Université de Sfax – FSEG

Optimisation
appliquée en Assurance
Exercices préliminaires
Chapitres 1-2-3.

Exercice 1
(Problème sac à dos)

On souhaite mettre dans un sac de capacité 𝑊 =14 m3 une sélection d’objets parmi n=4 disponibles.
Chaque article possède un volume et un profit net décrits dans le tableau ci-dessous.

Article 𝑖 1 2 3 4
𝑣 2 8 4 9
𝑝 25 60 45 90

L’objectif est de maximiser le profit total des articles sélectionnés.

1- Formuler le problème par un programme linéaire
2- Trouver 3 solutions faisables à partir les heuristiques suivantes :

 H1 : Remplir le sac par ordre croissant du volume 𝑣 jusqu’à atteindre la capacité

maximale
 H2 : Remplir le sac par ordre décroissant du profit 𝑝 jusqu’à atteindre la capacité
maximale
 H3 : Remplir le sac par ordre croissant du rapport 𝑣 /𝑝 jusqu’à atteindre la capacité
maximale
Quelle est la meilleure heuristique ?
3- Énumérer toutes les solutions potentielles en indiquant pour chacune sa faisabilité, sa valeur
(valeur de la fonction objectif). Identifier la solution optimale.

Page 1
Université de Sfax – FSEG

Exercice 2 (Problème d’affectation 1 à 1)

Dans un atelier à n postes et n personnes, on a mesuré pour chaque personne i et chaque poste j le nombre
d'erreurs par heure Cij quand on la met sur ce poste. Le but est d'affecter chaque personne à un poste
et chaque poste à une personne pour minimiser le nombre total d'erreurs. Le coût d’affectation est
représenté par la matrice suivante :

10 8 10 7
𝐶= 6 5 1 12
9 8 7 5
12 14 5 10
1- Modéliser le problème par un programme linéaire.
2- Combien peut-on avoir de combinaison de solutions possibles pour ce problème ?
3- Appliquer l’heuristique gloutonne suivante pour résoudre le problème

Algorithme de l’heuristique du coût minimal

 Input : 𝑛, 𝐶 // taille du problème, matrice des coûts
 Procédure :
𝑍 = 0 // valeur de la fonction objectif
𝑋 = 0 // matrice d’affectation des ouvriers aux machines
Répéter
(𝑖 ∗ , 𝑗 ∗ ) = min {𝐶 } // i* et j* reçoivent les indices de la valeur minimale dans C
𝑋∗ ∗=1 // affecter l’ouvrier i* à la machine j*
Effacer ligne i* et colonne j* de la matrice C
𝑍 = 𝑍 + 𝐶 ∗ ∗ // mettre à jour la valeur de la fonction objectif
Jusqu’à (toutes les valeurs de la matrice C sont effacées)
 Output : Retourner 𝑍 et 𝑋

4- Comparer la solution suivante avec celle obtenue dans la question précédente

0 1 0 0
𝑋= 1 0 0 0
0 0 0 1
0 0 1 0
5- Est-ce ce que la solution suivante est réalisable ?
0 1 0 1
𝑋= 0 0 0 0
0 0 0 1
0 0 1 0

Exercice 3 (Problème général d’affectation : n à m tel que n>m)

Une entreprise du secteur de produits laitiers et dérivés dispose de m entrepôts pour alimenter n points
de ventes. Elle voudrait trouver une solution qui identifie les points les plus proches à chaque entrepôt.
À titre d’indication, un point de vente n’est alimenté que par un seul entrepôt. Les distances sont
indiquées dans le tableau ci-dessous.

Point de vente
1 2 3 4 5 6 7 8 9 10
Entrepôt 1 2 10 5 6 15 3 8 10 3 15
Entrepôt 2 3 11 6 8 9 12 13 9 5 12
Entrepôt 3 15 5 7 9 14 1 7 11 16 14
Entrepôt 4 4 6 4 7 8 15 8 10 6 13

Page 2
Université de Sfax – FSEG

1- Modéliser le problème par un programme linéaire.

2- Proposer une simple heuristique pour résoudre ce problème (écrire son algorithme)

Exercice 4 (reformulation)

Mettre le programme linéaire suivant sous forme canonique ensuite sous forme standard.
 Max z  x1  2 x 2  3 x 3
 s.c. x1  2 x 2  3x 3  1 (I )

( P1 )  2 x1  x 2  5 x3  2 ( II )

 x1  3 x 2  x 3  1 ( III )
 x1 , x 2  0, x3  IR ( IV )
Reformuler (P1) en diminuant le nombre de ses variables (présence d’une variable redondante).

Exercice 5

Hamdi un spécialiste en optimisation est chargé de résoudre le problème d'une usine qui fabrique deux
produits (produit 1et produit 2) dont les prix de vente sont respectivement 150 $et160 $par tonne.
Hamdi veut connaître le nombre de chaque produit à produire pour maximiser le profit.
Les paramètres techniques liés à la production (pour une tonne de produit) sont décrits dans le tableau
suivant :
Heures machines Heures techniciens Heures Demande minimale
ouvriers (en tonnes)
Produit 1 5 7 4 34
Produit 2 3 8 6 0
Disponibilité de 300 800 400
Ressources (en
heures)

Pour chaque type de produit : le Coût de production unitaire (pour une tonne) est égal à100 $.
Si la quantité totale produite d'un type de produit est strictement supérieure à 40 tonnes, on obtient une
économie en termes de coût total de production de ce produit. Cette économie est d'environ 200 $ dans
le cas de produit 1, et 500 $ dans le cas de produit 2.
Aider Hamdi à formuler mathématiquement ce problème.
Indication: Insérer une variable binaire indicatrice Yi sur la situation Xi– 40 > 0, avec Xi est la principale
variable de décision pour i dans {1,2}.

Exercice 6. (Knapsack problem with continuous variables and a set of compartments):

Soit N types de produits i stockés dans un entrepôt (i = 1, ..., N). On note par Ai le volume en m3 de la
quantité disponible du produit i dans l’entrepôt. Chaque unité de volume du produit de type i a une
valeur Ci.
On dispose d’un conteneur (agissant comme un sac à dos) qui peut être fractionné en compartiments. Le
nombre de compartiments est flexible mais ne doit pas dépasser m avec m<N.

Page 3
Université de Sfax – FSEG

Chaque compartiment peut contenir un seul type de produit. Les produits de types différents ne doivent
pas être mélangés.
Soit V la capacité volumique du conteneur. C’est la somme des capacités des compartiments du
conteneur. Puisque que la façon de fractionner le conteneur en compartiments est très flexible, les
volumes des compartiments le sont également.
Le problème consiste à identifier les quantités optimales des produits à sélectionner et à mettre dans le
conteneur en vue de maximiser le profit.
Indication :
Variables de Décision:
Xi = 1 si le produit de type i est sélectionné, pour i = 1, ..., N
= 0 sinon.
Yi : la quantité en m3 du produit de type i sélectionné, pour i = 1, ..., N

Exercice 7.

Reformuler ce problème sous forme linéaire

min 2 x1 + 3. |x2 – 10|
s.t. x1 + 2 + x2 ≤ 15

Exercice 8

Soient 𝑥 une variable entière relatif (𝑥 ∈ ℤ) et 𝛿 , 𝛿 deux variables binaires (𝛿 , 𝛿 ∈ {0,1}).

a) Modéliser l’assertion suivante : 𝛿 = 1  𝑥 > 0.

b) Modéliser l’assertion suivante : 𝛿 = 1  𝑥 < 0.
c) En déduire la modélisation de l’assertion suivante : 𝑥 ≠ 0

Exercice 9

Soient 𝑥 une variable entière relatif (𝑥 ∈ ℤ) et 𝛿 une variable binaire (𝛿 ∈ {0,1}).

a) Modéliser l’assertion suivante : 𝛿 = 1  𝑥 = 0.
b) Modéliser l’assertion suivante : 𝛿 = 1  𝑥 < 0 ou 𝑥 > 0.

Exercice 10

Soient 𝛿, 𝛿 , 𝛿 trois variables binaires (𝛿, 𝛿 , 𝛿 ∈ {0,1})

a) Modéliser l’assertion suivante : 𝛿 = 𝛿 ou 𝛿 en tant qu’expression logique, autrement dit 𝛿 =
max(𝛿 , 𝛿 ).
b) Modéliser l’assertion suivante : 𝛿 = 𝛿 ET 𝛿 en tant qu’expression logique.

Exercice 11

Soient 𝑥, 𝑥 , 𝑥 trois variables réelles non négatives (∈ ℝ ) inférieures ou égales à une certaine borne
supérieure 𝑀.
Modéliser l’assertion suivante : 𝑥 = max(𝑥 , 𝑥 )
1 𝑠𝑖 𝑥 > 𝑥
en utilisant une variable indicatrice 𝛿 =
0, 𝑠𝑖𝑛𝑜𝑛.

Page 4
Université de Sfax – FSEG

Exercice 12

Soient 𝑥 , 𝑥 … 𝑥 𝑛 variables ∈ ℝ . On suppose que 𝑈 est une borne supérieure de la variable 𝑥 pour
𝑖 = 1, … , 𝑛.
Soit 𝑦 une variable réelle.
Soient 𝛿 , 𝛿 , … , 𝛿 𝑛 variables binaires.

Expliquer le sens des contraintes suivantes :

𝑦 ≥ 𝑥 − 𝑈 (1 − 𝛿 ) pour 𝑖 = 1, … , 𝑛.
𝑦 ≤ 𝑥 pour 𝑖 = 1, … , 𝑛.
𝛿 + 𝛿 + ⋯ + 𝛿 = 1.

En déduire une autre modélisation des assertions : 𝑋 = 𝑚𝑎𝑥(𝑥 , 𝑥 ) et 𝑥 = 𝑚in(𝑥 , 𝑥 ).

Page 5