Vous êtes sur la page 1sur 9

Université M’Hamed Bougara Année Universitaire 

: 2020/2021

Faculté Des Sciences Master1 ROOMS

Département De Mathématiques Module : complément sur

l’optimisation Linéaire

Chapitre I : Rappel sur l’optimisation Linéaire


Remarque :
Dans ce chapitre on va se rappeler de l’intérêt de
l’optimisation linéaire dans la recherche
Opérationnelle, la définition d’un modèle
mathématique, les concepts de base ainsi les
méthodes de résolution d ‘un programme linéaire
(méthode de Simplexe +méthode des deux
phases comme 1ère partie et pour la 2ème partie ,la
notion de dualité dans la programmation
linéaire ,règles et théorèmes.
N’hésiter pas de consulter le cours d’optimisation
linéaire S6 Recherche Opérationnelle.
Qu’est ce que c’est la R.O. ?
- On peut définir la Recherche Opérationnelle (RO)
comme l'ensemble des domaines scientifiques, des outils
et des problèmes touchant aux questions d'ordre
décisionnel (dit aussi stratégique) ou d'optimisation de
systèmes complexes.
L'expression « systèmes complexes » est à prendre au
sens : difficile à comprendre pour un individu sans l'aide
d'un modèle ou d'un ordinateur.
Les problèmes sont rendus complexes par leur dimension
qui peut être importante, mais surtout par leur structure
qui peut-être par exemple combinatoire, concurrentielle,
stochastique etc.

- La RO est une discipline scientifique qui s’intéresse à la


compréhension et à la résolution de problèmes de décision
se posant dans les organisations. Elle vise à l’amélioration
du fonctionnement des organisations (entreprises,
organismes publics...) par l’application d’une approche
scientifique. Champs d’application : Gestion de production
(alloc de ressources limitées, ordonnancement, ...),
Logistique (pbs de localisation, gestion de flux, ...), Gestion
de ressources humaines (affectation, élaboration de
planning...), Optimisation dans les réseaux, Décision
stratégiques...
Il est difficile pour un individu de pouvoir maîtriser tous
les aspects du problème à l’étude, de sorte que la RO est
généralement plus un travail d’équipe, avec des experts en
mathématiques, statistiques et probabilités, ingénierie,
économie, administration, informatique, ….

Processus d’aide à la décision :


Qu’est -ce que la recherche opérat ionnelle ?

Un ensemble de méthodes scientifiques cherchant à résoudre efficace-


ment les problèmes posés par les activités des organisations humaines.
Un ensemble de techniques mathématiques qui permettent de formaliser
et de résoudre certains problèmes théoriques présentant des analogies
avec des problèmes réels de gestion.
L’art de représenter des systèmes réels par des modèles mathématiques
et l’ensemble des méthodes quantitatives permettant l’exploitation de
ces modèles en vue de leur optimisation.
L’application de méthodes scientifiques au contrôle et à la gestion des
processus industriels, commerciaux, gouvernementaux et militaires.

J.-F. Hêche, ROSO-EPFL

La RO : une pieuvre mult icolore

De nombreuses branches allant de l’informatique la plus dure aux


mathématiques les plus pures.
Des champs d’applications divers allant des sciences humaines au monde
industriel en passant par l’économie et la biologie.
• Programmation linéaire, • Problèmes de distribution et de
non linéaire, dynamique tournées
• Optimisation combinatoire • Problèmes de gestion de production,
• Théorie des graphes de réapprovisionnements
• Théorie des jeux • Problèmes de localisation (unités de
production, antennes, satellites)
• Ordonnancement
• Confection d’horaires
• Files d’attentes
• Dimensionnement de réseaux
• Simulation
• ...
• ...
J.-F. Hêche, ROSO-EPFL
Les étapes d’un projet de RO

• Formulation du problème
Objectifs, Contraintes Problème
Données disponibles
Formulation
• Construction du modèle
Choix du type de modèles
Modèle
Hypothèses simplificatrices
• Résolution du modèle Algorithme
Choix/ création d’un algorithme
Validation (déboguage) Solution
• Validation des résultats
Analyse de sensibilité Validation
• Mise en œuvre
Prise de décision Mise en œuvre
Outil opérationnel
J.-F. Hêche, ROSO-EPFL 6

Exemples introductifs :
Un problème de transport :
Supposons que 250 (resp. 450) containers sont disponibles au
dépôt D1 (resp. au dépôt D2) et que les magasins A,B et C ont
commandé 200 containers chacun. Les coûts de transport par
container sont les suivants :

A B C
1 3.4 2.2 2.9
2 3.4 2.4 2.5

Le but est de minimiser le coût total de transport des


containers des dépôts vers les magasins en respectant les
disponibilités et les demandes.

Modélisation :

xij : nombre de containers transportés du dépôt i vers le


magasin j (i = 1,2, j = A,B,C)

Le programme linéaire s’énonce de la façon suivante :

minimiser z (xij , i = 1, 2, j =A,B,C)=3.4x1A +2.2x1B +2.9x1C


+3.4x2A +2.4x2B +2.5x2C

sous les contraintes

- de disponibilité:

x1A +x1B +x1C ≤250

x2A +x2B +x2C ≤ 450

- de demande :
x1A + x2A = 200

x1B + x2B = 200

x1C + x2C = 200

xij ≥ 0, à valeurs entières

Un Problème d’affectation
On désire affecter 50 binômes-étudiants en fin de cycle à 50
projets de fin d’études (PFE). Chaque binôme doit être affecté
à un seul PFE et chaque PFE doit être pris en charge par un
seul binôme. Le rendement du ième binôme affecté au jème projet
est Ri,j. On souhaite avoir une affectation optimale (ie la
somme des rendements maximum) des 50 binômes aux 50
projets
Modélisation :
1 si le binôme i est affecté au projet j
Variables de décision : xi,j =
0 sinon

Contraintes : 50
 xi,j = 1 pour tout i =1,…,50
j=1

50
 xi,j = 1 pour tout j =1,…,50
i=1

Modèle Mathématique :
50
 xi,j = 1 pour tout i =1,…,50
j=1
50
 xi,j = 1 pour tout j =1,…,50
i=1

xi,j   0,1 pour i=1,…,50 ; j =1,…,50

50 50
  Ri,j . xi,j = Z (max)
i=1 j=1

Vous aimerez peut-être aussi