :
z  7,30 x1  8,64 x2  8,00 x3  9,00 x4

Il ne faut pas dépasser la disponibilité hebdomadaire de chaque


machine: A : 5 x1  3 x2  3x3  2 x4  1800
B : 2 x1  5 x2  4 x3  6 x4  8500
 C : 1x1  2 x2  3x3  4 x4  3500

x1 , x2 , x3 , x4  0
Les produits ne sont pas négatifs :
www.almohandiss.com

Formalisation du problème

Fonction Objectif :
max z  7,30 x1  8,64 x2  8 x3  9 x4

Contraintes des machines :


A: 5 x1  3 x2  3 x3  2 x4  1800
B: 2 x1  5 x2  4 x3  6 x4  8500
C: x1  2 x2  3 x3  4 x4  3500
Contraintes de non négativité :
x1 , x2 , x3 , x4  0

Selon la nature des produits, il faudrait peut être imposer à x1, x2, x3,
x4 de ne prendre que des valeurs entières
www.almohandiss.com

Application 1 : Problème d’agriculture

Un agriculteur veut allouer 150 hectares de surface


irrigable entre culture de tomates et celles de piments.
Il dispose de 480 heures de main d’œuvre et de 440 m3
d’eau. Un hectare de tomates demande 1 heure de main
d’œuvre, 4 m3 d’eau et donne un bénéfice net de 100
dirhams. Un hectare de piments demande 4 heures de
main d’œuvre, 2 m3 d’eau et donne un bénéfice net de
200 dirhams.
Le ministre d’agriculture et de mise en valeur agricole
veut protéger le prix des tomates et ne lui permet pas
de cultiver plus de 90 hectares de tomates.
Modéliser ce problème .
www.almohandiss.com

Application 2: Problème de médecine

Un spécialiste en médecine a fabriqué un


médicament (des pilules) pour guérir les sujets
atteints d’un rhume. Ces pilules sont fabriquées
selon deux formats :
Petite taille : elle contient 2 grains d’aspirine, 5
grains de bicarbonate et 1 grain de codéine.
Grande taille : elle contient 1 grain d’aspirine, 8
grains de bicarbonate et 6 grains de codéine.
Pour guérir la maladie, le sujet a besoin de 12
grains d’aspirine, 74 grains de bicarbonate et
24 grains de codéine.
Etant donné qu’on cherche à déterminer le
nombre de pilules minimal à prescrire au sujet
pour qu’il soit guérit, formaliser ce problème.
Application 3 : Problèmewww.almohandiss.com
de production
Pour fabriquer deux produits P1 et P2 on doit effectuer
des opérations sur trois machines M1, M2 et M3,
successivement mais dans un ordre quelconque. Les temps
unitaires d’exécution sont donnés par le tableau suivant :
M1 M2 M3
P1 11 mn 7 mn 6 mn
P2 9 mn 12 mn 16 mn
On supposera que les machines n’ont pas de temps d’inactivité.
Les disponibilités temps/machine sont :
165 heures (9900 minutes) pour la machine M1 ;
140 heures (8400 minutes) pour la machine M2 ;
160 heures (9600 minutes) pour la machine M3 .
Le produit P1 donne un profit unitaire de 900 dirhams et le produit P2 un
profit unitaire de 1000 dirhams.
L’objectif ici est de déterminer les quantités à fabriquer mensuellement
de produits P1 et P2 pour avoir un profit total maximum.
Formaliser ce problème d’optimisation
www.almohandiss.com

Application 4: Problème d’alimentation

On se propose de réaliser une alimentation économique


pour des bestiaux, qui contient obligatoirement 4 sortes
de composants nutritifs, A, B, C et D. L’industrie
alimentaire produit précisément deux aliments M et N qui
contiennent ces composants : 1 Kg d’aliment M contient
100 g de A, 100 g de C, 200 g de D ; 1 Kg d’aliment N
contient 100 g de B, 200 g de C, 100 g de D.
Un animal doit consommer par jour au moins : 0.4 Kg de A ;
0.6 Kg de B ; 2 Kg de C ; 1.7 Kg de D. L’aliment M coûte 10
dirhams le Kg et N coûte 4 dirhams le Kg.
Etant donné que l’objectif est de déterminer les quantités
d’aliments M et N à utiliser par jour et par animal pour
réaliser l’alimentation la moins coûteuse, formaliser ce
problème d’optimisation.
www.almohandiss.com
Application 5: Sélection de Médias
Une entreprise désire effectuer une campagne publicitaire dans la
télévision, la radio et les journaux pour un produit lancé récemment sur
le marché. Le but de la campagne est d’attirer le maximum possible de
clients. Les résultats d’une étude de marché sont donnés par le tableau
suivant : Télévision Radio Journaux
Locale Par satellite
Coût d’une publicité 40 Dh 75 Dh 30 Dh 15 Dh
Nombre de client potentiel par publicité 400 900 500 200
Nombre de client potentiel femme par 300 400 200 100
publicité

Pour la campagne, on prévoit de ne pas payer plus que 800 Dh pour toute la
campagne et on demande que ces objectifs soient atteints :
1.Au minimum 2000 femmes regardent, entendent ou lisent la publicité ;
2.La campagne publicitaire dans la télévision ne doit pas dépasser
500 Dh ;
3.Au moins 3 spots publicitaires seront assurer par la télévision locale et au
moins de deux spots par la télévision par satellite.
4.Le nombre des publicités dans la radio ou dans les journaux sont pour
chacun entre 5 et 10.
Formaliser ce problème via des équations mathématiques.
www.almohandiss.com

Terminologie de la solution

 Solution réalisable (solution admissible)

 Solution où toutes les contraintes du modèle sont


satisfaites

 Zone de solutions admissibles (région admissible)

 Ensemble de toutes les solutions réalisables

 Solution optimale

 Solution réalisable où la fonction objectif atteint la


meilleure valeur (maximum ou minimum)

 Plusieurs solutions optimales sont possibles


www.almohandiss.com

Résolution d’un programme linéaire


• Selon la nature du PL, il peut être résolu de
manières différentes à savoir :
 Représentation graphique (ou méthodes des droites
parallèles) c’est une représentation géométrique plane dans le
cas de deux variables
 Recensement des sommets de la région admissible
cette méthode est possible tant que le nombre des sommets
n’est pas assez grand, c’est-à-dire, le nombre des variables et
des contraintes reste très limité. On prend le sommet qui
optimise la fonction objectif.
 Algorithme de simplexe (ou méthode de Dantzig)
Cet algorithme est utilisé quelque soit le nombre de variables.
On distingue deux méthodes : méthode algébrique ou méthode
des tableaux
www.almohandiss.com

Résolution graphique: méthodes des


droites parallèles
• Cas d’un problème à deux variables de
décision
(représentation en géométrie plane)

 Fonction objectif : Droite dans R²

 Contraintes : Demi-plans dans R²

 Contraintes de non négativité : cadran positif

 Région admissible : Intersection des demi-plans de R2


www.almohandiss.com

Représentation graphique
•Équation cartésienne d’une droite (D):

• ax  by  c  0 (a, b)  (0,0)
• u  (b, a) est un vecteur directeur de (D).

•Si a  0 alors y   c b est une droite horizontale passant par 0,  c b


•Si b  0 alors x   c a est une droite verticale passant par  c a ,0
•Si c  0 alors la droite (D) passe par l’origine

•Équation réduite de la droite (D) : si a  0 et b  0 alors

• y  mx  p m0
•avec, m   a b et p   c b
•m est le coefficient directeur de (D)
www.almohandiss.com

• * Soit la droite (D) : 2x  3 y  6  0


• u  (3,2) est un vecteur directeur de (D).
•* Pour construire cette droite, il suffit de connaître deux points :
• « par deux points passe une droite et une seule »
•* Déterminons, x 0 3
- la droite x  1 y 2 0
• - la droite y  2
• - la droite (D1) passant par A(1,2) et de vecteur directeur v  (3,1)
y y x 1
(D)
(D1)

 2
A
u 2 
1 v

-3 0 3 x 0 1 3 x

y  2
www.almohandiss.com
• Soit la droite (D) d’équation :
ax  by  c  0 a, b  0,0
•Alors, les demi-plans de frontière (D) sont :
•L’ensemble des points de coordonnées (x,y) telles que :
ax  by  c  0
•L’ensemble des points de coordonnées (x,y) telles que :
ax  by  c  0
• Exemple : Résolvez graphiquement 2 x  3 y  6  0

y
• Remarquons que pour l’origine :

2(0)  3(0)  6  0
• 2 Donc le demi plan ne contient
pas l’origine
0 3 x
Région admissible (ou faisable
www.almohandiss.com

ou possible)
Région limitée par l’ensemble des
équations de contraintes du
Contrainte de non négativité

problème et par les limites des


x2 variables de décision
Il existe 3 types de points admissibles

Point intérieur

Point frontière

Point extrême

Contrainte de non négativité


x1
polyèdre
www.almohandiss.com

Région admissible vide


minimiser z  x1  2 x2
x2 x1=8
sujet à
1
 2 x1  x2 8
 x  8 x2  40
8
 1
 x1 8

6
 x1, x2 0
-x1+8x2=40
4

x1
2 4 6 8 10 12 14 16 18
www.almohandiss.com

Région admissible bornée


x2

x1
www.almohandiss.com

Région admissible non bornée

x2

x1
www.almohandiss.com

Fonction « Objectif »
Déplacement de la fonction
x2
objectif à l’intérieur de la
région admissible pour
atteindre un extremum
A

A est la solution optimale


Intersection de deux contraintes
x1
www.almohandiss.com

Solution optimale
une solution une infinité de pas de solution
optimale unique solutions optimales optimale finie
x2 x2 x2

x1 x1 x1
Exemple
www.almohandiss.com
1
Région admissible bornée :
une solution optimale unique

x2 maximiser z  x1  2 x2
A (2,6) est l’unique sujet à
solution optimale
8  2 x1  x2 4
Zmax=14  x
A
 1  x2 8
6
 x1  x2 4
 x 5
4
 1
 x1, x2 0

x1
2 5 8
Exemple 2
www.almohandiss.com

Région admissible bornée :


une infinité de solutions optimales

x2 maximiser z  2 x1  2 x2
sujet à
8
 2 x1  x2 4
Une infinité de  x
 1  x2 8
solutions optimales
 x1  x2 4
 x 5
4  1
 x1, x2 0

x1
2 5 8
Exemple
www.almohandiss.com
3
Région admissible non bornée :
pas de solutions optimales finies
maximiser z  x1  x2
sujet à
x2 x1=8
1
 2 x1  x2  8
 x  8 x2  40
 1
 x1  8
8

 x1 , x2  0
6

-x1+8x2=40 Pas de solutions


optimales
4

x1
2 4 6 8 10 12 14 16 18
Exemple 4
www.almohandiss.com

Région admissible non bornée :


une solution optimale unique
minimiser z  x1  x2
sujet à
x2 x1=8
B(8,6) est l’unique 1
 2 x1  x2 8
solution optimale  x
 1  8 x2  40
Zmin=2  x1
8 8

B  x1, x2 0
6

-x1+8x2=40
4

x1
2 4 6 8 10 12 14 16 18
Exemple
www.almohandiss.com
5
Région admissible non bornée :
une infinité de solutions optimales
x2 minimiser z  x1  1 / 2 x2
12 sujet à
 x1  x2 8
10  x  8 x2  40
 1

8  2 x1  x2  12
 x1, x2 0
6
Une infinité de
-x1+8x2=40
4 solutions optimales

x1
2 4 6 8 10 12 14 16 18
www.almohandiss.com

Cas pathologiques
1. Cas de redondance :
 une contrainte est redondante lorsqu’elle est inutile et
superflue. La droite représentative de cette contrainte
se trouve entièrement en dehors de la région
admissible.
max z  x1  2 x2 (1)
 Exemple : (3)
sc
 x1  x2 8 (1)
5 x  4 x2  20 ( 2)


1

 x1 3 (3) (2)
 x2 4 (4)
 (4)

 x1 , x2 0
La contrainte (1) est une contrainte redondante
car (3)+(4) donne : x1  x2  7; 7  8
Donc la contrainte (1) est automatiquement
vérifiée et donc sera éliminée.
www.almohandiss.com
2. Cas de dégénérescence : il y a deux types

 Dégénérescence du 1er type :


 c’est le cas où le coefficient directeur de la droite
représentant la fonction économique soit identique à celui de
la droite représentant une contrainte non redondante. Il existe
donc une infinité de solutions

 Exemple : (4)
(3)
maximiser z  2 x1  2 x2 (2)

sujet à
2 x1  x2  4 (1)
x  x2  8 (2)
 1
 x1  x2  4 (3)
x  5 ( 4)
 1
 x1, x2 0
www.almohandiss.com

 Dégénérescence du 2ième type :


 une solution optimale est dite dégénérée si
plus de deux contraintes concourent en ce point.
 Exemple :

(1)
max z  x1  x2 (2)
sc
3x1  2 x2  40 (1)
x  10
 1 (2)

 x2 5 (3)
 x1, x2 0

B=(10,5)
 La solution optimale B est dégénérée (3)
www.almohandiss.com

Exercice 1
• Un restaurateur dispose de trois types de poissons
• 30 p1, 24 p2, 18 p3 et désire offrir :

 des plats à 80 UM contenant 5 p1, 2 p2 et 1 p3

 des plats à 60 UM contenant 3 p1, 3 p2 et 3 p3

Problème :

Comment doit-il disposer ces plats pour réaliser


la recette maximale ?
www.almohandiss.com

Formalisation de l’énoncé 1
 Compréhension du problème : le restaurateur doit décider combien de
plats à 80 UM et de plats à 60 UM seront préparés pour maximiser
sa recette.

 Identification des variables économiques ou de décision :


x1 = quantité de plats à 80 UM
x2 = quantité de plats à 60 UM

 Fixation des objectifs à atteindre : maximisation de la recette


(fonction économique ou objectif) :
max z  80 x1  60 x2

 Mise en équations des contraintes économiques :


5 x1  3 x2  30
 Les variables x1 et x2 sont limitées
par 3 contraintes : 2 x1  3 x2  24
x1  3 x2  18
 On a également les contraintes de non négativité :
x1  0, x2  0
www.almohandiss.com

Modélisation mathématique :
forme canonique

Le problème peut être formulé ainsi :

max z  80 x1  60 x2
sc
5 x1  3 x2  30
2 x  3 x2  24
 1

 x1  3 x2  18
 x1 , x2 0
www.almohandiss.com

Résolution graphique
A est un point extrême de la région
admissible dont les coordonnées vérifient max z  80 x1  60 x2
la 1ière et la 3ième contrainte avec égalité
x2
sc
A =(3,5) est une
solution optimale unique 5 x1  3 x2  30
2 x  3 x2  24
et zmax=540  1

10  x1  3 x2  18
8  x1 , x2 0
6
A

0
x1
6 12 18
www.almohandiss.com

Interprétation

La zone hachurée est celle des solutions admissibles


Le coefficient directeur de la droite z  80 x1  60 xest
2  80 60  4 / 3
les droites parallèles à (z) sont des droites isoprofit.
La solution qui maximise la recette est A(3,5) c’est-à-dire, en
offrant 3 plats à 80 UM et 5 plats à 60 UM, le restaurateur réalisera
une recette maximale de : zmax  80  3  60  5  540UM
A l’optimum, la première et la troisième contrainte sont saturées
mais la deuxième contrainte ne l’est pas : pour réaliser une recette
maximale, le restaurateur doit offrir tous les poissons de type p1 :
30  5  3  3  5et tous les poissons de type p3 : 18  3  3  5
et il lui restera 3 poissons de type p2 : 3  24  2  3  3  5
www.almohandiss.com

Exercice 2
Une raffinerie achète deux types de pétroles bruts dont elle retire de
l’essence, du gazole et du fuel dans les pourcentages suivants :

Produits finis Brut n°1 Brut n°2


Essence 30 25
Gazole 40 25
Fuel 30 50
La raffinerie doit satisfaire à la demande de :
1 25 104 tonnes d’essence
1 35 104 tonnes de gazole
1 80 104 tonnes de fuel
L’achat d’une tonne de brut n°1 coûte 700 UM et une tonne de brut n°2
coûte 500 UM. Quelles quantités de ces pétroles bruts devra t-on acheter
pour répondre à la demande au moindre coût ?
www.almohandiss.com

Formalisation de l’énoncé 3
 Compréhension du problème : le problème est de
minimiser le coût d’achat de cette raffinerie. Ce coût
d’achat évolue en fonction des quantités de brut n°1
et n°2 à acheter.

 Identifications des variables économiques ou de décision :

• x1 : quantité de brut n°1 à acheter

• x2 : quantité de brut n°2 à acheter

 Fixation des objectifs à atteindre : minimisation des


coûts

min z  700 x1  500 x 2


www.almohandiss.com

 Mise en équations des contraintes économiques : les variables


x1 et x2 sont limitées par 3 contraintes de type
contrainte de demande :
a. Contrainte d’essence
0,3x1  0,25x2  125104
b. Contrainte de gazole

0,4 x1  0,25x2  135104


c. Contrainte de fuel
0,3x1  0,5 x2  180104
 Restriction des signes :
x1  0, x2  0
www.almohandiss.com

Modélisation mathématique
min z  700x1  500x2
sc
0,3x1  0,25x2  125 104


0,4 x1  0,25x2  135 104

0,3x1  0,5 x2  180 104
 x1 , x2 0
Résolution graphique www.almohandiss.com

x2 106
min z  700x1  500x2
sc
0,3x1  0,25x2  125 104
5

0,4 x1  0,25x2  135 104

4
A 0,3x1  0,5 x2  180 104
 x1 , x2 0
3

x1 106
1 2 3 4 5 6

A =(106 , 3.8 106) est une


solution optimale unique
et Zmin=26 108 UM
www.almohandiss.com

Interprétation
La solution qui minimise les coûts est A(106, 3.8 106) c’est-à-dire,
pour répondre à la demande au moindre coût d’essence, du gazole et du
fuel, le raffineur doit acheter 106 tonnes du brut no 1 et 38 105
tonnes du brut no 2
Le coût minimal est : 70010   500 3,8 10   26 10 UM
6 6 8

A l’optimum, la première et la deuxième contrainte sont saturées et


la troisième contrainte ne l’est pas : les demandes en essence et en
gazole sont totalement satisfaites : 0,3 10   0,25 3,8 10
,   125 10 t
6 6 4

 0,4 10   0,25 3,8 10   135 10 t


6 6 4
et avec un stock seulement en
fuel de :
40 104 t  180 104  0,3 106   0,5  3,8 106 
Exercice 3
www.almohandiss.com

• Un raffineur dispose de deux bruts pour fabriquer de


l’essence, du gazole et du fuel lourd.

Les rendements de ces deux bruts sont les suivants :


Brut A B
Essence 0,2 0,4
Gazole 0,4 0,2
Fuel lourd 0,4 0,4
Le traitement d’une tonne de brut A procure une recette de 140 UM Le
traitement d’une tonne de brut B procure une recette de 150 UM
Du fait des contraintes de stockage, la fabrication de chaque produit est
limitée de la manière suivante : Essence : 1 200 t, Gazole : 1 200 t, Fuel
lourd : 1 400 t.
Quelles quantités de ces pétroles bruts devra t-on traiter pour maximiser
la recette ?
www.almohandiss.com

Formalisation de l’énoncé 3
 Compréhension du problème : le problème est de maximiser

la recette de cette raffinerie. Cette recette évolue en


fonction des quantités de brut A et B à traiter.

 Identifications des variables économiques ou de décision :

• x1 : quantité de brut A à traiter

• x2 : quantité de brut B à traiter

 Fixation des objectifs à atteindre : maximisation de La

recette
max z  140 x1  150 x2
www.almohandiss.com

 Mise en équations des contraintes économiques :


 les variables x1 et x2 sont limitées par 3 contraintes de
type contrainte de stockage :
a. Contrainte d’essence
0,2 x1  0,4 x2  1200
b. Contrainte de gazole
0,4 x1  0,2 x2  1200
c. Contrainte de fuel
0,4 x1  0,4 x2  1400

 Restriction des signes :


x1  0, x2  0
www.almohandiss.com

Modélisation mathématique
max z  140x1  150x2
sc
0,2 x1  0,4 x2  1200
0,4 x  0,2 x2  1200


1

0,4 x1  0,4 x2  1400


 x1 , x2 0
www.almohandiss.com

Résolution graphique
x2 103
max z  140x1  150x2
sc
A =(1000,2500) est une
solution optimale unique 0,2 x1  0,4 x2  1200
0,4 x  0,2 x2  1200
et zmax=515000 UM 

1

0,4 x1  0,4 x2  1400


 x1 , x2 0

A
2,5

x1 103
1
www.almohandiss.com

Interprétation
La solution qui maximise le profit est A(1000,2500), c’est-à-dire, en
traitant 1000t de brut A et 2500t de brut B, le raffineur réalisera
un recette maximale de : 140 1000  150  2500  515 000 UM
A l’optimum, la première et la troisième contrainte sont saturées
tandis que la deuxième contrainte ne l’est pas : pour réaliser la
recette maximale, le raffineur doit vendre tout le stock de l’essence
et du fuel lourd :
 1200  0,2 1000  0,4  2500et 1400  0,4 1000  0,4  2500
toutefois, il lui restera un stock du gazole de 300 t :

300  1200 0,4 1000  0,2  2500


www.almohandiss.com

L’apport d’Excel dans la résolution des problèmes


linéaires

•Formaliser le problème (exercice 4) :


x1 : quantité de brut A à traiter
x2 : quantité de brut B à traiter

max profit  140 x1  150 x2


sc
0.2 x1  0.4 x2  1200 essence
0.4 x1  0.2 x2  1200 gazole
0.4 x1  0.4 x2  1400 fuel
x1  0, x2  0 Non  négativit é
www.almohandiss.com
la formule qui permettra au solveur cette colonne donnera la valeur de
de calculer la valeur optimale de la chaque contrainte à l’optimum
fonction objectif,

A B C D E F Ligne 1 : titre de
l’exercice ou référence
1 Exercice 4
Ligne 3 : noms des
2 variables de décision, ici
3 variables de brut A et brut B
Brut A Brut B
décision
Ligne 4 : coefficients des
4 fonction Profit variables de décision dans
140 150 TOTAL la fonction objectif
objectif unitaire
5 quantité 0 0
Ligne 5 : quantités
6 profit =C4*C5 =D4*D5 =C6+D6 cherchées. Elles seront
remplies par le solveur
7 limites après résolution. Elles
sont nulles avant
8 contraintes essence 0.2 0.4 =C8*C5+D8*D5 1200 résolution

9 gazole 0.4 0.2 =C9*C5+D9*D5 1200 Ligne 6 : profit dégagé

10 fuel 0.4 0.4 =C10*C5+D10*D5 1400

Il n’est pas nécessaire


d’introduire les contraintes
Colonne C et D : les
de non-négativité, on le coefficients des variables Colonne F: Introduisant
fera au moyen d’une option dans les contraintes la valeur du membre de
du solveur. droite pour chaque
contrainte
www.almohandiss.com

Après avoir rentré toutes les données de


votre problème sur votre feuille de calcul
Excel, ouvrez le menu Outils et choisissez la
commande Solveur.

Si la commande Solveur ne fait pas parti du menu ou que vous obtenez


ces messages d'erreur :

Allez voir la rubrique Commande Solveur.


S'ouvre alors la
www.almohandiss.com
Spécification de la cellule cible : tapez la référence ou
boîte de dialogue le nom de la cellule que vous voulez minimiser, maximiser ou
du Solveur rapprocher d'une valeur donnée.

Spécification des
cellules variables :
tapez les références ou
$E$6 les noms des cellules
devant être modifiés par
le Solveur jusqu'à ce que
les contraintes du
problème soient
$C$5:$D$5 respectées et que la
cellules cible atteigne le
résultat recherché.

Spécification des
$E$8<=$F$8 contraintes :A l'aide
$E$9<=$F$9 des boutons ajouter,
Modifier et Supprimer
$E$10<=$F$10 de la boîte de dialogue
Paramètres du Solveur,
établissez votre liste de
contraintes dans la zone
Contraintes.
Exercice 4: Feuille Excel
www.almohandiss.com

Les options du Solveur

Résultat et résolution
Une fois tous les paramètres
du problème sont mis en
place, le choix du bouton
Résoudre amorce le
processus de résolution du
problème . Vous obtenez
alors une de ces réponses
Résolution par Excel et
www.almohandiss.com

Analyse de la solution optimale


Microsoft Excel 10.0 Answer Report
Worksheet: [exercice 4.xls]probleme primal
Report Created: 11/11/2006 11:13:28 PM

Target Cell (Max) Le profit maximal


Cell Name Original Value Final Value
$E$6 profit TOTAL 0 515000

La solution optimale
Adjustable Cells
Cell Name Original Value Final Value
$C$5 quantités Brut A 0 1000
$D$5 quantités Brut B 0 2500

Constraints
Le stock de gazole
Cell Name Cell Value Formula Status Slack
$E$8 essence TOTAL 1200 $E$8<=$F$8 Binding 0
$E$9 gazole TOTAL 900 $E$9<=$F$9 Not Binding 300
$E$10 fuel TOTAL 1400 $E$10<=$F$10 Binding 0