Académique Documents
Professionnel Documents
Culture Documents
4.1- Présentation
De façon générale, on entendra par modèle de transport tout problème
d’optimisation du transfert des points-origine vers des points-destination. Lorsque ces
points matérialisent des lieux géographiques et lorsque l’objet du transfert est un
ensemble de marchandises, il s’agit du problème de transport au sens large. Mais il
peut s’agir, également, de personnels jouant le rôle de points-origine, que l’on désire
affecter dans les meilleures conditions à des fonctions vacantes jouant le rôle de
points-destination. Il s’agira, aussi, de déterminer un programme de production : les
capacités de production des différentes périodes concernées (ce sont les points-origine)
sont utilisées pour traiter les différentes commandes prévues (ce sont les points-
destination).
Tous ces problèmes, bien qu’appartenant à des domines de gestion très
différents, sont susceptibles d’être traités à l’aide du même modèle, le modèle de
transport, qui constitue une catégorie particulière de programme linéaire.
38
donne les coûts de transport unitaires (en unité monétaire : u.m.) entre chaque usine et
chaque entrepôt.
Si on note xij les quantités transportées entre l’usine U i et l’entrepôt E j le coût total de
transport supporté par AES-Sonel s’écrira :
C 64 x11 50 x12 ... 14 x14 37 x21 ... 24 x24 25x31 ... 48x34
L’objectif de l’entreprise est de rendre minimum ce coût de transport tout en
tenant compte des disponibilités du produit et de sa demande. Ici, l’offre totale est
égale à la demande totale : toutes les capacités seront utilisées pour satisfaire la
demande. Par exemple, la capacité de production de l’unité de production n° 3 est de
400 : elle devra donc expédier exactement 400 transformateurs vers les entrepôts. Ceci
s’exprime à l’aide de la contrainte suivante :
x31 x32 x33 x34 400
De même, dans la mesure où AES-Sonel désire vendre le plus possible, il est
nécessaire d’expédier vers un entrepôt donné ce qu’il a demandé. Soit pour l’entrepôt
n°2 par exemple :
x12 x22 x32 100
Le problème d’AES-Sonel peut ainsi s’exprimer sous la forme d’un programme
linéaire comprenant douze variables (une par trajet possible), et sept contraintes (une
par unité de production et une par entrepôt). Il s’écrit :
Minimiser C , C 64 x11 50 x12 77 x13 14 x14 37 x21 20 x22 48 x23 24 x24
25x31 14 x32 15x33 48x34
x11 x12 x13 x14 1000
x x x x 200
21 22 23 24
39
La seule hypothèse nécessaire pour avoir le droit d’utiliser une telle formulation
est celle qui porte sur le caractère constant des coûts de transport unitaires : ils sont
indépendants des quantités transportées.
4.2.1. - Généralisation
Dans le cas général, le problème de transport s’exprime comme la recherche de
l’approvisionnement aux moindres coûts de points-destination ( à
partir de points-origine ( .
Les données du problème sont les suivantes :
- les capacités d’approvisionnement des points-origine : ( ;
- les demandes d’approvisionnement des points-destination : ( ;
- les coûts de transport unitaires entre chaque point-origine et chaque
point-destination ;
- les quantités transportées entre chaque point-origine et chaque point-
destination
Le problème peut alors se formuler de la façon suivante :
Minimiser C , C cij xij
i j
n
xij K i i 1, 2,..., m
j 1
S /C m
x D
ij j j 1, 2,..., n
i 1
40
1 1 1 1 0 0 0 0 0 0 0 0
0 0 0 0 1 1 1 1 0 0 0 0
0 0 0 0 0 0 0 0 1 1 1 1
A 1 0 0 0 1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0 0 1 0 0
0 0 1 0 0 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1 0 0 0 1
41
m n m n
Cmin C R Rmax cij xij KiVi D jW j
i 1 j 1 i 1 j 1
42
technique utilisant simultanément les deux formulations avec l’algorithme primal-
dual.
Etablir le tableau 2 donne une solution de base par la technique du coin nord-
ouest.
43
La solution de base proposée dans ce tableau comporte six trajets utilisés, donc
autant de variables positives que de contraintes indépendantes.
44
trajets et et augmenter d’une unité les quantités qui transitent par le trajet 24
(voir tableau ). Cette opération est intéressante puisqu’elle réduit le coût total de
transport de (en effet, c33 c23 c24 c34 57 ).
Le fait d’envoyer une unité par le trajet 33 et de procéder aux ajustements
nécessaires pour respecter les contraintes permet une économie de coût de 57. Il est
évident que si y unités avaient été envoyées, cette économie aurait été multipliée
par y .
L’entreprise a avantage à expédier le maximum d’unités par ce trajet. Ici, on ne
peut dépasser unités ; au-delà, le trajet dont les quantités diminuent se verrait
attribuer des quantités négatives. La nouvelle solution est donnée dans le tableau 4c.
Cette solution est meilleure que la précédente puisqu’elle entraine une économie de
coût de
Cette procédure est appliquée à la nouvelle solution. Tant que pour une case
vide il existe des économies réalisables, il faut continuer les calculs. En revanche, si
aucun trajet inutilisé ne permet de réduire le coût de transport, l’optimum est atteint.
45
Tableau 4 : Application de l’algorithme de Stepping-Stone
a) E1 E2 E3 E4 Ki b) E1 E2 E3 E4 Ki
U1 700 100 200 0 1000 U1 700 100 200 0 1000
U2 0 0 100 100 200 U2 0 0 100 100 200
U3 0 0 0 400 400 -1 +1
Dj 700 100 300 500 1600 U3 0 0 0 400 400
+1* -1
C=91 600 Dj 700 100 300 500 1600
57( X 100)
U2 100 100 0 0 200
46
Cette nouvelle procédure est basée sur l’utilisation des contraintes duales. Pour
les trajets actuellement utilisés, la relation suivante doit être respectée : Vi W j cij .
Les valeurs Vi et W j sont donc évaluées à partir des trajets utilisés, puis
appliqués aux trajets non encore utilisés. A une étape donnée du calcul, il faut
introduire le trajet pour lequel Vi W j cij est le plus grand possible. Si à une étape du
processus tous les Vi W j cij sont négatifs ou nuls, la solution optimale est obtenue.
Si nous repartons de la première solution de base reproduite au tableau 4a, les
valeurs Vi et W j sont déterminées à l’aide du système d’équations suivantes :
V1 W1 64 V1 W3 77 V2 W4 24
V1 W2 50 V2 W3 48 V3 W4 48
Ce système comprend sept variables et six équations. Nous affectons une valeur
arbitraire à l’une des variables, par exemple V1 0 . Les autres variables peuvent alors
être déterminées : W1 64, W2 50, W3 77, V2 29, W4 53, V3 5 .
L’application de ces valeurs aux trajets inutilisés donne les résultats lus dans le
tableau 5.
Trajet inutilisé
14 = 0 + 53 – 14 = 39
V2 W1 c21 = - 29 + 64 – 37 = -2
21
V2 W2 c22 = - 29 + 50 – 20 = 1
22
V3 W1 c31 = - 5 + 64 – 25 = 34
31
V3 W2 c32 = - 5 + 50 – 14 = 31
32
V3 W3 c33 = - 5 + 77 – 15 = 57
33
Le trajet le plus intéressant s’avère être le trajet 33, qu’il faut donc introduire
dans la solution. La nouvelle base est obtenue à l’aide des mêmes calculs que
l’algorithme de Stepping-Stone : elle correspond au tableau 4c. Une nouvelle série de
valeurs Vi et W j est alors déterminée pour ce tableau et la procédure peut reprendre.
Utilisons cette procédure pour le tableau 4g qui donne la solution optimale.
V1 W1 64 V2 W1 37 V3 W1 25
V1 W4 14 V2 W2 20 V3 W3 15
Ce système comprend également sept variables et six équations. Nous affectons
une valeur arbitraire à l’une des variables, par exemple V1 0 . Les autres variables
prennent les valeurs : W1 64, W4 14, V2 27, W2 47, V3 39, W3 54 .
L’application de ces valeurs aux trajets inutilisés donne les résultats lus dans le
tableau 6.
47
Tableau 6 : Application de l’algorithme primal-dual à la solution du tableau 4g
12 V1 W2 c12 = 0 + 47 – 50 = - 3
13 V1 W3 c13 = 0 + 54 – 77 = - 23
23 V2 W3 c23 = - 27 + 54 – 48 = - 21
24 V2 W4 c24 = - 27 + 14 – 24 = - 37
32 V3 W2 c32 = - 39 + 47 – 14 = - 6
34 V3 W4 c34 = - 39 + 14 – 48 = - 73
Le test des cases vides montre que toutes sont caractérisées par des Vi W j cij
48
Tableau 7 : Cas d’inégalité entre l’offre et la demande dans le problème de transport
d’AES-Sonel
64 50 77 14 0
37 20 48 24 0
25 14 15 48 0
49