Académique Documents
Professionnel Documents
Culture Documents
Le but est d’installer un nombre minimum de téléphones sur des carrefours (intersections de
rues) de sorte à couvrir toutes les rues du campus (voir le graphe représentant les carrefours
par des nœuds de 1 à 8, et les rues par des arêtes au nombre de 11).
Le problème est donc de décider combien et sur quels carrefours installer les téléphones ?
Soient alors les variables exprimant le choix d’installer ou non un téléphone sur chaque
carrefour :
xj = 1 si un téléphone est installé au carrefour j
0 sinon
Chaque rue (arête) relie exactement 2 carrefours (nœuds), donc pour la couvrir il faut installer
un téléphone sur (au moins) l’une de ses deux extrémités. Il y a donc autant de contraintes que
de rues.
L’objectif étant de minimiser le nombre de téléphones à installer, le modèle mathématique
(correspondant au graphe donné) s’écrit comme suit :
A partir du graphe donné, pouvez-vous trouver une solution optimale (nombre minimum de
téléphones et leurs emplacements) ? Vérifier la faisabilité de votre solution à partir du modèle
mathématique.
M. Mechebbek Page 1
Exercice 9 : (Localisation de casernes de pompiers)
Le but ici est d’installer un nombre minimum de casernes de pompiers dans certains
départements, de sorte à couvrir tous les départements de la ville.
IL s’agit donc de décider d’installer ou pas une caserne dans chacun des 11 départements, ce
qui revient à définir les variables :
xj = 1 si une caserne est installée dans le département j
0 sinon
Sachant qu’une caserne installée dans un département j peut couvrir j et tous les départements
voisins de j, il faudrait donc qu’il existe une caserne (au moins) dans le voisinage direct de
chaque département. Par exemple, pour couvrir le département 3, il faut installer une caserne
dans 3 ou bien dans l’un de ses départements voisins 1, 2, 4, 5 ou 6.
Z(min) = ∑11
𝑖=1 𝑥𝑗
Sous les contraintes
x1+x2+x3+x4 ≥ 1 (couverture du département 1)
x1+x2+x3+x5 ≥ 1 (couverture du département 2)
x1+x2+x3+x4+x5+x6 ≥ 1 (couverture du département 3)
x1+x3+x4+x6+x7 ≥ 1 (couverture du département 4)
x2+x3+x5+x6+x8+x9 ≥ 1 (couverture du département 5)
x3+x4+x5+x6+x7+x8 ≥ 1 (couverture du département 6)
x4+x6+x7+x8 ≥ 1 (couverture du département 7)
x5+x6+x7+x8+x9+x10 ≥ 1 (couverture du département 8)
x5+x8+x9+x10+x11 ≥ 1 (couverture du département 9)
x8+x9+x10+x11 ≥ 1 (couverture du département 10)
x9+x10+x11 ≥ 1 (couverture du département 11)
xj {0, 1} j = 1, …, 11
En Théorie des graphes, c’est le problème de recherche d’un ensemble dominant (sous-
ensemble de sommets qui couvrent tous les sommets du graphe) minimum.
A partir de la carte donnée, pouvez-vous trouver une solution optimale (nombre minimum de
casernes et leurs emplacements) ? Vérifier la faisabilité de votre solution à partir du modèle
mathématique.
M. Mechebbek Page 2
Exercice 10 : (Problème de transport)
m entrepôts, n clients
La firme veut savoir comment livrer la marchandise des entrepôts aux clients à moindre coût
de transport.
Le problème ici est de savoir quelles quantités de produit livrer de chaque entrepôt à chaque
client.
On définit alors les variables de décision suivantes :
xij : quantité du produit à livrer de l’entrepôt i au client j, i = 1, …, m ; j = 1, …, n
Les coûts de transport étant par unité de produit transportée, il suffit de les multiplier par les
quantités du produit transportées.
Z(min) = ∑𝑚 𝑛
𝑖=1 ∑𝑗=1 𝐶𝑖𝑗𝑥𝑖𝑗
s.c :
- Les contraintes (1) signifient que la quantité totale du produit, livrée de chaque
entrepôt i fixé aux différents clients, ne doit pas dépasser le stock disponible dans cet
entrepôt.
- Les contraintes (2) signifient que la quantité totale du produit, livrée des entrepôts à
chaque client j fixé, doit être égale à sa demande (on peut mettre = ou ≥ car comme Z
est à minimiser, on ne risque pas de dépasser la demande).
- Si les quantités produites sont des entiers (voitures par exemple), alors xij N et le
modèle est un PLNE.
Remarque :
Ce problème n’a de solution que si le stock total disponible est au moins égal à la demande
totale des clients, c.à.d. ∑𝑚 𝑛
𝑖=1 𝑜𝑖 ≥ ∑𝑗=1 𝑑𝑗
Si par contre, ∑𝑚 𝑛
𝑖=1 𝑜𝑖 = ∑𝑗=1 𝑑𝑗 , alors toutes les contraintes inégalités ((1) et (2)) du PL
peuvent être remplacées par des contraintes égalités.
M. Mechebbek Page 3