Cours de la

Recherche opérationnelle
Filière Economie et Gestion

Semestre 6

Pr. Anass TAHA Année universitaire 2021-2022

 Plan

1. Introduction à la RO

2. Programme linéaire et terminologie de base

3. Résolution graphique

4. La méthode du simplexe

5. La dualité et analyse de la sensibilité

Pr. Anass TAHA – 2020/2021 2

2 – Programme linéaire et terminologie de base
 Programme linéaire (1/1)

Définition : La programmation linéaire (PL) est un ensemble des techniques rationnelles d’analyse et de
résolution de programmes linéaires.

On appelle Programmation Linéaire, le problème mathématique qui consiste à optimiser (maximiser ou

minimiser) une fonction linéaire de plusieurs variables qui sont reliées par des relations linéaires appelées
contraintes.

Pr. Anass TAHA – 2020/2021 4

 Modélisation (1/1)

Définition : Un modèle est une construction mathématique utilisée pour représenter certains aspects
significatifs de problèmes du monde réel.

Il y a trois composantes principales dans un modèle d’optimisation :

• Variables de décision : elles représentent les composantes du modèle qui peuvent être modifiées pour
créer des configurations différentes.

• Contraintes : elles représentent les limitations sur les variables.

• Fonction objection / économique : cette fonction assigne une valeur à chaque configuration
différente. Le terme “objectif” vient du fait que l’objectif est d’optimiser cette fonction.

Pr. Anass TAHA – 2020/2021 5

 Les étapes de formulation d’un PL (1/1)

Généralement il y a trois étapes à suivre pour pouvoir construire le modèle d'un programme linéaire :

1. Identifier les variables du problème à valeur non connues (variable de décision) et les représenter sous
forme symbolique (ex. 𝑥1 , 𝑦1 ).

2. Identifier les restrictions (les contraintes) du problème et les exprimer par un système d’équations linéaires.

3. Identifier l’objectif ou le critère de sélection et le représenter sous une forme linéaire en fonction des
variables de décision. Spécifier si le critère de sélection est à maximiser ou à minimiser.

Pr. Anass TAHA – 2020/2021 7

 Problème de maximisation (1/13)
Enoncé du problème de production :

Une entreprise fabrique deux produits 𝐴 et 𝐵, en utilisant une machine 𝑚 et deux matières premières 𝑝 et 𝑞.

On suppose que :

• la production d’une unité de 𝐴 nécessite 2 kg de 𝑝 et 9 kg de 𝑞, et utilise la machine 𝑚 durant 1 heure ;

• la production d’une unité de 𝐵 nécessite 2 kg de 𝑝 et 4 kg de 𝑞, et utilise la machine 𝑚 durant 2 heure.

Les profits réalisés sont de : 50 dh par unité de A et 60 dh par unité de B.

Pr. Anass TAHA – 2020/2021 8

 Problème de maximisation (2/13)
Enoncé du problème de production :

On dispose chaque jour de :

• 8 heures de 𝑚, de 10 kg de 𝑝 et de 36 kg de 𝑞.

L’objectif que poursuit l’entreprise est de maximiser le profit qu’elle pourra tirer, par jour, de ces 2 produits en
utilisant au mieux ses ressources.

Autrement dit :

Combien d’unités de 𝐴 et de 𝐵 doit-on produire afin d’obtenir un profit maximal ?

Pr. Anass TAHA – 2020/2021 9

 Problème de maximisation (3/13)
Enoncé du problème de production :

Le tableau suivant résume les données afférentes à ce problème de production :

Pr. Anass TAHA – 2020/2021 10

 Problème de maximisation (4/13)
Les variables de décision :

Q. Quelles sont les informations dont doit disposer le directeur de l’entreprise pour considérer que son problème
est résolu ?

R. Il suffit de connaître la quantité de 𝐴 et celle de 𝐵 à fabriquer quotidiennement, n’est-ce pas ?

Agissons comme si ces quantités nous étaient connues et dénotons-les par :

o 𝑥1 = la quantité du produit 𝐴 à produire

o 𝑥2 = la quantité du produit 𝐵 à produire

Les variables 𝑥1 et 𝑥2 sont dites variables de décision.

Pr. Anass TAHA – 2020/2021 11

 Problème de maximisation (5/13)
La fonction objectif :

Q. Quel profit retirera l’entreprise de la vente de ces deux produits ?

R. Il s’agit, tout simplement, d’additionner les bénéfices à tirer de chacun des 2 produits.

• pour 𝐴, elle retire 50 dh par unité et en fabrique 𝑥1 unités ; cette production lui rapporte donc un profit de
(50 𝑥1 ) dh ;

• de même, la quantité 𝑥2 de 𝐵 lui permet de faire un profit de (60 𝑥2 ) dh.

Pr. Anass TAHA – 2020/2021 12

 Problème de maximisation (6/13)
La fonction objectif :

Le profil total à tirer des deux produits s’élève donc à :

(50 𝑥1 + 60 𝑥2 ) 𝑑ℎ

On dénote ce profit total par 𝑧 et laisse implicite l’unité monétaire :

𝑧 = 50 𝑥1 + 60 𝑥2

On cherche évidemment à rendre 𝑧 aussi grand que possible en donnant à 𝑥1 et 𝑥2 des valeurs appropriées.

Pr. Anass TAHA – 2020/2021 13

 Problème de maximisation (7/13)
La fonction objectif :

La grandeur 𝑧 est une fonction qui, à chaque plan de production (𝑥1 , 𝑥2 ), associe le nombre de dirhams que
l’entreprise retirerait comme profit si elle adoptait ce plan.

Comme on cherche à rendre 𝑧 aussi grand que possible, on écrit :

𝑀𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟 𝑧 𝑜ù 𝑧 = 50 𝑥1 + 60 𝑥2

Ce que généralement l’on convient d’abréger comme suit :

𝑀𝑎𝑥 𝑧 = 50 𝑥1 + 60 𝑥2

Pr. Anass TAHA – 2020/2021 14

 Problème de maximisation (8/13)
Les contraintes :

• S’il ne s’agissait pour l’entreprise que de maximizer 𝑧, il suffirait de laisser augmenter 𝑥1 ou 𝑥2 pour que 𝑧
prenne une valeur aussi grande qu’elle le souhaite.

• Mais s’attendre à de tels profits s’apparente plus au rêve qu’à la situation de notre entreprise.

• Il y a bien sûr des empêchements naturels, appelés contraintes, qui freinent le rêve d’un profit infini.

Pr. Anass TAHA – 2020/2021 15

 Problème de maximisation (9/13)
Les contraintes

Contrainte relative à la machine 𝒎

• Le temps d’utilisation de la machine m pour fabriquer les produits 𝐴 et 𝐵 ne peut excéder les 8 heures
disponibles :
𝑇𝑒𝑚𝑝𝑠 𝑑’𝑢𝑡𝑖𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑚 ≤ 8

Ce temps utilisé est la somme des heures consacrées à chacun des types de produits.

Pr. Anass TAHA – 2020/2021 16

 Problème de maximisation (10/13)
Les contraintes

Pour 𝐴, le temps nécessaire à la fabrication de la quantité 𝑥1 se calcule ainsi :

1 ℎ𝑒𝑢𝑟𝑒/(𝑢𝑛𝑖𝑡é 𝑑𝑒 𝐴) × 𝑥1 (𝑢𝑛𝑖𝑡é 𝑑𝑒 𝐴) = 𝑥1 ℎ𝑒𝑢𝑟𝑒𝑠

pour 𝐵, on procède de façon analogue :

2 ℎ𝑒𝑢𝑟𝑒/(𝑢𝑛𝑖𝑡é 𝑑𝑒 𝐵) × 𝑥2 (𝑢𝑛𝑖𝑡é 𝑑𝑒 𝐵) = 2𝑥2 ℎ𝑒𝑢𝑟𝑒𝑠

La contrainte relative à la machine m s’écrit donc :

𝑥1 + 2𝑥2 ≤ 8 (m)

Pr. Anass TAHA – 2020/2021 17

 Problème de maximisation (11/13)
Les contraintes

Contraintes relative aux matières premières

En s’inspirant de la contrainte relative à la machine, ces contraintes s’écrivent tout naturellement :

2𝑥1 + 2𝑥2 ≤ 10 (p)
9𝑥1 + 4𝑥2 ≤ 36 (q)

Pr. Anass TAHA – 2020/2021 18

 Problème de maximisation (12/13)
Les contraintes

Contraintes de positivité

Elles assurent que la solution ne comporte pas des valeurs négatives (inacceptables).
𝑥1 , 𝑥2 ≥ 0

Pr. Anass TAHA – 2020/2021 19

 Problème de maximisation (13/13)
Le modèle

Le modèle se résume ainsi :

Pr. Anass TAHA – 2020/2021 20

 Généralisation : problème de maximisation (1/1)
Problème de production :

Soient 𝑚 machines 𝑀𝑖 (𝑖 = 1, . . . , 𝑚) qui fabriquent en série n types de produits 𝑃𝑗 (𝑗 = 1, . . . , 𝑛). 𝑀𝑖 a une

capacité maximum de 𝑏𝑖 unités de temps. La fabrication d’une unités de 𝑃𝑗 nécessite l’utilisation de 𝑀𝑖 durant 𝑎𝑖𝑗
unités de temps.

Si 𝑐𝑗 représente le gain relatif à la production d’une unité du produit 𝑃𝑗 , le problème s’écrit :

Pr. Anass TAHA – 2020/2021 21

 Problème de minimisation (1/5)
Enoncé du problème d’agriculture :

Un agriculteur souhaite que son troupeau consomme la plus faible ration quotidienne de trois éléments nutritifs
𝐴,𝐵 et 𝐶.

L’agriculteur achète deux types d’aliments P et Q :

• une unité de P comprend 2 unités de A, 1 unité de B et 1 unité de C ; et elle coûte 20 dh

• une unité de Q comprend 1 unité de A, 1 unité de B et 3 unités de C ; et elle coûte 40 dh.

Les exigences quotidiennes sont de : 16 pour A, 12 pour B et 18 pour C.

Pr. Anass TAHA – 2020/2021 22

 Problème de minimisation (2/5)
Enoncé du problème d’agriculture :

L’agriculteur cherche la combinaison la moins coûteuse des quantités de P et Q qui respectera l’exigence de
consommation minimale d’éléments nutritifs.

Le tableau suivant résume les données relatives ce problème :

Pr. Anass TAHA – 2020/2021 23

 Problème de minimisation (3/5)
Construction du modèle linéaire (problème d’agriculture) :

Appelons 𝑥1 et 𝑥2 les quantités des aliments P et Q qu’il faut acheter.

L’objectif de l’agriculteur est évidemment de minimiser le coût total des aliments qu’il faut acheter.
Mathématiquement cela s’écrit :
𝑀𝑖𝑛𝑖𝑚𝑖𝑠𝑒𝑟 𝑧 = 20𝑥1 + 40𝑥2

ce que généralement l’on convient d’abréger comme suit :

𝑀𝑖𝑛 𝑧 = 20𝑥1 + 40𝑥2

Pr. Anass TAHA – 2020/2021 24

 Problème de minimisation (4/5)
Construction du modèle linéaire (problème d’agriculture) :

Chacun des 3 éléments nutritifs à considérer donne lieu à une contrainte, qui vise à exiger que les aliments, dans
leur ensemble, satisfassent les besoins quotidiens du troupeau. On obtient :
2𝑥1 + 𝑥2 ≥ 16 (A)
𝑥1 + 𝑥2 ≥ 12 B
𝑥1 + 3𝑥2 ≥ 18 (C)

Les contraintes ci-dessus emploie le signe « ≥ » parce qu’il faut respecter les exigences de consommation
minimales, mais que celles-ci peuvent être dépassées.

Pr. Anass TAHA – 2020/2021 25

 Problème de minimisation (5/5)
Construction du modèle linéaire (problème d’agriculture) :

Enfin, il faut pas oublier qu’on peut pas acheter des quantités négatives de P ou Q :
𝑥1 , 𝑥2 ≥ 0

Le modèle se résume ainsi :

Pr. Anass TAHA – 2020/2021 26

 Généralisation : problème de minimisation (1/1)
Problème de l’agriculteur :

Si les variables 𝑥𝑗 (𝑗 = 1, . . . , 𝑛) représentent les quantités des divers aliments du régime, on obtient le problème :

Pr. Anass TAHA – 2020/2021 27

 Les modèles de la programmation linéaire (1/5)
Les conditions de formulation d’un PL

La programmation linéaire comme étant un modèle admet des hypothèses (des conditions) que le décideur doit
valider avant de pouvoir les utiliser pour modéliser son problème. Ces hypothèses sont :

1. Les variables de décision du problème sont positives, réelles et de nombre fini.

2. Le critère de sélection de la meilleure décision est décrit par une fonction linéaire de ces variables, c’est à
dire, que la fonction ne peut pas contenir par exemple un produit croisé de deux de ces variables. La
fonction qui représente le critère de sélection est dite fonction objectif (ou fonction économique).

3. Les restrictions relatives aux variables de décision (exemple: limitations des ressources) peuvent être
exprimées par un ensemble d’équations linéaires. Ces équations forment l’ensemble des contraintes.

4. Les paramètres du problème en dehors des variables de décisions ont une valeur connue avec certitude.

Pr. Anass TAHA – 2020/2021 28

 Les modèles de la programmation linéaire (2/5)
Forme d’un PL

Un programme linéaire générique, de n variables et m contraintes, avec n, 𝑚 ∈ ℕ∗ , s’écrit :

𝑜𝑝𝑡𝑖𝑚𝑖𝑠𝑒𝑟 𝑧 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛
≤
𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 + ⋯ + 𝑎𝑖𝑛 𝑥𝑛 = 𝑏𝑖 , 𝑖 = 1, 2, … , 𝑚
≥
𝑥𝑗 ≥ 0, 𝑗 = 1, … , 𝑛

ou, sous une forme plus compacte,

𝑛

𝑜𝑝𝑡𝑖𝑚𝑖𝑠𝑒𝑟 𝑧 = ෍ 𝑐𝑗 𝑥𝑗
𝑗=1
𝑛 ≤
෍ 𝑎𝑖𝑗 𝑥𝑗 = 𝑏𝑖 , 𝑖 = 1, … , 𝑚
𝑗=1 ≥
𝑥𝑗 ≥ 0 , 𝑗 = 1, … , 𝑛

Pr. Anass TAHA – 2020/2021 29

 Les modèles de la programmation linéaire (3/5)
Forme matricielle d’un PL

Sous forme matricielle, le problème se réécrit :

𝑂𝑝𝑡𝑖𝑚𝑖𝑠𝑒𝑟 𝑐 𝑇 𝑥
≤
Avec
𝐴𝑥 = 𝑏
≥
𝑥≥0

Exemple

Pr. Anass TAHA – 2020/2021 30

 Les modèles de la programmation linéaire (4/5)
Forme canonique

Définition : la forme canonique d’un PL

• maximisation
• toutes les variables de décision sont positives
• toutes les contraintes sont des inéquations du type “≤”

Tout programme linéaire peut s’écrire sous sa forme canonique :

𝑛
Notation vectorielle
max ෍ 𝑐𝑗 𝑥𝑗
𝑥
𝑗=1 max 𝑐 𝑇 𝑥
𝑛 𝑥
෍ 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 , 𝑖 = 1, … , 𝑚 𝐴𝑥 ≤ 𝑏
𝑗=1
𝑥≥0
𝑥𝑗 ≥ 0 , 𝑗 = 1, … , 𝑛

Pr. Anass TAHA – 2020/2021 33

 Les modèles de la programmation linéaire (5/5)
Forme standard

Définition : la forme standard d’un PL

• maximisation
• toutes les variables de décision sont positives
• toutes les contraintes sont des équations

Tout programme linéaire peut s’écrire sous sa forme canonique :

𝑛

max ෍ 𝑐𝑗 𝑥𝑗 Notation vectorielle

𝑥
𝑗=1
𝑛 max 𝑐 𝑇 𝑥
𝑥
෍ 𝑎𝑖𝑗 𝑥𝑗 = 𝑏𝑖 , 𝑖 = 1, … , 𝑚
𝐴𝑥 = 𝑏
𝑗=1
𝑥𝑗 ≥ 0 , 𝑗 = 1, … , 𝑛 𝑥≥0

Pr. Anass TAHA – 2020/2021 34

 Passage entre les formes (1/3)
Propriétés :

• Tous problème de maximisation peut s’écrire comme problème de minimisation et inversement

𝑛 𝑛

max ෍ 𝑐𝑗 𝑥𝑗 ≡ −min ෍ −𝑐𝑗 𝑥𝑗

𝑥 𝑥
𝑗=1 𝑗=1

• toute inégalité de type supérieur ou égal (≥) à une inégalité de type inférieur ou égal (≤) et inversement :

𝑛 𝑛

෍ 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 ≡ ෍ −𝑎𝑖𝑗 𝑥𝑗 ≥ −𝑏𝑖

𝑗=1 𝑗=1

Pr. Anass TAHA – 2020/2021 35

 Passage entre les formes (2/3)
Propriétés :

• Toute contrainte d’égalité peut s’écrire comme deux inégalités :

𝑛 ෍ 𝑎𝑖𝑗 𝑥𝑗 ≥ 𝑏
𝑗=1
෍ 𝑎𝑖𝑗 𝑥𝑗 = 0 ≡ 𝑛
𝑗=1
෍ 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏
𝑗=1

• Toute contrainte d’inégalité peut s’écrire comme égalité, en introduisant une variable d’écart 𝑒𝑖 , 𝑖 = 1, … , 𝑚 :
𝑛 𝑛

෍ 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 ⇔ ෍ 𝑎𝑖𝑗 𝑥𝑗 + 𝑒𝑖 = 𝑏𝑖 , 𝑒𝑖 ≥ 0
𝑗=1 𝑗=1
𝑛 𝑛

෍ 𝑎𝑖𝑗 𝑥𝑗 ≥ 𝑏𝑖 ⇔ ෍ 𝑎𝑖𝑗 𝑥𝑗 − 𝑒𝑖 = 𝑏𝑖 , 𝑒𝑖 ≥ 0
𝑗=1 𝑗=1
Pr. Anass TAHA – 2020/2021 36
 Passage entre les formes (2/2)

Propriétés :

• Une variable 𝑥 de signe quelconque, peut toujours être remplacée par deux variables non négatives x + et
𝑥−
𝑥 ≶ 0 ⇔ 𝑥 = x + − 𝑥 − 𝑜ù x + ≥ 0 et 𝑥 − ≥ 0

• Certaines variables peuvent ne pas être forcés à être supérieures à 0. Par exemple, considérons la contrainte
𝑥 ≥ −4 ⟺ 𝑥 + 4 ≥ 0

Nous pouvons alors définir 𝑦 = 𝑥 + 4, de sorte que la contrainte devient 𝑦 ≥ 0

Pr. Anass TAHA – 2020/2021 37

 Exemple : mise sous forme canonique

Soit le programme de programmation linéaire suivant : min z = −6𝑥1 + 3𝑥2 − 𝑥3

𝑠. 𝑐. 4𝑥1 + 2𝑥2 + 𝑥3 ≤ 65
𝑥1 +𝑥2 − 𝑥3 ≥ 5
𝑥1 +𝑥2 = 10
𝑥1 ≥ 0, 𝑥2 ≤ 0

La forme canonique du PL est la suivante: max − z = −6𝑦1 − 3𝑦2 − 𝑦3 + 𝑦4

𝑠. 𝑐. 4𝑦1 − 2𝑦2 + 𝑦3 − 𝑦4 ≤ 65
−𝑦1 +𝑦2 + 𝑦3 − 𝑦4 ≤ −5
𝑦1 − 𝑦2 ≤ 10
−𝑦1 + 𝑦2 ≤ −10
𝑦𝑖 ≥ 0, 𝑖 = 1, 2,3,4
Pr. Anass TAHA – 2020/2021 38
 Terminologie
Pour un programme, mis sous forme canonique ou standard, on appellera :

• Solution réalisable tout vecteur 𝑥 satisfaisant toutes les contraintes (y compris celles de non-négativité)

• Solution optimale toute solution réalisable optimisant la fonction objectif.

• Région réalisable l’ensemble des solutions réalisables.

Pr. Anass TAHA – 2020/2021 39

Fin de la partie 02