Vous êtes sur la page 1sur 5

THEORIE DE L’OPTIMISATION ET AIDE LA DECISION

I – Concept d’optimisation
Plusieurs problèmes de prise décision peuvent être résolue grâce à la théorie de l’optimisation.
Un problème d’optimisation consiste à déterminer les valeurs des variables décisionnelles permettant
d’optimiser une fonction objectif définie.
On distingue :
 L'optimisation linéaire étudie le cas où la fonction objectif et les contraintes sont des expressions
linéaires des variables. La programmation linéaire et des méthodes heuristiques permettent la
résolution des problèmes correspondant.
 L’optimisation non linéaire étudie le cas général dans lequel la fonction objectif et/ou les
contraintes sont des expressions non linéaires des variables.
Tout problème d’optimisation comporte une étape essentielle à savoir la modélisation mathématique qui
consiste en trois étapes :
1- Identification des variables de décisions qui très souvent sont des éléments de l’ensemble
. Ce sont les paramètres sur lesquels l’utilisateur peut agir pour faire évoluer le système
considéré.
2- Définition de la fonction objectif (fonction coût) permettant d’évaluer l’état du système
(exemple rendement, performance)
3- Description des contraintes imposées aux variables
Tout problème d’optimisation consiste alors à déterminer les variables de décisions conduisant aux
meilleurs conditions de fonctionnement du système ; ce qui revient à minimiser ou à maximiser la
fonction objectif tout en respectant les contraintes imposées.
II – Optimisation linéaire sous contraintes
Parmi les problèmes de prise décision qui peuvent être modélisés en problèmes d’optimisation linéaire, on
a le problème d’affectation des ressources à différentes activités en cherchant à minimiser ou ^maximiser
une fonction objectif.
II –1 Présentation et formulation mathématique

Il s’agit, par exemple, d’un problème où on dispose de ressources (matérielles ou humaines) qui

doivent être affectées à la réalisation de activités (tâches ou opérations) en cherchant à minimiser la

durée totale de réalisation sachant qu’une ressource ne peut être affectée qu’à une et une seule activité et
qu’une activité ne peut être réalisée par une et une seule ressource. On suppose connues les durées de
réalisation de chaque activité par chaque ressource.
Pour la formulation mathématique, on a:

1
Variables : si la ressource est affecté à l’activité et sinon

Fonction objectif : à minimiser en respectant :


Les contraintes :
- La contrainte assurant que chaque ressource est affectée à une seule activité et une seule :

,
- La contrainte assurant que chaque activité est réalisée par une seule ressource et une seule :

 : durée de réalisation de l’activité par la ressource .

Un des algorithmes permettant de trouver une solution est l’algorithme Khün connu sous l’appellation
de la méthode hongroise

Remarque ; La formulation faite ci-dessus concerne un problème de minimisation. On a une


formulation analogue pour un problème de maximisation.
II –2 La méthode hongroise
C4est une méthode itérative qui se dont les étapes sont décrites ci-après :
Etape 0 : Réduction du tableau initial
Soustraire à chaque élément de chaque ligne du tableau initial le plus petit élément de la ligne ; on
obtient ainsi un nouveau tableau.
. Soustraire à chaque élément de chaque colonne du tableau obtenu précédemment le plus petit
élément de la colonne ; on obtient ainsi un tableau réduit.
Etape 1 : Encadrer et barrer les zéros
Chercher la ligne comportant le moins de zéros non barrés (en cas d’égalité, choisir arbitrairement
la ligne la plus haute) et encadrer le zéro le plus à gauche de cette ligne. Ensuite, barrer tous les zéros se
trouvant sur la même ligne et / ou sur la même colonne que le zéro encadré.
Recommencer l’opération jusqu’à ce qu’on ne puisse plus encadrer ou barrer de zéro.
Si l’on a encadré un zéro par ligne et par colonne, on a obtenu la solution optimale et le processus
s’arrête.
. Si non, on passe à l’étape 2
Etape 2 : Marquer et barrer les lignes et les colonnes
a) Marquer d’une croix les lignes ne contenant aucun zéro encadré.
b) Marquer d’une croix toute colonne ayant un zéro barré sur une ligne marquée.
c) Marquer d’une croix toute ligne ayant un zéro encadré dans une colonne marquée
Répéter alternativement b) et c) jusqu’à ne plus pouvoir marquée ni de ligne ni de colonne.
2
Tracer un trait sur toutes les lignes non marquées et sur toutes les colonnes marquées.
Etape 3 : Modification du tableau
Les cases non traversées par un trait constituent un tableau partiel.
Retrancher à toutes les cases de ce tableau partiel le plus petit élément de celui-ci.
Ajouter ce même élément à toutes les cases barrée deux fois du tableau réduit de l’étape 2.
On obtient alors un nouveau tableau sur lequel on pourra répéter la succession des étapes 1, 2 et 3
Exemple :
Dans une unité de production, le responsable cherche, pour journée de travail donnée, à affecter aux
postes de travail polyvalentes P1, P2, P3 et P4, les tâches T1, T2, T3 et T4 de telle sorte que chaque poste
de travail ne puisse effectuer qu’une seule tâche et que chaque tâches ne puisse être réalisée que par un
seul poste de travail sachant que l’ensemble de ses tâches doit être réalisé le rapidement possible
Le tableau suivant présente les durées en minutes de réalisation de chaque tâche par chaque poste de
travail :

T1 T2 T3 T4
P1 60 170 330 360
P2 130 200 200 400
P3 50 300 170 180
P4 120 90 250 100
III – Optimisation non linaire sans contraintes
La résolution d’un tel problème se fait généralement en appliquant certains théorèmes mathématiques
concernant le maximum et le minimum d’une fonction. A cet effet, on procède comme suit :
- Etape 1 : Recherche des points critiques
- Etape 2 : Détermination éventuelle de l’optimum
III-1 – Cas d’une fonction à une variable
La résolution d’un tel problème se fait généralement en appliquant certains théorèmes mathématiques
concernant le maximum et le minimum d’une fonction. On peut citer :
- La condition nécessaire d’extremum
- La condition suffisante d’extremum
Cette résolution consiste généralement à déterminer le ou les points critiques de la fonction objectif . un
point critique est un point critique est un point où la dérivé d’ordre 1 s’annule ( pour une fonction à une
variable) ou les dérivées partielles d’ordre 1 s’annulent (pour une fonction à plusieurs variables).
L’optimum (minimum ou maximum se trouve en un point critique ). Pour savoir si on a un optimum il
faut alors examiner la dérivée d’ordre 2 (pour une fonction à une variable) ou les dérivées partielles
d’ordre 2 (pour une fonction à plusieurs variables).
Dans certains cas la résolution peut être exacte ou alors approchée. Plusieurs méthodes permette de faire
cette résolution.
Considérons un problème à une variable désignée par et dont la fonction objectif est .
Pour sa résolution, on procède comme suit :
1°/ Recherche des points critiques
On calcule la dérivée d’ordre 1 puis on résout l’équation .
On peut ainsi obtenir un ou plusieurs points critiques .
2°/ Détermination de l’optimum
On calcule la dérivée d’ordre 2 puis on évalue

3
- Si alors on a un maximum au point ayant pour valeur

- Si alors on a un minimum au point ayant pour valeur

- Si alors on a ni maximum ni maximum au point


Exemple :
Pour fabriquer un produit, un atelier supporte des frais fixes de 10000 Fcfa et des frais variables de 5 Fcfa
par unité produite. Cet atelier étant en situation de monopole pour ce produit, est confronté à une
demande qui se traduit par la quantité à produire exprimée par où est
le prix unitaire de vente du produit. On néglige les taxes.
Cet atelier cherche à déterminer la quantité à produire pour optimiser son bénéfice.
1°/ Identifier la variable, la fonction objectif et la contrainte logique puis faire la mise en équation du
problème d’optimisation correspondant
2°/ Résoudre ce problème
III-2 – Cas d’une fonction à une variable
Considérons un problème à deux variables désignées par et et dont la fonction objectif est
.
Pour sa résolution, on procède comme suit :
1°/ Recherche des points critiques

On calcule les dérivées partielles d’ordre 1 et puis on résout le système d’équations

suivant :

On peut ainsi obtenir un ou plusieurs points critiques .


2°/ Détermination de l’optimum

On calcule les dérivées partielles d’ordre 2 , et

On évalue ensuite, au point  :

- Si et alors on a un maximum au point ayant pour

valeur

- Si et alors on a un minimum au point ayant pour

valeur
- Si alors on a ni maximum ni maximum au point
- Si alors cette méthode n’est pas adapté pour
4
Exemple :
Une entreprise doit s’approvisionner en deux produits A et B pour des quantités désignées respectivement
par et . Le coût total d’approvisionnement dépend des quantités commandées et livrées. Elle est exprimée par le
fonction .
Cette entreprise cherche à déterminer les quantités à commander des deux produits pour optimiser le coût
total d’approvisionnement. Résoudre ce problème

IV – Optimisation non linaire sous contraintes


IV-1 – Principe de résolution
On distingue globalement deux types de contraintes :
- Les contraintes de type égalité
- Les contraintes de type inégalité
Un problème d’optimisation sous contraintes peut être transformé en un problème d’optimisation sans
contraintes dont le principe de résolution a été abordé au paragraphe précédent. Par ailleurs les contraintes
de type inégalité peuvent être ramenées à des contraintes de type égalité.
On se limitera donc aux problèmes d’optimisation avec contraintes de type égalité.

IV-2 – Méthode par substitution


Dans certains cas on peut transformer un problème d’optimisation sous contraintes de type égalité en un
problème d’optimisation non linéaire sans contraintes puis le résoudre et ensuite en déduire la solution
problèmes initial.

Exemple :
La construction d’un entrepôt prévoit une zone de stockage de longueur et de largeur . L’objectif est
de-optimiser la superficie de cette zone sachant que la somme des dimensions doit être égale à 20 mètres.
1°/ Identifier les variables, la fonction objectif et les contraintes logique puis faire la mise en équation du
problème d’optimisation correspondant
2°/ Résoudre ce problème

Vous aimerez peut-être aussi