Ecole nationale polytechnique 

 
SAAD Rayan
ABADOU Ahmed
MASSOUT Aziz

Algorithme et programmation 
30 octobre 2020 
 

OBJECTIFS 
Construire un modèle qui permet de générer le programme de production des usines à
moindre coût​ en tenant en compte la capacité des usines  

Logiciels utilisés 
1.Python 

2.Mysql 

MODULES Python UTILISÉS 

1. Pulp 
2. Pandas 
3. mySql connector python 
4. sqlalchemy 

PROCÉDURES 
Ce travail se compose de 3 étapes clés , la construction de la base de données , l'accès à cette 
base via Python pour résoudre le problème et enfin le stockage de la solution dans la même 
base de données. 

1-Construction de la base de données :  

1 
 
 

Après installation de MySQL, nous créons un serveur en précisant le nom du serveur, identifiant 
et le mot de passe comme le montre l’image ci-dessous: 

Dans notre cas nous utiliserons ce serveur là : 

Une fois l’étape terminée, nous créons la base de données sous ce modèle là  

2 
 
 

elle contiendra nos tables initiales (les données du problème) grâce aux commandes (queries): 

Pour créer la base de données. 

Pour créer les tables. (la table Résultats nous servira plus tard pour contenir les résultats attendus 
du problème). 

3 
 
 

Pour insérer les données dans nos tables respectives. 

2-Accéder à la base de données depuis Python via mySQL connector et 

résolution du problème. 
- On est en présence d’un problème de programmation mathématique , on utilisera donc le 
module pulp qui nous permettra la déclaration de la fonction objective à minimiser ainsi que de 
ses contraintes , nous aurons aussi besoin du module mysql-connector-python pour accéder aux 
données de la base de données créée initialement et les convertir en dataframes que nous 
exploitons à l’aide du module Pandas , et enfin on utilisera le module sqlalchemy et pour 
exporter les résultat de python vers notre BDD. 

-Nous commençons par importer nos modules déjà installés (pip install module) 

- Nous connectons ensuite Python à notre bdd et son serveur pour extraire nos données en 
dataframes  

4 
 
 

- Nous déclarons maintenant nos 2 variables Production et activité_Usine , les 2 sont caractérisés 
par des tuples (mois,usine) qu’on a spécifié en index lors de l’exportation des données 

-Nous déclarons à présent notre problème ainsi que sa fonction objective 

-Construisons nos contraintes  

5 
 
 

-La résolution et l’affichage du résultat en dataframe 

3-Insertion des résultats dans la base de données 

6 
 
 

:  

7 
 
 

4-Conclusion 
Le projet nous a permit de nous familiariser avec le concept des bases de données ainsi que le 
système de management de données MySQL, nous avons pu grâce au langage SQL manipuler 
les différentes données contenus dans le serveur. 

Nous avons aussi pu accéder à ces données depuis notre programme à l’aide de modules 
installés via pip et qui ont pu garantir une flexibilité par la conversion des formats de données.  

Ce fut aussi en général une très bonne initiation au langage Python en lui même , cela nous a 
permit de le connaître et de l’utiliser ainsi que ces nombreux modules Pandas ,pulp... 

8