CHAPITRE 4 :

OPTIMISATION DES COÛTS DE

TRANSPORT
INTRODUCTION

2
ENONCÉ DU PROBLÈME DE TRANSPORT

 Comment transporter au moindre coût entre

m origines 𝑋𝑖={𝑥1, … , 𝑥𝑚} et
n destinations 𝑌𝑗={𝑦1, … , 𝑥𝑛} ?

 Les disponibilités 𝑎𝑖 (𝑖 = 1, … , 𝑚) existant aux

origines 𝑥𝑖 (𝑖 = 1, … , 𝑚) afin de satisfaire

 Les demandes 𝑏𝑗 (𝑗 = 1, … , 𝑛) des destinations

𝑦𝑗 (𝑗 = 1,…, 𝑛), étant données m × n coûts de
transport 𝑐𝑖𝑗
3
ENONCÉ DU PROBLÈME DE TRANSPORT

4
ENONCÉ DU PROBLÈME DE TRANSPORT

Les variables de décision :

xij : La quantité à transporter de la source i à la

destination j.

Où :
i = 1, ..., m et j =1, ..., n.

Il s'agit d'un ensemble de 𝑚 × 𝑛 variables.

5
ENONCÉ DU PROBLÈME DE TRANSPORT

La fonction objective :

 La fonction objective contient des coûts associés à

chacune des variables.

 C'est une minimisation de problème.

 Considérons le transport de source i à la

destination j, ∀ 𝑖 ∈ {1, … , 𝑚}, ∀ 𝑗 ∈ {1, … , 𝑛} :
cij : Le coût de transport par unité.
6
xij : La quantité à transporter.
ENONCÉ DU PROBLÈME DE TRANSPORT

La fonction objective :

 Le coût total de cette expédition est donné par :

cij × xij

 En sommant sur tout i et j, on obtient le coût total

de transport pour toutes les destinations.

7
 ENONCÉ DU PROBLÈME DE TRANSPORT

Les contraintes :

 Les contraintes sont les conditions qui obligent à

satisfaire la demande et épuiser la disponibilité.

 Dans un problème de transport, il existe une contrainte

pour chaque nœud.

Posons :
ai désigne une capacité d’une source (disponibilité, offre)
bj désigne le besoin d’une destination (demande). 8
ENONCÉ DU PROBLÈME DE TRANSPORT
Les contraintes :

Les contraintes sont :

1) La disponibilité à chaque source i doit être épuisée :

2) La demande à chaque destination j doit être satisfaite :

3) Non négativité des quantités :

9
FORMULATION MATHÉMATIQUE
Le modèle de transport deviendra alors :

10
FORMULATION MATHÉMATIQUE

 Il s'agit d'un programme linéaire avec :

𝑚 × n variables de décision,
𝑚 + 𝑛 contraintes fonctionnelles et
𝑚 × 𝑛 contraintes non négatives.

 m : Nombre de sources.
 n : Nombre de destinations.
 ai : Disponibilité de la ième source (en tonnes, livres, litres, etc.)
 bj : Demande de la jème destination (en tonnes, livres, litres, etc.)
 cij : Coût unitaire de transport entre la ième source et la jème
destination (en $, kilomètres, miles, etc.)
 xij : Quantité transportée entre la ième source et la jème destination 11
(en tonnes, livres, litres, etc.)
FORMULATION MATHÉMATIQUE

Condition nécessaire et suffisante :

 Une condition nécessaire et suffisante pour l'existence d'une

solution réalisable au problème de transport est que :

Offre = Demande

Le problème est dit Equilibré 12

RENDRE UN PROBLÈME ÉQUILIBRÉ

m n
Si :  ai   b j Offre > Demande
i 1 j1

Alors on crée une destination fictive :

 m n
b n 1   a i   b j
 i 1 j1
c
 i(n 1)  0, i  1,...,m
RENDRE UN PROBLÈME ÉQUILIBRÉ

m n
Si :  ai   b j Offre < Demande
i 1 j1

Alors on crée une source fictive :

 n m
a m1   b j   a i
 j1 i 1
c
 (m1)j  0, j  1,...,n
TABLEAU DE TRANSPORT :

15
 EXEMPLE

Une entreprise de vente représentant 3 dépôts et 5 clients.

Le tableau du transport est le suivant :

Client A B C D E Disponibilités
Dépôt
X 5 6 4 8 10 80
Y 7 9 1 5 6 50
Z 8 3 6 2 4 70
Demandes 40 20 60 30 50 200
16
EXEMPLE
FORMULATION DU PROBLÈME

Les coûts Clients

A B C D E
X 5 6 4 8 10 80
Y 7 9 1 5 6 50
Z 8 3 6 2 4 70
40 20 60 30 50

Dépôts Demandes Disponibilités 17

 EXEMPLE
FOMRMULATION DU PROBLÈME

Données :
 Dépôts : D={X,Y,Z}
 Clients : C= {A,B,C,D, E}
 Disponibilités : a1 = 80 a2 = 50 a3 = 70
 Demandes : b1 = 40 b2 = 20 b3 = 60 b4 = 30 b5 = 50
 Les coûts de transports :
c(1,1)=5 c(1,2)=6 c(1,3)=4 c(1,4)=8 c(1,5)=10
c(2,1)=7 c(2,2)=9 c(2,3)=1 c(2,4)=5 c(2,5)=6
c(3,1)=8 c(3,2)=3 c(3,3)=6 c(3,4)=2 c(3,5)=4

Résultats :
 Les quantités à transporter :
x11 x12 x13 x14 x15 x21 x22 x23 x24 x25 x31 x32 x33 x34 x35

 Le coût total du transport

18
EXEMPLE
FOMRMULATION DU PROBLÈME
Min z  5 x11  6 x12  4 x13  8 x14  10 x15 
7 x21  9 x22  1x23  5 x24  6 x25 
8 x31  3 x32  6 x33  2 x34  4 x35

x11  x12  x13  x14  x15  80

Disponibilités x21  x22  x23  x24  x25  50
x31  x32  x33  x34  x35  70

x11  x21  x31  40

x12  x22  x32  20
Demandes x13  x23  x33  60
x14  x24  x34  30
x15  x25  x35  50 19

xij  0 i  1,2 ,3 et j  1,2 ,3,4 ,5

RÉSOLUTION DU PROBLÈME DE TRANSPORT

1) Solution de base réalisable :

 Définition :
On appelle solution de base réalisable une
solution vérifiant les contraintes du problème
comportant exactement (m-1)×(n-1) flux nuls.

20
RÉSOLUTION DU PROBLÈME DE TRANSPORT

2) Solution optimale :

 Définition :

Une solution de base réalisable est considérée

optimale si elle minimise le coût total du
transport.

21
ORGANIGRAMME DE RÉSOLUTION DU
PROBLÈME DE TRANSPORT

22
ALGORITHME GÉNÉRAL DE RÉSOLUTION
DE PROBLÈME DE TRANSPORT :

Étape 1 :
Formuler et configurer le problème sous la
forme matricielle :

 La formulation du problème de transport est

similaire à la formulation du problème
Programmation Linéaire.

 Ici, la fonction objective est le coût total du transport

et les contraintes sont l'offre et la demande
disponibles à chaque source et destination,23
respectivement.
ALGORITHME GÉNÉRAL DE RÉSOLUTION
DE PROBLÈME DE TRANSPORT :

Étape 2 :
Obtenir une première solution de base réalisable :

Cette solution de base initiale peut être obtenue en

utilisant l'une des méthodes suivantes :

 Méthode du Coin Nord-Ouest.

 Méthode du Coût Minimum.

 Méthode d'Approximation de Vogel.

24
 ALGORITHME GÉNÉRAL DE RÉSOLUTION
DE PROBLÈME DE TRANSPORT :

Étape 2 :
Obtenir une première solution de base réalisable :

La solution obtenue par l'une des méthodes précédentes doit

satisfaire les conditions suivantes :

 La solution doit être réalisable, c'est-à-dire qu'elle doit

satisfaire toutes les contraintes de l'offre et de la demande.

 Le nombre d'attributions positives (les cases allouées) doit

être égal à m + n - 1
où m est le nombre de lignes et n est le nombre de colonnes.

25
 ALGORITHME GÉNÉRAL DE RÉSOLUTION
DE PROBLÈME DE TRANSPORT :

Étape 3 :
Tester la solution de base initiale pour l'optimalité :

L'utilisation de l'une des méthodes suivantes pour tester

l'optimalité de la solution de base initiale obtenue :

 Méthode Stepping Stone.

 Méthode de Distribution Modifiée.

Si la solution est optimale arrêtez, sinon déterminez une

26
nouvelle solution améliorée.
 ALGORITHME GÉNÉRAL DE RÉSOLUTION
DE PROBLÈME DE TRANSPORT :

Étape 4 :
Mise à jour de la solution :

Répétez l'étape 3 jusqu'à atteindre la solution optimale.

27
I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE

1. Méthode du Coin Nord-Ouest :

Définition :

Il s’agit de la méthode la plus facile à appliquer

pour calculer une solution de base réalisable d'un
problème de transport où les variables de base
sont sélectionnées à partir du coin nord-ouest
(c-à-d le coin supérieur gauche du tableau de
transport).
28
I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE
1. Méthode du Coin Nord-Ouest :

Principe :

o La méthode commence à la case du coin du nord-ouest.

o L'avantage principal de la méthode du coin nord-ouest

est qu‘elle est très simple et facile à appliquer.

o Son inconvénient majeur, cependant, est qu’elle n'est

pas sensible aux coûts et par conséquent pourra
produire de mauvaises solutions initiales, elle donne
souvent des solutions éloignées de l’optimum. 29
I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE
1. Méthode du Coin Nord-Ouest :

Étapes de la méthode :

1) Sélectionner la case dans le coin supérieur à

gauche, sous réserve des conditions d'offre et de
demande.

2) Allouer autant que possible à la prochaine case

possible adjacente.

3) Répétez l'étape 2 jusqu'à ce que toutes les exigences

du tableau soient respectées. 30
 I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE
1. Méthode du Coin Nord-Ouest :

Algorithme de la méthode :

1) i=1, j=1.

2) φij = min(ai, bj) si φij = ai passer à (3) sinon passer à (4).

3) Poser bj = bj − ai et i=i+1, si i ≤ m passer à (2) sinon FIN.

4) Poser ai = ai − bj et j=j+1, si j ≤ n passer à (2) sinon FIN.

31
 I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE

1. Méthode du Coin Nord-Ouest :

Application 1

A B C D E Offre
X 5 6 4 8 10 80

Y 7 9 1 5 6 50

Z 8 3 6 2 4 70

Demande 40 20 60 30 50 200

32
I. MÉTHODES DE DÉTERMINATION DE SOLUTION DE
BASE INITIALE
1. MÉTHODE DU COIN NORD-OUEST : APPLICATION 1

A B C D E Offre
X 40 20 20 80 40 20 0
Y 40 10 50 10 0
Z 20 50 70 50 0
Demande 40 20 60 30 50
0 0 40 20 0
0 0
Z  (540)  (6  20)  (4  20)  (1 40)  (5 10)  (2  20)  (4  50)  730
33

Coût total = 730

 I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE
2. Méthode du Coût Minimum :

Définition :

o La méthode du Coût Minimum est une méthode pour

calculer une solution de base réalisable d'un problème
de transport où les variables de base sont choisies en
fonction du coût unitaire du transport.

o La méthode du coût minimum trouve une meilleure

solution de départ en se concentrant sur les coûts de34
transport les moins chers.
 I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE

2. Méthode du Coût Minimum :

Principe :
 La méthode commence par affecter autant que possible à la case
avec le coût unitaire de transport le plus petit.

 Ensuite, la ligne (ou la colonne) satisfaite est supprimée et les

montants de l'offre et de la demande sont ajustés en
conséquence.

 Ensuite, recherchez la case non supprimée avec le coût unitaire

le plus petit et répétez le processus jusqu'à ce qu'une ligne ou une
colonne exactement soit laissée hors traitement. 35
 I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE
2. Méthode du Coût Minimum :

Étapes de la méthode :

1. Identifiez la case ayant un coût minimum de transport

unitaire (Cij).
2. S'il y a deux ou plus de coûts minimaux, sélectionnez la ligne
et la colonne correspondant à la rangée numérotée inférieure.
3. S'ils apparaissent dans la même rangée, sélectionnez la
colonne numérotée inférieure.
4. Choisissez la valeur du Xij correspondante autant que possible
sous réserve des contraintes de disponibilité et de demande.
5. Si la demande est satisfaite, supprimez la colonne.
6. Si la disponibilité est épuisée, supprimez la ligne.
7. Répétez les étapes 1 à 6 jusqu'à ce que toutes les restrictions
36
soient satisfaites.
 I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE

2. Méthode du Coût Minimum :

Résumé des étapes de la méthode :

1. Allouer autant que possible à la case avec le coût

minimum de transport, et ajuster les demandes et les
disponibilités.

2. Répétez l'étape 1 jusqu'à ce que toutes les contraints

soient respectées.
37
I. MÉTHODES DE DÉTERMINATION DE SOLUTION DE
BASE INITIALE
1. MÉTHODE DU COÛT MINIMUM
Application :

1 2 3 4 Offre
1 10 2 20 11 15

2 12 7 9 20 25

3 4 14 16 18 10

Demande 5 15 15 15 50

38
I. MÉTHODES DE DÉTERMINATION DE SOLUTION DE
BASE INITIALE
1. MÉTHODE DU COÛT MINIMUM
Application :

1 2 3 4 Offre
1 10 2 20 11 15
15
2 12 7 9 20 25

15 10
3 4 14 16 18 10

5 5
Demande 5 15 15 15 50

39
Coût  (2 15)  (9 15)  (20 10)  (4  5)  (18  5)  475
Coût < coût obtenu par Coin Nord-Ouest = 520
 I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE
3. Méthode d'Approximation de Vogel (VAM)

Définition et principe :
 Cette Méthode est basée sur la notion de minimisation des coûts
d'opportunité (ou de pénalité).
 Le coût d'opportunité d'une colonne ou d’une ligne est la différence entre
le coût le plus bas et l'alternative suivante de coût le plus bas.
 Cette méthode est préférée par rapport aux méthodes précédentes, car
elle génère généralement une solution de démarrage optimale ou proche
de celle optimale.

 Par conséquent, si nous utilisons la solution initiale obtenue par VAM et

40
que nous procédons à la solution optimale, le temps nécessaire pour
arriver à la solution optimale sera considérablement réduit.
 I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE
3. Méthode d'Approximation de Vogel
Étapes de la méthode :
1. Tracer le tableau de transport.
2. Calculez la différence entre le coût minimum et le coût minimum suivant
correspondant à chaque ligne et chaque colonne.
3. Choisissez la différence maximale.
Supposons qu'elle corresponde à la ième rangée (colonne ou ligne), Choisissez la case avec un
coût minimum dans la rangée.
4. Supposons que c'est la case (i, j). Affecter min (ai, bj) à cette case :
Si min (ai, bj) = ai, alors la disponibilité de la ième origine est épuisée et la demande à la jème
destination sera (bj − ai) et la ième rangée est supprimée.
Si min (ai, bj) = bj, alors la demande à la jème destination est satisfaite et la disponibilité à la
ième origine sera (ai − bj) et la jème colonne est supprimée 41
5. Répétez les étapes 2, 3, 4 avec le tableau restant jusqu'à ce que toutes les origines soient
épuisées et que toutes les demandes soient satisfaits.
 I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE

3. Méthode d'Approximation de Vogel

Remarque :

Cette méthode est connue aussi par :

Heuristique de Balas-Hammer
Méthode de la différence maximale
Méthode de pénalité unitaire
Méthode des regrets maximaux successifs.

42
 I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE

3. Méthode d'Approximation de Vogel

Résumé des étapes :

1. Déterminer le coût de pénalité pour chaque ligne et chaque colonne.

2. Sélectionnez la ligne ou la colonne avec le coût de pénalité le plus
élevé.
3. Allouer autant que possible à la cellule faisable avec le coût de
transport le plus bas dans la rangée (la ligne ou la colonne).
4. Répétez les étapes 1, 2 et 3 jusqu'à ce que toutes les contraintes soient
respectées.
43
 I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE

3. Méthode d'Approximation de Vogel

Application :
Tableau de transport

44
 I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE

3. Méthode d'Approximation de Vogel

Application :

45
 I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE

3. Méthode d'Approximation de Vogel

Application :

46
 I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE

3. Méthode d'Approximation de Vogel

Application :

47
 I. MÉTHODES DE DÉTERMINATION DE
SOLUTION DE BASE INITIALE

3. Méthode d'Approximation de Vogel

Application :
Solution de base obtenue

Coût total = (10 × X1C)+ (7 × X2A)+ (4 × X 3A)+ (5 × X3B )+ (12 × X3C) 48

= 8× (25) + 11× (175) + 4 × (200) + 5× (75)
= 5125 $.
EXERCICE

E1 E2 E3 E4 E5 Offre
U1 21 17 12 15 16 125

U2 14 18 9 11 6 200

U3 7 5 12 13 8 175

U4 12 6 9 9 14 200

Demande 300 100 50 100 150 700

49
SOLUTION

E1 E2 E3 E4 E5 Offre
U1 21 17 12 15 16 125
125
U2 14 18 9 11 6 200

175 25
U3 7 5 12 13 8 175

75 50 50
U4 12 6 9 9 14 200

50 150
Demande 300 100 50 100 150 700
50
ORGANIGRAMME DE RÉSOLUTION DU
PROBLÈME DE TRANSPORT

51
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

 Obtenir une solution optimale en apportant des

améliorations successives à la solution de base
initiale jusqu'à ce qu'il n'y ait plus de réduction du
coût de transport.

 Ainsi, nous devons évaluer chaque case inoccupée

dans le tableau de transport sur l'opportunité de
réduire le coût total du transport.

52
 II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

 Les méthodes utilisées pour trouver une solution optimale sont :

 Méthode Stepping Stone.

 Méthode de Distribution Modifiée.

 Elles diffèrent dans leurs mécanismes, mais leurs itérations sont

les mêmes, elles donnent exactement les mêmes résultats
(puisqu’elles sont des méthodes exactes) et utilisent la même
stratégie de test pour développer la solution optimale.
53
 II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Définition :

 L’algorithme du Stepping Stone est un algorithme itératif (donc par étapes

successives) qui vise à améliorer une solution de base.

 Minimiser le coût total

 On peut appliquer l’algorithme à n’importe quelle solution de base (Coin

Nord-Ouest, Coût Minimum, Approximation de Vogel).

Principe :

L’algorithme consiste à modifier la solution de base pour une qui soit

54

meilleure, donc à rendre non vide une case vide du tableau de transport.
 II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

 Étapes de la méthode :

1. Déterminez les chemins d'accès et les changements de coûts pour

chaque case vide dans le tableau.

2. Allouer autant que possible à la case vide avec la plus forte

diminution des coûts.

3. Répétez l’étape 1 et 2 jusqu'à ce que toutes les cases vides aient

des changements de coûts positifs qui indiquent une solution
55
optimale.
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Application :

56
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Application :
Solution initiale par Coin Nord-Ouest

Coût total = (6 × X1A ) + (7 × X2A ) + (11 × X2B ) + (11 × X2C ) + (12 × X3C ) 57
= 6× (150) + 7× (50) + 11× (100) + 11× (25) +12×(275)
= 5925 $
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Application :
Solution initiale par Coût Minimum

Coût total = (8 × X1B ) + (11 × X2C ) + (4 × X3A ) + (5 × X3B ) 58

= 8× (25) + 11× (175) + 4 × (200) + 5× (75)
= 4550 $.
 II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Application :
Solution initiale par Approximation de Vogel

Coût total = (10 × X1C)+ (7 × X2A)+ (4 × X 3A)+ (5 × X3B )+ (12 × X3C) 59

= 8× (25) + 11× (175) + 4 × (200) + 5× (75)
= 5125 $.
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Application :
1ère itération :
Chemins d’accès
Case vide 1A

60

Chemin : 1A 1B  3B  3A
Coût : +6 – 8 +5 –4 = –1
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Application :
1ère itération :
Chemins d’accès :
Case vide 2A

Chemin : 2A 2C  1C  1B  3B  3A 61
Coût : + 7 – 11 + 10 – 8 + 5 – 4 = – 1
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Application :
1ère itération :
Chemins d’accès :
Case vide 2B

Chemin : 2B 2C  1C  1B 62
Coût : + 11 – 11 + 10 – 8 = + 2
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Application :
1ère itération :
Chemins d’accès :
Case vide 3C

Chemin : 3C  3B  1B  1C 63
Coût : + 12 – 5 + 8 – 10 = + 5
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Application :
1ère itération :
Chemin retenu : Case 1A

Chemin : 1A 1B  3B  3A 64
Coût : +6 – 8 +5 –4 = –1
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Application :
1ère itération :
Chemin retenu : Case 1A

La quantité réaffectée est la quantité minimale soustraite sur le 65

chemin d'accès (Qmin = 25)
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Application :
2ème itération :
 Vérifiez si la solution obtenue par la 1ère itération est optimale

Chemin d’accès pour la case 2A

Chemin : 2A 2C 1C 1A 66

Coût : + 7 – 11 + 10 – 6 = 0
La vérification doit être répétée jusqu'à ce qu’aucune des cases vides ne
réduise les coûts (solution optimale)
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Application :
2ème itération :
 Vérifiez si la solution obtenue par la 1ère itération est optimale

Chemin d’accès pour la case 1B

67
Chemin : 1B1A3A3B
Coût : +8 – 6 + 4 – 5 = +1
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Application :
2ème itération :
 Vérifiez si la solution obtenue par la 1ère itération est optimale

Chemin d’accès pour la case 2B

68
Chemin : 2B2C1C1A3A3B
Coût : + 11 – 11 + 10 – 6 + 4 – 5 = + 3
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Application :
2ème itération :
 Vérifiez si la solution obtenue par la 1ère itération est optimale

Chemin d’accès pour la case 3C

69
Chemin : 3C3A1A1C
Coût : + 12 – 4 + 6 – 10 = + 4
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

1. Méthode de Stepping Stone

Application :
2ème itération :
 Vérifiez si la solution obtenue par la 1ère itération est optimale

L’évaluation des 4 cases vides n’indique aucune réduction du coût

 Le chemin retenu dans la 1ère itération donne une solution optimale.
La solution optimale :
 X1A = 25
 X1C = 125
 X2C = 175
 X3A = 175
 X3B = 100
70

Coût total = 6×(25) + 10×(125) + 11× (175) + 4× (175) + 5× (100) = 4525 $

 II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

2. Méthode de Distribution Modifiée

Définition :

 La Méthode de distribution modifiée est une version modifiée de la

méthode de Stepping Stone dans laquelle les équations mathématiques
remplacent les chaines de substitutions .

 Cette méthode est plus pratique.

 Nous commençons par une solution initiale. Ensuite, nous devons

calculer une valeur ui pour chaque ligne i et vj pour chaque colonne j
dans la table de transport. 71
 II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

2. Méthode de Distribution Modifiée

Étapes de la méthode :

1. Définissez les équations : ui + vj = cij

2. Mettez l'une des deux variables ui ou vj à zéro, et résolvez le système

d'équations pour toutes les valeurs ui et vj

3. Calculez l'indice d'amélioration Δij pour chaque cellule inutilisée par la

formule : Δij= cij − ui − vj

4. Transférez la plus grande quantité possible à la cellule qui a Δij le plus

négatif en créant un cycle qui satisfait la demande et la disponibilité de
chaque rangée.

5. Répétez les étapes 2 à 4 jusqu'à ce qu'il n'y ait plus de Δij négatif. 72

6. Calculez le coût total en multipliant chaque allocation (Xij) par son coût (cij).
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

2. Méthode de Distribution Modifiée

Résumé :

1. Développer une solution initiale.

2. Calculer les valeurs ui et vj pour chaque ligne et chaque colonne.

3. Calculer l'indice d’amélioration Δij pour chaque case vide.

4. Affecter autant que possible à la case vide qui entraînera la plus

forte diminution du coût (Δij le plus négatif).

5. Répéter les étapes 2 à 4 jusqu'à ce que toutes les valeurs Δij soient
73
positives ou nulles.
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

2. Méthode de Distribution Modifiée

Application :

Solution initiale obtenue par Coût Minimum

Coût total = (8 × X1B ) + (11 × X2C ) + (4 × X3A ) + (5 × X3B ) 74

= 8× (25) + 11× (175) + 4 × (200) + 5× (75)
= 4550 $
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

2. Méthode de Distribution Modifiée

Application :
1ère itération :
Calcul des valeurs ui et vj

75
 Calculer pour toutes les cellules allouées :
ui + vj = cij : Coût de transport unitaire pour la case (i,j)
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

2. Méthode de Distribution Modifiée

Application :
1ère itération :
Calcul des valeurs ui et vj
X1B : u1 + vB = 8
X1C : u1 + vC = 10
X2C : u2 + vC = 11
X3A : u3 + vA = 4
X3B : u3 + vB = 5
On a 5 équations avec 6 inconnues !
 Il est nécessaire d'assigner une seule des inconnues à une valeur nulle.
 On met donc : u1 = 0 et on obtient :
vB = 8
vC = 10
u2 = 1 76
u3 = −3
vA = 7
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

2. Méthode de Distribution Modifiée

Application :
1ère itération :
Solution initiale avec les valeurs ui et vj calculées

77
 II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

2. Méthode de Distribution Modifiée

Application :
1ère itération :
Evaluation des cases vides

Indices d’amélioration :
Δij = cij − ui − vj
Δij : augmentation /diminution du coût qui se produirait en allouant à une case.

On a alors :
 X1A : Δ1A= c1A − u1 − vA = 6 − 0 − 7 = −1
 X2A : Δ2A= c2A − u2 − vA = 7 − 1 − 7 = −1
 X2B : Δ2B= c2B − u2 − vB = 11 − 1 − 8 = +2 78

 X3C : Δ3C= c3C − u3 − vC = 12 − (−3) − 10 = +5

II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

2. Méthode de Distribution Modifiée

Application :
1ère itération :
Chemin d’accès pour la case retenue 1A

79
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

2. Méthode de Distribution Modifiée

Application :
1ère itération :
Réaffectation selon le chemin d’accès pour la case 1A

80
II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

2. Méthode de Distribution Modifiée

Application :
2ème itération :
Calcul des valeurs ui et vj pour la nouvelle solution obtenue

81
 II. MÉTHODES D’OPTIMISATION DE LA
SOLUTION DE BASE

2. Méthode de Distribution Modifiée

Application :
2ème itération :
Evaluation des cases vides pour la nouvelle solution obtenue
Indices d’amélioration :

X1B : Δ1B= c1B − u1 − vB = 8 − 0 − 7 = +1

X2A : Δ2A= c2A − u2 − vA = 7 − 1 − 6 = 0
X2B : Δ2B= c2B − u2 − vB = 11 − 1 − 7 = +3
X3C : Δ3C= c3C − u3 − vC = 12 − (−2) − 10 = +4

Toutes les valeurs Δij sont positives ou nulles

 La solution obtenue est optimale

82

Coût total = 6×(25) + 10×(125) + 11× (175) + 4× (175) + 5× (100) = 4525 $

EXERCICE

1. Trouver une solution de base.

2. Optimiser la solution de base obtenue.

A B C Offre
1 8 5 6 5000

2 15 10 12 2000

3 3 9 10 3000

83
Demande 2200 2500 5300 10000