Cours de Recherche Opérationnelle

Département d’Economie et Gestion

FP Safi, Université Cadi Ayyad

Abdellah El Kacimi Année 2022-2023

Introduction
Définition 1
La recherche opérationnelle est une méthode d’analyse scientifique d’un
problème, combinant l’analyse et des méthodes mathématiques pour aider un
décideur à prendre une décision.

• Initié en UK (Royaume Uni) pendant la seconde guerre mondiale, dans le but

de résoudre des problèmes militaires (placements de radar, gestion des convois,
etc.).

• Cette méthode consiste à recevoir un maximum d’information sur le problème

afin de proposer des meilleurs solutions. La solution choisie dépend surtout des
intérêts du décideur.
Domaines d’application

▪ Conception, configuration et exploitation de systèmes techniques complexes

(réseaux de communication, systèmes d’information);

▪ Gestion de la chaine logistique (transports, production, stocks...);.

▪ Et aussi santé, instruction publique, voirie, ramassage et distribution de

courrier, production et transport d’énergie, télécommunications, banques,
assurances...
 Aperçu sur le contenu du module : Recherche Opérationnelle

Programmation Méthode graphique

Méthodes du
simplexe
linéaire

Dualité en Théorèmes de Interprétation des

programmation dualité variables duales
linéaire

Ordonnancement Diagramme de Gantt

Méthode Potentiels
Tâches
de projets
Programmation linéaire: Méthode
Graphique
 Plan du chapitre 1

▪ Définitions;

▪ Exemple 1 : culture de courgettes et navets;

▪ Exemple 2 : cas d'un programme linéaire de minimisation.

Définition 1
Un programme linéaire est un problème mathématique consistant à optimiser
une fonction linéaire sous des contraintes linéaires.

• Variables de décision (réelles) :

• Contraintes :

• Fonction économique ( à maximiser (≥) / minimiser (≤)):

• Restrictions de signe :

où et sont des données.

Définition 2

• Domaine réalisable : Ensemble de tous les jeux de valeurs des

variables de décision satisfaisant toutes les contraintes et
restrictions de signe du programme linéaire (solutions
réalisables ou admissibles);

• Solution optimale : Solution réalisable qui optimise (max ou min) la

fonction économique.
 Exemple 1 : culture de courgettes et navets 1/7

Contraintes sur les quantité d’engrais et d’anti- •Variables de décision :

parasites : ✓ surface de courgettes;
• 8l d’engrais A disponible : ✓ surface de navets.
✓ 2l/ 𝑚2 nécessaire pour courgettes, 1l/ 𝑚2 pour • Fonction économique (max) :
navets.
• Contraintes:
• 7l d’engrais B disponible :
✓ 1l/ 𝑚2 nécessaires pour courgettes, 2l/ 𝑚2 pour ✓Engrais A :
navets. ✓Engrais B :
• 3l d’anti-parasites disponible: ✓Antiparasite :
✓ 1l/ 𝑚2 nécessaires pour navets. ✓Positivité :

Objectif : produire le maximum (en poids) de légumes,

sachant que les rendements = 2 kg/m2 courgettes, 5
kg/m2 navets.
 Exemple 1 : culture de courgettes et navets 2/7

Interprétation géométrique :

✓ Demi-plan inférieur;

✓ Demi-plan inférieur;

✓ Demi-plan inférieur;

✓ Intersection de deux demi-plans.

Exemple 1 : culture de courgettes et navets 3/7

Positivité :
Exemple 1 : culture de courgettes et navets 4/7

Engrais A :
Exemple 1 : culture de courgettes et navets 5/7

Engrais B :
Exemple 1 : culture de courgettes et navets 6/7

Antiparasite B :
Exemple 1 : culture de courgettes et navets 7/7

Antiparasite B :

o Les iso-prof its ainsi déf inis sont des droites

parallèles

o Ici le maximum est atteint en

o La valeur maximale de la fonction économique

est :

o On passe par la résolution du système :

Sens d’augmentation de la fonction

économique
 Exemple 2 : cas d’un programme linéaire de
minimisation 1/6
Une compagnie possède deux mines A et B, Formalisation
produisant du charbon de qualité supérieure (QS),
moyenne (QM) et inférieure (QI). Les quantités de • Variables de décision :
charbons produites par jour dans les deux mines
✓ : nombre de jours de production
sont indiquées dans le tableau suivant :
dans la mine A;
Mines Charbon(QS) Charbon(QM) Charbon (QI) ✓ : nombre de jours de production
dans la mine B.
A 1t 1t 6t
• Contraintes
B 2t 4t 3t
✓Charbon (QS) :
La compagnie doit produire au moins 90 tonnes de ✓Charbon (QM) :
charbon (QS), 120 tonnes de charbon (QM) et 180 ✓Charbon (QI) :
tonnes de de charbon (QI). Le coût de production ✓Positivité :
journalier étant le même dans chaque mine, soit
1000 UM, quel est le nombre de jours de production • Fonction économique (min) :
dans la mine A et dans la mine B qui minimisant le
coût de production de la compagnie?
 Exemple 2 : cas d’un programme linéaire de
minimisation 2/6
Positivité :
 Exemple 2 : cas d’un programme linéaire de
minimisation 3/6
Contrainte : charbon (QS)
 Exemple 2 : cas d’un programme linéaire de
minimisation 4/6
Contrainte : charbon (QM)
 Exemple 2 : cas d’un programme linéaire de
minimisation 5/6
Contrainte : charbon (QI)
Exemple 2 : cas d’un programme linéaire de
minimisation 6/6

• Fonction économique adimensionnée :

• Le minimum est atteint en

• On résout le système linéaire:

Sens d’augmentation de la
fonction économique
Programmation linéaire: Méthodes du
simplexe
 Plan du chapitre 2

▪ Formes canonique et standard;

▪ Bases et points extrêmes;

▪ Algorithme du simplexe;

▪ Formulation avec des tableaux;

▪ Méthode du simplexe à deux phases;

▪ Cas d'un PL avec plus de deux variables de décision.

 Formes canonique et standard d’un
programme linéaire 1/3
Forme canonique Forme matricielle
 Formes canonique et standard d’un
programme linéaire 2/3
Forme canonique Forme standard

Définition. Les variables s’appellent variables d’écart.

 Formes canonique et standard d’un
programme linéaire 3/3
Proposition
Chaque programme linéaire de minimisation sous forme canonique se
ramène à un programme linéaire de maximisation sous forme
canonique et inversement.
Bases et points extrêmes 1/5

Sens d’augmentation de la
fonction économique

x₁ x₂ e₁ e₂ e₃ Sol. de Sol. Pt. extrême

base admiss.

0 0 8 7 3 A=(0,0)
0 8 0 -9 -5 K
0 3.5 4.5 0 -0.5 H
0 3 5 1 0 E=(0,3)
4 0 0 3 3 B=(4,0)
7 0 -6 0 3 F
3 2 0 0 1 C=(3,2)
2.5 3 0 -1.5 0 G
1 3 3 0 0 D=(1,3)
 Bases et points extrêmes 2/4

Remarque
L’ensemble des solution de base réalisables coïncide avec l’ensemble des points
extrêmes.
Définition
On considère un système linéaire de la forme:
• On appelle base de A, tout sous-matrice B inversible d’ordre m;
• Pour simplifier on suppose que Alors

• Solutions de base associé B:

✓ Variables hors base :
✓ Variables de base :
 Bases et points extrêmes 3/4

Exemple : Base et solution de base

Variables de base

Variables hors de base

Base initiale? Par exemple :

Solution de base :
• Les variables hors base base sont mises à zéro :
• Les variables de base sont solution du système :
 Bases et points extrêmes 4/4
Base voisine et pivotage
Propriété. Deux sommets voisins correspondent à deux bases et
sont telles qu’une seule variable de est remplacée pour obtenir .
Pivotage. Cette procédure consiste de passer d’un sommet donné à un
sommet voisin.
Exemple : que faire renter dans la base?
Base initiale :
Essayons avec :
• On prend ;
• Ne pas trop augmenter.

Si on prend

On a alors comme nouvelle base , variable entrante = et variable sortante =

 Algorithme du simplexe 1/3

▪ Méthode numérique permettant de résoudre un problème de programmation linéaire (G. B. Dantzig 1947)

▪ Remarque. On pourrait penser à énumérer tous les sommets, calculer la fonction économique sur ces
points, puis prendre le sommet pour lequel la fonction économique est optimale:
✓ Approche faisable seulement pour un nombre petit de sommets du polygone des contraintes.
✓ Limitation: quand le nombre de sommets peut être très grand.
 Algorithme du simplexe 2/3

Principe d’amélioration locale Description de l’algorithme

▪ Propriété (Maximisation). Si est un sommet 1. Choisir une solution de base réalisable .
2. Exprimer les variables de base en fonction des variables
non optimum, alors il existe un sommet voisin hors base.
3. Exprimer la fonction économique en fonction des
de , vérifiant .
variables hors base.
4. Si il y’a un coefficient positif dans la fonction
▪ Méthode de résolution: on part d’un sommet
économique , soit la variable (hors base)
donné , on passe à un sommet voisin pour correspondante. Sinon aller à 8.
5. Calculer la valeur minimale de telle que les
lequel la fonction économique augmente, et variables de base restent positives ou nulles. Notons
par une des variables en base qui s’annule.
ainsi de suite. 6. Faire entrer la variable dans la base (variable
entrante) et dans l’ensemble des variables hors base
Remarque. On passe d’un problème continu
(variable sortante).
(variables réelles) à un problème discret (nombre 7. Aller à 2.
fini de sommets). 8. Stop: l’optimum est trouvé.
 Algorithme du simplexe 3/3

Critère du coût réduit maximal Critère du quotient minimal

Ce critère permet de choisir la variable entrante: à une étape de
l’algorithme du simplexe. Notons par la base trouvée. On a : Supposons que est l’indice de la variable entrante. Notons par
l’indice tel que

est la variable sortante. Ici:

est la colonne (pivot) de la matrice

Les composantes de s’appellent coût réduits des variables hors

Remarque. Le cas où , l’ensemble réalisable
base. Si est l’indice de la variable hors base tel que est non borné.

est la variable entrante.

 Formulation avec des tableaux : exemple 1/4

 Forme standard :  Forme tableau :

𝒙𝟏 𝒙𝟐 𝒆𝟏 𝒆𝟐 𝒆𝟑
𝒆𝟏 2 1 1 0 0 8
𝒆𝟐 1 2 0 1 0 7
𝒆𝟑 0 1 0 0 1 3
𝒛 -4 -5 0 0 0 0
 Formulation avec des tableaux : exemple 2/4

Itération 1
• Cout réduit maximal : variable entrante.
• Quotient minimal :

variable sortante

• Solution de base : (0, 3, 5, 1, 0) et z = 15.

𝒙𝟏 𝒙𝟐 𝒆𝟏 𝒆𝟐 𝒆𝟑 𝒙𝟏 𝒙𝟐 𝒆𝟏 𝒆𝟐 𝒆𝟑
𝒆𝟏 2 1 1 0 0 8 𝒆𝟏 2 0 1 0 -1 5
𝒆𝟐 1 2 0 1 0 7 𝒆𝟐 1 0 0 1 -2 1
𝒆𝟑 0 1 0 0 1 3 𝒙𝟐 0 1 0 0 1 3
𝒛 -4 -5 0 0 0 0 𝒛 -4 0 0 0 5 15
 Formulation avec des tableaux : exemple 3/4

Itération 2
• Cout réduit maximal : variable entrante.
• Quotient minimal :

variable sortante

• Solution de base : (1, 3, 3, 0, 0) et z = 19.

𝒙𝟏 𝒙𝟐 𝒆𝟏 𝒆𝟐 𝒆𝟑 𝒙𝟏 𝒙𝟐 𝒆𝟏 𝒆𝟐 𝒆𝟑
𝒆𝟏 2 0 1 0 -1 5 𝒆𝟏 0 0 1 -2 3 3
𝒆𝟐 1 0 0 1 -2 1 𝒙𝟏 1 0 0 1 -2 1
𝒙𝟐 0 1 0 0 1 3 𝒙𝟐 0 1 0 0 1 3
𝒛 -4 0 0 0 5 15 𝒛 0 0 0 4 -3 19
 Formulation avec des tableaux : exemple 4/4
Itération 3 (STOP)
• Cout réduit maximal : variable entrante.
• Quotient minimal :

variable sortante

• Solution de base : (3, 2, 0, 0, 1) et z = 22: optimale car les coûts réduits associés aux variables
hors base sont =< 0.

𝒙𝟏 𝒙𝟐 𝒆𝟏 𝒆𝟐 𝒆𝟑 𝒙𝟏 𝒙𝟐 𝒆𝟏 𝒆𝟐 𝒆𝟑
𝒆𝟏 0 0 1 -2 3 3 𝒆𝟑 0 0 1/3 -2/3 1 1
𝒙𝟏 1 0 0 1 -2 1 𝒙𝟏 1 0 2/3 1/3 0 3
𝒙𝟐 0 1 0 0 1 3 𝒙𝟐 0 1 -1/3 2/3 0 2
𝒛 0 0 0 4 -3 19 𝒛 0 0 1 2 0 22
 Méthode du simplexe à deux phases: exemple 1/4

Une compagnie pétrolière possède deux raff ineries A et 1. Variables de décision:

B. La raff inerie A produit 20 barils d’essence et 25 barils
• nombre de jours de fonctionnement de la
de Mazout par jour; la raff inerie B produit 40 barils raffinerie A;
d’essence et 20 barils de mazout par jour. • nombre de jours de fonctionnement de la
raffinerie A;
L’entreprise doit produire au moins 1000 barils
d’essence et 800 barils de mazout, pour la période à 2. Fonction économique (min):
venir. Les coûts de fonctionnement par jour des
3. Contraintes :
raffineries A et B sont de 300 UM et 500 UM,
respectivement.
• Barils d’essence :
• Barils de Mazout :
La compagnie souhaite savoir les nombres de jours
• Positivité :
minimisant le coût de fonctionnement des deux
raffineries.
 Méthode du simplexe à deux phases: exemple 2/4

Programme linéaire (forme canonique): Phase I

On détermine une base initiale pour le PL. On
résout alors le PL intermédiaire:

Solution optimal:

▪ Variables artificielles :
▪ Base initiale :
▪ Fonction en termes des variables hors base:
Méthode du simplexe à deux phases: exemple 3/4
Phase I (suite)
𝑥1 𝑥2 𝑒1 𝑒2 𝑎1 𝑎2
𝑎1 20 40 -1 0 1 0 1000
𝑎2 25 20 0 -1 0 1 800
z -40 -60 1 1 0 0 -1800

𝑥1 𝑥2 𝑒1 𝑒2 𝑎1 𝑎2
𝑥2 1/2 1 -1/40 0 1/40 0 25
𝑎2 15 0 1/2 -1 -1/2 1 300
z -15 0 -1/2 1 3/2 0 -300

𝑥1 𝑥2 𝑒1 𝑒2 𝑎1 𝑎2
𝑥2 0 1 -1/24 1/30 1/24 -1/30 15
𝑥1 1 0 1/30 -1/15 -1/30 1/15 20
z 0 0 0 0 1 1 0

Les coûts réduits associés aux variables HB sont <0 Tableau optimal
 Méthode du simplexe à deux phases: exemple 4/4

Phase II Phase II (suite)

Dans la phase II, on résout le PL de départ (sous Méthode de Cramer (par exemple):
forme standard):

• Base initiale : (la base optimale de

la phase I);
• Variables de base en termes des variables hors
bases:

Les coûts réduits associés aux variables HB sont <0

Tableau optimal :
 Cas d’un PL avec plus de deux variables de décisions
1/7
Une entreprise a la faculté de fabriquer, sur une machine • Variables de décision:
donnée, travaillant 45h par semaine, trois produits ✓ 𝒙1 : nb de produit 𝑷1 fabriqués par semaine;
différents 𝑷1 , 𝑷 2 et 𝑷 3 . L’article 𝑷1 donne un prof it net
✓𝒙 2 : nb de produit 𝑷2 fabriqués par semaine;
de 4 UM, l’article 𝑷 2 de 12 UM et enf in l’article 𝑷 3 de 3
UM. ✓𝒙 𝟑 : nb de produit 𝑷𝟑 fabriqués par semaine;

Les rendements de la machine sont, respectivement: 50, • Fonction économique (max):

25 et 75 articles par heure. On sait d’autre part, grâce à • Contraintes:

une étude de marché, que les possibilités de vente ne ✓ Demandes du marché :
doivent pas dépasser : 1000 Objets 𝑷1 , 500 objets 𝑷 2 et
1500 objets 𝑷 3 , par semaine.
✓ Disponibilité de la machine:
On se pose le problème de répartir la capacité de
production entre les trois produits, de manière à
✓ Positivité :
maximiser le profit.
Cas d’un PL avec plus de deux variables de décisions
2/7
Forme canonique : Forme standard :

𝒙1 𝒙2 𝒙3 𝒆1 𝒆2 𝒆3 𝒆4
𝒆1 1 0 0 1 0 0 0 1000
𝒆2 0 1 0 0 1 0 0 500
𝒆3 0 0 1 0 0 1 0 1500
𝒆4 3 6 2 0 0 0 1 6750
𝒛 -4 -12 -3 0 0 0 0 0
 Cas d’un PL avec plus de deux variables de décisions
3/7
Itération 1 : VE
𝒙1 𝒙2 𝒙3 𝒆1 𝒆2 𝒆3 𝒆4
𝒆1 1 0 0 1 0 0 0 1000
𝒆2 0 1 0 0 1 0 0 500
𝒆3 0 0 1 0 0 1 0 1500
𝒆4 3 6 2 0 0 0 1 6750
𝒛 -4 -12 -3 0 0 0 0 0

𝒙1 𝒙2 𝒙3 𝒆1 𝒆2 𝒆3 𝒆4
𝒆1 1 0 0 1 0 0 0 1000
𝒙2 0 1 0 0 1 0 0 500
𝒆3 0 0 1 0 0 1 0 1500
𝒆4 3 0 2 0 -6 0 1 3750
𝒛 -4 0 -3 0 12 0 0 6000
 Cas d’un PL avec plus de deux variables de décisions
4/7
Itération 2
𝒙1 𝒙2 𝒙3 𝒆1 𝒆2 𝒆3 𝒆4
𝒆1 1 0 0 1 0 0 0 1000
𝒙2 0 1 0 0 1 0 0 500
𝒆3 0 0 1 0 0 1 0 1500
𝒆4 3 0 2 0 -6 0 1 3750
𝒛 -4 0 -3 0 12 0 0 6000

𝒙1 𝒙2 𝒙3 𝒆1 𝒆2 𝒆3 𝒆4
𝒙1 1 0 0 1 0 0 0 1000
𝒙2 0 1 0 0 1 0 0 500
𝒆3 0 0 1 0 0 1 0 1500
𝒆4 0 0 2 -3 -6 0 1 750
𝒛 0 0 -3 4 12 0 0 10,000
 Cas d’un PL avec plus de deux variables de décisions
5/7
Itération 3
𝒙1 𝒙2 𝒙3 𝒆1 𝒆2 𝒆3 𝒆4
𝒙1 1 0 0 1 0 0 0 1000
𝒙2 0 1 0 0 1 0 0 500
𝒆3 0 0 1 0 0 1 0 1500
𝒆4 0 0 2 -3 -6 0 1 750
𝒛 0 0 -3 4 12 0 0 10,00

𝒙1 𝒙2 𝒙3 𝒆1 𝒆2 𝒆3 𝒆4
𝒙1 1 0 0 1 0 0 0 1000
𝒙2 0 1 0 0 1 0 0 500
𝒆3 0 0 0 3/2 3 1 -1/2 1125
𝒙𝟑 0 0 1 -3/2 -3 0 1/2 375
𝒛 0 0 0 -1/2 3 0 3/2 11,125
 Cas d’un PL avec plus de deux variables de décisions
6/7
Itération 4: Stop (coûts réduits associés aux variables hors base =<0)
𝒙1 𝒙2 𝒙3 𝒆1 𝒆2 𝒆3 𝒆4
𝒙1 1 0 0 1 0 0 0 1000
𝒙2 0 1 0 0 1 0 0 500
𝒆3 0 0 0 3/2 3 1 -1/2 1125
𝒙3 0 0 1 -3/2 -3 0 1/2 375
𝒛 0 0 0 -1/2 3 0 3/2 11,125

𝒙1 𝒙2 𝒙3 𝒆1 𝒆2 𝒆3 𝒆4
𝒙1 1 0 0 0 -2 -2/3 1/3 250
𝒙2 0 1 0 0 1 0 0 500
𝒆1 0 0 0 1 2 2/3 -1/3 750
𝒙𝟑 0 0 1 0 0 1 0 1500
𝒛 0 0 0 0 4 1/3 4/3 11,500
 Cas d’un PL avec plus de deux variables de décisions
7/7
Interprétation de la solution :

• L’entreprise assurera un profit maximal de 11,500 UM, en fabriquant 250

produits 𝑷𝟏 , 500 produits 𝑷𝟐 , 1500 produits 𝑷𝟑 ;
• 𝒆𝟏 = 𝟕𝟓𝟎 la quantité du produit 𝑷𝟏 risque de ne pas satisfaire la demande
du marché;
• 𝒆𝟐 = 𝒆𝟑 = 𝟎 la demande marché en des produits 𝑷𝟐 et 𝑷𝟑 sera satisfaite;
• 𝒆𝟒 = 𝟎 la machine sera utilisé au cours de la semaine toutes les 45h de
sa durée de disponibilité.
Dualité en programmation linéaire
 Plan du chapitre 3

▪ Illustration économique;

▪ Formulation générale du problème;

▪ Exemples;

▪ Théorèmes de dualité;

▪ Interprétation des variables duales

 Illustration économique : exemple 1/3

Une entreprise 𝐸1 fabrique les produits 𝑃1 et 𝑃2 , en Matières premières Produit 𝑃1 Produit 𝑃2 Disponibilité
(tonnes)
utilisant les matières premières 𝑀1 , 𝑀2 et 𝑀3 telles que:
Quantité 2 1 50
de 𝑀1 (tonnes)
• 2 tonnes de 𝑀1 , 1 tonne de 𝑀2 et 3 tonnes de 𝑀3 par
Quantité de 𝑀2 1 3 25
unité produite de 𝑃1 ; (tonnes)
Quantité de 𝑀3 3 4 60
• 1 tonne de 𝑀1 , 3 tonnes de 𝑀2 et 4 tonnes de 𝑀3 par (tonnes)

unité produite de 𝑃2 . Prix unitaire (UM) 5000 2000

Elle dispose de : 50 tonnes de 𝑀1 , 25 tonnes de 𝑀2 et 60 : quantité du produit 𝑃𝑗 , 𝑗 = 1,2 .

tonnes de 𝑀3 . Le bénéf ice net est de 5000 UM par unité
de 𝑃1 et de 2000 UM par unité de P2.

Quelle quantité de chacun des produits 𝑃1 et 𝑃2 que

l’entreprise doit-elle fabriquer pour assurer un bénéf ice
maximal?
 Illustration économique : exemple 2/3

Supposons qu’une autre entreprise 𝐸2 désire racheter les Matières premières Produit 𝑃1 Produit 𝑃2 Disponibilité
(tonnes)
matières premières 𝑀1 , 𝑀2 et 𝑀3 de l’entreprise 𝐸1 . Le
Quantité 2 1 50
problème qui se posera est le suivant: quel doit être les de 𝑀1 (tonnes)

prix unitaires d’achat 𝑦1 , 𝑦2 et 𝑦3 de chaque matières Quantité de 𝑀2 1 3 25

(tonnes)
premières, tels que: Quantité de 𝑀3 3 4 60
(tonnes)
• La valeur totale des matières premières consommées Prix unitaire (UM) 5000 2000
par chaque produit 𝑃1 et 𝑃2 doit être supérieure ou égale
: le prix d’achat (1tonne) de la matière 𝑀𝑖 𝑖 = 1,2,3 .
à leurs prix unitaires respectifs, 𝑐1 = 5000 UM et 𝑐2 =
2000 UM (pour que ça soit intéressant pour l’entreprise
𝐸1 );

• le prix total d’achat des matières premières disponibles

soit minimum?
 Illustration économique : exemple 3/3

Définition
• Le problème est appelé programme linéaire primal;
• Le problème est appelé programme linéaire dual.

Comparons les deux problèmes, primal et dual

 Formulation générale du problème dual

Problème primal Problème dual

• n variables (primales) de décision ; • m variables (duales) de décision ;

• m contraintes et m coefficients ; • n contraintes et n coefficients ;
• n coefficients de la fonction économique : • m coefficients de la fonction économique :

• Matrice des contraintes • Matrice des contraintes

 Exemples 1/2

Problème primal Problème dual

Question : le dual de ?
Réponse : le dual de =
 Exemples 2/2

Problème primal Problème primal (forme canonique)

×(-1)

Problème dual
 Théorèmes de dualité 1/2

Soient les problèmes primal et dual écrits sous forme matricielle:

Théorème (dualité faible). Pour chaque paire de solutions réalisables x de

et y de on a:

Indication :
 Théorèmes de dualité 2/2

Théorème (dualité forte). Le problème primal admet une solution 𝑥 ∗ si et

seulement si le problème dual admet une solution 𝑦 ∗ . De plus, on a

Autrement dit :

Théorème (écarts de complémentarité). Soient x une solution réalisable de

et y une solution réalisable de . Alors x et y sont optimales ssi
 Interprétation économique des variables duales
1/3
Une entreprise fabrique deux produits 𝑷𝟏 et 𝑷𝟐 . Notons par 𝒙𝟏 et 𝒙𝟐 , respectivement, les quantités des
produits 𝑷1 et 𝑷𝟐 fabriquées par jours.
Leurs marges respectives sont de 4 UM et 3 UM.

• Une unité du produit 𝑷𝟏 nécessite 2 unités de

matière première et 5 heures de travail;

• Une unité du produit 𝑷𝟐 demande 1 unité de

matière première et 6 heures de travail;

• Le nombre d’heures de travail par jour est de

11 heures et le stock est de 3 unités de matière Le chef d’entreprise voudrait savoir ce serait quoi
première. le gain supplémentaire si son atelier reste ouvert
une heure de plus par jour?
 Interprétation économique des variables duales
2/3

Solution optimale : (𝑥1∗ , 𝑥2∗ ) = (1,1) et f(𝑥1∗ , 𝑥2∗ ) = 7 Solution optimale : (𝑥1∗ , 𝑥2∗ ) = (6/7,9/7) et f(𝑥1∗ , 𝑥2∗ ) =
UM. 51/7 UM.
D’autre part le problème dual de s’écrit: L’augmentation (relative) de f est :

• 𝑦2∗ représente l’augmentation de f due à

l’incrémentation d’une unité du nombre
d’heures de travail par jour.
Solution optimale : (𝑦1∗ , 𝑦2∗ ) = (9/7,2/7) et f(1,1) = 7
UM.
 Interprétation économique des variables duales
3/3

Remarques
• Le taux de variation de la fonction économique par rapport à la i -ème composante du second
membre de est égale à la valeur de la i -ème variable duale optimale 𝑦𝑖∗ :

• Les valeurs des variables duales 𝑦𝑖 sont appelées coûts marginaux ou valeurs marginales;
• Si une contrainte d’indice i dans est non active, alors le théorème des écarts de
complémentarité implique 𝑦𝑖∗ = 0, i.e. que le coût marginal d’indice i est nul. Donc si on n’a
pas utilisé toutes les ressources, il y’a pas intérêt à augmenter la capacité;

• Si le coût marginal d’indice i est non nul i.e. 𝑦𝑖∗ ≠ 0, alors la contrainte d’indice i de est
active: cela signifie que toutes les ressources ont été utilisées, et une augmentation de la
capacité permettra d’augmenter le bénéfice.
 Résolution du problème dual 1/3
M est choisie
Méthode du grand M suffisamment
Variables artificielles grande

▪ Base initiale : ▪ Fonction économique en termes des

variables hors bases:
▪ Variables de base en termes des variables hors
bases:
 Résolution du problème dual 2/3

Méthode du grand M
Itération 1
𝒚𝟏 𝒚𝟐 𝒆𝟏 𝒆𝟐 𝒂𝟏 𝒂𝟐
𝒂𝟏 2 5 -1 0 1 0 4
𝒂𝟐 1 6 0 -1 0 1 3
𝒛 3(1-M) 11(1-M) M M 0 0 -7M

𝒚𝟏 𝒚𝟐 𝒆𝟏 𝒆𝟐 𝒂𝟏 𝒂𝟐
𝒂𝟏 7/6 0 -1 5/6 1 -5/6 3/2
𝒚𝟐 1/6 1 0 -1/6 0 1/6 1/2
z 7(1-M)/6 0 M (-5M+11)/6 0 11(M-1)/6 (-3M-11)/2
 Résolution du problème dual 3/3

Méthode du grand M
Itération 2 Solution optimale : (𝑦1∗ , 𝑦2∗ , 𝑒1∗ , 𝑒2∗ ) =(9/7,2/7,0,0), 𝑧 ∗ = 7.
𝒚𝟏 𝒚𝟐 𝒆𝟏 𝒆𝟐 𝒂𝟏 𝒂𝟐
𝒂𝟏 7/6 0 -1 5/6 1 -5/6 3/2
𝒚𝟐 1/6 1 0 -1/6 0 1/6 1/2
z 7(1-M)/6 0 M (-5M+11)/6 0 11(M-1)/6 (-3M-11)/2

𝒚𝟏 𝒚𝟐 𝒆𝟏 𝒆𝟐 𝒂𝟏 𝒂𝟐
𝒚𝟏 1 0 -7/6 5/7 6/7 -5/7 9/7
𝒚𝟐 0 1 1/7 -2/7 -1/7 2/7 2/7
z 0 0 1 7/6 M-1 8M/3-7/6 -7

Les coûts réduits associés aux variables HB sont <0 Tableau optimal
Problèmes d'ordonnancement de projets
 Plan du chapitre 4

▪ Aperçu sur les graphes orientés;

▪ Diagramme de GANTT;
✓ Tâche récapitulative;
✓ Tâche jalon;
✓ Exemple d’application.

▪ Méthode PERT : potentiel- tâches;

✓ Réseau PERT préliminaire;
✓ Calcul des dates au plus tôt;
✓ Calcul des dates au plus tard;
✓ Calcul des marges totales;
✓ Calcul des marges libres.
 Aperçu sur les graphes orientés 1/5

Définition 1 Exemple: graphe orienté

▪ Un graphe orienté est constitué de sommets et ▪ G =[X,U], X={1,2,3,4,5,6}, U={𝒖𝟏 , 𝒖𝟐 ,𝒖𝟑 , 𝒖𝟒 , 𝒖𝟓, 𝒖𝟔 , 𝒖𝟕 , 𝒖𝟖 }
d'arcs allant d’un sommet vers un autre. ▪ L’arc 𝒖𝟏 va du sommet 1 vers 2. L’arc 𝑢3 va de 2 vers 2.

▪ Un graphe fini orienté (G) est défini à l'aide de 𝒖𝟏

deux ensembles finis : un ensemble de sommets 𝒖𝟑
𝒖𝟐
(X), et un ensemble d'arcs (U): 1 2
G =[X,U], X={𝒙𝟏 , 𝒙𝟐 ,…, 𝒙𝒏 } et U={𝒖𝟏 , 𝒖𝟐 ,…, 𝒖𝒎 } .
𝒖𝟒
𝒖𝟓 𝒖𝟔 6
3 𝒖𝟕
4 𝒖𝟖

5
 Aperçu sur les graphes orientés 2/5

Définition 2 Exemple
▪ L'extrémité initiale de l'arc 𝒖𝟏 est le sommet 1;
Soit 𝒖𝒌 = (𝒙𝒊 , 𝒙𝒕 ) un arc du graphe orienté G: ▪ L'extrémité terminale de l'arc 𝒖𝟏 est le sommet 2;
▪ 𝑰(𝒖𝟏 ) =1, 𝑻(𝒖𝟏 )=2, 𝑰(𝒖𝟑 )=2, 𝑻(𝒖𝟑 ) =2.

▪ 𝒙𝒊 est dite extrémité initiale de l'arc 𝒖𝒌 . On définit 𝒖𝟏

alors une fonction 𝑰(𝒖𝒌 ) = 𝒖𝒊 qui donne 𝒖𝟑
𝒖𝟐
l'extrémité initiale d'un arc; 1 2

▪ 𝒙𝒕 est dite extrémité terminale de l'arc 𝒖𝒌 . On 𝒖𝟒

𝒖𝟓 𝒖𝟔
définit alors une fonction 𝑻(𝒖𝒌 ) = 𝒖𝒊 qui donne 6
l'extrémité initiale d'un arc. 3 𝒖𝟕
4 𝒖𝟖

5
 Aperçu sur les graphes orientés 3/5

Définition 3 Exemple
▪ 𝚪 + 𝟐 = {𝟐, 𝟑, 𝟒};
Soit G=[X,U] un graphe orienté : ▪ 𝚪 − 𝟐 = {𝟏, 𝟐}.
▪ 𝚪 + est l'application qui a tout sommet x de X fait
associer l'ensemble des sommets successeurs de
x; 𝒖𝟏
𝒖𝟑
▪ 𝚪 − est l'application qui a tout sommet x de X fait 𝒖𝟐
1 2
associer l'ensemble des sommets prédécesseurs
de x; 𝒖𝟒
𝒖𝟓 𝒖𝟔 6
3 𝒖𝟕
4 𝒖𝟖

5
 Aperçu sur les graphes orientés 4/5

Définition 4 Exemple
▪ Le graphe ci-dessous n'est pas un simple car les arcs 𝒖𝟏
Un graphe simple est un graphe dans lequel il et 𝒖𝟐 ont les mêmes extrémités;
▪ On aura un graphe simple si on enlève l’arc 𝒖𝟐 .
n'y a pas deux arcs ayant la même extrémité
initiale et la même extrémité terminale.
𝒖𝟏
𝒖𝟑
Remarque 1
𝒖𝟐
2

✓ Si le graphe est simple, alors la connaissance de

𝒖𝟒
l'ensemble des sommets X et de l'application 𝚪 + permet
𝒖𝟓 𝒖𝟔
de définir totalement le graphe; 6
3 𝒖𝟕
✓ Dans un graphe simple, on peut designer les arcs par 4 𝒖𝟖
leurs extrémités sans ambiguïté. L'arc 𝒖𝟏 par exemple
peut aussi être nommé l'arc (1,2). 5
 Aperçu sur les graphes orientés 5/5

Définition 5 Exemple
▪ (𝒖𝟏 , 𝒖𝟑 , 𝒖𝟔 ) est un chemin;
Un chemin est une suite d'arcs (𝒖𝒊𝟏 , 𝒖𝒊𝟐 ,…, 𝒖𝒊𝒑 ) ▪ Dans un graphe simple, on peut définir le chemin en
indiquant les sommets parcourus: (1,2, 2, 4) désigne le
telle que T(𝒖𝒊𝒋 ) = I (𝒖𝒊𝒋+𝟏 ) pour j allant de 1 à p, même chemin (𝒖𝟏 , 𝒖𝟑 , 𝒖𝟔 ).
(avec 1 ≤ p< n).
𝒖𝟏
𝒖𝟑
1 2

𝒖𝟒
𝒖𝟓 𝒖𝟔 6
3 𝒖𝟕
4 𝒖𝟖

5
 Diagramme de GANTT

Le diagramme de GANTT permet de : Exemple

• Visualiser une liste de tâches, leurs durées, et les
contraintes de temps qui les relient : quelles tâches
Tâches Durées Prédécesseurs
doivent être finies pour en commencer une autre?
• Représenter graphiquement l'avancement du projet. Phase I 5 jours
A 2 jours

Définition : Tâche récapitulative B 3 jours A

C 0 jour B
Une tâche récapitulative regroupe une liste de Phase II 4 jours
tâches. Elle permet de savoir (par exemple) : D 1 jour A, B
✓ le coût de cette liste tâche; E 1 jour D
✓ la durée de cette liste tâche;
F 2 jours E
✓ ou toute valeur cumulée au niveau du
G 0 jour D,E
projet;
 Diagramme de GANTT

Définition : Jalon Exemple

Tâches Durées Prédécesseurs
Un jalon est point de référence dans le projet,
indiquant un évènement important. Phase I 5 jours
Cependant, il ne représente pas un travail (il a A 2 jours
une durée nulle). Exemples: B 3 jours A
✓ Fin d'un travail; C 0 jour B
✓ Lancement d'un produit;
Phase II 4 jours
✓ Signature d'un contrat;
✓ ….. D 1 jour A, B
E 1 jour D
F 2 jours E
G 0 jour D,E
 Diagramme de GANTT : exemple

Exemple Mise en œuvre 1/6

A B C D E F G H
Un établissement de formation mutualise ses Durée
modules dans divers cursus différents. Il (en semaines)
3 2 5 3 3 5 2 2
propose avec 8 modules les trois cursus Contraintes
suivants : d’antériorité
A A,B D C,E F,G
✓ Le premier cursus commence par le module Un diagramme de GANTT est basée sur un tableau à
A, puis D, suivi du F , et enfin se termine deux dimensions :
par le H; ✓ Les colonnes illustrent l'avancement du temps (ici
✓ Le deuxième cursus commence au choix une colonne symbolise la durée d'une semaine);
par le module A ou B, puis E ,suivi du G , et ✓ Les lignes contiennent les différentes tâches à
accomplir. En face de chaque tâche on dessine une
enfin se termine par le H;
barre allant du temps de début de la tâche à son
✓ Le troisième cursus commence par le temps de fin.
module C , puis le G et enfin se termine par
le H.
 Diagramme de GANTT : exemple

Mise en œuvre 2/6

Les trois premières tâches (A, B et C) n'ont aucune contrainte. Elles peuvent commencer au temps 0. On les
représente dans notre tableau en dessinant une barre horizontal partant du temps 0, et parcourant la durée de
la tâche : 3 semaines pour A, 2 pour B, et 5 pour C.

Tâches 1 2 3 4 5 6 7 8 9 10 11 12 13
A

H
 Diagramme de GANTT : exemple

Mise en œuvre 3/6

La tâche D ne peut commencer qu’après la tâche A. La tâche E ne peut commencer qu’après les tâches A et B.
Comme ces tâches sont déjà dans le diagramme, on connaît leurs temps de fin (c'est après la semaine 3 et 2).

Tâches 1 2 3 4 5 6 7 8 9 10 11 12 13
A

H
 Diagramme de GANTT : exemple

Mise en œuvre 4/6

Les contraintes de F et G peuvent être maintenant résolues. F commence après D, donc après la sixième
semaine. G ne peut commencer qu’après C et E, c'est le temps de fin de E (6 semaines) la plus grande
contrainte qui va porter sur le début de G.

Tâches 1 2 3 4 5 6 7 8 9 10 11 12 13
A

H
 Diagramme de GANTT : exemple

Mise en œuvre 5/6

La tâche H commence après F et G. Pour ces deux tâches, c'est F qui termine en dernier. C’est donc après la
semaine 11, que H va commencer.

Tâches 1 2 3 4 5 6 7 8 9 10 11 12 13
A

H
 Diagramme de GANTT : exemple
A B C D E F G H
Mise en œuvre 6/6: liaisons
Durée
(en semaines)
3 2 5 3 3 5 2 2
Contraintes
d’antériorité
A A,B D C,E F,G

Tâches 1 2 3 4 5 6 7 8 9 10 11 12 13
A

H
 Diagramme de GANTT

Remarques
• Toutes les formations seront finalisées dans 13 semaines au minimum;
• Les tâches D et E sont très similaires et se déroulent en parallèle: elles commencent et
finissent au même temps;
• Ce diagramme très claire et simple peut servir de planning , où on pourrait voir facilement
les tâches parallèles;
• On ne peut pas immédiatement déduire les conséquences d'un retard d'une tâche sur les
autres.
 Méthode PERT: potentiel-tâches

Cette méthode PERT (Program Evaluation and Review Techniques) permet

d'organiser dans le temps la réalisation de tâches, en tenant compte de:
• Contraintes temporelles (délais, contraintes d'enchaînement);
• Contraintes portant sur la disponibilité des ressources requises;
• But : déterminer un ordonnancement minimalisant la durée totale du projet
ainsi que les tâches critiques.;
• Ici on se limitera seulement aux contraintes de succession dans le temps :
contraintes d’antériorité.
Evaluation des niveaux du graphe PERT 1/5

A B C D E F G H
Durée
3 2 5 3 3 5 2 2
(en semaines)
Contraintes
A A,B D C,E F,G
d’antériorité
Niveaux
0 0 0 1

0+1=1
Evaluation des niveaux du graphe PERT 2/5

A B C D E F G H
Durée
3 2 5 3 3 5 2 2
(en semaines)
Contraintes
A A,B D C,E F,G
d’antériorité
Niveaux
0 0 0 1 1

0+1=1
Evaluation des niveaux du graphe PERT 3/5

A B C D E F G H
Durée
3 2 5 3 3 5 2 2
(en semaines)
Contraintes
A A,B D C,E F,G
d’antériorité
Niveaux
0 0 0 1 1 2

1+1=2
 Evaluation des niveaux du graphe PERT 4/5

A B C D E F G H
Durée
3 2 5 3 3 5 2 2
(en semaines)
Contraintes
A A,B D C,E F,G
d’antériorité
Niveaux
0 0 0 1 1 2 2

1 = max(0,1) 1+1=2
Evaluation des niveaux du graphe PERT 5/5

A B C D E F G H
Durée
3 2 5 3 3 5 2 2
(en semaines)
Contraintes
A A,B D C,E F,G
d’antériorité
Niveaux
0 0 0 1 1 2 2 3

2+1=3
 Méthode PERT: réseau PERT préliminaire 1/4
Utilisant les niveaux précédents, on va construire un graphe dont les sommets seront les tâches du projet et les
arcs les contraintes qui les lient. Ces arcs seront valués par la durée de la tâche dont ils sont issus. On
commence le graphe, en plaçant un sommet pour toutes les tâches de niveau 0.
N=0

C
 Méthode PERT: réseau PERT préliminaire 2/4
On ajoute étape par étape les sommets qui ne dépendent que des sommets déjà places : après les tâches A, B et
C, on peut placer les tâches D et E (niveau 1). On trace aussi les arcs partant de A et B vers ces deux tâches, en
indiquant ci-dessus leurs durées. Donc la valeur 3 pour la tâche A et 2 pour la tâche B.
N=0 N=1

A 3
D

B 2 E

C
 Méthode PERT: réseau PERT préliminaire 3/4
On continue ainsi a placer les autres tâches et les arcs indiquant les dépendances jusqu'a la dernière tâche. On
arrive alors au graphe suivant.

N=0 N=1 N=2 N=3

A 3 3 5
D F H

3 2

B 2 E 3 G

C
 Méthode PERT: réseau PERT préliminaire 4/4
Si le projet débute par plusieurs tâches en parallèle, on ajoute avant celles-ci une tâche (fictive) 𝜶 qui va
symboliser le début du projet. On va la relier à toutes les tâches qui débutent le projet. On ajoute également une
tâche (fictive) 𝝎 signifiant la fin du projet. Tous les sommets sans successeur vont y être reliés.

A 3 3 5 2
D F H 𝝎
0 2
3

0 2 3
𝜶 B E G
0 5

C
 Méthode PERT: Définitions
• La date de début au plus tôt de la tâche i notée 𝑡𝑖 :
𝑡𝑖 = max 𝑡𝑗 + 𝑑𝑗 , 𝑗 ∈ 𝛤 − (𝑖) ;
• La date de début du projet : 𝒕𝜶 = 𝟎 . La durée du projet : 𝒕𝝎 = 𝟎;
• La date de début au plus tard de la tâche i notée 𝑻𝒊 :
𝑇𝑖 = min 𝑇𝑗 − 𝑑𝑖 , 𝑗 ∈ Γ + (𝑖) ;

• La marge totale 𝒎𝑻
𝒊 d'une tâche i est le délai dont on peut retarder cette tâche sans affecter
l’achèvement du projet:
𝑚𝑖𝑇 = 𝑇𝑖 − 𝑡𝑖 ;

• La marge libre 𝒎𝑳𝒊 de la tâche i désigne le retard que peut prendre la réalisation de cette tâche sans
retarder les tâches qui la suivent:
𝑚𝑖𝐿 = min 𝑡𝑗 − 𝑡𝑖 − 𝑑𝑖 , 𝑗 ∈ 𝛤 + (𝑖) .
• Les tâches critiques ont une marge totale nulle. Le chemin critique passe par les tâches critiques.
Dans le graphe, on double les arcs des tâches critiques.
 Méthode PERT: illustration 1/5

E
 Méthode PERT: illustration 2/5

Marges totales

E
 Méthode PERT: illustration 3/5

E
 Méthode PERT: illustration 4/5

Marges libres

E
 Méthode PERT: illustration 5/5

Chemin critique Marges totales

E
 Calcul des dates au plus tôt 1/5
Afin d'appliquer l'algorithme du potentiel-tâche, on va calculer pour chaque tâche trois valeurs: la date au plus
tôt, la date au plus tard, et la marge totale (ou libre). Pour cela on transforme chaque sommet en une case
divisée en trois sections pour recevoir ces trois valeurs.

A D H 𝝎
F
3 3 5 2
0 2
3
𝜶 B E G
0 0 2 3

0 5
C

𝑡𝑖
 Calcul des dates au plus tôt 2/5
Ensuite on traite tous les sommets dont les prédécesseurs sont déjà traités. Pour chaque arc arrivant sur le
sommet, on calcule la somme de la valeur 𝑡𝑖 du sommet initial de l'arc et de la valeur de l'arc, en mettant le
maximum sur le sommet terminal. Dans une première étape, on peut remplir les sommets A, B et C.

A D H 𝝎
0+0 = 0 F
0 3 3 5 2
0 2
3
𝜶 B E G
0 0 0 2 3

0 5
C
0
𝑡𝑖
𝑡𝑖 = max 𝑡𝑗 + 𝑑𝑗 , 𝑗 ∈ 𝛤 − (𝑖) ;
 Calcul des dates au plus tôt 3/5
Dans cette étape, le calcul est simple pour D: Il n'y a qu'un seul prédécesseur, il suffit donc de faire la somme
du sommet initial A: 0 et de l'arc (A,D): 3. Par contre E a deux prédécesseurs. La somme en partant de A est
plus grande, on prend donc la valeur 3.

0+3 = 3
A D H 𝝎
F
0 3 3 3 5 2
0 2
3
𝜶 B E G
0 0 0 2 3 3

0 5
C
0
𝑡𝑖
𝑡𝑖 = max 𝑡𝑗 + 𝑑𝑗 , 𝑗 ∈ 𝛤 − (𝑖) ;
 Calcul des dates au plus tôt 4/5
Dans cette étape, le calcul est simple pour D: Il n'y a qu'un seul prédécesseur, il suffit donc de faire la somme
du sommet initial A: 0 et de l'arc (A,D): 3. Par contre E a deux prédécesseurs. La somme en partant de A est
plus grande, on prend donc la valeur 3.

A D H 𝝎
F
0 3 3 3 6 5 2
0 3+3 = 6 2
3
𝜶 B E G
0 0 0 2 3 3 6

0 5
C
0
𝑡𝑖
𝑡𝑖 = max 𝑡𝑗 + 𝑑𝑗 , 𝑗 ∈ 𝛤 − (𝑖) ;
 Calcul des dates au plus tôt 5/5
Selon la même logique, on remplit la date au plus tôt de H (un maximum à choisir parmi les arcs (F,H) et (G,H))
et de 𝝎.

6+5 = 11
A D H 𝝎
F
0 3 3 3 6 5 11 2 13
0 2
3
𝜶 B E G
0 0 0 2 3 3 6

0 5
C
0
𝑡𝑖
𝑡𝑖 = max 𝑡𝑗 + 𝑑𝑗 , 𝑗 ∈ 𝛤 − (𝑖) ;
 Calcul des dates au plus tard 1/5
Pour calculer la date au plus tard de chaque tâche, on remonte le graphe depuis la tâche 𝝎 jusqu’à la tâche 𝜶.
On prend 𝑇𝝎 = 𝑡𝝎 .

A D H 𝝎
F
0 3 3 3 6 5 2 1313
0 2
3
𝜶 B E G
0 0 0 2 3 3 6

0 5
C
0
𝑡𝑖 𝑇𝑖
𝑇𝑖 = min 𝑇𝑗 − 𝑑𝑖 , 𝑗 ∈ Γ + (𝑖)
 Calcul des dates au plus tard 2/5
On choisit parmi les successeurs celui qui a le plus petit 𝑇𝑗 , et on lui retire la valeur de l'arc. Pour cette étape,
on remplit le sommet H. Il n'a qu'un seul successeur.

13-2=11
A D H 𝝎
F
0 3 3 3 6 5 1111 2 1313
0 2
3
𝜶 B E G
0 0 0 2 3 3 6

0 5
C
0
𝑡𝑖 𝑇𝑖
𝑇𝑖 = min 𝑇𝑗 − 𝑑𝑖 , 𝑗 ∈ Γ + (𝑖)
 Calcul des dates au plus tard 3/5
On procède de façon similaire pour les sommets : F, G, D, E, B et C, ayant un seul successeur.

A D H 𝝎
F
0 3 3 3 3 66 5 1111 2 1313
0 2
3
𝜶 B E G
0 0 0 4 2 36 3 69

0 5
C
04
𝑡𝑖 𝑇𝑖
𝑇𝑖 = min 𝑇𝑗 − 𝑑𝑖 , 𝑗 ∈ Γ + (𝑖)
 Calcul des dates au plus tard 4/5
Le sommet A a deux successeurs: D et E. On retient la date au plus tard la plus petite (𝑇𝐷 = 3).

3-3=0

A D H 𝝎
F
00 3 3 3 3 66 5 1111 2 1313
0 2
3
𝜶 B E G
0 0 0 4 2 36 3 69

0 5
C
04
𝑡𝑖 𝑇𝑖
𝑇𝑖 = min 𝑇𝑗 − 𝑑𝑖 , 𝑗 ∈ Γ + (𝑖)
 Calcul des dates au plus tard 5/5
Le sommet 𝜶 a trois successeurs: A, B et C. On retient la date au plus tard la plus petite (𝑇𝐴 = 0).

A D H 𝝎
F
00 3 3 3 3 66 5 1111 2 1313
0 2
3
𝜶 B E G
0 0 0 0 4 2 36 3 69

0 5
C
04
𝑡𝑖 𝑇𝑖
𝑇𝑖 = min 𝑇𝑗 − 𝑑𝑖 , 𝑗 ∈ Γ + (𝑖)
 Calcul des marges totales
Chemin critique : (𝜶, A, D, F, H, 𝜔)

A D H 𝝎
F
00 3 3 3 3 66 5 1111 2 1313
0 0 0 0 0
0
3 2
𝜶 B E G
0 0 0 0 4 2 36 3 69
0 4 3 3
0 5
C
04
4
𝑡𝑖 𝑇𝑖
𝑚𝑖𝑇 = 𝑇𝑖 − 𝑡𝑖 𝑚𝑖𝑇
 Calcul des marges totales

Remarques
• Pour notre exemple , il n'y a qu'un seul chemin critique : (𝜶, A, D, F, H, 𝜔). Mais il est
possible dans d'autres problèmes d’en obtenir plusieurs;
• Les tâches B, C, E et G ne sont pas critiques et on peut les réaliser avec un retard (inférieur
à la marge de la tâche) sans influencer sur la durée du projet;
• Ce diagramme très claire et simple peut servir de planning , où on pourrait voir facilement
les tâches parallèles;
• La méthode PERT potentiel tâches a l'avantage de mettre en évidence les tâches critiques et
leurs enchaînements.
 Calcul des marges libres
On retient le sommet successeur ayant la date au plus tôt 𝑡𝑗 la plus petite.

A D H 𝝎
F
0 3 3 3 6 5 11 2 13
0 0 0 0
0 2
3
𝜶 B E G
0 0 0 2 3 3 6
0 1 0 3
0 5
C
0
1
𝑡𝑖
𝑚𝑖𝐿 = min 𝑡𝑗 − 𝑡𝑖 − 𝑑𝑖 , 𝑗 ∈ 𝛤 + (𝑖) 𝑚𝑖𝐿