Vous êtes sur la page 1sur 9

Ecole Nationale d’Ingénieurs de Bizerte

ENIB

Département Génie Industriel

Support de cours

Méthodes et Outils d’Optimisation

Préparé par :

Dr. Zeineb BEN HOURIA


Zeineb.ibenhouria@gmail.com

Niveau et Filière :

2ème Année Génie Industriel

Année universitaire 2021/2022


Partie 1
Programmation linéaire
Méthodes et Outils d’optimisation Chapitre 1

Chapitre 1 : Introduction à la programmation linéaire

Introduction

La programmation mathématique est l’une des techniques utilisée dans les problèmes
d’optimisation (maximisation ou minimisation). Elle représente une démarche scientifique
permettant de prendre rationnellement les bonnes décisions à engager dans une situation
donnée. Elle est basée sur des modèles mathématiques. Elle met en jeu une fonction objectif,
des variables de décision à déterminer et des contraintes à respecter. La programmation linéaire
constitue la branche de la programmation mathématique pour laquelle toutes les fonctions du
modèle (fonction objectif et contraintes) sont linéaires.

1. Formulation de Programme Linéaire (PL)

On prend l’exemple d’une entreprise X qui fabrique des vitres pour des portes et des fenêtres.
L’entreprise souhaite lancer deux nouveaux produits :
 Le premier produit (P1) requiert les ressources des ateliers 1 et 3
 Le deuxième produit (P2) requiert les ressources des ateliers 2 et 3.
Au niveau de l’atelier 1, on va construire les cadres en aluminium pour les portes puis
l’assemblage des vitres sera au niveau de l’atelier 3. Au niveau de l’atelier 2, on va construire
les cadres des fenêtres en bois et l’assemblage des vitres sera au niveau de l’atelier 3 (figure 1).

Atelier 1 Atelier 2 Atelier 3


Cadre portes en Cadre fenêtres Assemblage
aluminium en bois vitre et cadre

Figure 1: Ateliers de l’entreprise X


On veut fabriquer les deux types de produits en lots de 20 unités.
La question posée par les responsables de l’entreprise : Quel serait le mix de produits P1 et
P2 le plus profitables à réaliser dans l’atelier 3 ?
Pour répondre à cette question, un ensemble des données doit être disponible :
 Nombre d’heures de production disponible par semaine dans chaque atelier. Ce temps
a été déterminé en tenant compte du temps déjà alloué aux autres produits.

Dr. Zeineb Ben Houria 1


Méthodes et Outils d’optimisation Chapitre 1

 Nombre d’heures de production nécessaires pour fabriquer un lot de produit donné dans
chaque atelier.
 Profit réalisé par la compagnie pour chaque lot de produit vendu.
On présente toutes ces données dans le tableau 1 ci-dessous :

Tableau 1: Données de production des ateliers


Temps de production (heures/lot) Temps de production disponible
Atelier
1 2 (heures/semaines)

1 1 0 4

2 0 2 12

3 3 2 18

Profit (TND/lot) 3000 5000

En se basant sur les données du tableau 1, l’entreprise cherche à déterminer le nombre de lots
à réaliser par semaine pour les deux produits P1 et P2 avec un objectif de maximiser le profit
total tout en respectant les capacités limitées des machines des 3 ateliers.
Formulation d’un programme linéaire :
Pour la formulation mathématique, on doit définir les variables de décisions, la fonction objectif
et l’ensemble des contraintes.
 Variables de décisions : Ces variables représentent les décisions à prendre
Pour notre exemple, l’entreprise X doit déterminer le nombre de lots de produit P1 et de produit
P2 à fabriquer par semaine. Alors, on prend :
 𝑥 : le nombre de lots de produit P1 à fabriquer par semaine
 𝑥 : le nombre de lots de produit P2 à fabriquer par semaine
 Fonction Objectif : Elle traduit l’objectif de l’entreprise. D’une façon générale, un
responsable veut maximiser le profit ou minimiser le coût. L’objectif est exprimé sous
forme d’une fonction des variables de décisions, appelée fonction objectif.
Pour notre exemple on a :
Profit hebdomadaire = Revenu hebdomadaire (Service commerciale) - coût hebdomadaire
(Service technique)
 Profit hebdomadaire = 3000 𝑥 + 5000 𝑥 (en TND)
 =3𝑥 +5𝑥 (en MTND)

Dr. Zeineb Ben Houria 2


Méthodes et Outils d’optimisation Chapitre 1

Remarque : Dans les programmations linéaires (PL), on retrouve les propriétés d’additivité et
de proportionnalité mais pas celles concernant l’économie d’échelle.
 Contraintes : si l’entreprise est libre de choisir n’importe quelles valeurs pour 𝑥 et 𝑥 ,
elle peut avoir un profit très large en produisant de très grandes quantités de produits P1
et P2. Malheureusement, ces valeurs sont limitées à cause des restrictions imposées par
l’environnement de l’entreprise d’une part et par les ressources à capacité finie, d’autre
part. Ces restrictions sont exprimées par le biais des contraintes.
o Contraintes de ressources
Chaque semaine, la capacité de production de l’atelier 1 est limitée à 4 heures
1𝑥 +0𝑥 ≤4
Chaque semaine, la capacité de production de l’atelier 2 est limitée à 12 heures
 0 𝑥 + 2 𝑥 ≤ 12
Chaque semaine, la capacité de production de l’atelier 3 est limitée à 18 heures
 3 𝑥 + 2 𝑥 ≤ 18
o Contrainte de signe
Afin de terminer la formulation d’un Programme Linéaire (PL), on doit préciser l’ensemble des
valeurs auquel appartiennent les variables de décision :
- Est-ce que les variables 𝑥 et 𝑥 peuvent prendre n’importe quelles valeurs réelles, ou
seulement des valeurs non négatives ou encore des valeurs entières ou binaires ?
Dans notre exemple, le nombre de lots ne peut pas être négatif  𝑥 ≥ 0 ; 𝑥 ≥ 0 .
Finalement, en combinant la fonction objectif et les contraintes, on peut obtenir le programme
linéaire sous forme canonique suivant :
Max Z= 3𝑥 +5 𝑥 (1)
Sous les contraintes (s.c.) :
𝑥 ≤4 (2)
2𝑥 ≤ 12 (3)
3 𝑥 + 2 𝑥 ≤ 18 (4)
𝑥 ≥0, 𝑥 ≥0 (5)

2. Définitions

On peut définir un programme linéaire (PL) comme un problème mathématique qui s’écrit sous
la forme suivante :
Max 𝐶 𝑥

Dr. Zeineb Ben Houria 3


Méthodes et Outils d’optimisation Chapitre 1

S.c : A.x ≤ b
x≥0
où x est un vecteur de variables, C et b des vecteurs de coefficients (C є 𝐼𝑅 , b є 𝐼𝑅 ) et A est
une matrice (m,n) de coefficients.
La fonction à maximiser (𝐶 𝑥) est appelée fonction objectif ou fonction économique.
Les inégalités définies par le système linéaire (Ax ≤ b) sont les contraintes du problème et les
composantes du vecteur x sont les variables de décision.
La programmation linéaire permet de modéliser de nombreux problèmes réels en exprimant
leur fonction objectif et leurs contraintes sous forme de fonctions linéaires des variables de
décision. Cependant, la programmation linéaire impose un certain nombre de restrictions
réduisant ainsi son champ d’application. Ces restrictions sont :
 La proportionnalité : les termes mesurant les coûts et les quantités de ressources
utilisées doivent être proportionnels au niveau de chaque activité.
 L’additivité : les coûts et les ressources engagées par l’utilisation conjointe de deux
activités doivent être égaux aux termes correspondants à ces deux activités utilisées
séparément.
 Le problème est déterministe : tous les coefficients du modèle doivent être des
constantes connues et non des variables sujettes à des variations.
Un vecteur x est une solution réalisable s’il vérifie toutes les contraintes du problème (i.e. Ax ≤
b et x ≥ 0). L’ensemble de tous les vecteurs, solution réalisable, est appelé domaine réalisable,
noté (DR).
Dans l’exemple, la solution réalisable est représentée par le point (3, 2). Il suffit de vérifier que
les contraintes sont satisfaites. Par contre le point (3, 6) n’est pas une solution réalisable du
moment qu’il viole la contrainte (4).
Une solution réalisable x* est optimale si la valeur de 𝐶 𝑥 est la meilleure des valeurs de 𝐶 𝑥
pour tout x, solution réalisable.

3. Résolution graphique d’un programme linéaire

La résolution graphique (méthode graphique) peut être utilisée pour des programmes linéaires
ayant au plus deux variables de décision.
Dans le plan défini par les deux variables de décision, on trace les différentes droites
représentant les contraintes du problème. Suivant le sens des inégalités, on détermine le

Dr. Zeineb Ben Houria 4


Méthodes et Outils d’optimisation Chapitre 1

domaine réalisable par l’intersection des différents demi-plans réalisables. On trace ensuite la
ligne isoprofit (isocoût) représentant la fonction objectif.
Pour bien réussir dans la méthode graphique, les étapes sont :
 Tracer un repère cartésien orthonormé
 Représenter graphiquement chacune des droites représentatives des équations limites
des contraintes.
 Déterminer la région des solutions admissibles.
 Trouver la ou les solutions optimales soit par la méthode des droites parallèles soit par
la méthode d’énumération des sommets.
Méthode des droites parallèles
On translate vers le haut (Max) ou vers le bas (Min) la droite parallèle à la fonction objectif et
passant par l’origine, jusqu’au sommet (point ou segment) le plus éloigné (Max) ou le plus
proche (Min) de la région des solutions admissibles. Cette intersection, si elle existe, est la
solution optimale pour le PL. La solution est parmi les sommets de l’ensemble des solutions
admissibles. Si une telle intersection n’existe pas, cela veut dire que la solution est infinie.
Toutes les droites parallèles à la fonction objectif ont le même pente.
Méthode d’énumération des sommets
On fait évaluer la valeur de la fonction objectif dans chaque sommet de la région des solutions
admissibles. La solution maximale (minimale) est où la fonction objectif est maximale
(minimale) sur les sommets de la région des solutions admissibles. Cette méthode a des limites
lorsque le nombre de sommets est relativement grand ou lorsque la région des solutions
admissibles n’est pas bornée.

Pour notre exemple, la ligne profit est : 3 𝑥 + 5 𝑥 = constante. C’est une droite de pente (-5,
3).
Pour trouver une solution optimale, on déplace la ligne isoprofit dans la direction qui augmente
la valeur de la fonction objectif ( déplacement à l’intérieur de la zone de solution réalisable
pour atteindre un extremum). La ligne la plus haute coupant le domaine réalisable contient la
ou les solutions optimales.
Dans notre exemple, la solution optimale est (2, 6) avec un profit hebdomadaire de 36 MTND.
Dans la figure 2, on a représenté le graphique utilisé pour résoudre le problème de l’exemple.

Dr. Zeineb Ben Houria 5


Méthodes et Outils d’optimisation Chapitre 1

Figure 2: Résolution graphique du l’exemple

4. Résultats d’une optimisation linéaire

Le domaine admissible d’un programme linéaire (PL) peut être :


 Vide : le problème est sans solution admissible (pas de solution optimale)
 Borné (et non vide) : le problème possède toujours au moins une solution optimale.
 Non borné : Dans ce cas, selon la fonction objectif
- Le problème peut posséder des solutions optimales
- Il peut exister des solutions admissibles de valeur arbitrairement grande (ou petite)
- Le PL n’admet pas de solution optimale finie et est dit non borné.
Application 1
Un carrossier industriel prépare des « fourgons » et des « plateaux ». Il dispose de quatre
ateliers : mécanique, tôlerie, sellerie et peinture. Chaque atelier fonctionne 60 heures par
semaine. La préparation d’un fourgon nécessite :
 5 heures de mécanique
 12 heures de tôlerie
 10 heures de peinture
La préparation d’un plateau nécessite :
 10 heures de mécanique
 12 heures de sellerie
 5 heures de peinture

Dr. Zeineb Ben Houria 6


Méthodes et Outils d’optimisation Chapitre 1

Le marché n’est pas saturé. Chaque véhicule offre un bénéfice de 5000 TND. Le carrossier
cherche à maximiser son bénéfice.
1- Formaliser ce problème en programme linéaire sous forme canonique.
2- Résoudre graphiquement ce problème.
Application 2 :
Une entreprise pharmaceutique fabrique des pilules (médicament) selon deux formes :
 Petite taille : elle contient 2 grains d’aspirine, 5 graines de bicarbonate et 1 grains de
codéine.
 Grande taille : elle contient 1 grains d’aspirine, 8 graines de bicarbonate et 6 grains de
codéine.
Pour guérir la maladie, le sujet a besoin de 12 grains d’aspirine, 74 graines de bicarbonate
et 24 grains de codéine. On veut déterminer le nombre de pilules minimales à prescrire au
sujet pour qu’il soit guérit.
1- Formaliser ce problème en programme linéaire sous forme canonique.
2- Résoudre graphiquement ce problème.

Dr. Zeineb Ben Houria 7

Vous aimerez peut-être aussi