INTRODUCTION À LA

RECHERCHE OPÉRATIONNELLE

Filière Sciences Mathématiques et Informatique

(S5)

M. AZZOUZI IDRISSI

Année universitaire : 2020-2021

 Résolution d’un programme linéaire
La PL comme outil de modélisation mathématique d’un problème
concret comporte trois étape:

• Identification des variables

• Formulation des contraintes

• Définition de la fonction objectif

Une fois la modélisation est effectuée, on peut passer à la

résolution du problème, donc du PL. Différentes méthodes
existent (méthodes de résolution directes, algorithme du
simplexe, méthode des deux phases, ….)

IAM_usmba_2020_2021 RO_Res_graph 2/30

 Résolution graphique d’un PL

Qui dit graphique dit deux, ou éventuellement, trois variables. Par

la méthode de résolution graphique nous allons traiter tout d’abord
les programmes linéaires à deux variables.

Choix du système d’axes x2

Un mauvais choix du système d’axes
peut compliquer la représentation
et amener à des solutions imprécises.
Le plus simple est le repère orthogonal
(pas nécessairement orthonormé) x1

IAM_usmba_2020_2021 RO_Res_graph 3/30

 Résolution graphique d’un PL

A cause des contraintes de non-négativité des variables, on n’utilise

que le cadrant positif. On appelle cette région " la région des solutions
possibles du problème ".

Représentation graphique des contraintes

Dans les solutions du problème, on distingue:

• Celles qui satisfont toutes les contraintes du programme: solutions

réalisables.

• Celles qui ne satisfont qu’une partie ou aucune de ces contraintes:

solutions non réalisables.

IAM_usmba_2020_2021 RO_Res_graph 4/30

 Résolution graphique d’un PL
Soit un problème décrit par le programme linéaire suivant: Pb de
fabrication de médicaments (gélule 1 et gélule 2):

Min Zx x
1 2
 2 x  x  12
 1 2
 5 x1  8 x2  74
s.c. 
 x1  6 x2  24

 x1  0, x2  0

Pour la résolution graphique, un bon choix du système d’axes à

adopter se base sur l’observation des paramètres du programme.

La première contrainte du programme est 2x1 + x2  12 ( ou = )

IAM_usmba_2020_2021 RO_Res_graph 5/30

 Résolution graphique d’un PL
L’ensemble des solutions qui satisfont l’égalité dans cette équation
(1ère contrainte) est l’ensemble des points de la droite définie par x2
= - 2x1 + 12 (droite de pente égale =-2 qui coupe l’axe des abscisses
au point 6 et l’axe des ordonnées au point 12.

IAM_usmba_2020_2021 RO_Res_graph 6/30

 Résolution graphique d’un PL
L’inégalité 2x1 + x2  12 correspond à un demi plan limité par la
droite d’équation x2 = - 2x1 + 12.

On obtient deux demi-plans. Le bon demi-plan à choisir est celui

tels que tous les points (x1, x2) , sans appartenir à la droite
d’équation x2 = - 2x1 + 12, vérifient l’inégalité 2x1 + x2  12 .

IAM_usmba_2020_2021 RO_Res_graph 7/30

 Résolution graphique d’un PL
L’espace π1 au dessus de la droite d’équation x2 = - 2x1 + 12 vérifie la
contrainte 2x1 + x2  12. L’espace πg ne la vérifie pas. Donc l’espace π1
représente l’ensemble des solutions de la contrainte 2x1 + x2  12 .

On fait le même traitement pour les deux autres contraintes. On

obtient alors deux autres demi-plans π2 et π3 correspondant
respectivement aux solutions des équations/contraintes 5x1 + 8x2  74
et x1 + 6x2  24.

IAM_usmba_2020_2021 RO_Res_graph 8/30

 Résolution graphique d’un PL

Une solution du problème

existe (donc réalisable) si
toutes les contraintes sont
vérifiées; autrement dit la
solution doit appartenir aux
trois demi-plans π1, π2, et π3
relatifs aux trois contraintes
du PL.

La solution doit  π1 ∩ π2 ∩ π3

IAM_usmba_2020_2021 RO_Res_graph 9/30

 Résolution graphique d’un PL
Représentation de la fonction objectif

Soit z la valeur de la fonction objectif z = x1 +x2

Pour z = 0 Pour z = 6

IAM_usmba_2020_2021 RO_Res_graph 10/30

 Résolution graphique d’un PL
Chaque point qui relie les points (6,0) et (0,6) représente une
solution qui réalise la fonction objectif (z = x1 + x2 = 6).

Soit donc une infinité de droites

qui représentent les différentes
valeurs de la fonction objectif.
Toutes ces droites ont le même
coefficient directeur (-1). Elles
sont parallèles entre elles.

Le problème est de connaitre la

droite qui correspond à la valeur
minimale de la fonction objectif puisque z = min (x1 + x2).

IAM_usmba_2020_2021 RO_Res_graph 11/30

 Résolution graphique d’un PL
Recherche de la solution optimale par résolution graphique
La solution optimale correspond donc à la solution réalisable qui
intercepte la droite, représentant la fct objectif, à la plus petite
valeur de z.

La solution optimale est l’intersection des deux contraintes 2x1+x2 ≥ 12

et 5x1+ 8x2 ≥ 74 (lire val x1 et val x2 directement sur le graphique).
IAM_usmba_2020_2021 RO_Res_graph 12/30
 Résolution graphique d’un PL

Recherche de la solution optimale par résolution graphique

Les coordonnées de ce point peuvent être lues directement sur le

graphique (Résolution graphique). Elles peuvent être obtenues aussi
par la résolution du système linéaire :

2x1 + x2 = 12

5x1 + 8x2 = 74

La solution de celui-ci correspond au point (2,8). Soient 2 gélules de

type 1 (x1) et 8 gélules de type 2 (x2). Le nombre de gélules à
prescrire pour guérir les malades (donc la valeur de la fonction
objectif) est 10.

IAM_usmba_2020_2021 RO_Res_graph 13/30

 Résolution graphique d’un PL
Résolution de la solution optimale par énumération

La solution optimale pour l’exemple de confection du médicament est

un point extrême qui se trouve sur le bord de l’ensemble des solutions.
On parle de solution réalisable de base.

Théorème: Si un PL admet une solution optimale, alors il existe une

solution réalisable de base pour laquelle la fonction objectif atteint la
valeur optimale.

Pour résoudre le PL correspondant au problème de confection du

médicament, on détermine les solutions réalisables de base (les points
d’intersection des droites qui forment les contraintes) et on calcule
pour chaque point la valeur de la fonction objectif.

IAM_usmba_2020_2021 RO_Res_graph 14/30

 Résolution graphique d’un PL
La solution du PL est la solution à qui on associe la valeur optimale de
la fonction objectif.

Dans notre cas, l’ensemble des

solutions réalisables de base
présente 4 points extrêmes
A(0,12), B(2,8), C(23/11,126/11)
et D(24,0). La valeur de la
fonction objectif associée
respectivement à A, B, C et D est
12, 10, 149/11 et 24. B = 10 est
donc la solution optimale du
problème.

IAM_usmba_2020_2021 RO_Res_graph 15/30

 Résolution graphique d’un PL
Exemples de recherche de la solution optimale

1.Problème de maximisation

Max 100 x  200 x

1 2
s .c . x  x  150 (1 )
1 2
4 x  2 x  440 (2)
1 2
x  4x  480 (3)
1 2
x  90 (4)
1
x  0, x  0
1 2
La solution optimale est le point ()

IAM_usmba_2020_2021 RO_Res_graph 16/30

 Résolution graphique d’un PL

2.Problème avec solution non bornée

Max - 2 x  3x
1 2
s .c . x 5 (1)
1
2 x  3 x  6 (2)
1 2
x  0, x  0
1 2
La solution

IAM_usmba_2020_2021 RO_Res_graph 17/30

 Résolution graphique d’un PL
3. Problème impossible

Min 3x  2x
1 2
s.c. x  2x  2 (1)
1 2
2x  4x  8 (2)
1 2
x  0, x  0
1 2

IAM_usmba_2020_2021 RO_Res_graph 18/30

 Résolution graphique d’un PL
4. Problème à solutions multiples

Max x  3x
1 2
s.c. 2x  6x  30 (1)
1 2
x 10 (2)
1
x 4 (3)
2
x  0, x  0
1 2

IAM_usmba_2020_2021 RO_Res_graph 19/30

 Résolution graphique d’un PL
5. Problème de dégénérescence

Max x x
1 2
s.c. 3x  2x  40 (1)
1 2
x 10 (2)
1
x 5 (3)
2
x  0, x  0
1 2

IAM_usmba_2020_2021 RO_Res_graph 20/30

 Résolution graphique d’un PL
1.Problème de maximisation

La solution optimale est le point B(40,110)

IAM_usmba_2020_2021 RO_Res_graph 21/30

 Résolution graphique d’un PL
1.Problème avec solution non bornée

La solution optimale est

IAM_usmba_2020_2021 RO_Res_graph 22/30

 Résolution graphique d’un PL
1.Problème de maximisation

La solution optimale est

IAM_usmba_2020_2021 RO_Res_graph 23/30

 Résolution graphique d’un PL
1.Problème de maximisation

La solution optimale est

IAM_usmba_2020_2021 RO_Res_graph 24/30

 Résolution graphique d’un PL
1.Problème de maximisation

La solution optimale est B(10,5). On dit qu’elle est dégénérée car les
trois contraintes concourent en ce point.

IAM_usmba_2020_2021 RO_Res_graph 25/30

 Résolution graphique d’un PL
Analyse de sensibilité
Une question triviale : intervalle des variations possibles des
paramètres du PL sans que la solution optimale ne soit modifiée ?

Exemple 1: Variation possible de la quantité de la substance C, dans le

pb de fabrication du médicament, sans changer la solution
optimale ?
Min x  x
1 2
s .c . 2x  x  12
1 2
5x  8x  74
1 2
x  6x  24
1 2
x  0, x  0
1 2

IAM_usmba_2020_2021 RO_Res_graph 26/30

 Résolution graphique d’un PL
Exemple 2:
Soit un Pb modélisé par le PL suivant :
Max 100 x  200 x
1 2
s .c . x  x  150 (1)
1 2
4 x  2 x  440 (2)
1 2
x  4x  480 (3)
1 2
x  90 (4)
1
x  0, x  0
1 2

De combien peut varier le profit engendré par la variable x1, sans

changer la solution optimale ?

Si  désigne la variation du bénéfice engendré par une unité de x1, la

fct objectif est (100+)x1 + 200x2.
IAM_usmba_2020_2021 RO_Res_graph 27/30
 Résolution graphique d’un PL
Exemple 2:

Tant que la pente de la fct objectif est comprise entre celle de la

contrainte 1 et celle de la contrainte 3, la solution est optimale, c-à-d :

IAM_usmba_2020_2021 RO_Res_graph 28/30

 Résolution graphique d’un PL
Exemple 2:

IAM_usmba_2020_2021 RO_Res_graph 29/30