Académique Documents
Professionnel Documents
Culture Documents
Cours de Recherche
Opérationnelle
Oumarou BARRO
Conseiller des affaires économiques
au Ministère du Commerce
Enseignant vacataire
70 59 06 39
Bibliographie
2
INTRODUCTION GENERALE
Tous les acteurs de la vie économique et sociale (ménages, entreprises, Etat, etc.), dans le cadre de
la gestion de leurs activités, dans la définition et la mise en œuvre de leurs objectifs, dans la
planification des actions à réaliser, etc., sont appelés à prendre des décisions, les meilleures. Cela
suppose qu’ils doivent opérer des choix sur un ensemble de décisions possibles. Une telle
entreprise, au-delà du bon sens, requiert la mise en œuvre d’une démarche scientifique ou l’usage
d’outils appropriés. C’est pourquoi, pour éviter l’arbitraire dans le processus de prise de décision, la
science met à la disposition de l’homme, des méthodes (pluridisciplinaires) ou des outils d’aide à la
prise de décision. Parmi ces outils, il y a la Recherche Opérationnelle.
Comme on peut le constater, les domaines d’applications de la RO sont nombreux et très variés.
Parmi les sujets qui entrent dans ses domaines d’application, on peut noter :
3
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
- la planification de la production ;
- la gestion des stocks ;
- les réseaux de communication ;
- la gestion prévisionnelle du personnel ;
- les problèmes de transport ;
En suivant les différentes étapes de la méthode scientifique, il peut arriver que le coût de
l’expérimentation soit très élevé. L’avantage de la Recherche Opérationnelle est qu’elle permet de
contourner cette expérimentation et pour ce faire ; elle utilise des simulations. En effet, un modèle
est une représentation abstraite de la réalité et ses traits majeurs sont sa cohérence et sa simplicité.
X1 + X2 ≥ 6
X1 + X2 ≤ 6
La ressource étant en général limitée, les activités sont forcement soumises à des contraintes. Elles
revêtent la forme d’équations ou d’inéquations.
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
La programmation linéaire est utilisée dans de nombreuses situations. Par exemple, elle permet de
déterminer le meilleur plan de production d’un certain nombre de produits qui nécessitent les
mêmes ingrédients. Elle est également utilisée pour déterminer l’allocation optimale de travailleurs
à un certain nombre de tâches.
L’objectif de ce chapitre est d’aider à formuler sous forme de programmes linéaires un certain
nombre de problèmes importants que l’on rencontre dans le domaine des sciences de la gestion. Il
devra aussi donner des outils nécessaires pour résoudre ces programmes.
Ces variables sont positives ou nulles. On dit qu’elles sont soumises à des contraintes de signe.
c) La fonction économique
C’est une fonction linéaire que l’on peut rendre maximale. On la note souvent Z.
Z = 7X + 5Y
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
Une telle écriture est appelée programme linéaire. Elle pose ici le problème de la recherche du
maximum d’une fonction linéaire sous les contraintes linéaires.
On dit qu’une contrainte est linéaire lorsqu’elle exprime au moyen d’une inégalité ou d’une égalité
dont le premier membre est une forme linéaire de variables et le second membre un nombre réel.
Le but de la programmation linéaire est donc de résoudre ce type de problème. Pour ce faire, on a
recourt à deux méthodes : la méthode graphique et la méthode du simplexe encore appelée
méthode de Dantzig.
4 Présentation théorique
Un programme linéaire consiste à trouver le maximum ou le minimum d’une forme linéaire dite
« fonction économique » en satisfaisant certaines équations ou inéquations dites contraintes. En
langage mathématique, on décrira de tels programmes de la manière suivante :
Considérons un programme linéaire constitué :
s / c
a x a x ... a x b
m1 1 m2 2 mn n m
x1 0, x2 0,...., xn 0
Pour un problème de minimisation, les contraintes sont de type ≥ et, le programme se présente
comme suit :
MinZ c1 x1 c2 x2 ... cn xn
a11x1 a12 x2 ... a1n xn b1
a x a x ... a x b
21 1 22 2 2n n 2
s / c
a x a x ... a x b
m1 1 m2 2 mn n m
x1 0, x2 0,...., xn 0
Le tableau de solutions
Points X Y Z = 7X + 5Y
0 0 0 Z0 = 0
A 0 400 ZA = 2 000
B 100 400 ZB = 2 700
C 200 300 ZC = 2 900
D 300 100 ZD = 2 600
E 300 0 ZE = 2 100
L’ouvrier doit fabriquer 200 modèles luxes et 300 modèles standards pour maximiser son profit à
2 900 F.
c1
c2
t C .
.
.
c
n
y1 b1
y2 b2
Y . ; B .
. .
. .
y b
n m
Généralement les deux programmes utilisent les mêmes données et présentent les caractéristiques
qui sont données dans le tableau suivant :
PRIMAL DUAL
m contraintes m variables de décision
n variables de décision n contraintes
Contraintes de type ≤ ou ≥ Contraintes de type ≥ ou ≤
Problème max (ou min) Problème min (ou max)
Ecriture en ligne Ecriture en colonne
Exemple :
PRIMAL DUAL
2 Interprétation économique
Cette interprétation se fera à partir de l’exemple du cours suivant :
MaxZ 7 X 5Y
X 300
Y 400
s / c X Y 500
2 X Y 700
X 0; Y 0
Pour trouver le Dual de ce problème, on va supposer que si le menuisier décide de vendre les
facteurs entrant dans le processus de production au lieu de produire les deux types de modèles,
quels seront alors leurs prix respectifs ? C’est à dire y1 ?, y2 ?, y3 ?, y4 ?
Le menuisier ne pourra vendre ces intrants que si les prix proposés lui procurent un résultat au
moins égal à ce que lui rapporte la fabrication des deux types de modèles.
y1 0 y 2 y3 2 y 4 7
0 y1 y 2 y3 y 4 5
Le programme Dual sera donc le suivant :
MinW 300 y1 400 y2 500 y3 700 y4
y1 0 y2 y3 2 y4 7
s / c 0 y1 y2 y3 y4 5
y ;0 y ;0 y ;0 y 0
1 2 3 4
- les coefficients de la fonction économique du primal sont les seconds membres des contraintes du
Dual ;
- les seconds membres des contraintes du primal sont les coefficients de la fonction économique du
Dual ;
- le sens des inégalités des contraintes dans le Dual est inversé sauf les contraintes de non
négativité qui sont valables dans le primal que dans le Dual.
- à l’optimum, la fonction économique du primal et celle du Dual ont la même valeur (Z = W) ;
- si, à l’optimum, une contrainte du primal n’est pas saturée, alors la variable Duale correspondante
est nulle ;
- si la valeur optimale d’une variable d’un programme linéaire n’est pas nulle, alors la contrainte
Duale correspondante est saturée pour la solution optimale ;
En définitive, le Dual du Dual n’est autre que le primal.
En remplaçant ces variables par leurs valeurs dans les contraintes du primal, on obtient :
200 300
200 300 300 400
300 400
200 300 500 500 500
700 700
2 200 300 700
On constate que les contraintes 3 et 4 sont saturées (le bois et le temps sont pleinement utilisées),
alors que les contraintes 1 et 2 ne le sont pas (il reste encore 100 modèles luxe et 100 modèles
standard).
Au niveau du Dual, les variables associées aux contraintes non saturées du primal sont nulles, c'est-
à-dire (y1 = 0 et y2 = 0).
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
Les contraintes du Dual associées aux variables non nulles du primal étant saturées, pour déterminer
les valeurs de y3 , y 4 , il suffit tout simplement de résoudre le système d’équations suivant :
y3 2 y 4 7
y3 y 4 5
La méthode du simplexe prend pour point de départ une solution de base pour laquelle la fonction
économique est nulle.
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
A chaque étape, on cherche à améliorer la solution de départ afin d’atteindre l’optimum. Il s’agit en
fait, à partir d’une solution de base, de rechercher par itération une meilleure solution jusqu’à ce que
l’on aboutisse à l’optimum.
Il faut donc s’assurer après chaque itération que l’on a atteinte ou non l’optimum. Si l’optimum
n’est pas atteint, on détermine une nouvelle itération, une solution de base meilleure que la
précédente et ainsi de suite.
Soit le programme linéaire sous forme canonique :
MaxZ 1000 X 1200Y
X Y 900
X 2Y 1200
s/c
14 X 6Y 14000
X 0; Y 0
X Y e1 900
X 2Y e 1200
2
s/c
14 X 6Y e3 14000
X 0; Y 0; e1 0; e 2 0; e3 0
Après avoir mis le programme sous forme standard, on peut établir le tableau initial du simplexe
(T0)
Tableau T0
VHB X Y . . . R
VB
e1 1 1 1 0 0 900 L1
e2 1 2 0 1 0 1 200
L2
e3 14 6 0 0 1 14 000
L3
Z 1000 1200 0 0 0 0 LZ
La partie centrale du tableau donne la matrice des coefficients techniques. La colonne R représente
les valeurs du second membre, elle indique les valeurs attribuées aux variables situées dans la base.
La ligne Z donne les coefficients de la fonction économique exprimée seulement en fonction des
VHB. La solution de départ est égale à 0. En d’autres termes Z = 0.
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
a) Première itération
- Sélection de la variable entrante
Selon le critère de sélection de Dantzig, on sélectionne la variable affectée du plus grand coefficient
positif. Il s’agit ici de 1200 : Y entre dans la base.
- Sélection de la variable sortante
On adjoint une colonne supplémentaire R’ représentant le rapport entre les valeurs respectives du
second membre R et les coefficients de la variable entrante. On retient le plus petit rapport positif :
e2 qui sort de la base, car le plus petit rapport positif ici c’est 600.
L’intersection de la colonne (variable entrante) et de la ligne (variable sortante) s’appelle le pivot :
c’est le coefficient de la variable entrante dans l’équation qui servira de base aux calculs. Ici le
pivot est 2.
Il faut arriver d’une part, à faire figurer Y avec le coefficient 1dans l’équation, d’autre part à
éliminer Y dans d’autres équations à partir de la première équation transformée.
Tableau T0
VHB X Y . . . R R’
VB
e1 1 1 1 0 0 900 900 L1
e2 1 2 0 1 0 1 200 600
L2
e3 14 6 0 0 1 1 4000 2 333
L3
Z 1000 1200 0 0 0 0
LZ
Lorsque l’on divise la ligne pivot par le pivot, la nouvelle ligne que l’on obtiendra sera qualifiée de
ligne opératoire.
Pour que les autres coefficients de la colonne s’annulent, il suffit de remplacer chaque ligne par une
combinaison linéaire d’elle-même avec la ligne opératoire.
On transforme ainsi la colonne du pivot en colonne unité. Pratiquement, cela revient à multiplier la
ligne opératoire par l’opposé des coefficients de la colonne opératoire.
La variable Y prend la place de la variable d’écart e2 dans la base et la ligne opératoire s’écrit :
Y 1 1 0 1 0 600 L’2
2 2
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
Nous allons nommer cette ligne opératoire L’ 2 et elle servira de base de calculs pour la
transformation des lignes relatives à e1 (L1), e3 (L3), Z (LZ) du tableau T0, respectivement en, L’1,
L’3, et L’Z. Ce qui permettra d’obtenir le tableau T 1.
Ainsi, la ligne relative à e1 (L1) transformée deviendra L’1 : L’1 = L1 – L’2
L1 : 1 1 1 0 0 900
-L’2 : -1 0 0 -600
= L’1 : 0 1 0 300
Tous les coefficients de la ligne Z sur les variables hors base ne sont pas tous négatifs, la solution
donnée par ce tableau n’est pas optimale. Cette solution peut donc être améliorée, d’où la deuxième
itération.
b) Deuxième itération
- Variable entrante : X (400 est le coefficient le plus positif)
- Variable sortante : e1 (600 est le plus petit rapport positif des éléments de la colonne R’)
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
- Pivot :
1
- L’’1 : 0 -1 0 -300
2
= L’’2 : 0 1 -1 1 0 300
Y 0 1 -1 1 0 300
L’’2
e3 0 0 -22 8 1 3800 L’’3
Z 0 0 -800 -200 0 -960 000 L’’Z
Tous les coefficients de la ligne Z sur les variables hors base sont négatifs ou nuls. L’algorithme
s’arrête. On a donc atteint la solution optimale. De plus, cette solution est unique puisque aucun
coefficient de la ligne Z sur les variables hors base n’est nul.
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
Remarque : le dernier tableau du simplexe donne non seulement la solution optimale du primal
mais aussi celle du Dual.
x1 x 2 14 x3 1000
s / c x1 2 x 2 6 x3 1200
x 0; x 0; x 0
1 2 3
Pour en déduire la solution optimale du Dual, il suffit de lire sur la ligne Z qui correspond à la
dernière ligne du tableau optimal. Les coefficients des variables d’écart représentent en fait les
valeurs des variables duales à l’optimum.
En effet, le coefficient de la variable d’écart e1 est égal à -800.
Or e1 est la variable d’écart de la première contrainte du primal à laquelle est associée la première
variable du dual x1. D’où x1 = 800.
De la même manière, le coefficient de la variable d’écart e2 est égal à -200.
e2 est la variable d’écart de la deuxième contrainte du primal à laquelle est associée la deuxième
variable du dual x2. D’où x2 = 200.
Par contre la variable d’écart e3 est dans la base avec une valeur positive et différente de zéro ; la
variable duale correspondante sera nulle, c'est-à-dire x3 = 0.
La valeur de W à l’optimum est :
W 900 800 1200 200 14000 0 960000
La solution optimale du Dual est donc :
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
x1 = 800
x2 = 200
x3 = 0
A l’optimum on a W = Z= 960 000
Exemple d’application
MaxZ 50 X 30Y
2 X Y 200
X 9 Y 540
2
4 X 3Y 480
X 0; Y 0
Travail à faire :
Utiliser la méthode du simplexe pour résoudre ce programme
a La méthode du BIG M
Cette méthode permet de tenir compte des variables artificielles, lorsqu’on a à résoudre des
programmes ayant des contraintes de type = ou ≥. L’introduction des variables artificielles
recommande qu’on leur affecte un coefficient positif de valeur très élevée dans la fonction
économique (-M pour un problème de maximisation, +M pour un problème de minimisation). A
l’optimum, les variables artificielles sont hors base et si celles-ci sont dans la base avec une valeur
non nulle, le programme n’a pas de solution.
1) Forme standard
MinZ 3x1 10 x 2 0e1 0e2
5 x1 6 x 2 e1 10
s / c 2 x1 7 x 2 e2 14
x 0; x 0; e 0; e 0
1 2 1 2
Une solution de base admissible de départ consiste à prendre les variables artificielles pour des
variables dans la base, et les autres sont des variables hors base :
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
On peut ainsi construire le tableau initial du simplexe dont la structure est identique à celle d’un
tableau relatif au problème de maximisation avec quelques éléments supplémentaires.
On le construit de la manière suivante :
Tableau initial (T0) :
CB VHB x1 x2 e1 e2 . . R R’
VB
M a1 5 6 -1 0 1 0 10 L1
L2
M a2 2 7 0 -1 0 1 14 2
Cj 3 10 0 0 M M 0
Zj 7M 13M -M -M M M 24M
LZ
∆= Cj-Zj 3-7M 10-13M M M 0 0 -
L∆
La ligne Cj donne les coefficients de la fonction économique en fonction de toutes les variables ; la
ligne indique l’optimalité et la sélection de la variable entrante. La colonne à gauche
(CB) donne les coefficients des variables dans la base.
3) Première itération
- Sélection de la variable entrante
L’objectif visé est la recherche d’un minimum ainsi la variable entrante est celle qui a le plus grand
coefficient négatif, c'est-à-dire x2. En fait il suffit de regarder le coefficient de M car M est très
grand ; le coefficient indépendant de M n’intervient que dans le cas où plusieurs variables ont le
même coefficient pour M.
- Variable sortante : a1 ( est le plus petit rapport positif des éléments de R’)
L’1 :
L’2 = L2 - 7L’1
L2 : 7 0 0 1 14
- 7L’1 : -7 0 0
= L’’2 : 0 -1 1
CB VHB x1 . e1 e2 a1 . R R’
VB
10 x2 1 0 0 -10
L’1
M a2 0 -1 1 2
L’2
Cj 3 10 0 0 M M 0
Zj 10 - M
M L’Z
∆= Cj-Zj 0 0
L’∆
La solution donnée par ce tableau n’est pas optimale car tous les Cj-Zj ne sont pas positifs. On passe
à la deuxième itération.
4) Deuxième itération
- Variable entrante : e1 (a le plus grand coefficient négatif )
- Variable sortante : a2 (2 est le plus petit rapport positif des éléments de R’)
- Pivot : (l’intersection entre la colonne de la variable entrante et de la ligne variable sortante)
L’’2 :
L’1 : 0 0
+ : 0
= L’’1: 1 0 0 2
0 e1 0
Cj 3 10 0 0 M M 0
Zj 10
∆= Cj-Zj 0 0
Dans ce dernier tableau, on constate qu’au niveau de ∆ tous les coefficients sont positifs ou nuls, ce
qui indique que le tableau 2 est optimal.
D’où la solution optimale est :
VB : X 2 2;e*1 2
*
VHB : x *1 0;e *2 0; a *1 0; a *2 0
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
Section I : Définition
1 Le graphe
Soit un ensemble X appelé ensemble des sommets ; X est défini tel que :
X = {x1, x2, x3……………….. xn }.
Soit б une correspondance qui a chaque élément x de X fait correspondre une partie de X.
Le couple (X, б) définit un graphe.
Exemple : X = {x1, x2, x3……………….. x6}
X б (x)
x1 X2, x3
X2 X4
X3 X2, x4
X4 X5, x6
X5 X6
X6 -
On appellera arc du graphe toute courbe ordonnée de sommets (x i, xj) tel que
xj б (x).
xi est l’origine de l’arc, xj son extrémité.
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
3 Le sommet
Un sommet représente un élément de X.
Un xj est dit “ suivant” de xi si xj est élément de б (x) c'est-à-dire s’il y a une flèche de xi
vers xj. On peut lire d’une autre manière : xi est appelé “précédent” de xj.
On désignera par S(x) l’ensemble des suivants de X et par P(x) l’ensemble des précédents
de X.
S(x) = б (x)
P(x) = б (x)-1
Exemple : le tableau à simple entrée qui pour tout x énumère les éléments de S(x) est
appelé dictionnaire de suivant.
X S(X)
x1 X2, x3
X2 X4
X3 X2, x4
X4 X5, x6
X5 X6
X6 -
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
Le tableau à simple entrée qui pour tout élément de x énumère les éléments de P(x) est
appelé dictionnaire de précédent.
x P(x)
x1 -
X2 x1, X3
X3 x1
X4 X2, X3
X5 X4
X6 X4, X5
x P(x)
1 6
2 1, 4
3 2, 6
4 3, 5
5 2, 3
6 -
Le graphe
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
Section III : Détermination des niveaux des sommets d’un grapheà partir du
dictionnaire de précédent
Pour déterminer les niveaux des sommets d’un graphe, on procède de la manière
suivante :
- D’abord, on regarde dans le dictionnaire des précédents, les sommets qui n’ont pas de
précédents, c'est-à-dire, les sommets pour lesquels P(x) est vide. Ces sommets sont de
niveau 0 et font partie de l’ensemble des sommets sans précédents noté N0.
- Ensuite, on barre tous les sommets de niveau 0 partout où ils figurent dans la colonne
P(x) du dictionnaire de précédents. Si une ligne a tous ses sommets barrés, le sommet
correspondant est de niveau 1 ou si des lignes ont tous leurs sommets barrés, les
sommets correspondant sont de niveau 1.
- Enfin, on réitère la procédure, en augmentant de 1 la valeur des niveaux jusqu’à ce que
tous les sommets soient barrés.
Exemple : soit le dictionnaire de suivant défini par :
X S(x)
1 2, 3, 5
2 3, 6, 7
3 4, 6, 7
4 6
5 4
6 -
7 -
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
Les niveaux permettent une représentation plus simple et lisible du graphe ; les sommets
étant disposés de la gauche vers la droite par ordre croissant de niveaux, la recherche du
chemin optimal se fait plus facilement sur un graphe ordonné par niveaux.
Exemple d’application 1
Soit à rechercher le chemin le plus court entre les sommets 6 et 7 défini par la matrice ci-
dessous.
La valeur dans une case donne la longueur de l’arc ayant i pour origine et j pour
extrémité.
TAF :
1) Déterminer le dictionnaire de suivants et de précédents ;
2) Déterminer les niveaux de sommet ;
3) représenter le graphe ordonné par niveaux ;
4) Rechercher le chemin le plus court entre 6 et 7.
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
1 2 3 4 5 6 7 8 9 10
1
2 2 5
3 10 6
4 9 2
5 3 4
6 3 6
7 2
8 3 6
9 5
10 4 8
Solution
1) déterminons le dictionnaire de suivants et de précédents
X S(X) P(X)
1 - 7, 8
2 4, 10 5
3 8, 9 6
4 7, 8 2, 10
5 2, 6 -
6 3, 10 5
7 1 4, 8
8 1, 7 3, 4, 9, 10
9 8 3
10 4, 8 2, 6
Conclusion : Le chemin le plus court entre 6 et 7 est (6, 10, 4, 8, 7) et sa longueur est
18.
x S(x) P(x)
A B, D, E -
B E A, F
C H, J E
D E A;F
E C, G, H, I A, B, D
F B, D -
G I E
H J C, E
I J E, G
J - C, H, I
A B E C H J = 44 A E C H J = 29 A D E C H J = 32
ABECJ = 51 AECJ = 36 ADECJ = 39
ABEHJ = 45 AEHJ = 30 ADEHJ = 33
ABEIJ = 50 AEIJ = 35 ADEIJ = 38
A B E G I J = 49 AEGIJ = 34 A D E G I J = 37
4) Le chemin à emprunter par l’employé est : A E C H J et le temps mis pour le trajet
est de 29 minutes.
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
Les durées d’exécution sont représentées par des traits épais(3 unités de temps pour la
tâche C par exemple). La position des traits indique l’ordre d’exécution des tâches. En
effet, les contraintes de succession se lisent comme suit : les tâches B et C succèdent à
A ; la tâche D succède à B.
Dans la colonne opérations pré-requises figurent les opérations qui doivent être achevées
pour que puisse commencer l’opération correspondant à la ligne.
Pour résoudre les problèmes d’ordonnancement, deux méthodes sont classiquement
utilisées : la méthode des Potentiels Metra (MPM) d’origine française et la méthode
Programm Evaluation and Research Task (PERT) de conception américaine. Toutes les
deux utilisent des graphes pour résoudre le problème.
Exemple :
A 4 mois B
2 La construction du graphe
Les tâches et les contraintes étant définies, le tableau qui donne la liste des opérations
pré-requises constitue au sens de la théorie des graphes le dictionnaire de précédents. On
peut donc selon la procédure ordonner un tel graphe par niveaux.
N0 = {A, C, D} N1 = {B, G} N2 = {E, F} N3 = {H} N4 = {I}
Pour construire les graphes selon la méthode MPM, les sommets seront placés de la
gauche vers la droite en fonction de leur niveau. Chaque sommet sera représenté par un
rectangle où figurent les dates au plus tôt et les dates au plus tard de la tâche.
tx tx*
x
x Sx
A B, G
B E, F
C E, F
D E
E H
F I
G H
H I
I -
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
On place une tâche supplémentaire Z (ou tâche fin) relié à tous les sommets qui n’ont pas
de suivant. Celle-ci nous permettra de dater la fin des travaux. t Z est la date à laquelle
l’ensemble des travaux peuvent s’achever au plus tôt (durée minimale).
L’ensemble des arcs ayant contribué à la détermination de t Z constitue le chemin critique.
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
Toute tâche qui ne peut être retardée sans affecter la date de fin de projet est une tâche
critique. Ce sont les tâches critiques qui constituent le chemin critique.
b La marge libre
La marge libre est le retard maximum que l’on peut prendre dans la mise en route d’une
tache sans remettre en cause les dates au plus tôt des tâches suivantes. Pour une tâche x,
sa marge libre est donnée par l’expression suivante :
M L x Mint y t x d x
Exemple d’application :
Un groupe d’experts veut installer un cabinet de prestation de service comptable
informatique. Les différentes tâches sont présentées dans le tableau suivant :
Code des tâches Nombre de Tâches
jours antérieures
A : Information des commerciaux 20 -
B : Embauche d’un technicien 30 -
C : Formation du technicien 3 B
D : Formation des commerciaux 10 A;C
E : Aménagement de la salle 2 A
F : Commande et livraison du mobilier 5 E
G : Livraison des ordinateurs et des 1 F
imprimantes
H : Installation des matériels 1 G;D
I : Installation du logiciel 1 H
J : Tests et mise en route 2 I
Travail à faire :
1) Déterminer les différents niveaux ;
2) représenter le graphe par la méthode MPM ;
3) Calculer les marges totales et marges libres (utiliser un tableau) ;
4) Indiquer le chemin critique et la durée totale d’exécution du projet.
Section IV : La méthode PERT
La méthode PERT a pour but essentiel de mettre en évidence les liaisons qui existent
entre les tâches. Elle est un instrument de définition et de coordination des services
dirigeants, des actions à accomplir pour mener à bien une entreprise dans les délais
convenables.
1 Le principe de la représentation
A chaque tâche correspond un arc du graphe.
Chaque sommet du graphe est une étape signifiant :
- toutes les tâches qui arrivent sont terminées ;
- toutes les tâches qui partent peuvent commencer.
Exemple : soit la représentation suivante :
A(2)
C(3)
B(4)
D(1)
Elle signifie que les tâches A et B sont terminées car ce sont des arcs qui arrivent par
rapport au sommet. Par contre, les tâches C et D peuvent commencer car ce sont
des arcs qui partent par rapport au sommet. Les valeurs entre parenthèses
correspondent respectivement aux durées des tâches.
43
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
Cette représentation n’est pas correcte car elle implique que A précède D, ce qui
n’est pas juste. Il convient d’introduire une tâche fictive pour avoir la bonne
représentation.
Où x désigne le numéro de l’étape (celle-ci n’est pas une donnée initiale du problème
mais résulte de la construction du graphe PERT).
tx désigne la date au plus tôt de l’étape x
tx*désigne la date au plus tard de l’étape x.
On ajoute un sommet initial d’où partent toutes les tâches dont la mise en route
n’est soumise à aucune contrainte d’antériorité et un sommet final auquel
aboutissent toutes les tâches n’ayant pas de suivant.
Ainsi, pour construire le graphe PERT, on tient compte des principes de construction
c'est-à-dire le respect des contraintes d’antériorités. Il n’y a véritablement pas une
démarche spécifique pour construire le graphe PERT, on procède généralement par
tâtonnement en collant les graphes partiels.
44
Cours de Recherche Opérationnelle: Master 1 en EAI & RIT
45