Académique Documents
Professionnel Documents
Culture Documents
Agdal- Rabat
Faculté des Sciences Juridiques, Économiques et Sociales
Recher che Opér at ionnelle
www.fsjesr.ac.ma
Filière de Sciences Économiques et de Gestion
Module 20 Outils d’Analyse et de Communication
Matière Recherche Opérationnelle
ll e
Semestre S5
i onne
t
Session Automne –Hiver ér a
Op
Option e
Finance -Comptabilité
er ch
h
Rec
Professeure : Amale LAHLOU
www.amalelahlou.net
Chapitre I
Chapitre II Problème de programmation linéaire
er c à la recherche
Azoulay« Recherche opérationnelle
h
c
Re
Kauffman-Faure«Invitation opérationnelle» Dunod,
Desbazeille«Exercices de recherche opérationnelle» Dunod,
AndreGrosdidier«Outils mathématiques de gestion», Foucher, Paris
Thierry Bertrand « Outils mathématiques de gestion », Édition
Bertrand-Lacoste
Chapitre I :
Problème de programmation linéaire
Recher che Opér at ionnelle
Motivation
1. Concepts fondamentaux 4. Dualité
a. Définitions a. Définition d’un programme dual
b. Formalisation mathématique
b. Formalisation du programme dual
d’un problème linéaire
e
c. Exemples explicatifs de
n n ell
c. Correspondance entre le
t io
modèles linéaires programme dual et le programme
ér a
primal
2. Résolution graphique
a. Définition
O p d. Théorème de dualité
he
b. Propriétés de recherche de e. Interprétation économique du
l’optimum
er c dual
ch
c. Cas particuliers 5. Applications économiques
simplexe
Re
3. Résolution par l’algorithme de Conclusion et perspectives
a. Aspect théorique
b. Résolution manuelle ou
algébrique
c. Résolution via des logiciels
1
Chapitre II :
Éléments de La théorie des graphes
Recher che Opér at ionnelle
Motivation
1. Éléments de la théorie des 4. Recherche d’un chemin de valeur
graphes optimale entre deux sommets
a.Définitions a. Algorithme de Ford
ll e
b.Représentations d’un graphe b. Exemples
nne
i. Représentation sagittale 5. Problème d’ordonnancement
ii.Représentation par un
t i o a. Définitions
ér a
dictionnaire
b. Méthodologie
Op c. Représentation graphique
iii.Représentation par une matrice
iv.Représentation par une matrice
e
chdes
booléenne
d. Calendrier au plut tôt des
2.
e
Détermination des niveaux
h r taches
a.Définition Re c
sommets d’un graphe sans circuit
e. Calendrier au plus tard des
taches
b.Utilité de la notion des niveaux
f. Tableau des marges (libres et
3. Recherche des chemins de
totales)
longueur p joignant deux sommets
a.Définitions 6. Applications économiques
b.Cas particuliers de chemins Conclusion et perspectives
Initiation à
e
nnell
t io
ér a
la Recherche Opérationnelle
p
O
r che
e
ch
Re
2
L’optimisation
Recher che Opér at ionnelle
t i o
ér a
circulation des biens et de services …
Recherche Opérationnelle
Recher che Opér at ionnelle
le
La Recherche Opérationnelle est une discipline polyvalente,
el l
qui
emprunte beaucoup onn évidemment, mais
aux mathématiques,
t i
ér a
également à l'informatique et à l'économie.
Op
he
er cest un outil mathématique d’aide à la
La recherche opérationnelle
h
c
ReElle repose sur la construction des modèles,et ce
prise de décisions.
en fonction des problèmes posés. On peut citer plusieurs techniques
de modélisation notamment, la programmation linéaire, la théorie des
graphes, etc.
Problème de elle
n
at ion
ér
Op
Programmation
ch
e Linéaire
cher
Re
3
Programme linéaire (PL)
Recher che Opér at ionnelle
Modèle linéaire :
fonction l inéaire de plusieurs variables à optimiser (premier degré )
variables soumises à des contraintes :
» linéaires
» restriction de non négativité
le
onnel
ti
ér a
Définir le problème : En apprenant essentiellement à mieux poser des
questions qu’on arrive à modéliser Ople problème
e
h r ch du problème ?
eexacte
c
Quelle est la nature
Re recherché ?
Quel est l’objectif
Quelles sont les conditions d’opération ?
Quels sont les paramètres à considérer ?
…
Programmation linéaire
Recher che Opér at ionnelle
p ér a
O
Problème
r cheModèle
e mathématique Solution
réel
ch
Re
Programmation linéaire
4
Mise en forme d’un programme linéaire
Recher che Opér at ionnelle
ll e
nne
Par exemple : les quantités de matières premières
Validation du modèle et des résultats :t i on
ra
pér
le modèle développé est-il conforme à la réalité ?
O
les résultats sont-ils h e dans toutes les conditions ?
er cd’application
valides
c h
Conception du système
utilisation
Re des logiciels spécialisés pour la résolution du
modèle (par exemples : EXCEL, LINDO, …)
Implantation de la solution
Prise de décision
Prof. : Amale LAHLOU Semestre S 5 / Option : Finance - Comptabilité Diapositive 14
e
Les xi sont des variables qui influient sur la valeur de z et les ci les poids respectifs
nell
de ces variables modélisant l’importance relative de chacune de
n
ces variables sur la
t io {≤ , = , ≥} b
valeur de la fonction économique
a x + a x +rLa+
Contraintes :
p é a x
11 1 12 2 1n n 1
a x + aOx + L + a x {≤ , = , ≥} b
he
21 1 22 2 2n n 2
h ec
Mr
c
Re a x + a x + L + a x ≤ , = , ≥ b
m1 1 m2 2
{ } mn n m
5
Exemple 1 :
Recher che Opér at ionnelle
ll e
de produits sont indiqués dans le tableau ci-dessous.
i onne
Question : Établir la production hebdomadaire de chaque produit de façon
t
ér a
à maximiser le profit
Op
Produits Disponibilité (en min)
h e hebdomadaire de
Type de machine I
er cII III IV chaque machine
5c
h 3
A Re 3 2 1800
B 2 2 5 5 4 6 4 8500 6 8500
C 1 2 3 4 3500
Modélisation mathématique
Recher che Opér at ionnelle
But:
Établir la production hebdomadaire de chaque produit
de façon à maximiser le profit e
ell
Le modèle : t i onn
ér a
xj : production hebdomadaire Op de chaque produit j
he
h er c
c x, x, x
Re
Trouver les valeurs 1 2 3 et x4 qui maximisent le
Formalisation du problème :
forme canonique
Recher che Opér at ionnelle
Compréhension du problème
Définissons 4 variables de décision :
x1 : la production hebdomadaire du produit I
x2 : la production hebdomadaire du produit II
e
x3 : la production hebdomadaire du produit III
nell
x4 : la production hebdomadaire du produit IV
n
t io
Le profit associé à une production (x1, x2, x3, x4 ) est :
z = 7 ,30 x + O 8 ,pérxa + 8 , 00 x + 9 ,00
64 x4
e hebdomadaire de chaque
1 2 3
r ch+
Il ne faut pas dépasser la disponibilité
machine: A :ch5e
RBe: 2x + 5x + 4x + 6x ≤ 8500
x 13x + 3x + 2 x
2
≤ 18003 4
1 2 3 4
6
Formalisation du problème
Recher che Opér at ionnelle
Objectif :
max z = 7 , 30 x 1 + 8 , 64 x 2 + 8 x 3 + 9 x 4
n
t i+o3 x + 4 x
B: 2 x1 + 5 x2 + 4 x3 ≤ 8500
ér a
4
C: x + 2 x2 ≤ 3500
p
1 3 4
Terminologie de la solution
Recher che Opér at ionnelle
7
Résolution graphique :
méthodes des droites parallèles
Recher che Opér at ionnelle
Cas d’
d’un probl ème à deux variables de d écision
(r epré ométrie plane )
eprésentation en g éomé
ll e
i onne
at R²
Fonction objectif : Droite dans
O pér
Contraintes : Demi-plans
e dans R²
e r ch
Contraintes c
deh non négativité: cadran positif
Re
Région admissible : Intersection des demi-plans de
R2
Représentation graphique
Recher che Opér at ionnelle
8
* Soit la droite (D) : 2x + 3y − 6 = 0
u = ( −3,2)est un vecteur directeur de (D).
Recher che Opér at ionnelle
ll e
-la droite
x =1
-la droite
i onne y = −2
t
-la droite (D ) passant par A(1,2) et deavecteur
pér
directeur
1 v = (3,1)
O
e
y y x =1
ch
(D)
h e r (D1)
ur 2 R
ec 2
A
1 vr
-3 0 3 x 0 1 3 x
y = −2
le
L’ensemble des points de coordonnées x,y
(x,y ) telles que :
o n nel ax + by + c ≤ 0
3 yt i− 6 ≥ 0
Exemple : Résolvez graphiquement 2 x + a
Opér
he
y
2x
er c
+3 Remarquons que pour l’origine :
y-6
=0
ch
2 R
e 2(0) + 3(0) − 6 < 0
Donc le demi plan ne contient
pas l’origine
0 3 x
t io
pér a Point intérieur
O
r che Point frontière
e
ch
Re Point extrême
9
Région admissible vide
Recher che Opér at ionnelle
minimiser z = x1 + 2 x2
x2 x1=8
sujet à
ll e 1 x
nne −2
+ x2 ≤8
o
1
t i
ér a
8 x 1
+ 8 x2 ≥ 40
Op x ≥8
e
1
ch
6 ≥0
x, x2
er
1
-x1+8x2=40
ch
Re 1/2x
4
2 1 +x
2 =8
x1
2 4 6 8 10 12 14 16 18
x2
le
onnel
ér at i
Op
he
h er c
c
Re x1
e
x2
nnell
t io
pér a
O
r che
e
ch
Re
x1
10
Fonction « Objectif »
Recher che Opér at ionnelle
Déplacement de la fonction
x2 objectif à l’intérieur de la
région e
admissible pour
ell
atteindre unnnextremum
t io
pér a A
O
r che
he
Rec A est la solution optimale
Intersection de deux contraintes
x1
Solution optimale
Recher che Opér at ionnelle
x1 x1 x1
Exemple 1
Région admissible bornée :
une solution optimale unique
Recher che Opér at ionnelle
x maximiser z = x1 + 2 x2
=4
1 +x x2
2
+x
2 =8
sujet à
e
x1=5
1
-x
8
nnell 2 x1 + x2 ≥4
A est l’unique t i o
ér a
A x + x2 ≤8
p
solution optimale 1
2x 1
O
6
+
2x e − x1 + x2 ≤4
x 2=
x+
c h=14
1
r
4
x
he
2
4
≤5
c 1
Re x1, x2 ≥0
x+ 5
x1
2 1 2 8
x=
2 2
11
Exemple 2
Région admissible bornée :
une infinité de solutions optimales
Recher che Opér at ionnelle
x
=4
1 +x x2 maximiser z = 2 x1 + 2 x2
2
+x
2 =8
e
x1=5
1
-x
sujet à
8
nnell 2 x1 + x2 ≥ 4
Une infinité de t i o
ér a
x + x2 ≤ 8
p
solutions optimales 1
2x 1
O − x1 + x2 ≤ 4
+
he
x 2=
1 +x c
x
r
4
x ≤5
e
ch
4 2 =8 1
Re x1, x2 ≥ 0
x
1+
x1
2 x= 5 8
2 2
Exemple 3
Région admissible non bornée :
pas de solutions optimales finies
Recher che Opér at ionnelle
maximiser z = x1 − x2
sujet à
x2 x1=8
1 x + x2 ≥ 8
lle − x
2 1
ne + 8 x2 ≤ 40
ion
1
t ≥ 8
ér a
8
x 1
Op x1 , x2 ≥ 0
he
er c
6
-x1+8x2=40
ch Pas de solutions
Re
4
optimales
1/2x
2 1 +x
2 =8
x1
2 4 6 8 10 12 14 16 18
Exemple 4
Région admissible non bornée :
une solution optimale unique
Recher che Opér at ionnelle
minimiser z = x1 − x2
sujet à
x2 x1=8
B est l’unique 1 x + x2 ≥8
=2
e
ell
2 1
solution optimale
2
-x
nn − x1 + 8 x2 ≤ 40
x1
io
r at
8 x1 ≥8
pé
B O x1, x2 ≥0
6
r che
e
ch
-x1+8x2=40
Re 1/2x
4
2 1 +x
2 =8
x1
2 4 6 8 10 12 14 16 18
12
Exemple 5
Région admissible non bornée :
une infinité de solutions optimales
Recher che Opér at ionnelle
x2 minimiser z = x1 + 1 / 2 x2
sujet à
12 + x2 ≥8
x1
2x 1
e − x + 8x ≤ 40
ell 2 x + x ≥ 12
+
n
1 2
x 2=
10
n
t io
12
1 2
ér a
8
x , x ≥0
p
1 2
O
e
ch
6
h er Une infinité de
c
-x1+8x2=40
4
Re solutions optimales
x
2 1 +x
2 =8
x1
2 4 6 8 10 12 14 16 18
Cas pathologiques
Recher che Opér at ionnelle
1. Cas de redondance :
une contrainte est redondante lorsqu’elle est inutile et
superflue. La droite représentative de cette contrainte se trouve
entièrement en dehors de la région admissible.
le
nel
Exemple : max z = x + 2 x (1)
n
1 2
o
at i
sc (3)
ér
x1 + x2 ≤8 (1)
5 x + 4 x2 Op (2) ≤ 20 (2 )
x
he
1
er c
1 ≤3 (3)
h
x ≤4 ( 4)
c
Rxe ≥ 0
2
(4)
x1 , 2
Dégénérescence du 1 er type :
c’est le cas où le coefficient directeur de la droite
représentant la fonction économique soit identique à celui de la
droite représentant une contrainte non redondante. Il existe
e
ell
donc une infinité de solutions
nn
t io
(4)
ér a
Exemple : (3)
maximiser z = 2 x + 2 x O p
(2)
he (1)
1 2
sujet à
r c
2 x + x e ≥c4he(1)
+ x R ≤ 8 ( 2)
1 2
x
1 2
− x1 + x2 ≤ 4 (3)
x ≤ 5 ( 4)
1
x1, x2 ≥0
13
Dégénérescence du 2ième type :
Recher che Opér at ionnelle
ll e
(1)
nne
max z = x1 + x2 (2)
sc
t i o
ér a
Op
3x1 + 2 x ≤ 40
2 (1)
x
e
1 ≤ 10 (2)
c(3h)
≥ 0 er
x ≤5
2
h
Rec
x1, x
2
B=(10,5)
(3)
Définitions
Recher che Opér at ionnelle
le
A
nel
A
E est située tout entier du
on
at i
B B même côté d’un plan tangent
ér
Op
un point extrême d’un ensemble convexeest un point qui ne peut être jamais
he
eAr c
entre deux points de cet ensemble.
ch
Re Aest un point extrême
Bn’est pas un point extrême
B
r c
he
(la valeur de la fonction objectif
14
Exercice 1
Recher che Opér at ionnelle
Formalisation de l’énoncé 1
Recher che Opér at ionnelle
Compré
Compréhension du probl ème : le restaurateur doit décider
combien de platsà80 UMet de plats à60 UMseront préparés
pour maximiser sa recette.
Identification des variables économiques ou de dé
décision :
x1 = quantitéde plats à80 UM
le
nel
x2 = quantitéde plats à60 UM
Les variables x et Re c
x sont limitées
5 x1 + 3 x2 ≤ 30
1 2
par 3 contraintes : +
2 x1 3 x 2
≤ 24
x1 + 3 x 2
≤ 18
On a également les contraintes de non n égativit é :
x1 ≥ 0, x2 ≥ 0
Prof. : Amale LAHLOU Semestre S 5 / Option : Finance - Comptabilité Diapositive 44
Modélisation mathématique :
forme canonique
Recher che Opér at ionnelle
max z = 80 x1 + 60 x2
e
nnell
sc o
at i
5 x1 + 3x2 pé≤r 30
2 x +e3xO ≤ 24
1 ch 2
her + 3
c
Re 1
x x2 ≤ 18
x1, ≥
x2 0
15
Résolution graphique
Recher che Opér at ionnelle
5 xl1e + 3 x2 ≤ 30
3x 2
el
solution optimale unique
=
n
30
et z max=540 n
io 2 x1
+ 3 x2 ≤ 24
at
ér
Op
+ 3 x2 ≤ 18
10 x1
e
c ch x1 , x2 ≥0
her
8
6
A
Rec
80
x1
+6
0x 2
x1 +3
x2 =1
=0
8
2x x1
0 6 12 1 +3 18
x=
2 24
Interprétation
Recher che Opér at ionnelle
Exercice 2
Recher che Opér at ionnelle
e
ell
• Co ûts suppl émentaires (salaires et frais g énéraux) : 14 UM
n n
• 2 heures de travail de finition et 1 heure de menuiserie
Trains :
t io
ér a
• Prix de ventes : 21 UM
• Matières premi ères : 9 UM
O p
hete1 heure de menuiserie
• Co ûts suppl émentaires : 10 UM
r c
he
• 1 heure de travail de finition
16
Formalisation de l’énoncé 2
Recher che Opér at ionnelle
Compré
Compréhension du probl ème :
Revenus hebdomadaires
le
27 x1 + 21 x 2
onnel
-
at i premières
Coûts hebdomadaires d’achat desrmatières
O pé
10 hxe1 + 9 x 2
e rc -
ch variables hebdomadaires
Autresecoûts
R 14 x + 10 x 1 2
a.
e
Chaque semaine, 100 heures de travail de finition sont
disponibles: ell
n
ion
2 x ++x ≤≤100
t
1 2
r a
Chaque semaine, 80 heures deétravail
Op
b. de menuiserie sont
disponibles:
x1 +h+xe2 ≤≤80
c
Un maximumcde her40 soldats peut être produit chaque
c.
semaine: R
e
≤≤
x1 40
Restriction des signes :
x1 ≥≥0, x 2 ≥≥0
17
Modélisation mathématique
Recher che Opér at ionnelle
max z = 3 x1 + 2 x2
ll e
sc
i onne
at
pr
2 x1 + x2 ≤é100
O
1 c+hex2 ≤ 80
x
her
Rc
x1 ≤ 40
e
x1 , ≥ x2 0
Résolution graphique
x2
Recher che Opér at ionnelle
x1 = 40
max z = 3 x1 + 2 x2
100
sc
3x 1
80
2 x1 + x2 ≤ 100
+2
le
x 2=
nel x1
A + x2 ≤ 80
0
60
i on
t
ér a
40 x ≤ 40
1
20
Op
O x1 , x2 ≥0
he
er c
x1
-40
c
-20
h
Re
20 40 60 80 100
-20
2x 1
x
1+
+x 2
-40 x
2=
80
=1
00
Interprétation
Recher che Opér at ionnelle
18
Exercice 3
Recher che Opér at ionnelle
Une raffinerie achète deux types de pétroles bruts dont elle retire
de l’essence, du gazole et du fuel dans les pourcentages suivants:
Produits finis Brut n°1 Brut n°2
e
ll25
nne 25
Essence 30
Gazole 40
i o
30 r at
pé
Fuel 50
O
e
La raffinerie doit satisfaire à la demande de:
r
125 10 4 tonnes
4 e
ch d’essence
135 10chtonnes de gazole
e 4 tonnes de fuel
180R10
L’achat d’une tonne de brut n°1 coûte 700 UM et une tonne de brut
n°2 coûte 500 UM. Quelles quantités de ces pétroles bruts devra t-
on acheter pour répondre à la demande au moindre coût?
Formalisation de l’énoncé 3
Recher che Opér at ionnelle
le
fonction des quantités de brut n°1 et n°2 à acheter.
n nel
t io ou de décision :
Identifications des variables économiques
t
ér a
x1 : quantité de brut n°1 àpacheter
O
he
e c n°2 à acheter
x2 : quantité der brut
c h
Fixation des Reobjectifs à atteindre : minimisation des coûts
b. Contrainte de gazole Op
e
ch0 , 4 x + 0 , 25 x ≥
her
4
135 10
c
1 2
c. ContrainteR e fuel
de
4
0 , 3 x 1 + 0 , 5 x 2 ≥ 180 10
19
Modélisation mathématique
Recher che Opér at ionnelle
Résolution graphique 6
x 10 2
min z = 700 x1 + 500 x2
Recher che Opér at ionnelle
sc
0,3x1 + 0,25 x2 ≥ 125 10 4
5
0,4 x + 0,25 x2 ≥ 135 10 4
1
4
A 0,3x1
+ 0,5 x2 ≥ 180 10 4
le
nel
x1 , x2 ≥0
n
3
o
2
ér at i
Op
he
1
h er c x1 10 6
c
Re
1 2 3 4 5 6
0 ,4
0,3
0 ,3
x 1+
x+
x1
1 0
0 ,2
,5x
A =(10 6 , 3.8 10 6 ) est une
+0
2 =1
5x 2
,25
10 4
=1
35
6
et Z min =26 10 UM
25
10
10
4
Interprétation
Recher che Opér at ionnelle
6
La solution qui minimise les coûts est A(10 , 3.8 10 6) c’est-à-dire,
pour répondre à la demande au moindre coût d’essence, du gazole et du
6 o
fuel, le raffineur doit acheter 10 tonnes du brut n 1 et 38 10 5 tonnes
du brut n o 2 e
Le coût minimal est : (700 × 10 )+ (500 × 3,8on
ell
10n )= 26 10 UM
6 6 8
6
c
(0,4 × 10 )+ (0,25× 3,8 10R)e= 135 10 t et avec un stock seulement en fuel de :
6 4
20
Exercice 4
Recher che Opér at ionnelle
ll e
Brut A B
Essence 0,2
i onne
0,4
t
ér a
Gazole 0,4 0,2
Fuel lourd Op 0,4
0,4
hAeprocure une recette de 140 UM Le
erBcprocure une recette de 150 UM
Le traitement d’une tonne de brut
traitement d’une tonne de h
Redec stockage, la fabrication de chaque produit est
brut
Du fait des contraintes
limitée de la manière suivante: Essence: 1 200 t, Gazole: 1200 t, Fuel
lourd: 1400 t.
Quelles quantités de ces pétroles bruts devra t-on traiter pour maximiser
la recette?
Formalisation de l’énoncé 4
Recher che Opér at ionnelle
recette
max z = 140 x1 + 150 x 2
c. ContrainteRde
0 , 4 x 1 + 0 , 4 x 2 ≤ 1400
21
Modélisation mathématique
Recher che Opér at ionnelle
1 ch 4 x ≤ 1400
er 2
exc1 ,h x2 ≥0
R
x2 10 3 sc
0,2 x1 + 0, 4 x2 ≤ 1200
0,4 x + 0, 2 x2 ≤ 1200
A =(1000,2500) est une 1
xe1 ,
et z max=515000 UM
le
nel
x2 ≥0
i on
t
ér a
Op
he
er c
A
h
2,5
c
Re
x1 10 3
0,
1 0,2x
4x
1 +0,4x
2 =1200
+1 0
0,4x
,2x
1+ 0,4x
2
=1
2= 140
20
0
0
Interprétation
Recher che Opér at ionnelle
22
Utilisation du solveur d’Excel pour
résoudre des problèmes linéaires
Recher che Opér at ionnelle
ll e
i o nne = 140 x + 150 x
proft max
t
éscr a
1 2
h e r 0 .4 x + 0 .2 x ≤ 1200 gazole 1 2
R c
(Exercice 4-primal.xls)
e 0 .4 x + 0 .4 x ≤ 1400 fuel 1 2
x ≥ 0, x ≥ 0 Non − né gativit é 1 2
A B C D E F Ligne 1 : titre de
l’exercice ou référence
1 Exercice 4
Ligne 3 : noms des
2
variables de décision, ici
3 brut A et brut B
variables
Brut A Brut B
de d écision
le
nel
Ligne 4 : coefficients des
4 fonction Profit variables de décision dans
140 150 TOTAL
objectif unitaire
i on la fonction objectif
t
ér a
5 quantité 0 0
Ligne 5 : quantités
Op
6 profit =C4*C5 =D4*D5 =C6+D6 cherchées. Elles seront
remplies par le solveur
e
7 limites après résolution. Elles
ch =C8*C5+D8*D5
sont nulles avant
er0.2
8 contraintes essence 0.2 0.4 1200 résolution
0.4 h
ec 0.4 =C10*C5+D10*D5
9 gazole =C9*C5+D9*D5 1200 Ligne 6 : profit dégagé
e
ch
Re
23
S'ouvre alors la Spécification de la cellule cible : tapez la référence
boîte de dialogue ou le nom de la cellule que vous voulez minimiser,
du Solveur maximiser ou rapprocher d'une valeur donnée.
Recher che Opér at ionnelle
Spécification des
cellules variables :
tapez les références ou
$E$6 les noms des cellules
devant être modifiés par
ll e
le Solveurjusqu'à ce que
nne
les contraintes du
problème soient
$C$5:$D$5
t i o respectées et que la
ér a
cellules cible atteigne le
Op
résultat recherché.
e
$E$8<=$F$8
er ch Spécification des
ch contraintes : A l'aide
Re
$E$9<=$F$9 des boutons ajouter,
Modifier et Supprimer de
$E$10<=$F$10 la boîte de dialogue
Paramètres du Solveur ,
établissez votre liste de
contraintes dans la zone
Contraintes .
le
onnel
ér at i
Résultat et r ésolution Op
he
du problème sont mis en ch
Une fois tous les paramètres
er c
Re
place, le choix du bouton
Résoudre amorce le
processus de résolution du
problème . Vous obtenez
alors une de ces réponses
n
$E$6 proft TOTAL 0 515000
io n
Adjustable Cells
p r atValue La solution optimale
éFinal
Cell Name Original Value
O0
he 0
$C$5 quantités Brut A 1000
$D$5 quantités Brut B
r c 2500
che
Constraints
Cell Name
Re Cell Value Formula
Le stock de gazole
Status Slack
$E$8 essence TOTAL 1200$E$8<=$F$8 Binding 0
$E$9 gazole TOTAL 900$E$9<=$F$9 Not Binding 300
$E$10 fuel TOTAL 1400$E$10<=$F$10 Binding 0
24
Exercice 5
Recher che Opér at ionnelle
Op tonne.
respectivement de 200, 500 et 400 UM par
e
ch
L’expérience a montré que, si la production
ertonnes
était limitée respectivement à
300 tonnes, 100 tonneset h
Re c 150 par semaine, elle était entièrement
absorbée par le marché.
Objectif :
On veut déterminer les quantités hebdomadaires à produire pour
que le bénéfice soit maximum et toute la production soit vendue.
Modélisation mathématique
Recher che Opér at ionnelle
e
ell
max b é n é fce = 200 x1 + 500 x 2 + 400 x 3
n n
t io
sc
ér a horaire
x1 x2 x
p
+ + 3
≤ 120 contrainte
≤ 500 O
5 2 ,5 3
he limite de production de A
x + x2 +x limite de production de l' ensemble
≤r c300
1 3
e
x1
ch ≤ 100 limite de production de B
Rxe ≤ 150 limite de production de C
x2
3
x1 ≥ 0 , x 2 ≥ 0 , x3 ≥ 0
25
Résolution par Excel et analyse de la
solution optimale
Recher che Opér at ionnelle
nne
$F$6 proft TOTAL 0 140000
i o
at
pér0 Final Value150 La solution optimale
Adjustable Cells
O
Cell Name Original Value
e
$C$5 quantités Article A
ch
$D$5 quantités Article B 0 100
$E$5 quantités Article C
h er 0 150
Constraints Re c Le stock
Interprétation
Recher che Opér at ionnelle
La solution qui maximise le bénéfice est (150,100,150), c’est - à- dire, en fabriquant 150 t
de papier A, 100 t de papier B et 150 t de papier C, l’entrepris e X réalisera un bénéfice
maximal de : 140000 UM.
(200× 150)+ (500× 100)+ (400× 150)= 140 000 UM
llee sont saturées tandis
nne réaliser le bénéfice
A l’optimum, la première, la quatrième et la cinquième contraint
que la deuxième et la troisième contrainte ne le sont pas :i o
t pour
Re
toutefois, elle lui restera un stock
= 150 t −[ ×
300 ] 1 150
L’entreprise n ’aura pas de probl èmes en mati ères premi ères puisque la production totale
hebdomadaire n ’a pas dé
dépassé
passé la limite de 500 t :
e
ell
du simplexe a été développée afin de résoudre ces
n n
t io
ér a
types de problèmes de programmation linéaire. A ce
niveau, le support p
O informatique moyennant des
e
logicielser ch
ch
mathématiques s’avère indispensable.
Re
N.B. : La résolution graphique suppose une mise du problème
sous forme canonique, tandis que celle par la méthode de
simplexe suppose une mise du problème sous forme standard
26
Présentation de la méthode du simplexe
Recher che Opér at ionnelle
Formalisation du problème
le
nel
Plus de 3 variables dans la programmation linéaire
on
Non
at i Oui
Résolution graphiqueOpérRésolution par la
e méthodedu simplexe
ch
Forme canonique
er Forme standard
e ch
R
Détermination de la solution de départ
Fonction objectif
n
max ( ou min) z = c1 x1 + c 2 x 2 + L + c n x n = ∑
j =1
c jx j
Contraintes
n ll e
∑ea x {≤ , = , ≥} b
n
n
t io
a11 x1 ++a12 x2 ++L ++a1n xn {≤{≤, ==, ≥≥}}b1 1j j 1
ér a
j =1
a21 x1 ++a22 x2 ++L ++a2n xn {≤{≤, ==, ≥≥
}}b2 n
M Op ∑ a x {≤ , = , ≥} b 2j j 2
==e
j =1
chnégativité
n
Contraintes de e ∑ a x {≤ , = , ≥} b
R non mj j m
j =1
x j
≥ 0 , ∀ j = 1, 2 , L , n
xj variables de décision (inconnues)
aij, bi, cj paramètres du programme linéaire
27
Écriture matricielle de la forme canonique :
recherche d’un maximum
Recher che Opér at ionnelle
sc sc
Axll e≤ b
n
∑
ne ≥
aij x j ≤ bi , ∀ 1 ≤ i ≤ m
j =1
n
i o x 0
t
x j ≥ 0, ∀ 1 ≤ j ≤ n
a
avec, pér
b1O
c1 x1
a11 L L a1n h e
c
A = M L L Mher b = M
M M
c= x=
e c
am1 L L R
M M
amn bm
c x n n
Vecteur colonne de Vecteur ligne de taille n Vecteur colonne
Matrice (m,n) taille m<n de taille n
des coefficients de la
des coefficients techniques des seconds membres fonction économique des niveaux
des contraintes d’activité
ll e ≤ b
x + x + x3 ≤ 500 sc
neAx
1 2
n
x1 ≤ 300
o
at i x ≥ 0
x2 ≤ 100
pér
Op
x3 ≤ 150
x1 ≥ 0 , x 2 ≥ 0 , x 3 ≥
h
0 e
c
her 120
1 1 1
c
1e
5 2,5 3
1
1 R
500
200 x1
=
avec A 1 0 0 b = 300 c = 500 x = x2
100
0 1 0 400 x3
0 0 1 150
Prof. : Amale LAHLOU Semestre S 5 / Option : Finance - Comptabilité Diapositive 83
∑
M M
am1t iLo L amn bm c x
aij x j ≥ bi , ∀ 1 ≤ i ≤ m
Ax ≥ b
ér a
j =1
x j ≥ 0, ∀ 1 ≤ j ≤ n ≥
x 0
Op
n n
Exemple : he
h er ct
c
Reminw= cx
min w = 3x1 − 5x2 + x3
sc
sc 3 x1
x1 + 3x2 + x3 ≥ 6 1 3 1 =6 =− =
A= b c 5 x x2
− − ≥
2x1 4x2 2x3 2 Ax ≥ b 2 −4 −2 2
x , x , x ≥ 0 ≥ 1 x3
1 2 3 x 0
Prof. : Amale LAHLOU Semestre S 5 / Option : Finance - Comptabilité Diapositive 84
28
De la forme canonique à la forme standard
La forme canonique se prête aisément à une résolution graphique tandis
Recher che Opér at ionnelle
que la forme standard permet une résolution matricielle. Il est toujours possible de
passer d’une forme canonique à une forme standard en écrivant les inéquations de
contraintes en équations ; on introduit des variables d’écart ei. Autant de variables
d’écart que d’inéquations de contraintes.
n n
∑a ∑a
ll e
∀i = 1,2, L , m ij x j ≤ bi , bi ≥ 0 ⇔ ij x j + ei = bi , ei ≥ 0
nne + + + +
j =1 j =1
Fonction objectif
= + + i o
max z c1 x1 c2 x2 atL cn xn 0e1 0e2 L 0em
+
ér
OApx + Ime = b
e
a x + a x h +L + a x + e 0 L
rc
0 = b
Contraintes
a x h+e
11 1 12 2 1n n 1 1
c a x +L + a x
RMe M +L M M O O 0 M
21 1 0 +e O M = b
22 2 2n n 2 2
Ax
am1x1 + am2 x2 +L + amn xn 0 L 0 + em = bm
t
c x
max z = max z = t ~ c~
x
0 e ~~
x Ax = b
(A I m ) e = b sce ~
l x ≥0
e l
nn
t io
sc
x ≥ 0
ér a
e 0 où ~ Op ~ c ~ x
h eA = (A | I m ) c = 0 x = e ≥ 0
c
her
ec
~
On a méquations.R Généralement Rles mvecteurs colonnes de A
sont linéairement indépendants
Variables d’écart
Nombre de variables = m + nvariables
Variables de décision
Prof. : Amale LAHLOU Semestre S 5 / Option : Finance - Comptabilité Diapositive 86
Fondements Mathématiques ~
ααensemble des indices de colonnes de A : β ⊂ α avec | β |= m
Recher che Opér at ionnelle
n e
on
Comme I m est inversible, on a une solution de base admissible initiale (
max z = c Oxp + c x
e
he x = b
max z = cx + 0 e N N B B
max z = c x + c x
sc r c( N | I )
N N B B
x
sc ( A | I ) = b
e
N
h sc Nx + x = b
c
N B
e x
D’où, x = b − NxRe⇔ x
B
B N
=b − N x Bi i i N
29
Définitions
Recher che Opér at ionnelle
Solution admissible :
ll e
Solution de base admissible :
i onne
t
solution admissible et qui est positive
ér a
Solution optimale : Op
e
er ch qui maximise la fonction objectif ;
h
solution de base admissible
Rec
Solution de base dégénérée :
Exercice 6 :
Recher che Opér at ionnelle
le dans A
3 lheures
et de e
nne
pour P2 : de 4 heures dans l'atelier A 1 2
ra t io A
Le temps de disponibilité hebdomadaire de l'atelier 1 est de 160
O
heures et celui de l'atelier A 2 pé heures.
de 180
he dhspour une pièce P
er c
La marge bénéficiaire est de 1200 1 et 1000 dhs
pour une pièce P2. ch
Re
Problème : Quelle production de chaque type doit-on fabriquer
pour maximiser la marge hebdomadaire ?
t
6
ér ax , e , e
6 x + 3 x2 ≤ 180 x1 2 2
= 180
1
p
x , ≥ 0
O
x , x ≥ 0 1 2 1 2
1 2
he standardest la suivante :
er c
D’où l’écriture matricielle de la forme
h
x1
c
Re de ces variables
x2
( max z = 1200 1000 0 0 )
Signification économique
e1
e 2
d’écart : sc
x1
Il s'agit de la capacité horaire disponible et 3 4 1 0
x2
= 160
6 3 0
1 e 180
non utilisée dans chacun des ateliers A1 et A2 1
e
2
x 1 , x 2 , e1 , e 2 ≥ 0
30
max z = 1200 x1 + 1000 x 2 + 0 e1 + 0 e2
Tableau initial Second membre des sc
contraintes
Variables Hors Base + 4 x2 + e1 +0 = 160
3 x1
Recher che Opér at ionnelle
x1 x2 e1 e2
B
Déterminons une solution de base
e1 3 4 1 0 160 admissible initiale :
On attribue une valeur nulle à la
ll e
e2 6 3 0 1 180
nne
marge globale : les variables Hors
Base (HB) sont nulles x1=0 et x2 =0,
-z 1200
t i o 1000 0 0 0
c’est la solution de base admissible
ér a on fabrique 0 pièces P
coefficients Coefficients de la valeur de la de départ
Op
fonction économique
des contraintes
et 0 fonction économique
1
r c est :
2
h0,e160,
La solution de base admissible initiale Les valeurs des variables dans la
e c
( x , x , e , e ) = (0, 180)
Rla valeur de – . Donc la
1 2
Base (B) sont données par :
1 2
La dernière cellule donne z e = 160 − 3 x − 4 x = 160 1 1 2
x1 x2 e1 e2 C R
Déterminons une autre e1 3 4 1 0 160 160/3
solution de base e2 6 3 0 1 180 180/6
Recher che Opér at ionnelle
admissible
-z 1200 1000 0 0 0
La solution de base admissible initiale est ( x1,x2 ,e1,e 2)=(0,0,160,180) avec z = 0
La dernière ligne donne les valeurs marginales ou taux de substitution :
Si x1 = 1, x2 = 0, e1 = 160, e2 =180 alors, z = 1200 dhs
une augmentation de 1 unité de x1 ferait croître la fonction objectif de 1200 dhs,
le
nel
Si x1 = 0, x2 = 1, e1 = 160, e2 =180alors, z = 1000 dhs
o n
une augmentation de 1 unité de x2 ferait croître la fonction objectif de 1000 dhs.
at i le plus
On a intérêt à augmenter la valeur de la fonction objectif
ércoefficient
rapidement possible
x p
donc à augmenter la variable ayant le plus grand strictement positif (cas
de maximisation) de la dernière ligne : O variable entrante dans la base
he
1
h 180 160
ec
1 1 1 1 1
6 x + e = 180 e = 180
⇒ − 6 x ≥ 0 ⇒ x ≤ 180 6 ⇒ x mi 6 , 3 ⇒ 0 ≤ x ≤ 180
Rx ≥ 0
1
1 2 2
n 1
1 1
x , e , e ≥ 0 x ≥ 0 x ≥ 0 6
1 1 2 1 1 1
6 x1 + 3 x 2 + e2 = 180 ⇒ x1 = 30
z = 36000 dhs, en effet :
z = 120 x1 + 100 x2 = 120 × 30 = 3600
0 0 0 0
Prof. : Amale LAHLOU Semestre S 5 / Option : Finance - Comptabilité Diapositive 92
Critère de sélection
Recher che Opér at ionnelle
on exprime la fonction objectif en fonction des On effectue le rapport des seconds membres
seules variables hors base et on choisit la variable des contraintes aux coefficients strictement
pondérée par le cœfficient strictement positif le positifs correspondants de la variable entrante
plus élevé : on sélectionne la variable HB ayant le : on sélectionne la variable de la base ayant le
plus grand coefficient strictement positif dans la plus petit rapport positif dans la colonne R
dernière ligne
e
Le rapport des coefficients de la colonne C par les
n n ell Règle
o Les coefficients
at i pivot
coefficients strictement positifs de la colonne de la
Le pivot doit être égal à 1
r
variable entrante dans la base ( x 1) de la ligne du
é
Op
sont divisés par le pivot
Le pivot est égal à 6
Ligne de pivot
e2 sortant dans la base
he R
Les coefficients de la colonne
e rcC
du pivot (sauf le pivot)sont nuls
e
e
HBx x
h
B 11 2 1 2
Les autres coefficients sont
11 c
e 1 30
61
4
5/2
3 R
00
e 0
- 1/2
1
160
70
180
160/3
180/6
obtenus par la règle du rectangle
e 2 1/2 1/6 30 pivot Lpivot
-z 1200
0 400
1000 00 - 200
0 - 36000
0 ××
x1 entrant de la base ÷÷
Colonne de pivot
−−
Cpivot Av
Nv: nouvelle valeur Av : ancienne valeur
Nv ==Av −−(Cpivot÷÷Pivot) ×× Lpivot
Cpivot: colonne pivot Lpivot: ligne ivot
Prof. : Amale LAHLOU Semestre S 5 / Option : Finance - Comptabilité Diapositive 93
31
HB
B x1 x2 e1 e2 C R Les variables hors base sont nulles :
x2 = 0, e 2 = 0
e1 3 4 1 0 160 160/3
on fabrique 0 pièces P 2 et il reste
e2 6 3 0 1 180 30
Recher che Opér at ionnelle
0 h d'utilisation disponible à A 2
-z 1200 1000 0 0 0
Tableau 1 La contrainte associée à e 2 est
HB
B x1 x2 e1 e2 C saturée.
e1 0 5/2 1 - 1/2 70 La nouvelle solution de base réalisable
1 1/2 0 1/6 30
ll e
x1 est : ( x1, x2 , e1, e 2) = (30, 0, 70, 0)
nne
-z 0 400 0 - 200 - 36000 on fabrique 30 P 1 et il reste 70h
t i o d'utilisation disponibles à A 1
e
hmembre de l'équation correspondante de 1unité, ici on
diminue la disponibilité deR
2
1e
e (c-à –d, diminution du second c
h à A2) ferait diminuer la fonction objectif de 200 dhs
On a intérêt a augmenter x2 : x2 variable entrante dans la base
e1 = 70 − 5 2 x 2 ≥ 0 x2 ≤ 28
⇒ ⇒ x2 ≤ 28
x1 = 30 − 1 2 x2 ≥ 0 x2 ≤ 60
e1 est la variable sortante de la base
x1 x2 e1 e2 c R
e1 0 5/2 1 -1/2 70 28 Les variables hors base sont nulles
x1 1 1/2 0 1/2 30 60 (Les contraintes associées sont
saturées) : e 1=0 et e 2=0
Recher che Opér at ionnelle
le
-z 0 0 -160 -120 -47200 on fabrique 16 pièces P 1 et 28
Pour augmenter e 1 d’une unité, il faut :
on nel
pièces de P 2
• diminuer x2 de 2/5
ér aEtt lai marge est égale à 47 200 dhs
Op
• diminuer x1 de (-1/5)
he
La variation correspondante de la fonction économique : -(-1/5) 1200-(2/5) 1000 = -160
• diminuer x de (-1/5)Re
c
Pour augmenter e d’une unité,
2
2
• diminuer x1 de 4/15
La variation correspondante de la fonction économique :
-(4/15) 1200-(-1/5) 1000 = -120
D’où, augmenter e 2 d’une unité diminuerait la fonction objectif de 120 dhs
On retrouve ainsi la solution optimale de la résolution graphique.
A = (0,0) et z = 0 dhs
e
nn ell B = (30,0) et z =36 000 dhs
o
at i
60
h
30
c
Re
20
A 10 20 30 40 50 60
32
Critères d'arrêt des itérations de la méthode du simplexe
lors de la résolution d’un problème de maximisation
Recher che Opér at ionnelle
Si tous les coefficients de la dernière ligne, relatifs aux variables HB, sont négatifs ou
nuls, l’algorithme s’arrête et la solution trouvée est optimale.
x1 x2 e1 e2 c
x2 0 1 2 -1 20
ll e
x1 1 0 -1 2,5 6
nne
-z 0 0 -160 -80 -40
t i o
S'il existe une variable HB (non artificielle) ayant un coefficient positif dans la dernière
ér a
ligne et telle que tous les coefficients correspondants dans le tableau soient nuls ou négatifs,
alors la solution est infinie
Op
x1 x2 e1 e2 c
e
ch
e1 0 -2 1 -1 20
h e
x1
r 1 0 0 2,5 3
Rec
-z 0 16 0 -3 -32
Si, à la fin des itérations, une variable est HB avec un coefficient nul dans la dernière
ligne, alors on a une arête (plan …) optimale. Les autres sommets solutions sont obtenus en
faisant rentrer cette variable dans la base. x1 x2 e1 e2 c
x2 0 1 2/5 -1/5 28
x1 1 0 -1/5 4/15 16
-z 0 0 0 -120 -47200
le
nel
Si un second membre est négatif
2 x1 − 4 x 2 + 3 x 3 ≥ −5
o n
− 2 x + 4 xat−i3 x ≤ 5
Exemple :
ér
On multiplie la contrainte par (-1) :
O≥p
1 2 3
Si au moins une contrainte est de type
+ − ≥
he
er cet une variable artificielle :
Exemple : x 1 2 x 2 4 x 6
3
h
On rajoute une variable d’écart x + 2x − 4 x3 − e1 + v1 ≥ 6
c est de type =
1 2
R e
Si au moins une contrainte
Exemple : 3x1 − x2 + 5x3 = 8
On rajoute une variable artificielle : 3x1 − x2 + 5 x3 + v1 = 8
N.B. : l’algorithme doit, tout d’abord, permettre de mettre hors base chaque variable artificielle
afin qu’elle soit nulle lorsqu’on atteindra la solution optimale(phase I du simplexe), sinon le
problème n’aura aucune solution. Puis on passe à la phase II du simplexe.
n n
e1 1 2 5 1 0 0 3
z augmente de 3×1 3 = 9
io
r at
e2 3 1 3 0 1 0 10
Si x2 est entrante, alors e est sortante et
3
é
8× 3 e3 2 8 1 0 0 1 8
p
z augmente de =3
D’où on choisit x comme variableO
8 -z 3 3 2 0 0 0 0
e
entrante
deux variables de base ayanteler même et le plus petit rapport positif dans la dernière
Lors de la détermination de la variable
33
Exercice 4
déjà traité par la méthode graphique et par le solveur d’Excel
Recher che Opér at ionnelle
ll e
Brut A B
Essence 0,2
i onne 0,4
t
ér a
Gazole 0,4 0,2
Fuel lourd Op 0,4
0,4
hAeprocure une recette de 140 UM Le
erBcprocure une recette de 150 UM
Le traitement d’une tonne de brut
traitement d’une tonne de h
Redec stockage, la fabrication de chaque produit est
brut
Du fait des contraintes
limitée de la manière suivante: Essence: 1 200 t, Gazole: 1200 t, Fuel
lourd: 1400 t.
Quelles quantités de ces pétroles bruts devra t-on traiter pour maximiser
la recette?
Modélisation mathématique
Variables économiques ou de décision :
Recher che Opér at ionnelle
ér
+ 0 .2 x 2 ≤ 1200 0.4 x + 0.2 x + 0 + e + 0 = 1200
0 .4 x 1
Op
1 2 2
+ 0 .4 x 2 ≤ 1400 + 0.4 x2 + 0 + 0 + e3 = 1400
0 .4 x 1 0.4 x1
he
er c
x1 ≥ 0 , x 2 ≥ 0 x1, x2 , e1 , e2 , e3 ≥ 0
ch
Re
Signification économique de ces variables d’écart :
x1 x2 e1 e2 e3 C
34
Résolution par la méthode de simplexe
Recher che Opér at ionnelle
Tableau int er médiair e
x1 x2 e1 e2 e3 C
e1 0,2
0,5 0,4
1 1
2,5 00 0
0 1200
3000
0,4 0,2 0 1 0 1200
x2 0,3 0 -0,5
e0 1 600
0,4 0,4 nnell 11
0 0 1400
t io
e3 0
0,2 0 -1 200
0 ra 0
-z 140
65 150
0 -375
pé 0 0 0
-450000
O
x he e
x
c e e C
he1r
1 2 1 2 3
Tableau f inal
x2 0
Rec 5 0 - 2,5 2500
x1 1 0 -5 0 5 1000
-z 0 0 - 50 0 - 325 - 515000
BRUT A BRUT B
TOTAL
Rendement Quantit é Rendement Quantit é
le
ne500l
Essence 0.2 200 0.4 1000 1200
Gazole 0.4 400 0.2
i on 900
Fuel lourd 0.4 400 r at
é0.4 1000 1400
Total 1 1000 Op 1 2500 3500
h e
er c
ch effective Production maximum
Re
Brut Production Écart
Essence 1200 1200 0
Gazole 900 1200 300
Fuel lourd 1400 1400 0
Logic
Simp iel
lex e
e
nnell
t io
pér a
O
r che
e
ch
Re
35
Recher che Opér at ionnelle
ll e
i onne
t
ér a
Op
e
er ch
h
Rec
le
onnel
ér at i
Op
he
h er c
c
Re
e
nnell
t io
pér a
O
r che
e
ch
Re
36
Recher che Opér at ionnelle
ll e
i onne
t
ér a
Op
e
er ch
h
Rec
le
onnel
ér at i
Op
he
h er c
c
Re
e
nnell
t io
pér a
O
r che
e
ch
Re
37
Recher che Opér at ionnelle
ll e
i onne
t
ér a
Op
e
er ch
h
Rec
le
onnel
ér at i
Op
he
h er c
c
Re
e
nnell
t io
pér a
O
r che
e
ch
Re
38
Recher che Opér at ionnelle
ll e
i onne
t
ér a
Op
e
er ch
h
Rec
le
onnel
ér at i
Op
he
h er c
c
Re
e
nnell
t io
pér a
O
r che
e
ch
Re
39
Recherche d’un minimum : passage au
programme dual
Recher che Opér at ionnelle
lle classique
nne
contraintes de supériorité n’est pas facile. La méthode
intéressantes
le
m1 1 m2 2
1n 1 2n 2
nel
x 1 , x 2 , L , x n ≥ 0 y 1 , y 2 , L , y m ≥ 0
on
at i
On associe à chacune des contraintes du primal une nouvelle variable yi ( i = 1,…,m )
ér
dite variable duale et c’est une inconnue du programme dual. Celui-ci comporte
Op
autant d’inconnues que le primal a des contraintes ;
he
Le problème de maximisation devient un problème de minimisation ;
er c
La fonction objectif du dual est une fonction linéaire dont les coefficients sont
donnés par les facteurs disponibles
ch bi ( i = 1,…,m) ;
à chaque variable xj ( j = Re
Les inégalités ≤deviennent des inégalités
1,…,n
; ≥
) du primal correspond une contrainte du dual ; ces
contraintes sont obtenues à partir de la matrice transposée des contraintes du
primal ;
le terme constant de la contrainte j étant donné par le cœfficient cj de la fonction
objectif du primal ;
….
Théorème de dualité
A l'optimum , le primal et le dual sont liés par les règles suivantes :
Recher che Opér at ionnelle
Primal Dual
La valeur optimale de la fonction objectif z = La valeur optimale de la fonction objectif w
la i contrainte
ième
he r
correspondante la valeur optimale d‘une variable y >0
ec x
i
saturée
R
la valeur optimale d’une variable >0 la j j contrainte correspondante
ième
est
saturée
40
Passage du tableau final du primal au
tableau final du dual et vice versa
Recher che Opér at ionnelle
Primal Dual
La variable de décision xj en base (xj > 0) La variable d’écart tj hors base ( tj = 0)
ll e
La variable d’écart ei en base (ei > 0)
i onne La variable de décision yi hors base ( yi = 0)
O
he
Ligne en base
x Colonne t hors base Signe opposée
c
j j
Ligne e en base
her Colonne y hors base Signe opposée
c
i i
Une usine fabrique 2 pièces P 1 et P 2 usinées dans deux ateliers A 1 et A 2 . Les temps
d'usinage sont :
pour P1 : de 3 heures dans l'atelier A 1 et de 6 heures dans A 2
l'atelier A
r
de 180 heures. Les marges bénéficiairesaunitaires et
pé
2 1
1000 dhspour P . 2
O
e fabriquer pour maximiser la marge
ch
Quelle production de chaque type doit-on
hebdomadaire ?
h e r
x : quantité de pièces P à c
efabriquer par semaine max z 1200 x 1000 x
= +
x : quantité de pièces PRà fabriquer par semaine
1 1 1 2
2 2 sc
La résolution par Excel donne : + 4 x2 ≤
3 x1 160
En fabriquant chaque semaine 16 pièces de P 1 ( x1 = 6
x1 + 3x2 ≤ 180
16) et 28 pièces de P 2 ( x2 = 28), l’usine réalisera un
x1 , x2 ≥ 0
bénéfice de 47 200 dhs
Prof. : Amale LAHLOU Semestre S 5 / Option : Finance - Comptabilité Diapositive 122
er c A (en dhs)
1 1
y :prix horaire de l’Atelier
min w = 160y1 +180y2
2
h
c :
La résolution par Exceledonne
2
3y1 + 6 y2 ≥ 1200
R
En fixant un tarif horaire de 160 dhs( y = 160) pour
sc 4 y + 3y ≥ 1000
1
1 2
l’Atelier A 1 et de 120 dhs( y2 = 120) pour l’Atelier A 2, y , y ≥ 0
l’usine épuisera toutes les disponibilités horaires 1 2
hebdomadaires des deux Ateliers avec une facture de 47 200 dhs
41
Programme Primal Programme Dual
Recher che Opér at ionnelle
e
ell : écriture en colonne
nnPrimal
t i o
ér a
Op
e y2
er cyh1 max
Dual : écr it ur e en ligne
ch
Re1
x 3 6 ≥ 1200
x2 4 3 ≥ 1000
≤ ≤
min 160 180
Prof. : Amale LAHLOU Semestre S 5 / Option : Finance - Comptabilité Diapositive 124
x , x , e1 , e2 ≥ 0 y1 , y2 ≥ 0
1 2
Tableau final du programme primal
HB Interprétation : A l’optimum,
x1 x2 e1 e2 c
B
x2 0 1 2/5 -1/5 28
La variable de base x1 = 16 donc le taux marginal de
x1 1 0 -1/5 4/15 16
substitution de la variable d’écart t1 est égal à -16 et la
le
valeur de t1 est nulle ( t1 hors base)
nel
-z 0 0 -160 -120 -47200
La variable de base x2 = 28 donc le taux de substitution
Tableau final du programme dual
o n
t ibase)
de la variable d’écart t2 est égal à -28 et la valeur de t2
Le taux p
O
y2 0 1 -4/15 1/5 120
marginal
ch y = 160
1
r
-w 0 0 -16 -28 -47200
e
ch
1
Re
Le taux marginal de substitution de la variable hors base
A l’optimum, on a : e est égal à -120 donc la variable de base y = 120
2 3
z = w = 47200 dhs Les deux contraintes du dual sont saturées, donc les
(x1 , x2) = (16 , 28) deux valeurs optimales du dual sont non nulles, ainsi, les
(y1 , y2) = (160 , 120) contraintes du primal correspondantes sont saturées.
42
Problème de minimisation associé - Problème dual
Recher che Opér at ionnelle
xc h
Re1
0. 2 0.4 0.4 ≥ 140
x2 0.4 0.2 0.4 ≥ 150
≤ ≤ ≤
min 1200 1200 1400
Prof. : Amale LAHLOU Semestre S 5 / Option : Finance - Comptabilité Diapositive 128
sc + + =
0.4 x1 0.4 x2 e3 1400
y , y , y ≥ 0
1 2 3
x1, x2 , e1, e2 , e3 ≥ 0
Tableau final du programme primal Interprétation : A l’optimum,
HB x x2 e1 e2 e3 c
B 1
La variable de base x1 = 1000 donc le taux marginal
n
t io
x1 1 0 -5 0 5 1000
La variable de base x2 = 2500 donc le taux de
ér a
-z 0 0 -50 0 -325 -515000 substitution de la variable d’écart t2 est égal à
he
HB y La variable d’écart de base e2 = 300 (correspondant
y2 y3 t1 t2 c
c
B
à la contrainte non saturée du primal) donc le taux
1
y3 0
e r1,5 1 -5 2,5 325
ch
marginal de substitution de la variable de décision
Re
y1 1 -1 0 5 -5 50
y2 est égal à -300 donc la valeur de y2 est nulle
-w 0 -300 0 -1000 -2500 -515000
Le taux marginal de substitution de la variable
A l’optimum, on a : d’écart hors base e1 est égal à -50 donc la variable
z = w = 515000 dhs de base y1 = 50
Le taux marginal de substitution de la variable
(x1 , x2) = (1000 , 2500) d’écart hors base e3 est égal à -325 donc la
(y1 , y2 , y3) = (50 , 0 , 325) variable de base y3 = 325
43
y1 y2 y3 t1 t2 c
y3 0 1,5 1 -5 2,5 325
y1 1 -1 0 5 -5 50
Recher che Opér at ionnelle
ll e
La variation de revenu est donc: -1200(5) -1400(-5) = 1000
Le coefficient de t 1 dans la fonction économique est bien -1000.
i onne
t
ér a
Pour augmenter d’une unitéla valeur du brut B, il faut
diminuer le prix de l’essence y1 de (-5)
Op
e
ch
diminuer le prix du fuel lourd y3 de (2,5)
La variation de revenu est : -1200(-5) -1400(2,5) = 2500
h er
Rec
Le coefficient de t 2 dans la fonction économique est bien -2500.
Un accroissement d’une unitéde y2 conduit à:
une diminution du prix de l’essence y1 de (-1);
une diminution du prix du fuel lourd y3 de 1,5.
la variation de revenu est: -1200 (-1) + 1200 (1) -1400 (1,5) = 300
Le coefficient de y 2 dans la fonction économique est bien -300.
Prof. : Amale LAHLOU Semestre S 5 / Option : Finance - Comptabilité Diapositive 130
Exercice 7 :
Une usine de confection produit des tee-shirts, des chemises et des pantalons. Elle
comprend quatre ateliers :
Recher che Opér at ionnelle
Atelier A 1 (teinture): 2UTM pour un tee-shirt, 2UTM pour une chemise et 3UTM pour un pantalon
Atelier A 2 (tissage): 1UTM pour un tee-shirt, 3UTM pour une chemise et 4UTM pour un pantalon
Atelier A 3 (couture): 3UTM pour un tee-shirt, 4UTM pour une chemise et 2UTM pour un pantalon
Atelier A 4 (retouches, emballages et envois): 4UTM pour un tee-shirt, 3UTM pour une chemise
et 3UTM pour un pantalon
le
nel
Les capacités de production journalières de ces ateliers sont limitées à 900 UTM dans l’Atelier A 1,
O p
Travail à faire :
ede simplexe. Vous pourrez ainsi répondre aux
Vous formalisez un programme de programmation linéaire et présentez les
r ch
différents tableaux de l’algorithme primal
questions suivantes
h ejournalier
c
Rede combien faudrait-il réduire cette production pour produire 4 tee-
1. Quel est le programme de production optimal? Commentez
2. Si on produit 260 pantalons,
shirts ? Justifiez votre réponse.
3. En partant d’une production journalière de 260 pantalons, a-t-on intérêt à réduire cette production
pour produire une chemise ? Justifiez votre réponse.
4. Quel est le problème dual ? Expliquez sa signification économique. Donnez-en les principaux résultats
en vous contentant d’utiliser les résultats du problème primal.
1 2 3 1 2 3 2
sc 3 x 1 + 4 x 2 + 2 x 3 ≤ 1200 sc 3 x 1 + 4 x 2 + 2 x 3 + e 3 = 1200
4 x + 3 x + 3 x ≤ 910 4 x + 3 x + 3 x + e = 910
1 2 3
1 2 3 4
x 1 , x 2 , x 3 ≥ 0 x 1 , x 2 , x 3 , e 1 , e 2 , e 3 , e 4 ≥ 0
x1 x2 x3 e1 e2 e3 e4 C R
x1 : nombre de tee-shirts àproduire par jour
e1 2 2 3 1 0 0 0 900 900/3
x2 : nombre de chemises àproduire par jour
ell
e3 1 3 4 0 1 0 0 1040 1040/4
t io
e4 4 3 3 0 0 0 1 910 910/3
40 tee-shirts ( x1=40),
ér a
-z 6 7 10 0 0 0 0 0
aucune chemise ( x2=0) et
x1 x2 x3 e1 e2
Op
e3 e4 C R 250 pantalons ( x3 =250)
he
e1 5/4 -1/4 0 1 -3/4 0 0 120 120(4/5)
Le profit rapporté par cette production
x3 1/4 3/4 1 0 1/4
er c 0 0 260 260(4)
est : 2740 UM avec une utilisation
ch
e3 5/2 5/2 0 0 -1/2 1 0 680 680(2/5)
pleine du UTM dans les ateliers A 2 et
Re
e4 13/4 3/4 0 0 -3/4 0 1 130 130(4/13)
A 4, une sous utilisation de 70 UTM
-z 7/2 -1/2 0 0 -5/2 0 0 -2600
dans l’Atelier A 1 et une sous
x1 x2 x3 e1 e2 e3 e4 C
utilisation de 580 UTM dans l’Atelier
e1 0 -7/13 0 1 -6/13 0 -5/13 70
A 3. En effet,
x3 0 9/13 1 0 4/13 0 -1/13 250 900 − (2 ( 40 ) + 2 ( 0 ) + 3 ( 250 ) ) = 70
− (( 40 ) + 3 ( 0 ) + 4 ( 250 ) ) =
e3 0 25/13 0 0 1/13 1 -10/13 580 1040 0
− (3 ( 40 ) + 4 ( 0 ) + 2 ( 250 ) ) =
x1 1 3/13 0 0 -3/13 0 4/13 40
1200 580
-z 0 -17/13 0 0 -22/13 0 -14/13 -2740 910 − (4 ( 40 ) + 3 ( 0 ) + 3 ( 250 ) ) = 0
44
x1 x2 x3 e1 e2 e3 e3 C
i onne
Donc pour produire 4 tee-shirts on doit réduire la production des
t
é a produire rien que
pantalons d’une unité, c’est-à-dire rne 259
Op
pantalons.
e
r
Supposons qu’on produite260
chpantalons. D’après le tableau 2 du
ch
3.
Repas
simplexe, on ne peut produire une chemise car le taux marginal
de substitution du bien chemise est négatif (diminution du profit).
sc + + + ≥
y1: prix horaire dans l’Atelier A 1 3 y1 4 y 2 2 y3 3 y 4 10
y2: prix horaire dans l’Atelier A 2 y1 , y 2 , y 3 , y 4 ≥ 0
y3: prix horaire dans l’Atelier A 3
y4: prix horaire dans l’Atelier A 4
le
Tableau final du programme primal
onnel
Tableau final du programme dual
at i
x1 x2 x3 e1 e2 e3 e4 C y1 y2 y3 y4 t1 t2 t3 C
ér
Op
e1 0 -7/13 0 1 -6/13 0 -5/13 70
y2 6/13 1 -1/13 0 3/13 0 -4/13 22/13
x3 0 9/13 1 0 4/13 0 -1/13 250
he
y4 5/13 0 10/13 1 -4/13 0 1/13 14/13
e3 0 25/13 0 0 1/13 1 -10/13 580
er c
t2 7/13 0 -25/13 0 -3/13 1 -9/13 17/13
x1 1 3/13 0 0 -3/13 0 4/13 40
h
-w -70 0 -580 0 -40 0 -250 -2740
c
-z 0 -17/13 0 0 -22/13 0 -14/13 -2740
Re
w = z = 2740 ,
A l’optimum du dual, on a :
22 14 17
y1 = y 3 = 0, y 2 = , y4 = , t1 = t 3 = 0, t 2 =
13 13 13
Exercice 8 :
Une usine produit des tracteurs, des camions et des voitures. Elle comprend trois
ateliers travaillant dans les conditions suivantes
Recher che Opér at ionnelle
n
On sait que la quantité d’UTM hebdomadaire disponible est de 1040 dans l’Atelier An 1, 1200
dans l’Atelier A 2 et de 900 dans l’Atelier A 3 .
t io
ér a
On sait également que les profits rapportés sont de 100 unités monétaires (UM) pour un
p
O
tracteur, de 120 UM pour un camion et de 60 UM pour une voiture.
Travail à faire :
c he Pour cela vous formalisez un programme de
Quelle est la production hebdomadaireroptimale?
e
ch les différents tableaux de l’algorithme primal du simplexe.
1.
45
La forme canonique du Primal : La forme standard du primal :
max z = 100 x 1 + 120 x 2 + 60 x 3 max z = 100 x1 + 120 x 2 + 60 x 3 + 0 e1 + 0 e 2 + 0 e 3
5 x 1 + 4 x 2 + 4 x 3 ≤ 1040 5 x1 + 4 x 2 + 4 x 3 + e1 = 1040
Recher che Opér at ionnelle
7 x + 10 x + 3 x ≤ 1200 7 x + 10 x + 3 x + e = 1200
sc
1 2 3 1 2 3 2
sc
+ + ≤ + + + =
où 2 x 1 5 x 2 x 3 900 2 x1 5 x 2 x 3 e 3 900
x 1 , x 2 , x 3 ≥ 0 x1 , x 2 , x 3 , e1 , e 2 , e 3 ≥ 0
x1 : nombre de tracteurs àproduire par semaine
1. Le programme de production
x2 : nombre de camions àproduire par semaine
optimal :
ll e
x3 : nombre de voitures àproduire par semaine
nne
aucun tracteur ( x1=0),
x1 x2 x3 e1 e2 e3 C R
o
60 camions ( x2=60) et
t i
e1 5 4 4 1 0 0 1040 1040/4=260
e
-z 100 120 60 0 0 0 0
x1 x2 x3 e1 e2
er ch
e3 C R
utilisation pleine du UTM dans les
ch
e1 11/5 0 14/5 1 -2/5 0 560 560 x 14/5=200
x2
e3
7/10
-3/2
1
0
3/10
-1/2
0
0 Re
1/10
-1/2
0
1
120
300
deux Ateliers moteur et carrosserie
120 x 3/10=400
x1 x2 x3 e1 e2 e3 C
e1 11/5 0 14/5 1 -2/5 0 560
-z 16 0 24 -12 0 0 -14400
sc
y3 : prix horaire dans l’Atelier A + + ≥
3 4 y 1 3 y 2 y 3 60
y 1 , y 2 , y 3 ≥ 0
e
x3 11/14 0 1 5/14 -1/7 0 200 y1 1 0 -5/28 0 3/28 -5/14 60/7
n ell
x2 13/28 1 0 -3/28 1/7 0 60 y2 0 1 4/7 0 -1/7 1/7 60/7
n
t io
e3 -31/28 0 0 5/28 -4/7 1 400 t1 0 0 31/28 1 -13/28 -11/14 20/7
ér a
-z -20/7 0 0 -60/7 -60/7 0 -19200 -w 0 0 -400 0 -60 -200 -19200
A l’optimum du dual, on a : zp
w =O = 19200 ,
he
er c y = y = 7 , y = 0, t = 7 , t = t = 0
60 20
ch
1 2 3 1 2 3
20
Reque le coût imputé au ressource d’un tracteur
5. t = 7 > 0 signifie
1
46
Recher che Opér at ionnelle
Chapitre II :
La théorie des graphes
Recher che Opér at ionnelle
Motivation
1. Éléments de la théorie des 4. Recherche d’un chemin de valeur
graphes optimale entre deux sommets
a.Définitions a. Algorithme de Ford
le
b.Représentations d’un graphe b. Exemples
i. Représentation sagittale 5.
nel
Problème d’ordonnancement
on
at i
ii.Représentation par un
a. Définitions
dictionnaire
ér b. Méthodologie (MPM, PERT)
Op
iii.Représentation par une matrice
iv.Représentation par une matrice c. Représentation graphique
e
r chdes
booléenne
d. Calendrier au plut tôt des
2.
ecircuit
Détermination des niveaux
h taches
c
sommets d’un graphe sans
a.Définition Re e. Calendrier au plus tard
taches
des
e
Pour un arc ( xi,xj) d'origine xi et d'extrémité x
nnell j :
( ∈ Pa( xt )i)o)
le sommet x est un précédent de x , x( ∈
(pé∈r∈S(x( ))))
i j i j
e
j i
X ch
Exemple :
her
X 4
2
c X
Re
6
X 1
X3
X5
X = {x1 ,x 2 ,x 3 ,x 4 , x5 ,x 6}
A={ (x1,x 2), (x1,x3), (x2,x4), (x3,x2), (x3,x4), (x4,x5), (x4,x6), (x5,x6) }
47
Représentation d'un graphe
Recher che Opér at ionnelle
Représentation sagittale : X6
X2
X4
ll e
X1
nne Précédents
X5
i o
at
pér x
Sommets Suivants
X 3
h e
er c x - 1 x2, x3
h
Rec
x x , x 2 1 3 x4
x x 3 1 x2, x4
x4 x2, x 3 x5, x6
x5 x4 x6
x6 x4, x 5 -
x1 x2 x3 x4 x5 x6
x P(x) S(x)
x1 * *
x1 - x2, x3
Sommets origines
x2 *
x2 x1, x3 x4
x3 * *
le
x3 x1 x2, x4
x4 x2, x3 x5, x6
o n
x4
nel * *
t ix
ér a x
x5 x4 x6 5 *
x x ,x O- p
he
6 4 5 6
e(rxc)
Représentation par une matrice booléenne:
c h 0 1 1 0 0 0
Rej ( i )
1 si x ∈ S 0 0 0 1 0 0
mij =
0 si x ∉ S x 0
M =
1 0 1 0 0
j i
la lecture colonne par colonne de cette matrice donne le 0 0 0 0 1 1
dictionnaire des précédents 0 0 0 0 0 1
la lecture ligne par ligne de cette matrice donne le dictionnaire des 0 0 0 0 0 0
suivants
Dans un graphe sans circuit, le niveau d'un sommet x est la longueur du plus long
chemin ayant pour extrémité x
on n
={x 1}
at i x sont barrés
x3 x1
érsommets
x4 x ,x
Tous les
p
2 3
1
O
x5 x 4
e r c
chP(x)
comme n’existants plus
Re-
Sommets x Précédents
x1
N ={sommets de niveau 1}
1
x2 x1, x 3
x3 x1 ={sommets n’ayant pas de précédents}
x4 x2, x 3 ={x 3 }
x5 x4
x6 x4, x 5 Tous les sommets x 3 sont barrés
48
Sommets x Précédents P(x)
N 2 ={sommets de niveau 2}
x1 -
={sommets n’ayant pas de
x2 x1, x 3 précédents}
Recher che Opér at ionnelle
x3 x1 ={x 2 }
x4 x2, x 3
x5 x4 Tous les sommets x 2 sont barrés
x6 x4, x5
Les sommets barrés sont considérés
Sommets x Précédents P(x) comme n’existants plus
ll e
x1 -
N 3 ={sommets de niveau 3}
nne
x2 x1, x 3
={sommets n’ayant pas de
x3 x1
t i o précédents}
ér a
x x ,x
4 2 3
={x 4 }
e
x x ,x
chP(x)
6 4 5 4
Sommets x
e r
Précédents
h x ,x
N ={sommets de niveau 4} 4
x
x
1
2
Rec -
1
={sommets n’ayant pas de
précédents}
3
x 3 x ={x }
1 5
x4 x2, x 3
x5 x4 Tous les sommets x 5 sont barrés
x6 x4, x5
Les sommets barrés sont considérés
comme n’existants plus
x2 x1, x 3
x3 x1 précédents}
x4 x2, x 3 ={x 6 }
x5 x4
x6 x4, x 5 Tous les sommets x 6 sont barrés
le
Sommets x Précédents P(x) Les niveaux sont :
nel
x1 -
on
at i
x2 x1, x 3 N0 = { x 1 }
ér
x3 x1
Op
x4 x2, x 3 N1 = { x 3 }
x5
x h
e x4
er c
x6 x N2 = { x 2 }
h
4, 5
c
Re N3 = { x 4 }
N4 = { x 5 }
Tous les sommets ayant été barrés
N5 = { x 6 }
N0 = { x 1 } N 1 = {x 3 } N2 = { x 2 }
N3 = { x 4 } N 4 = {x 5 } N5 = { x 6 }
t io
graphe ordonné par niveaux
pér a
O
x1 x3
r che x4 x5
h e
c
Re x
x6
2
N0 N1 N2 N3 N4 N5
49
Définitions
Recher che Opér at ionnelle
ll e
nne
Un circuitest un chemin (x 1,...,x n) tel que x 1 = x n
t i o
La longueurdu chemin est le nombre p ér a
Od'arcs qu'il contient
e
e r ch
h A chaque arc (x,y) est associé un
Rec
Dans un graphe sans circuit.
nombre positif V(x,y)appelé la valeur de l'arc
n −1
x2 x4
le
x8
onnel x5
at i
x1
ér x7
x3
Op x6
Chemin hamiltonien: il passe h e
sommet du graphehe
cune et une seule fois par chaque
(xr 1, x 2, x 4, x 3, x 6, x 8, x 7, x 5)
c
x2Re x4 x8
x5
x1
x3 x6 x7
Prof. : Amale LAHLOU Semestre S 5 / Option : Finance - Comptabilité Diapositive 149
ll e
x5
x1
n e
on
x3 x6
ér atxi7
Op
h e
c
r et une seule fois par chaque arc du
Chemin eulérien: il passeeune
graphe x
2 Re
ch x4 x8
(x , x , x , x , x , x , x , x , x , x , x )
1 2 3 4 8 7 4 2 6 7 x55
x1
x3 x6 x7
50
Détermination du nombre de chemins de
longueur p joignant deux sommets
Recher che Opér at ionnelle
nne x
x4
Le graphe ne
Exemple :
o
6
i
x contient pas
t
1
ér a x
des circuits
Op
x 3 5
e
ch
0 0 0 0 0 0
r
0 1 1 0 0 0 0 1 0 2 0 0 0 0 0 1 2 2 0 0 0 0 0 1
e
0 0 0 0 1 3 0 0 0 0 0 0
h
0 0 0 1 0 0 0 0 0 0 1 1 0 0 0 0 0 1 0 0 0 0 0 0
0
0 0 0 0 0 0 0 0 0 0 0
Rec
0 1 0 1 0 0 0 0 0 1 1 1 0 0 0 0 1 2 0 0 0 0 0 0 M6 =
M = M2 = M3 = 0 0 0 0 0 1 M5 =
M 4
= 0 0 0 0 0 0
0 0 0 0 1 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
4 (4 )
Dans M on a : m 16 = 3
Donc, il y a 3chemins de longueur 4conduisant du sommet x 1 au sommet x6 :
(x1,x2,x4,x5,x6), (x1,x3,x4,x5,x6) et (x1,x3,x2,x4,x6)
L'algorithme de Ford
1. On ordonne le graphe par niveaux
2. On fait la représentation du graphe par niveaux
3. On supprime les sommets et les arcs par lesquels on ne peut pas passer pour
le
aller de Dà F
4. En partant du sommet Dde niveau le plus faiblejusqu'au sommet Fde niveau le
onnel
at i
plus fort, on associe à chaque sommet x une marque m(x)correspondant à la valeur
m (pxé
du chemin de valeur maximale aboutissant à x r
m (D ) = 0 O ) = max {m ( y ) + V ( y , x )}
et
he y de x
erlacvaleur du chemin de valeur maximale entre Det F
le max étant pris sur tous les précédents
5. La marque de Fdonnera donc
h
6. Le chemin de valeurR ec
maximaleest obtenu en partant de Fet en regardant quel est
le sommet précédent qui a permis d'obtenir m(F), et ainsi de suite jusqu'à revenir
en D
On ordonne le graphe
on supprime les sommets
par niveaux et on fait
et les arcs par lesquels on
la représentation
Recher che Opér at ionnelle
e
n neF7 ll
t io
3
2
ér a 6
3
4 6
3
p
O5 6
3
r che 9
5 he
1 9
c
8
Re2
1
9 8
4
D
4 5
51
Détermination d'un chemin de valeur
maximale entre les sommets D et F
Recher che Opér at ionnelle
3i on
6
at
6
ér
m (4 ) = 0
O5p
5
m (3 ) = m (4 ) + V (4 , 3 ) = 0 + 5 = 5
h e
m (5 ) = m (4 ) + V (4 , 5 ) = 0 + 2 = 2r c D
1
c he 4 2 5
m(6 ) = max{m(3)+ V (3,6 );R m(e
5)+ V (5,6 )} m (D )= 0
= max{5 + 5 ; 2 + 1}= max{10 ; 3}= 10 m (x ) = max {m (y )+ V (y , x )}
m(7 ) = max{m(3)+ V (3,7 ); m(6)+ V (6,7 )} y ∈ P (x )
= max{5 + 3 ;10 + 6}= max{8 ;16}= 16 Détermination du
chemin de valeur maximale
Les problèmes
d’ordonnancement
Recher che Opér at ionnelle
on
(contraintes de succession). Il est donc nécessaire d'identifier les
at i
opérations prioritaires en fonction de l'objectif à atteindre.
ér
L’objectif est de : Op
he
er c de réalisation du projet compte tenu
«minimiser la durée totale
h
c d’antériorité reliant les différentes
Re
des contraintes
opérations»
De plus on détermine :
les calendriers de réalisation de chacune des tâches
les marges de manœuvre associées
52
Définitions
Recher che Opér at ionnelle
ll e
Tâche non critique : dispose d’une marge de réalisation. Un retard d’exécution dans
nne
certaines limites n’allonge pas la durée du projet.
Pour toute opération, on détermine :
t i o
ér a
La date de début au plus tôt de son exécution : date à laquelle la tâche pourrait
Op
commencer au mieux.
e
La date de début au plus tard de son exécution : date limite maximum à laquelle
projet.
er ch
devrait commencer la tâche pour ne pas remettre en cause la datede fin du
h
Rec
Pour les tâches non critique, on détermine :
la marge totale d’une tâche : durée maximum de retard que l’on peut apporter au
démarrage de son exécution sans modifier la date de début au plus tard des
tâches suivantes.
La marge libre d’une tâche : durée maximum de retard que l’on peut apporter au
démarrage de son exécution sans modifier la date de début au plus tôt des
tâches suivantes.
le
nel
Détermination des tâches immédiatement antérieures à chacune des
tâches
on
ti
ér a
Classement des tâches par niveau d’antériorité
p
O
he
Représentation du graphique du projet par la méthode MPM;
Construction du graphe
Recher che Opér at ionnelle
V(T1,T2) T2
T1
Un sommetcorrespond au début d’une tâche
un arcdéfinit une relation d'antériorité
la valeur de l'arcdéfinit le délai minimum (normal ou exceptionnel) après
lequel peut débuter l’opération suivante
e
Chaque sommet de la représentation
nnell
graphique est figuré par un
t io
rectangle
x = nom de la tâche
pér a Txx T **xx
O
T x = date de début au plus tôtde la tâche
he
x
T * x = date de début au plus tardde la tâche
e r c
Une tâche x ne pouvant ch débuter que lorsque toutes les tâches qui
Re
aboutissent sont terminées.
On rajoute au graphe un sommet terminal permettant de dater la fin des
travaux
La représentation graphique est ordonnée par niveaux des sommets(des
tâches)
Prof. : Amale LAHLOU Semestre S 5 / Option : Finance - Comptabilité Diapositive 159
53
5
T1 T2
Recher che Opér at ionnelle
4
T3 8 T4
La tâche T 2
i onne
ne peut démarrer que 4 heures après le démarrage de T 3
t
ér a
Op l’exécution de la tâche T 3 :
La tâche T 4 ne peut commencer qu’après
e
r ch que 8 heures après le démarrage de T
La tâche T 4 ne peut démarrer
e 3
h
Rec
précédents
Les opérations mises en jeu dans la construction
d'un ensemble hydro-électrique sont : Les contraintes d'antériorité
sont les suivantes :
O1) Construction des voies d'accès
lle (mois)
OpérationsDurée Opérations
O2) Travaux de terrassement
ne prérequises
ion
O1 4 -
t
ér a
O3 ) Construction des bâtiments administratifs O2 6 O1
he
er c
O4 12 -
O5 ) Construction de la centrale
c h O5 10 O2, O3, O4
Re
O6 ) Construction du barrage
O6 24 O2, O3
O7 ) Installation des galeries et conduites
forcées O7 7 O1
O8 10 O5, O7
O8 ) Montage des machines
O9 3 O6,O 8
O9 ) Essais de fonctionnement
nnell
O1 - O1 - O1 -
t io
O2 O1 O2 O1 O2 O1 O2 O1 O2 O1
ér a
O3 - O3 - O3 - O3 - O3 -
O4 - O4 -
Op O4 - O4 - O4 -
he
O5 O2,O 3,O 4 O5 O2,O 3,O 4 O5 O2,O 3,O 4 O5 O2,O 3,O 4 O5 O2,O 3,O 4
O6 O2,O 3 O6
er c O2,O 3 O6 O2,O 3 O6 O2,O 3 O6 O2,O 3
ch
O7 O1 O7 O1 O7 O1 O7 O1 O7 O1
O8
O9
O5,O 7
O6,O 8
Re
O8
O9
O5,O 7
O6,O 8
O8
O9
O5,O 7
O6,O 8
O8
O9
O5,O 7
O6,O 8
O8
O9
O5,O 7
O6,O 8
54
Représentation graphique
opérations durée opérations pré-
(tâches) (mois) requises
O1 4 -
Recher che Opér at ionnelle
O2 6 O1
Niveau 0 Niveau 1 Niveau 2 Niveau 3 Niveau 4 O3 4 -
{O 1 ,O 3 ,O 4} {O 2 ,O 7} {O 5 ,O 6 } {O 8 } {O 9} O4 12 -
O5 10 O2,O 3,O 4
O6 24 O2,O 3
ll e
O7 7 O1
nne
O8 10 O5,O 7
o
O9 3 O6,O 8
t i
ér a
? ? 4 ? ? 6 ? ?
o1 o2 o6
Op
e
ch
4 4 24
6
er
? ?
o3
? ?
o7 Re
ch 7 ?
o8
?
10
? ?
o9
3 ?
F
?
4 10
? ? ? ?
o4 12 o5
TF
he l’ensemble des travaux peut s’achever
= la date au plus tôt à laquelle
h er c V(y1,x
c
T y1
Re ) y1
T xx
x
T y2 )
V(y2,x
y2
e
ell
T8 = Max [T 7 + V(7,8) ; T5 + V(5,8)] = Max[4 + 7 ; 12 + 10]= Max [11 ; 22]= 22
n n
T9 = Max [T 6 + V(6,9) ; T8 + V(8,9)] = Max[10 + 24 ; 22 + 10] = Max [34 ; 32]= 34
t io
TF = T 9 + V(9,F) = 34 + 3 = 37
0
o1
? 4 4 ?
o2
6 10 ?
o6 Op
ér a
he
er c7
4 4 24
6
0 ? 4 ?
ch 22 ? 34 ? 37 ?
o7 Re
3
o3 o8 10 o9 F
4 10
0 ? 12 ?
o4 12 o5
Le chemin de valeur maximale (durée 37 mois) aboutissant à F est : (O 1, O 2, O 6, O 9)
55
Calendrier au plus tard des tâches
Recher che Opér at ionnelle
T * x est la date au plus tard à laquelle peut commencer une tâche sans
remettre en cause la date de fin des travaux
On commence par les sommets de niveau les plus élevés jusqu’aux sommets
ll e
de niveau les plus faibles
i onne
T* F = T F pour le sommet terminal
t
ér a
Op
T* = min [ T* -V(x,y)] x y y
e
er ch x.
le min étant pris sur les suivants yde
h
Rec V(x,y1)
T **y1
y1
T **xx
V( x
x ,y2) T **y2
y2
le
nel
T*2 = Min [T*5 -V(2,5) ; T* 6 -V(2,6)] = Min [14 -6 ; 10 -6]= Min [8 ; 4] =4
n
T*1 = Min [T*2 -V(1,2) ; T* 7 -V(1,7)] = Min [4 -4 ; 17 -4]= Min [0 ; 13]= 0
o
at i
T*3 = Min [T*6 -V(3,6) ; T* 5 -V(3,5)] = Min [10 -4 ; 14 -4]= Min [6 ; 10] =6
10 10 Opé
ér
T*4 = T*5 -V(4,5) = 14 -12 = 2
0 0 4 4 6
oh6e
4
o1 o2
c
h r7
6 e
4 24
c
4
0 6 4 R
17 e 22 24 34 34 3 37 37
o3 o7 o8 10 o9 F
10
4
0 2 12 14
o4 12 o5
x V(x
,y 2)
T y2
y2
56
Marge totale Marges libres
Recher che Opér at ionnelle
mLL(x) = min [T
[T yy- T xx- V(x,y)]
mt (x) = T * x - T x Le min étant pris sur les suivants y de x
mt (O2) = T *
–T 2 = 4 -4 = 0 mL(O2) = Min[T6-T 2 -V(2,6);T5-T 2 -V(2,5)]
ll e
2
= Min[0;2]=0
nne
mt (O3) = T * 3 –T 3 = 6 -0 = 6
mL(O3) = Min[T6-T 3 -V(3,6);T5-T 3 -V(3,5)]
mt (O4) = T * 4 –T 4 = 2 -0 = 2
t i o = Min[6;8]=6
ér a
mt (O5) = T * 5 –T 5 = 14 -12 = 2 mL(O4) = T5 -T 4 -V(4,5) = 0
Op
mL(O5) = T8 -T 5 -V(5,8) = 0
mt (O6) = T * 6 –T 6 = 10 –10 = 0
e
ch
mL(O6) = Ti -T 6 -V(6,9) = 0
mt (O7) = T * 7 –T 7 = 17 -4 = 13
mt (O8) = T * 8 –T 8 = 24 -22 = 2
h er mL(O7) = T8 -T 7 -V(7,8) = 11
Rec
mL(O8) = T9 -T 8 -V(8,9) = 2
mt (O9) = T * 9 –T 9 = 34 -34 = 0
mL(O 9) = TF -T 9 -V(9,F) = 0
le
nel
0 0 4 4 4 6 10 10
24
n
o1 o2 o6
o
at i
4 4
ér
6
0 6 4 17 22 24 34 34 3 37 37
Op
7
o3 o7 o8 10 o9 F
he
er c
4
10
0 2 12 14
o4 12
ch o5
Re
Mét
ho
MPM de
e
nnell
t io
pér a
O
r che
e
ch
Re
57
Exercice 1 :
Recher che Opér at ionnelle
ll e
Tout d’abord, la sociétéréalise une étude d’implantation: étude de marché
nne
sur un certain rayon d’action et choix de la localitéoùsera installéle
i o
commerce.
at
O pér est terminée,
A partir du jour où l’étude d’implantation les tâches
e
suivantes doivent être exécutées.
Travail à faire :
er ch
h
ec niveaux
1. Élaborer la matrice des
2. Représenter cetteRsuccession de tâches par un graphe MPM
3. Déterminer la durée minimale pour que le magasin soit ouvert àla
clientèle
4. Indiquer le chemin critique
5. Préciser àquelles dates au plus tard devront commencer les tâches qui
ne font pas partie du chemin critique.
Prof. : Amale LAHLOU Semestre S 5 / Option : Finance - Comptabilité Diapositive 172
Recher che Opér at ionnelle
ér
Aménagement, plâtrerie-peinture du
F A
Op
magasin
G Réfection 8 A
he
er c
H Équipement de la chambre froide 8 A, F
I
c h
Equipement des rayonnages 5 A, F
J
Implantation
articles) Rduemagasin (disposition des 6 A,B, E, F, G, H, I
Tirage en imprimerie des feuillets
K 6 A, B, D
publicitaires
L Distribution de feuillets publicitaires 2 A, B, D, K
Liste et envoi des invitations pour
M 6 A, B, D
l’inauguration
N Inauguration du magasin 1 Toutes les autres
e
ell
C A, B C
D A, B
nn D
t io
éF r a
E B E
F A
p
O G
he
G A
H A, F
r c H
I A, F
che I
J H, e
A, B, E, F, G, R J
I
K A, B, D K
L A, B, D, K L
M A, B, D M
N Toutes les autres N
58
2- Le graphe MPM (repr ésentation sagittale):
Recher che Opér at ionnelle
ll e
i onne
t
ér a
Op
e
er ch
h
Rec
3- La dur ée de r éalisation du projet :
Le magasin peut être ouvert dans 85 jours au minimum. Cette
durée représente la durée totale du projet.
4- Le chemin critique : (A, F, H, J, N)
Prof. : Amale LAHLOU Semestre S 5 / Option : Finance - Comptabilité Diapositive 175
Exercice 2 :
Recher che Opér at ionnelle
Durée Opérations
tâches Nature de la tâche
(mois) pré-requises
a Terrassement, assainissement 3 -
2e
ell
b Recrutement d’une équipe de sécurité -
nn
c Commande des machines
t io 4 -
p ér a
d O
Construction du bâtiment administratif 2 a
r che
e
Construction deshateliers
e
c 1 a
Re
f Formation de l’équipe de sécurité 3 b
59
1- La matrice des niveaux :
Recher che Opér at ionnelle
g d g
h e,c,f h
0 1 3 5 5 7
e,1 Fin
3 4 9 9
Début
0 0
le
0 0 2 2 5 5
onnel
i
c,4
t
ér a
0 1
er ch 1
a
ch 0
Re
b 0 0
c 1 1
d 2 0
e 1 1
f 0 0
g 2 2
h 0 0
60