Vous êtes sur la page 1sur 42

Recherche Opérationnelle

Pr. Bouamaine Abdelhalim

Programmation linéaire

Pr. Bouamaine Abdelhalim

1
Programmation linéaire

1. Cas : Problème de production

2. Résolution graphique

3. Résolution algébrique

4. Méthode Simplexe

Programmation linéaire

5. Valeur marginale

6. Dualité

7. Résolution d’un programme général

8. Critiques de la programmation linéaire

2
1. Problème de Production
Heure Heure Heure Prix
Machine Technicien Ouvrier de
vente

Produit 1 5 7 4 2070

Produit 2 3 8 6 2440

Problème de Production
Heure Heure Heure
Machine Technicien Ouvrier

Coût Horaire 20 50 30
Dhs

Capacité 270 800 360


Hebdo
(H)

3
Formulation

Marge de production

= Prix de vente – Charges de production

Soit Mi la marge unitaire du produit i

i =1, 2

Marge unitaire

M1 = 2070 – [ ( 5*20) + ( 7*50) + ( 4 * 30 ) ]

= 1500 dhs

M2 = 2440 – [ ( 3*20) + ( 8*50) + ( 6 * 30 ) ]

= 1800 dhs

4
Fonction économique

Z : Marge de production totale hebdomadaire

Objectif : Maximiser Z

Variables de décision

x : nombre d’unités du produit 1 à fabriquer


par semaine

y : nombre d’unités du produit 2 à fabriquer


par semaine

On a : Z = 1500 x + 1800 y

5
Contraintes formelles

Les variables de décision sont positives :

x, y ≥ 0

Contrainte: Heure machine

Capacité de l’atelier en heures machines : 270 heures

Heures machines nécessaire à la production :


5 x + 3 y heures

Les heures machines utilisées ne doivent en aucun

cas dépasser les heures disponibles :

6
Contrainte : Heure Machine

5x + 3y ≤ 270

Contrainte: Heure Technicien

Capacité de l’atelier en heures technicien : 800 heures

Heures techniciens nécessaire à la production :

7 x + 8 y heures

Les heures techniciens utilisées ne doivent en aucun

cas dépasser les heures disponibles :

7
Contrainte : Heure Technicien

7 x + 8 y ≤ 800

Contrainte: Heure Main d’œuvre

Capacité de l’atelier en heures ouvriers : 360 heures

Heures ouvriers nécessaires à la production :

4 x + 6 y heures

Les heures ouvriers utilisées ne doivent en aucun

cas dépasser les heures disponibles :

8
Contrainte : Heure ouvrier

4 x + 6 y ≤ 360

Programme linéaire
Z = 1500 x + 1800 y à maximiser
Avec :

5 x + 3 y ≤ 270
 7 x + 8 y ≤ 800


 4 x + 6 y ≤ 360
 x , y ≥ 0

9
2. Résolution graphique

Solution optimale

L'optimum est atteint au point B de coordonnées

B ( 30, 40)

10
Production optimale

On doit fabriquer 30 unités du produit 1 et 40

unités du produit 2 pour avoir une marge de

production optimale de l’ordre 117 000 dhs

3.Méthode algébrique
Programme linéaire
Z = 1500 x1+ 1800 x2 à maximiser
Avec :
5 x 1 + 3 x 2 ≤ 270
 7 x + 8 x ≤ 800
 1 2

 4 x 1 + 6 x 2 ≤ 360
 x 1 , x 2 ≥ 0

11
Forme standard

Z = 1500 x1 + 1800 x2 à maximiser


5x1 + 3x2 + x3 = 270
Avec : 7 x + 8 x + x = 800
 1 2 4

4 x1 + 6 x2 + x5 = 360
 x1 , x2 , x3 , x4 , x5 ≥ 0

Solution de base

On appelle solution de base un point du


domaine où les variables de décision sont
nulles

12
Solution de base

x1 = 0, x2 = 0 x3 = 270 x4 = 800 x5 = 360

On a : Z = 0

Amélioration de la marge

Si la variable x2 augmente, Z augmente aussi

Si on garde x1 = 0, on a :

 270 800 360 


x2 ≤ min , ,  = 60
 3 8 6 

13
Nouvelle solution

x1 = 0, x5 = 0 x2 = 60 x3 = 90 x4 =320

On a : Z = 108 000

Solution extrême

On appelle solution extrême, tout point du


domaine où le nombre des variables nulles est
égal au nombre de variables de décision

14
Formulation de la fonction
économique

On exprime la fonction économique Z en


fonction des variables nulles ( x1, x5 ) de la
solution extrême

Z = 300 x1 - 300x5 + 108 000

Solution extrême non optimale

Si la variable x1 augmente, Z augmente aussi

15
Formulation des contraintes

Chaque variable non nulle de la solution


extrême doit figurer dans une contrainte et une
seule avec le coefficient un

Formulation des contraintes


 1
 3 x1 + x 3 − x5 = 90
2

5 4
 x1 + x4 − x5 = 320
3 3
2 1
 3 x 1 + x 2 + x5 = 60
6

16
Amélioration de la marge

Si la variable x1 augmente, Z augmente aussi

Si on garde x5 = 0, on a :

 3 90 3
x1 ≤ min 60 , , 320  = 30
 2 3 5

Nouvelle solution extrême

x3 =0, x5 = 0 x1 = 30 x2 = 40 x4 = 270

On a : Z = 117 000

17
Formulation de la fonction
économique

On exprime la fonction économique Z en


fonction des variables nulles ( x3, x5 ) de la
solution extrême

Z = -100 x3 - 250x5 + 117 000

Solution optimale

Si on augmente la variable x3, Z diminue

Si on augmente la variable x5, Z diminue

Par conséquent , on a atteint la solution


optimale du programme linéaire

18
4. Méthode Simplexe
Programme linéaire
Z = 1500 x1+ 1800 x2 à maximiser
Avec :
5 x 1 + 3 x 2 ≤ 270
 7 x + 8 x ≤ 800
 1 2

 4 x 1 + 6 x 2 ≤ 360
 x 1 , x 2 ≥ 0

Forme standard

Z = 1500 x1 + 1800 x2 à maximiser


5x1 + 3x2 + x3 = 270
Avec : 7 x + 8 x + x = 800
 1 2 4

4 x1 + 6 x2 + x5 = 360
 x1 , x2 , x3 , x4 , x5 ≥ 0

19
Solution de base

x1 = 0, x2 = 0 x3 = 270 x4 = 800 x5 = 360

On a : Z = 0

Tableau 1
x1 x2 x3 x4 x5 R

1500 1800 0 0 0 0 Z

5 3 1 0 0 270 x3

7 8 0 1 0 800 x4

4 6 0 0 1 360 x5

20
Variable entrante

On appelle variable entrante, la variable ayant le plus

grand coefficient positif dans la fonction économique

Exemple : VE = x 2

Variable sortante et pivot

Pivot = 6
 270 800 180  
min  , ,  = 60 ⇒ 
 3 8 3   Vs = x
 5

21
Tableau 2
x1 x2 x3 x4 x5 R

300 0 0 0 -300 -108 000 Z

3 0 1 0 -1/2 90 x3

5/3 0 0 1 -4/3 320 x4

2/3 1 0 0 1/6 60 x2

Solution non optimale

La solution extrême du tableau 2 n’est pas

optimale car le coefficient de x1 dans Z est

positif

22
Tableau 3
x1 x2 x3 x4 x5 R

0 0 -100 0 -250 -117 000 Z

1 0 1/3 0 -1/6 30 x1

0 0 -5/9 1 -19/18 270 x4

0 1 -2/9 0 5/18 40 x2

Solution optimale

La solution extrême du tableau 3 est

optimale car les coefficients des variables

dans Z sont négatifs

23
Solution optimale

x1 = 30, x2 = 40 x3 = 0 x4 = 270 x5 = 0

A l’optimum : Z = 117 000

5. Valeur marginale

On suppose que la capacité du facteur de

production " Heure machine " de l'atelier

passe de 270 heures à 279 heures.

Quelle est la nouvelle solution optimale du

problème de production ?

24
Programme linéaire

Z = 1500 x1 + 1800 x2 à maximiser


Avec :
5x1 + 3x2 + x3 = 279
7 x + 8 x + x = 800
 1 2 4

4 x1 + 6 x2 + x5 = 360
 x1 , x2 , x3 , x4 , x5 ≥ 0

Solution optimale

x1 = 33 x2 = 38 x3 = x5 = 0 x4 = 265

A l'optimum Z = 117 900

25
Fonction économique

Fonction économique en fonction des

variables nulles x3, x4

Z=− 100 x 3 − 250 x 5 + 117900

Valeur marginale

La valeur marginale d’une variable d’écart est


l’augmentation de la fonction économique
lorsque cette variable augmente d’une unité.

26
Valeur marginale

Si le facteur de production "Heure machine "


augmente d'une unité, la fonction
économique augmente de 100 unités.

D’où, la valeur marginale de la variable


d'écart x3 est égale à 100

Propriété

La valeur marginale d'une variable d'écart est

égale à la valeur absolue de son coefficient

dans la fonction économique exprimée en

fonction des variables nulles de la solution

optimale

27
Valeur marginale

Variable x1 x2 x3 x4 x5

Valeur 0 0 100 0 250


marginale

Tableau optimale
x1 x2 x3 x4 x5 R

0 0 -100 0 -250 -117 000 Z

1 0 1/3 0 -1/6 30 x1

0 0 -5/9 1 -19/18 270 x4

0 1 -2/9 0 5/18 40 x2

28
Nouvelle Solution optimale

1 
x1 = 30 +  * 9 = 33
3 

−2 
x2 = 40 +  * 9 = 38
 9 
−5 
x4 = 270 +  * 9 = 265
 9 

Z = 117000 + (100 * 9) = 117900

6. Dualité

La société soustraite les facteurs de production à une


autre entreprise qui cherche à minimiser le prix à
payer, mais la société n'a intérêt à cette sous-
traitance que si elle réalise au moins les mêmes
marges.

29
Formulation du problème:

y1 : taux horaire d'une heure machine

y2 : taux horaire d'une heure main d'œuvre spécialisée

y3 : taux horaire d'une heure main d'œuvre non

spécialisée

W : prix total à payer par l'entreprise

Programme linéaire

W = 270 y1 +800 y2 +360 y3 à minimiser

Avec :
5 y1 + 7 y2 + 4 y3 ≥ 1500

3 y1 + 8 y2 + 6 y3 ≥ 1800
y , y , y ≥ 0
 1 2 3

30
Comparaison des deux programmes

Programme primal Programme dual

[ ] =270y1 +800y2 +360y3


Max[Z] = 1500x1 + 1800x2 MinW

5x1 + 3x2 ≤ 270


7 x + 8 x ≤ 800 5 y1 + 7 y2 + 4 y3 ≥ 1500
 1 

2
3 y1 + 8 y2 + 6 y3 ≥ 1800
4 x1 + 6 x2 ≤ 360
y , y , y ≥ 0
 1 2 3
 x1 , x2 ≥ 0

Comparaison des deux programmes

Programme primal Programme dual

[ ] =270y1 +800y2 +360y3


Max[Z] = 1500x1 + 1800x2 MinW

5x1 + 3x 2 + x 3 = 270
7 x + 8x + x = 800 5 y1 + 7 y 2 + 4 y3 − y 4 = 1500
 1 

2 4 3y1 + 8y 2 + 6 y3 − y5 = 1800
4 x1 + 6 x 2 + x 5 = 360
 y ,..., y ≥ 0
 1 5
x1,..x 5 ≥ 0

31
Correspondance des variables

Les variables d'activités du programme primal

sont associées aux variables d'écarts du

programme dual et inversement

Liaison entre les deux programmes


à l'optimum

Le programme primal et le programme dual ont le

même optimum

La valeur marginale d'un programme est égale à

la valeur optimale de la variable associée.

32
Application au problème de sous traitante

Solution optimale du programme dual

y1 = 100 y2= 0 y3= 250

A l'optimum W = 117 000

7. Résolution d'un programme


linéaire général
Programme linéaire
Z = -7 x1 +5 x2 + 28 à minimiser

 x1 + x 2 ≥ 6
5x + 2x ≤ 40
 1 2

4 x1 − x 2 ≤ 14
x1 , x 2 ≥ 0

33

Propriété

Min [ Z ] = - Max [ - Z ]

Minimiser Z ⇔ maximiser Y = - Z

Forme standard

Y = 7 x1 - 5x2 - 28 à maximiser

 x1 + x 2 − x 3 = 6
5x + 2 x + x = 40
 1 2 4

4 x1 − x 2 + x 5 = 14
x1 , x 2 , x 3 , x 4 , x 5 ≥ 0

34
Recherche de la solution de base

x1 = x2 = 0

x4 = 40, x5 = 14

x3 = -6 ⇒ introduction d'une
variable positive artificielle x6.

Forme standard

Y = 7 x1 - 5 x2 - 28 à maximiser

 x1 + x 2 − x 3 + x 6 = 6
5x + 2x + x = 40
 1 2 4

4 x1 − x 2 + x 5 = 14
x1 , x 2 , x 3 , x 4 , x 5 , x 6 ≥ 0

35
Solution de base

• x1 = x2 = x3 = 0

• x4 = 40 x5 = 14 x6 = 6

Modification de la fonction
économique

Pour résoudre le programme initial, la variable


artificielle x6 doit s’annuler à l'optimum

36
Nouvelle fonction économique

W= 7 x1 - 5x2 - 28- λx6 à maximiser

λ est un nombre positif très grand

Formulation de la fonction
économique

W = (7 + λ )x1 + (λ − 5)x 2 − λx 3 − 28 − 6λ

37
Tableau 1
x1 x2 x3 x4 x5 x6 R

7+λ λ-5 -λ 0 0 0 28 +6λ W

1 1 -1 0 0 1 6 x6

5 2 0 1 0 0 40 x4

4 -1 0 0 1 0 14 x5

Tableau 2
X1 X2 X3 X4 X5 X6 R

0 5λ − 13 −λ 0 −
(7 + λ ) 0 (7 + 5λ ) W
4 4 2

0 5/4 -1 0 -1/4 1 5/2 X6

0 13/4 0 1 -5/4 0 45/2 X4

1 -1/4 0 0 1/4 0 7/2 X1

38
Dernier tableau de la méthode
simplexe
x1 x2 x3 x4 x5 x6 R

0 0 - 13/5 0 - 12/5 13/5 -λ 10 Z

0 1 - 4/5 0 - 1 /5 4/5 2 x2

0 0 13/5 1 -3/5 -13/5 16 x4

1 0 - 1/5 0 1/5 1/5 4 x1

Solution optimale

x1 = 4, x2= 2 x4= 16 x3 = x5 = x6 = 0

A L'optimum Z = 10.

39
8. Critiques de la
programmation linéaire

Inconvénients économiques :

Les variables d'activités peuvent figurer parmi


les variables nulles de la solution optimale

Critiques de la programmation
linéaire

La solution optimale est une solution isolée

qui ignore les solutions voisines

40
Critiques de la programmation
linéaire

Toute modification des coefficients du

programme linéaire provoque un changement de

la solution optimale

Origine des coefficients d’un


programme linéaire

Des documents de la comptabilité

Prix de revient

Profit

41
Origine des coefficients d’un
programme linéaire

Quantités de matières

Analyse spéciale

temps de fabrication

Origine des coefficients d’un


programme linéaire

Enquête, étude de marché

Goût de la clientèle

Capacité du marché

42

Vous aimerez peut-être aussi