Académique Documents
Professionnel Documents
Culture Documents
Licence 2
EMAIL : lanksteph@yahoo.fr
Cours de Modélisation et Optimisation (Transport Logistique) Page 1
CONTACT : 71-74-20-87
Sommaire
Sommaire ................................................................................................................ 2
INTRODUCTION .................................................................................................... 3
BIBLIOGRAPHIE ................................................................................................... 3
Chapitre 1 : Notions élémentaires sur la modélisation et l’optimisation ... 4
1.1. DÉFINITION ................................................................................................................. 4
1.2. FORMULATION MATHEMATIQUE ........................................................................ 5
1.3. DOMAINES D’UTILISATION ET EXEMPLES DE PROBLEMES
D’OPTIMISATION............................................................................................................... 7
Chapitre 2 : Modélisation économique et optimisation de la chaine
logistique ............................................................................................................... 10
2.1. OPTIMISATION EN ECONOMIE ET OPTIMISATION DE LA CHAINE
LOGISTIQUE ..................................................................................................................... 10
2.2. NECESSITE DE MODELISATION .......................................................................... 11
2.3. CONSTRUCTION DES MODELES ECONOMIQUES .......................................... 15
2.4. FORME FONCTIONNELLE ET MODELISATION ............................................... 16
Chapitre 3 : Modélisation par la programmation linéaire .......................... 17
3.1. TYPES DE PROBLEMES A RESOUDRE ................................................................ 17
3.2 DEFINITION D’UN PROBLEME DE PROGRAMMATION LINEAIRE ............. 18
3.3. MODELES DE PROGRAMMES LINEAIRES ........................................................ 19
3.4. RESOLUTION GRAPHIQUE D’UN PROBLEME DE PROGRAMMATION
LINEAIRE ........................................................................................................................... 26
Table des matières ............................................................................................... 32
BIBLIOGRAPHIE
Quant à l’optimisation, elle est définie comme étant une action qui vise à
obtenir le meilleur, améliorer un fonctionnement, un rendement, une
utilisation. C’est une branche des mathématiques cherchant à modéliser, à analyser
et à résoudre analytiquement ou numériquement les problèmes qui consistent à
minimiser ou maximiser une fonction sur un ensemble. L’optimisation, reposant
toujours sur des modèles mathématiques, joue un rôle important en RO qui est un
domaine à la frontière entre l’informatique, les mathématiques et l’économie1.
Il est donc possible d’appliquer des méthodes, des techniques, et d’utiliser des
instruments scientifiques pour modéliser et résoudre les problèmes dans tous les
domaines. Cette approche généraliste relève des sciences de la décision et combine :
➢ Savoir-faire pratique (comment formuler un problème d'optimisation, comment
résoudre un problème à l'aide d'algorithmes numériques) ;
➢ Connaissances théoriques (comment caractériser les solutions optimales, que
nous apprennent les conditions d'optimalité sur les propriétés qualitatives et
quantitatives des solutions).
Méthodes génériques :
▪ Programmation linéaire (modélisation sous forme d'équations linéaires)
▪ Programmation en nombres entiers (variables entières)
▪ Programmation quadratique
▪ Programmation dynamique, etc.
1La terminologie « Problème d’optimisation » est due à George B. Dantzig, inventeur de l’algorithme du
simplexe (1947). De sa définition, on retient que : Problème d'optimisation = minimisation (ou
maximisation) d'une fonction objectif linéaire (de coût). Cette fonction comporte des paramètres de n
variables de décision et est généralement soumise à des contraintes exprimées sous forme d’équations
ou d’inéquations linéaires.
3. Interprétation
Décision Solution
Transport de biens à des clients : véhicule à capacité limitée avec des fenêtres de
temps.
Objectif : Déterminer le trajet du véhicule de sorte à minimiser les coûts (temps,
essence, etc.)
Encadré 1
De ces différents exemples, il ressort que la modélisation et l’optimisation sont d’une
importance capitale car elles touchent pratiquement au quotidien de l’Homme. C’est
ainsi que Euler disait : "Il n'y a rien dans le monde qui ne se réalise sans la
volonté de minimiser ou maximiser quelque chose."
En rappel, la science économique est l’étude des allocations optimales des ressources
rares. Les termes « optimal » et « rare » dans cette définition évoquent de manière
plus ou moins explicite le problème d’optimisation ; un problème dans lequel les
variables à priori ne prennent pas n’importe quelles valeurs ; à fortiori elles sont
contraintes.
- Les instruments : ce sont des variables directement contrôlables par les décideurs
économiques ou les agents économiques. Dans le cadre des modèles de politique
macroéconomique, les instruments peuvent être regroupés en instruments de
politique monétaire et en instrument de politique budgétaire et fiscal.
- Les données : ce sont des variables non contrôlables par les décideurs économiques
ou les agents économiques. Il s’agit généralement de variables déterminées à l’extérieur
de l’économie ou de variables déterminées à l’intérieur de l’économie mais maintenues
fixes sur l’horizon temporelle du problème étudié.
- Les objectifs : ce sont des variables dont le niveau influence directement ou reflète
directement la satisfaction du décideur ou de l’agent économique.
Les instruments et les données sont des variables exogènes dans un modèle
économique, pendant que les objectifs sont des variables endogènes.
Forme linéaire
Y=a+bm
Y=quantité ; m=revenu
La forme économétrique est la suivante : Yi = β0+β1mi+ εi
𝜕𝑌 𝑚 𝑏 𝑃𝑚
Elasticité : ηm=𝜕𝑚 𝑌 =𝑌/𝑚 = 𝑃𝑀𝐶
Forme hyperbolique
𝑏
Y=a-𝑚, avec b>0
𝜕𝑌 𝑚 𝑏 𝑚 𝑏
Elasticité : ηm =𝜕𝑚 𝑌 =𝑚2 = 𝑚𝑌
𝑌
Forme log-linéaire
lnY=a+blnm
Elasticité : ηm = b (On ne peut pas voir l’évolution de ηm)
Forme log-réciproque
𝑏
lnY=a-𝑚, avec b>0
𝜕𝑙𝑛𝑌 𝑚 𝑏
Elasticité : ηm =𝜕𝑙𝑛𝑚 𝑌 = 𝜕𝑙𝑛𝑌=𝑚
ηm diminue avec le revenu. Cette forme est adéquate pour les biens alimentaires et pas
pour les biens de luxe.
Problème combinatoire
Problème aléatoire
Un problème est dit aléatoire s’il consiste à trouver une solution optimale, prendre une
décision face à un problème qui se pose en termes incertains (renouvellement des stocks,
politique d’approvisionnement, gestion des risques).
Problème concurrentiel
Un problème est dit concurrentiel s’il consiste à trouver une solution optimale face à
un problème dont les termes dépendent de l’interrelation entre ses propres
agissements et ceux d’autres décideurs.
Exemple : Fixer une politique de prix de vente, sachant que les résultats d’une telle
politique dépendent de la politique que les concurrents adopteront.
Une solution réalisable est un n-uplet (x1, ..., xn) vérifiant toutes les contraintes.
Une solution optimale est une solution réalisable qui donne à la fonction-objectif la
plus grande (problème de maximisation) ou la plus petite valeur possible (problème de
minimisation) sur l’ensemble des solutions réalisables.
Problème 1
Problème 2
E1 E2 E3
U1 4 3 6
U2 3 5 3
MODÉLISATION DU PROBLÈME 2
Les décisions : Elles portent sur les quantités à transporter. La quantité transportée
(en milliers de tonnes) de l'usine i vers le dépôt j est représentée par la variable positive
xij (i = 1,2 et j = 1, 2,3).
Implications
FORMULATION DU PROBLÈME DE TRANSPORT
On peut décrire un problème de transport de la façon suivante :
• Une quantité donnée d’un produit uniforme est disponible à chacune des
origines (par exemples des dépôts).
• Il s’agit d’en envoyer des quantités spécifiées à chacune des destinations (par
exemple des points de vente).
• On connaît le coût de transport d’une unité de l’une des origines vers l’une des
destinations, en supposant qu’il est possible d’expédier des produits depuis
n’importe quel point d’origine vers n’importe quelle destination.
Le problème de transport se résume donc à déterminer le coût de transport minimum
des origines vers les points de destination.
Les décisions : Elles portent sur les quantités respectives de lot à commander. Les
lots sont représentés par les variables positives x et y, x≥0 et y≥0
Les décisions possibles : Il s’agit de traduire les contraintes limitant les décisions.
Il y a trois types de contraintes qui sont les suivantes :
o Contrainte en assiettes : 45x + 35y ≥ 525
o Contrainte en verres : 55x + 45y ≥ 350
o Contrainte en serviette : 75x + 80y ≥ 700
Le critère : On souhaite minimiser la dépense du comité. La fonction-objectif se
traduit donc par : 17 500x + 15 750y que l’on souhaite minimiser.
On obtient donc le programme linéaire suivant :
17 500x + 15 750y = Z(min)
Sous les contraintes :
45x + 35y ≥ 525
55x + 45y ≥ 350
75x + 80y ≥ 700
x≥0 et y≥0
Si on déplace cette droite vers la droite, la valeur de k augmente. La valeur limite pour
k est obtenue pour la droite passant par le point B.
On peut conclure que sur l'ensemble du domaine des solutions réalisables, celle qui
donne la plus grande valeur à la fonction-objectif correspond au point B dont les
coordonnées peuvent être calculées comme point d'intersection des contraintes (1) et
(2).
La solution optimale du problème est x1 = 3 000 et x2 = 7 000
La valeur maximale de la fonction-objectif est : 680 000 000 FCFA.
Pour l’entreprise, ceci signifie que la répartition optimale entre les deux
types d’ordinateurs est de 3000 ordinateurs de type IM4 et 7000
ordinateurs de type IM5 avec un profit maximal de 680 000 000 FCFA.
L’analyse de cette solution montre que tous les processeurs et toutes les barrettes sont
utilisés, mais qu'il reste du temps d’assemblage disponible.
On dit que les contraintes (1) et (2) sont saturées ou liées : elles sont vérifiées avec
égalité à l’optimum alors que la contrainte (3) est non saturée ou non liée : il y a une
marge entre la valeur de son premier et celle de son second membre à l’optimum.
Solution Z
La solution optimale est : (x*,y*)=(133, 30) ;Z*=8 161 380 FCFA. Le plan optimal
de commercialisation pour cette entreprise est de fabriquer et de vendre 133 unités
du bien A et 30 unités du bien B pour un bénéfice maximal de 8 161 380 FCFA