Programmation Linéaire

Chapitre 2 : Du modèle à la résolution graphique.

Ilyas Himmich
i.himmich@insea.ac.ma

31 octobre 2021
Outline

Introduction

Construction de la région admissible

Recherche de la solution Optimale

Classification des ensembles de solutions

Typologie de l’ensemble de solutions

2
Introduction
La représentation graphique de modèles linéaires continus comportant deux
variables de décison permet de développer l’intuition de la résolution et
facilite l’acquisition des définitions et des concepts nécessaires à l’abord de
modèles linéaires réalistes. C’est également par l’étude de ces modèles
linéaires simples qu’il apprendra à repérer ceux qui admettent une ou
plusieurs solutions optimales et à détrminer les caractéristiques de ces
solutions optimales.

3
La fonderie rivière-bleue

Description du problème
La fonderie en pleine planification des opérations a enregistré la semaine
prochaine les commandes suivantes : 34 tonnes de tuyauterie et 14 tonnes de
gueuses (bornes sup). La semaine prochaine, la main-d’oeuvre disponible
sera de 200 heures dans l’atelier d’ébarbage et de 60 heures dans l’atelier de
peinture. Il faut compter 10 heures la tonne pour l’ébarbage de tuyauterie et
5 heures la tonne pour celui de gueuses. À l’atelier de peinture, on requiert 2
heures la tonne pour la tuyauterie et 3 heures la tonne pour les gueuses. La
contribution aux coûts d’exploitation et au profit d’une tonne de tuyauterie
est de 1000 $. La tonne de gueuses apporte une contribution de 1200 $.

4
Le modèle linéaire

Un problème de planification de la Fonderie se traduit par le modèle linéaire

suivant :

Max z = 1000x1 + 1200x2

subject to :
10x1 + 5x2 ≤ 200 (1)
2x1 + 3x2 ≤ 60 (2)
x1 ≤ 34 (3)
x2 ≤ 14 (4)
x1 , x2 ≥ 0 (5)

5
Dé nition

À chaque couple de valeurs des variables de décision x1 et x2 on associe un

point (x1 ; x2 ) du plan cartésien : le point (x1 ; x2 ) s’interprète comme la
proposition d’un plan de production.

On peut parler du point (x1 ; x2 ) comme s’il s’agissait du plan de production

(x1 ; x2 ) ou encore de la solution (x1 ; x2 ).

L’idéal est de réserver le terme point à la représentation géométrique, le

terme solution à l’approche algébrique et le terme plan de production à
l’interprétation du modèle dans la réalité.

6
Dé nition

Solutions réalisables
Un point, solution ou plan de production (x1 ; x2 ) est dit admissible (ou
réalisable) s’il satisfait à chacune des contraintes du modèle linéaire. Dans le
cas contraire, le point, solution ou plan de production est dit inadmissible. Par
exemple, le point (14 ; 5) est admissible selon le modèle proposé pour la
Fonderie. Mais le point (24 ; 2) n’est pas admissible.

Région admissible
On appelle Région admissible l’ensemble des solutions réalisable du
problème.

7
Dé nition

Trouver graphiquement une solution optimale d’un modèle linéaire contnu à

2 variables de décision suppose qu’on puisse :
- Construire le graphique de la région admissible, c’est à dire l’ensemble des
solutions admissibles ;
- Repérer sur ce graphique une solution optimale.

8
La construction de la région admissible

Nous cherchons, en un premier temps, à nous doter d’une représentation

graphique de l’ensemble des solutions admissibles. Notons d’abord que les
contraintes de non-négativité fixent 0 comme borne inférieure des variables
de décision x1 et x2 .

Elles ont pour effet de cantonner au premier quadrant la recherche des

points admissibles. Ces contraintes accompagnent la plupart des modèles
linéaires, et ce sont habituellement les premières que l’on prend en
considération lors du tracé d’un graphique des solutions admissibles.

9
La construction de la région admissible

Notons également que toutes les contraintes du modèle précédent, y inclus

les contraintes de non-négativité, peuvent s’écrire sous la forme suivante :
ax1 + bx2 ≤ c
Pour préciser le procédé qui mène à la représentation graphique des points
vérifiant ce type de contrainte, choisissons tout d’abord la contrainte (1). Et
considérons la droite 10x1 + 5x2 = 200 que l’on appelle droite associée à la
contrainte (1). La représentation graphique de cette droite s’obtient en
repérant 2 points qui vérifient l’équation 10x1 + 5x2 = 200, puis en traçant la
droite qui passe par ces points.

10
Représentation graphique

Figure – Droite (L) associée à la première contrainte

11
Représentation graphique
Tout point situé sous la droite (L) appartient à une droite parallèle à (L), dont
l’équation est de la forme : 10x1 + 5x2 = d où d < 200. Au fur et à mesure que
croit la valeur de d, les droites occupent des positions de plus en plus élevées
tout en demeurant parallèles à la droite (L), comme le montre la figure
suivante.

12
Région admissible

Puisque toutes les contraintes du modèle linéaire sont de la même forme, il

suffit de les prendre en considération tour à tour, en répétant pour chacune
les même opérations que celles effectuées pour la contrainte (1). Il s’agit,
pour chaque contrainte :
- de déterminer 2 points de la droite associée, puis de tracer cette droite ;
- de déterminer de quel côté de la droite associée se trouvent les points
pour lesquels la contrainte est satisfaite comme inéquation ;

13
Illustration

Illustrons à nouveau ce procédé à l’aide de la contrainte (2) :

- les points (30 ; 0) et (0 ; 20) appartiennent à la droite associèe à la
contrainte (2) ;
- l’origine O = (0 ; 0) vérifie cette dernière ; les points admissibles selon la
seule contrainte (2) se trouvent sous la droite tracée ;

14
Représentation graphique

Figure – Prise en considération de la première contrainte

15
Illustration

Figure – Prise en considération des 2 premières contraintes

16
Illustration

Figure – Prise en considération des 3 premières contraintes

17
Région admissible
La prise en considération des 6 contraintes du modèle linéaire précédent
permet d’établir l’ensemble des solutions illustré à la figure suivante.

Figure – Région admissible

18
Résumé

En résumé, le repérage graphique de l’ensemble des solutions admissibles

d’un modèle linéaire comportant 2 variables de décision se fait par la prise en
considération successive des contraintes.

L’ensemble des points non éliminés lorsque ce processus prend fin constitue
la région admissible, c’est-à-dire l’ensemble des points qui vérifient toutes les
contraintes du modèle linéaire.
La construction de la région admissible est un premier pas vers l’obtention
d’une solution optimale et permet souvent de faire des remarques
pertinentes à propos du problème posé.

19
La recherche d'une solution optimale

Nous venons de construire la région admissible du modèle linéaire associé au

problème de la Fonderie. Cet ensemble contient un nombre infini des points.
Nous indiquons maintenant comment repérer une solution optimale,
c’est-à-dire un point (x∗1 ; x∗2 ) vérifiant toutes les contraintes et permettant à
1000x∗1 + 1200x∗2 de prendre sa meilleure valeur dans ces circonstances.
En fixant z à une valeur p choisie arbitrairement, on obtient la droite
1000x∗1 + 1200x∗2 = p
Cette droite est appelée courbe de niveau ou encore courbe d’indifférence
de la fonction z. Elle représente les points du plan qui donnent à z la valeur p.

20
Illustration des courbes de niveau

Figure – Courbes de niveau de la fonction-objectif

21
Illustration des courbes de niveau

Tracer une première courbe de niveau permet d’obtenir une illustration de la

pente de z qui dépend du rapport des coefficient 1000 et 1200 de x1 et x2 . En
tracer une deuxième permet de déterminer la direction selon laquelle la
valeur de z augmente. Ainsi, en augmentant petit à petit la valeur de p, on
obtient des droites parallèles, chacune plus à droite et plus haute que les
précédentes.
Comme on cherche ici à maximiser la fonction-objectif z, on détermine une
solution optimale en cherchant la courbe de niveau la plus élevée qui
comporte au moins un point de l’ensemble des points admissibles. Cette
recherche donne le résultat illustré à la figure suivante.

22
Repérage graphique de la solution optimale

Figure – Repérage graphique de la solution optimale

23
Repérage graphique de la solution optimale

Il n’y a ici qu’une solution optimale : elle se trouve à l’intersection des droites
associées aux contraintes (1) et (2). Par conséquent, ce point (x∗1 ; x∗2 ) vérifie les
équations de ces droites :
10x∗1 + 5x∗2 = 200
2x∗1 + 3x∗2 = 60
Il s’ensuit que x∗1 = 15 et x∗2 = 10
En ce point, la fonction objectif z prend la valeur 27000
p∗ = 1000 ∗ 15 + 1200 ∗ 12 = 27000

24
Cas 1 : Programme à solution unique

Max z = 300x1 + 200x2

subject to :
2x1 + 3x2 ≤ 600 (6)
2x1 + x2 ≤ 400 (7)
x1 + x2 ≤ 225 (8)
x1 , x2 ≥ 0 (9)

25
Cas 2 : Programme à une in nité de solutions

Max z = 300x1 + 150x2

subject to :
2x1 + 3x2 ≤ 600 (10)
2x1 + x2 ≤ 400 (11)
x1 + x2 ≤ 225 (12)
x1 , x2 ≥ 0 (13)

26
Cas 3 : Programme à solution non bornée

Max z = −x1 + 2x2

subject to :
x1 − x2 ≥ 1 (14)
x1 + x2 ≥ 3 (15)
x1 , x2 ≥ 0 (16)

27
Cas 4 : Programme sans solution admissible

Max z = −x1 + 2x2

subject to :
x1 + x2 ≥ 3 (17)
2x1 + x2 ≤ 2 (18)
x1 , x2 ≥ 0 (19)

28
Typologie des solutions

Au final, un programme linéaire peut admettre :

• Une solution optimale.
• Une infinité de solution.
• Une solution infinie.
• Aucune solution réalisable.
Ceci dépend de l’ensemble admissible et de la fonction objective.

29
Exemple1 : Problèmes particuliers
Résoudre à l’aide de la méthode graphique Le problème suivant :

Max z = −2x + 3y

s.c 2x − 3y ≤ 6
x ≤ 5
x ≥ 0 et y ≥ 0

30
Exemple2 : Problèmes particuliers

Max z = x + 3y

s.c 2x + 6y ≤ 30
x ≤ 10
y ≤ 4
x ≥ 0 et y ≥ 0

31
Typologie de l'ensemble de solutions

Ensemble fermé et ouvert

considérons la première contrainte du modèle de la Fonderie :
10x1 + 5x2 ≥ 200

La droite associée, d’équation 10x1 + 5x2 = 200, divise le plan en 2 parties que
l’on dénomme demi-plans ou, plus généralement, demi-espaces.

Un demi-espace est dit fermé ou ouvert selon que sa frontière fait partie ou
non.

Par exemple, les demi-espaces V et W de la Figure sont fermés. Par contre, le

demi-espace défini par 10x1 + 5x2 < 200 est ouvert, puisque les points de la
droite-frontière 10x1 + 5x2 = 200 ne vérifient pas cette inéquation stricte.

32
Typologie de l'ensemble de solutions

33
Typologie de l'ensemble de solutions

Ensemble fermé et ouvert

L’ensemble de contraintes d’un programme linéaire sont définie avec des
égalités ou des inégalités non strictes. Elle définissent alors un ensemble de
demi espaces fermés de En

L’ensemble de solutions (ensemble admissible) d’un programme linéaire est

l’intersection de demi espaces fermés. C’est un ensemble fermé.

34
Typologie de l'ensemble de solutions

Convexité
Un ensemble C ∈ En est convexe si pour tout couple de points x, y ∈ C et pour
tout nombre réel α ∈ [0, 1], le point z = αx + (1 − α)y ∈ C.

35
Typologie de l'ensemble de solutions

Polyèdre
On appelle polyèdre un ensemble fermé convexe, défini comme intersection
de demi-espaces fermés. On le note :

P = {x ∈ E, Ax = b, x ≥ 0}

Le domaine réalisable de tout programme linéaire est alors un polyèdre.

36
Typologie de l'ensemble de solutions
Polyèdre borné
Un polyèdre P est dit borné si il existe une constante c telle que ∥x∥ ≤ c pour
tout x ∈ P.
Un polyèdre peut être :

37
Typologie de l'ensemble de solutions

Point extrême
Dans un ensemble convexe C ∈ En , on appelle point extrême tout point z
pour lequel il n’existe aucun couple de points x, y ∈ C et aucun réel α ∈]0, 1[ tel
que z = αx + (1 − α)y ∈ C.

38