Recherche Opérationnelle: Introduction, Modélisation Et Résolution Graphique

Recherche Opérationnelle: Introduction, modélisation et résolution
graphique
Cours réalisé par: Pr M. OUDMANE

Email: m.oudmane@encgcasa.ma
Année universitaire: 2021/2022
-Recherche Opérationnelle- Cr M.OUDMANE

Plan:
I Introduction
II Modélisation
III Résolution graphique d’un PL
-Analyse des données- PR M.OUDMANE

Définition:
La Recherche Opérationnelle est une collection de techniques, issues du champ des mathématiques appliquées,
destinées à représenter des situations où un ou plusieurs acteurs ont un certain nombre de choix à effectuer, et à
guider ces acteurs dans leur décision de façon à ce qu'ils satisfassent au mieux un ou plusieurs critères tout en
respectant un ensemble de contraintes prédéfinies »
Moisdon et Nakhla. « Recherche opérationnelle: Méthode d’optimisation en gestion »
Elle fournit des outils pour rationaliser, simuler et

optimiser le fonctionnement des systèmes industriels et
économiques
La recherche opérationnelle
Elle propose des modèles pour analyser des situations

complexes et permet aux décideurs de faire des choix
efficaces et robustes.

La recherche opérationnelle: Une discipline carrefour
• L’élaboration du schéma d’intervention (ou • Le traitement algorithmique du modèle, après

modèle) utilise les ressources conjuguées que la mathématique ait permis de choisir
de l’analyse économique et de la théorie une voie (le plus souvent un algorithme) pour
des systèmes; elle a besoin aussi de atteindre une bonne solution (voire
données à collecter puis à saisir, justiciables l’optimum, s’il est bien défini et accessible),
de méthodes statistiques. entraîne un recours à l’informatique.
La recherche opérationnelle apparaît comme une discipline-carrefour, associant étroitement

les méthodes et les résultats de l’économie d’entreprise, les mathématiques et
l’informatique.

La recherche opérationnelle:
• n’est pas une science pour des chercheurs purs, car elle est axée sur la pratique
• est purement quantitative et utilisera donc des techniques quantitatives
• repose sur la construction de modèles n’est pas une science exigeant des qualités de leadership
• est une aide pour la préparation de décisions
• se situe dans un environnement complexe
• est multidisciplinaire et repose sur un travail d’´équipe est performante lorsque la situation est
complexe.
Domaines d’application:
Plus récemment, la RO a été utilisée pour:

• Depuis une dizaine d'années, le champ d'application de
la RO s'est élargi à des domaines comme :
La gestion
des
L’économie systèmes de
santé
D’autres La gestion
La domaines Domaines des
Domaines d’intérêt d’application systèmes
planification d’application La finance
d’entreprise public d’éducation
la résolution
des
Le problèmes
marketing environnem
entaux

Démarche globale de la RO:
• En résumé, la méthodologie de la recherche opérationnelle suit en général le schéma suivant
– Les étapes les plus importantes sont la définition du

problème (suppose un dialogue avec le décideur) et la
construction du modèle (prendre conscience des hypothèses
simplificatrices et de leur impact).
➔ La phase de validation doit permettre de remettre en cause la

validité du modèle.
➔ Une approche globale nécessite donc un aller-retour constant
entre le modèle et les attentes du décideur

Modélisation et optimisation :
• Les problèmes d'organisation rencontrés dans une entreprise ne sont pas mathématiques dans leur nature.
Mais les mathématiques peuvent permettre de résoudre ces problèmes.
• Pour cela, il faut traduire le problème dans un cadre mathématique, cadre dans lequel les techniques de la
recherche opérationnelle pourront s'appliquer. Cette traduction est le modèle du problème, ou ce qu’on
appelle « la modélisation ».
Définition: Un modèle mathématique est une traduction de la réalité pour pouvoir lui appliquer les outils, les
techniques et les théories mathématiques, puis généralement, en sens inverse, la traduction des résultats
mathématiques obtenus en prédictions ou opérations dans le monde réel.

Modélisation et Optimisation :
La résolution d'un problème dépend crucialement du modèle choisi.

→ Pour un même problème, différentes modélisations sont possibles et il n'est pas rare que le problème semble
insoluble dans une modélisation et trivial dans une autre.
→ D'autre part, tous les éléments d'un problème ne doivent pas être modélisés
Exemple: lorsqu'on souhaite planifier une tournée, la couleur du véhicule n'a pas d'intérêt. Le statut du
conducteur, la nature du véhicule ou du produit transporté peuvent, eux, en avoir, et seule une
compréhension de l'objectif de l'optimisation de la tournée peut permettre de trancher.
Une des vrais difficultés de départ est de savoir quels éléments doivent être modélisés et Comment Procéder ?
quels sont ceux qui n'ont pas besoin de l'être
Modélisation et Optimisation:
Ce qui est demandé au chercheur opérationnel, c'est de proposer une meilleure utilisation des ressources, voire une
utilisation optimale.
Les bonnes questions à se poser, face à un problème du type Recherche Opérationnelle, sont les suivantes :
→1: Quelles sont les variables de décision ? C'est-à-dire quels sont les éléments de mon modèle que j'ai le droit de
faire varier pour proposer d'autres solutions ?
→ 2: Quelles sont les contraintes ? Une fois identifiées les variables de décision, quelles sont les valeurs autorisées
pour ces variables ?
→3: Quel est l'objectif ou le critère ? Par exemple: Quelle est la quantité que l'on veut maximiser ou minimiser ?
Une fois le modèle écrit, le chercheur opérationnel va proposer un algorithme de résolution qui
tiendra compte de l'objectif qui lui a été fixé.

A retenir:
• La recherche opérationnelle c’est faire le mieux

• coût min, meilleur profit, plus courte distance, le plus rapide chemin. . .
• Avec les ressources disponibles
• temps machine, postes de travail, mémoire, ressource homme, matière première,
camions. . .

La programmation linéaire

Introduction:
• La programmation linéaire est l’une des plus importantes techniques d’optimisation utilisées en recherche
opérationnelle. Ceci est dû à la facilité de la modélisation, à l’efficacité des algorithmes développés et à
l’existence sur le marché de nombreux logiciels.
L’objectif de programmation linéaire est de déterminer l’affectation optimale de ressources rares entre des
activités ou produits concurrents. Les situations économiques demandent souvent qu’on optimise une
fonction sous plusieurs contraintes prenant la forme d’inégalités.

Définitions: La programmation linéaire :
Définition 1: La programmation linéaire peut se définir comme une technique mathématique permettant de
résoudre des problèmes de gestion et particulièrement ceux où le gestionnaire doit déterminer, face à
différentes possibilités, l’utilisation optimale des ressources de l’entreprise pour atteindre un objectif spécifique
comme la maximisation des bénéfices ou la minimisation des coûts
Exemple: La main-d’œuvre, les matières premières, les capitaux, ... qui sont disponibles en quantité limitée et
qu’on veut répartir d’une façon optimale entre un certain nombre de processus de fabrication
L’approche pour résoudre ce type de problèmes sera divisée en deux étapes principales :
➔ a) La modélisation du problème sous forme d’équations ou d’inéquations linéaires qui permettra ainsi
de bien identifier et structurer les contraintes que doivent respecter les variables du modèle ; de plus, on doit
définir l’apport de chaque variable à l’atteinte de l’objectif poursuivi par l’entreprise, ce qui se traduira par
une fonction à optimiser.
➔b) La détermination de l’optimum mathématique à l’aide de certaines techniques propres à la
programmation linéaire.

Formulation du modèle de programmation linéaire:
• La formulation du modèle de programmation linéaire est l’étape la plus délicate de la résolution d’un problème.
Elle nécessite un effort de conception qui doit aboutir à la détermination de trois éléments :
→ 1.Identifier les variables de décision : Identifier les variables du problème à valeur non connues (variable de
décision) et les représenter sous forme symbolique (exp. x1, y1 ).
→ 2. Identifier les Contraintes : Identifier les restrictions (les contraintes) du problème et les exprimer par un
système d’équations linéaires.
→ 3. Identifier la Fonction objectif (économique) : Identifier l’objectif ou le critère de sélection et le représenter
sous une forme linéaire en fonction des variables de décision. Spécifier si le critère de sélection est à maximiser ou
à minimiser.

Formulation d’un Modèle de PL:

Exemple
Fonction objectif
Contrainte 1
Sous
contrainte
Contrainte 2
Contrainte 3
Contraintes de non
négativité

Les conditionnement de la formulation d’une programmation linéaire :
• La programmation linéaire comme étant un modèle admet des hypothèses (des conditions) que le décideur doit
valider avant de pouvoir les utiliser pour modéliser son problème. Ces hypothèses sont :
→1. Les variables de décision du problème sont positives ( contrainte de positivité)

→2. Le critère de sélection de la meilleure décision est décrit par une fonction linéaire de ces variables. La
fonction qui représente le critère de sélection est dite fonction objectif (ou fonction économique).
→3. Les restrictions relatives aux variables de décision (exemple: limitations des ressources) peuvent être
exprimées par un ensemble d’équations linéaires. Ces équations forment l’ensemble des contraintes.
→4. Les paramètres du problème en dehors des variables de décisions ont une valeur connue avec certitude

Application 1 : Formulation d’un PL de Maximisation
Énoncé:
• Une entreprise fabrique deux produits A et B, en utilisant une machine m et deux matières premières p et q.
On dispose chaque jour de 8 heures de m, de 10 kg de p et de 36 kg de q.
• On suppose que :
— la production d’une unité de A nécessite 2 kg de p et 9 kg de q, et utilise la machine m durant 1 heure ;
— la production d’une unité de B nécessite 2 kg de p et 4 kg de q, et utilise la machine m durant 2 heure ;
— les profits réalisés sont de 50 dh par unité de A et 60 dh par unité de B.
L’objectif que poursuit l’entreprise est de maximiser le profit qu’elle pourra tirer, par jour, de ces 2 produits en
utilisant au mieux ses ressources.

• Le tableau suivant résume les données afférentes à ce problème de production :
Modélisation du
II III
Identification Identification Identification
problème I des variables
de décision
des
contraintes
de la fonction
objectif

→ Identification des variables de décision
Quelles sont les informations dont doit disposer le gérant de l’entreprise pour Maximiser son profit?
• Il suffit de connaître la quantité du produit A et la quantité du produit B à fabriquer quotidiennement

• Nous notons donc : x1 = la quantité du produit A à produire x2 = la quantité du produit B à produire
→Les variables x1 et x2 sont dites variables de décision.

Application: Formulation d’un PL de Maximisation
→Identification de la fonction objectif
Quel profit l’entreprise retirera-t-elle de la vente de ces deux produits ? Il s’agit d’additionner les bénéfices à tirer
de chacun des 2 produits :
— pour le produit A, elle retire 50 dh par unité et en fabrique x1 unités ; cette production lui rapporte donc un
profit de (50 x1) dh
— de même, la quantité x2 du produit B lui permet de faire un profit de (60 x2) dh. Le profit total à tirer des
deux produits s’élève donc à : (50 x1 + 60 x2) dh
• Nous dénoterons ce profit total par z : z = 50 x1 + 60 x2
• Nous cherchons évidemment à rendre z aussi grand que possible en donnant à x1 et x2 des valeurs
appropriées
→Cette fonction z, qui traduit l’objectif de notre problème, s’appelle fonction objectif ou fonction
économique. Et, comme nous cherchons à rendre z aussi grand que possible, nous écrivons :
Max z = 50 x1 + 60 x

→ Identification des contraintes
→Contrainte relative à la machine m : Le temps d’utilisation de la machine m pour fabriquer les produits A et
B ne peut excéder les 8 heures disponibles :
→Contraintes relatives aux matières premières:
→Contrainte de non négativité (positivité): Elles assurent que la solution ne comporte pas des valeurs
négatives (inacceptables).

• Le modèle s’écrit donc sous la forme suivante

Application 2: Formulation d’un PL de Minimisation
Énoncé:
Un agriculteur souhaite que son troupeau consomme la plus faible ration quotidienne de trois éléments nutritifs A,
B et C.
Les exigences quotidiennes sont de 16 pour A, 12 pour B et 18 pour C. L’agriculteur achète deux types d’aliments
P et Q :
— une unité de P comprend 2 unités de A, 1 unité de B et 1 unité de C ; et elle coûte 20 dh ;
— une unité de Q comprend 1 unité de A, 1 unité de B et 3 unités de C ; et elle coûte 40 dh.
L’agriculteur cherche la combinaison la moins coûteuse des quantités de P et Q qui respectera l’exigence de
consommation minimale d’éléments nutritifs pour son troupeau .

• Le tableau suivant résume les données afférentes à ce problème :

• Appelons x1 et x2 les quantités des aliments P et Q qu’il faut acheter. L’objectif de l’agriculteur est
évidemment de minimiser le coût total des aliments qu’il faut acheter.
• Mathématiquement cela s’écrit :

• Chacun des 3 éléments nutritifs à considérer donne lieu à une contrainte:
• Enfin, il faut pas oublier qu’on peut pas acheter des quantités négatives de P ou Q


Résolution d’un PL: La méthode graphique

Introduction :
• La résolution graphique d'un problème linéaire consiste à tracer la droite qui sépare les demi-plans pour chaque
contrainte tout en conservant le demi-plan acceptable, c'est-à dire le demi-plan des solutions réalisables pour la
contrainte. L'intersection des différents demi-plans de toutes les contraintes sans oublier les contraintes de
positivité forme le polygone des solutions, appelé aussi "région des solutions admissibles« ou
« domaine réalisable »
• Cette méthode n'est applicable que dans le cas où il n'y a que deux variables.
→Son avantage est de pouvoir comprendre ce que fait la méthode générale du Simplexe, sans entrer dans la
technique purement mathématique.
1 ère Méthode: les droites

parallèles
Résolution du PL Par la
méthode graphique
2 -ème Méthode: Méthode de
recensement des sommets

Définitions
Domaine réalisable : Ensemble de tous les jeux de valeurs des variables de décision satisfaisant
toutes les contraintes et restrictions de signe du PL (ensemble des solutions réalisables ou solutions
admissibles).
Solution réalisable : On appelle solution réalisable toute solution vérifie les contraintes du PL (y compris
les contraintes de positivité).
Solution optimale : Solution réalisable qui optimise (max ou min) la fonction ´économique.
Elle peut être Unique → sommet du domaine réalisable,

Multiple → côte du domaine réalisable,
Infinie (contraintes manquantes ?),
Impossible (contraintes incompatibles !).
LA Méthode des droites parallèles: Les principale étapes pour la résolution graphique du PL
Représentation
des lignes de Représentation
Détermination
contraintes et graphique de la
I- l’ensemble des II- fonction III- de la solution
solutions optimale
objectif
réalisables

Exemple:
Enoncé:
Une compagnie XYZ est spécialisée dans la production de deux types de produits: Des climatiseurs et des
ventilateurs. Les deux produits nécessitent un certain nombre d’heures de main d’œuvre. Le tableau suivant
donne l’information nécessaire sur les deux produits
La compagnie veut décider du nombre de climatiseurs et ventilateurs à produire pour maximiser sont profit:
climatiseurs Ventilateurs Disponibilité

Heures machines 2H/ Unité 2H/ unité 240
Main d’ œuvre 3H/ unité 1h/ unité 140
Profit 25 Euro 15 Euro
Le programme linéaire peut s’écrire comme suit :

I-Représentation des lignes de contraintes et l’ensemble des solutions réalisables
Rappel de la géométrie:
Chacune des équations aix1 + bix2 = ci définit une droite qui partage le plan en deux demi-plans P1 et P2
d’équation
Chaque contrainte détermine l’un des deux demi-plans (P1) ou (P2) que l’on trouvera en vérifiant si un
point particulier (l’origine (0, 0) par exemple) est contenu dedans ou non

Pour l’équation : 2x1+2X2= 240

Si X1=0 => X2= 120, le premier point est ( X1,X2)= ( 0, 120)
Méthode
• Le programme possède deux contraintes plus la contrainte
de positivité. On commence à tracer chaque contrainte
séparément 140
• On prend la première contrainte du système et on remplace 120
l'inégalité par une égalité sans l'ajout de variable d'écart,
100
(cette façon de faire est applicable seulement pour la
80
résolution graphique). 2x1+2X2= 240
• L'équation résultante correspond à une droite. Pour tracer 60
une droite, il faudrait déterminer deux points, ce qui donne 40 2X1+2X2=240

pour la première contrainte notre exemple 20
0
0 20 40 60 80 100 120 140

Ainsi, on applique le même principe pour toutes les contraintes du système :
Pour l’équation : 3x1+X2= 140

Si X2=0 => X1= 140/3, le premier point est ( X1,X2)= ( 140/3, 0)
160
140
120
100
80
Région
60
2X1+2X2=240 réalisable
40 ( Polyèdre)
3X1+X2=140
20
0
0 20 40 60 80 100 120 140
Le domaine Hachuré représente le domaine du plan formé par
l’ensemble des points vérifiant toutes les contraintes ( l’ensemble
des solutions réalisables)

II-Représentation graphique de la fonction objectif
• la fonction Z = 25 X1 +15X2 représente pour Z fixé l’équation des courbes de niveau ( de droites de pente -5/3 )
.Maximiser Z revient à déplacer la courbe de niveau le plus loin possible de l’origine puisque les coefficients
X1 et X2 sont positifs.
• Les limites imposées sur X1 et X2 étant données et représentées graphiquement par le domaine des solutions
réalisations. Donc pour maximiser Z, on cherchera la plus haute courbe qui a une intersection non vide avec le
domaines des solutions réalisables. Dans notre Cas c’est le point B sur le graphique

III-Calcul de la solution optimale
Graphiquement, on a localisé la solution optimale, Celle-

ci correspond au point d’intersection B
2x1+2X2= 240
3x1+X2=140
Donc la solution optimale est X1=10; X2= 110 ;

Z*=1900

LA Méthode de recensement des sommets : Les principale étapes pour la résolution graphique
du PL
Calculer la valeur
Représentation Localiser toutes de la fonction
des lignes de les solutions de objectif en
contraintes et base ( les points chacun de ces
I- l’ensemble des II- III-
d’intérsection points et
solutions des droites des sélectionner la
réalisables contraintes) solution
optimale

LA Méthode de recensement des sommets : Les principale étapes pour la résolution graphique
du PL
O (0,0) Z=0
A ( 0,120) Z=1800
B( 10,110) Z=1900
A B C (140/3,0) Z=3500/3
La solution optimale est donnée par

le point B
O
C

Résolution graphique d’un programme linéaire de Minimisation
• Énoncé:
Une entreprise a besoin de trois matières premières A, B et C pour fabriquer un produit. Il lui faut au
moins 14 kg de A, 12 kg de B et 18 kg de C. Elle ne peut acheter que les mélanges X et Y .
Le produit X contient 2 kg de A, 1 kg de B et 1 kg de C.
Le produit Y contient 1 kg de A, 1 kg de B et 3 kg de C.
Le produit X coûte 20 dh et Y coûte 40 dh.
Par ailleurs elle ne peut pas acheter plus de 14 kg de X et 16 kg de Y
La question qui se pose est la suivante : "Quelle quantité de X et Y doit-on acheter pour répondre aux
besoins de l’entreprise au moindre coût ?"


• La technique de résolution graphique reste la même, mais, puisqu’il s’agit de la recherche d’un
minimum, la droite la plus proche de l’origine et qui reste en contact avec la région réalisable, fournit
le minimum.

Méthode de recensement des sommets;
Le sommet B=(9,3) constitue le point où s’obtient la solution

optimale recherchée. Le coût au point B est inférieur à celui qui
correspond à tous les autres sommets de la région réalisable.
On confirme ce résultat en évaluant la fonction économique en
chacun des sommets voisins à B :
• en A = (14, 1) z = (20 × 14) + (40 × 1) = 320
• en B = (9, 3) z = (20 × 9) + (40 × 3) = 300
• en C = (2, 10) z = (20 × 2) + (40 × 10) = 440
• En D=(0,14) Z= (20 × 0) + ( 40 ×14)= 560
• En E= ( 0, 16) Z =( 20 ×0) + (40 ×16) = 640
• En F (14, 16) Z = (20 ×14) + ( 40 ×16) =920

Comme l’objectif est de minimiser z, l’optimum s’atteint en cherchant la droite la plus

basse possible qui touche la région réalisable
Cherchons la valeur minimale de z graphiquement. On obtient:
• Comme la droite d’isocoût la plus basse possible est tangente à

la contrainte (B), la valeur minimale serait atteinte aux sommets
B(9, 3) et C(2, 10).
• De plus, tout point du segment [B, C] minimisera la fonction

économique sous les contraintes posées. Cette multiplicité des
solutions optimales provient du fait que les droites d’isocoûts
sont parallèles à la droite associée à la contrainte (B)

Recherche Opérationnelle: Introduction, Modélisation Et Résolution Graphique

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Recherche Opérationnelle: Introduction, Modélisation Et Résolution Graphique

Transféré par

Droits d'auteur :

Formats disponibles

Recherche Opérationnelle: Introduction, modélisation et résolution

Cours réalisé par: Pr M. OUDMANE

Année universitaire: 2021/2022

-Recherche Opérationnelle- Cr M.OUDMANE

III Résolution graphique d’un PL

-Analyse des données- PR M.OUDMANE

Elle fournit des outils pour rationaliser, simuler et

Elle propose des modèles pour analyser des situations

-Recherche Opérationnelle- Cr M.OUDMANE

• L’élaboration du schéma d’intervention (ou • Le traitement algorithmique du modèle, après

La recherche opérationnelle apparaît comme une discipline-carrefour, associant étroitement

-Recherche Opérationnelle- Cr M.OUDMANE

Plus récemment, la RO a été utilisée pour:

-Recherche Opérationnelle- Cr M.OUDMANE

– Les étapes les plus importantes sont la définition du

➔ La phase de validation doit permettre de remettre en cause la

-Recherche Opérationnelle- Cr M.OUDMANE

-Recherche Opérationnelle- Cr M.OUDMANE

La résolution d'un problème dépend crucialement du modèle choisi.

-Recherche Opérationnelle- Cr M.OUDMANE

• La recherche opérationnelle c’est faire le mieux

-Recherche Opérationnelle- Cr M.OUDMANE

-Recherche Opérationnelle- Cr M.OUDMANE

-Recherche Opérationnelle- Cr M.OUDMANE

-Recherche Opérationnelle- Cr M.OUDMANE

-Recherche Opérationnelle- Cr M.OUDMANE

-Recherche Opérationnelle- Cr M.OUDMANE

-Recherche Opérationnelle- Cr M.OUDMANE

→1. Les variables de décision du problème sont positives ( contrainte de positivité)

-Recherche Opérationnelle- Cr M.OUDMANE

-Recherche Opérationnelle- Cr M.OUDMANE

• Le tableau suivant résume les données afférentes à ce problème de production :

-Recherche Opérationnelle- Cr M.OUDMANE

→ Identification des variables de décision

• Il suffit de connaître la quantité du produit A et la quantité du produit B à fabriquer quotidiennement

-Recherche Opérationnelle- Cr M.OUDMANE

→Identification de la fonction objectif

-Recherche Opérationnelle- Cr M.OUDMANE

→ Identification des contraintes

→Contraintes relatives aux matières premières:

-Recherche Opérationnelle- Cr M.OUDMANE

• Le modèle s’écrit donc sous la forme suivante

-Recherche Opérationnelle- Cr M.OUDMANE

-Recherche Opérationnelle- Cr M.OUDMANE

• Le tableau suivant résume les données afférentes à ce problème :

-Recherche Opérationnelle- Cr M.OUDMANE

-Recherche Opérationnelle- Cr M.OUDMANE

• Chacun des 3 éléments nutritifs à considérer donne lieu à une contrainte:

-Recherche Opérationnelle- Cr M.OUDMANE

-Recherche Opérationnelle- Cr M.OUDMANE

-Recherche Opérationnelle- Cr M.OUDMANE

1 ère Méthode: les droites

-Recherche Opérationnelle- Cr M.OUDMANE

Elle peut être Unique → sommet du domaine réalisable,

-Recherche Opérationnelle- Cr M.OUDMANE

climatiseurs Ventilateurs Disponibilité

Le programme linéaire peut s’écrire comme suit :

-Recherche Opérationnelle- Cr M.OUDMANE

-Recherche Opérationnelle- Cr M.OUDMANE

Pour l’équation : 2x1+2X2= 240

une droite, il faudrait déterminer deux points, ce qui donne 40 2X1+2X2=240

-Recherche Opérationnelle- Cr M.OUDMANE

Ainsi, on applique le même principe pour toutes les contraintes du système :