Chapitre 1 : Introduction générale

1 Dénitions
La recherche opérationnelle ( RO ) est une approche scientique déni
comme l'ensemble des méthodes et techniques d'analyse et de synthèse uti-
lisés an d'élaborer de meilleurs décisions pour la résolution des problèmes
complexes liés à la gestion de production, la gestion nancières, la gestion
des ressources humaines, etc.

La RO est une approche d'aide à la décision qui permet d'analyser

des situations complexes, de trouver une ou plusieurs solutions et aider les
décideurs à évaluer la qualité de ces solutions et à faire des choix ecaces et
robustes pour la résolutions d'un problème combinatoire, aléatoire ou concur-
rentiel.

2 Domaines d'applications
La RO est utilisée par les entreprises modernes pour la résolution des
problèmes de décisions dans plusieurs domaines tels que :
 Gestion de la production (ordonnancement des produits qui ont des
processus de production diérents).
 Gestion commerciale (achat de matières premières, équipements ventes
de produit nis).
 Gestion des opérations administratives (Comptabilité, nance et per-
sonnel).
La RO est basée sur la construction des modèles d'un système d'organisation
qui peut être :
 Une ou plusieurs parties d'activités d'une entreprise : marketing, pro-
duction, commerce, nance.
 ou une entreprise avec ses diérentes activités et fonctions modélisées
d'une façon intégrée.
3 Processus de résolution avec la recherche opé-
rationnelle

Monde réel

Modèle
Décisions
conceptuel

Programme
linéaire

Figure 1  Processus de recherche opérationnelle

Pour résoudre un problème dans une organisation, les étapes suivantes

doivent être suivies.
 Étape 1 : Formulation du problème : L'analyste en RO dénit le
problème en précisant les objectifs et les spécications du système (res-
sources, capacité, ...). Ces paramètres doivent être pris en considération
lors de la résolution du problème.
 Étape 2 : Observation du système : L'analyste propose une esti-
mation des valeurs des paramètres du problème à travers la collecte des
données.
 Étape 3 : Développement du modèle mathématique du pro-
blème : Cette étape consiste à développer un modèle mathématique
du problème formulé dans étape 1.
 Étape 4 : Vérication du modèle : Dans cette étape, l'analyste
vérie l'identité entre le modèle mathématique et la réalité.
 Étape 5 : Choix d'une solution adéquate : A partir d'un ensemble
 de solutions issues du modèle, l'analyste choisit la solution qui satisfait
les objectifs précisés.
 Étape 6 : Présentation des résultats : L'analyste présente la so-
lution adéquate ou même tous les résultats obtenues et à l'entreprise
de choisir selon son besoin. Si les résultats ne conviennent pas aux
demandes de l'entreprise, l'analyste doit répéter les étapes 1, 2 et 3.
 Étape 7 : Implémentation et évaluation des résultats : Après
l'acceptation du modèle, l'analyste participe à l'implémentation de la
solution choisie.

4 Types des problèmes traités

La RO peut aider le décideur lorsque celui ci est confronté à un problème
combinatoire, aléatoire ou concurrentiel.

4.1 Les problèmes combinatoires

Un problème est dit combinatoire lorsqu'il comprend plusieurs solutions

admissibles et parmi ces solutions, on doit sélectionner la solution la plus
optimale ou la plus proche de l'optimalité.

Exemple : Déterminer 5 centres de distribution parmi 30 sites d'implan-

tation possibles de sorte que les coûts de transport entre ces centres et les
clients soient minimisés.
Solution : Combinaison de 5 parmi 30. C5 =
30 30!
(30−5)!.5!
Même si un tel problème peut être résolu, les décideurs sont régulièrement
confrontés à des problèmes très complexes, où le nombre de solutions accep-
tables se compte en milliard de milliard. Grâce, à plusieurs méthodes comme
la méthode "branch and bound", ou les "méta-heuristiques", on peut trouver
une solution acceptable parmi plusieurs.

4.2 Les problèmes aléatoires

Un problème est dit aléatoire s'il consiste à trouver une solution optimale
face à un problème qui se pose en terme incertain.

Exemple : Connaissant la distribution aléatoire du nombre de personne

entrant dans une administration en une minute et la distribution aléatoire
de la durée de traitement du cas d'une personne, déterminer le nombre mi-
nimale de guichets à ouvrir pour qu'une personne ait moins de 5% de chance
de voir attendre plus de 15 minutes.

4.3 Les problèmes concurrentiels

Un problème est dit concurrentiel s'il consiste à trouver une solution op-
timale face à un problème dont les termes dépendent de l'interrelation entre
ses propres agissement et ceux d'autres décideurs.

Exemple : Fixer une politique de prix de vente sachant que les résultats
d'une telle politique dépendent de la politique que les concurrent adopteront.

5 Techniques de résolution des problèmes trai-

tés
 Méthodes heuristiques : fournir rapidement une solution réalisable mais
pas nécessairement optimale.
 Algorithmes gloutons (greedy algorithm) : faire un choix localement
optimal.
 Méthodes évolutionnistes : algorithmes génétiques, colonies de four-
mis, etc.
 Programmation dynamique : on décompose le problème en sous-problèmes
et on résout les sous-problèmes des plus petits aux plus grands en sto-
ckant les résultats intermédiaires.
 Programmation linéaire en variables binaires / ot maximal à travers
un graphe (exemple : problèmes d'aectation).
 Modélisation par programmation linéaire (simplexe).