Académique Documents
Professionnel Documents
Culture Documents
▪ Définitions;
• Contraintes :
• Restrictions de signe :
Interprétation géométrique :
✓ Demi-plan inférieur;
✓ Demi-plan inférieur;
✓ Demi-plan inférieur;
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 :
Sens d’augmentation de la
fonction économique
Programmation linéaire: Méthodes du
simplexe
Plan du chapitre 2
▪ Algorithme du simplexe;
Sens d’augmentation de la
fonction économique
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
Variables de base
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
▪ 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
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
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
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
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
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 :
▪ Illustration économique;
▪ Exemples;
▪ Théorèmes de dualité;
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)
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)
Définition
• Le problème est appelé programme linéaire primal;
• Le problème est appelé programme linéaire dual.
Question : le dual de ?
Réponse : le dual de =
Exemples 2/2
×(-1)
Problème dual
Théorèmes de dualité 1/2
Indication :
Théorèmes de dualité 2/2
Autrement dit :
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 :
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
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
▪ 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.
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.
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
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
Tâches 1 2 3 4 5 6 7 8 9 10 11 12 13
A
H
Diagramme de GANTT : exemple
Tâches 1 2 3 4 5 6 7 8 9 10 11 12 13
A
H
Diagramme de GANTT : exemple
Tâches 1 2 3 4 5 6 7 8 9 10 11 12 13
A
H
Diagramme de GANTT : exemple
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
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.
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
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