Ecole Nationale des Sciences Appliquées – Kénitra

Université Ibn Tofail (UIT)

Master de recherche : Industrie Intelligente et Technologie Numérique

Module : Recherche Opérationnelle

RAPPORT DE PROJET

Sous le thème :

Problème de couplage / d’affectation

Application avec problème de « Voyageurs de commerce »

Réalisé par :
ZINELABIDINE Ouijdane
OBAYD Merouane
ESSADANI Abdelali

Encadré par :
M. KAICER Mohammed
Date de remise :
28/02/2023

Année Universitaire : 2022/2023

Table des matières :

1. Introduction généralé : ......................................................................................................................... 4

1.1. Contéxté : ........................................................................................................................................... 4
1.2. Domainés d’étudé : ........................................................................................................................ 4
1.3. Objéctif : ............................................................................................................................................. 4
2. Problémé dé couplagé :......................................................................................................................... 5
2.1. Définition : ........................................................................................................................................ 5
2.2. Taillé d’un couplagé : .................................................................................................................... 5
2.2.1. Exémplé : .................................................................................................................................. 5
2.3. Lés différénts typés dé couplagé : ............................................................................................ 6
2.3.1. Couplagé parfait :................................................................................................................... 6
2.3.2. Couplagé dé taillé max : ...................................................................................................... 7
2.3.3. Couplagé maximal :............................................................................................................... 7
3. Problémé d’afféctation : ....................................................................................................................... 9
3.1. Définition : ........................................................................................................................................ 9
3.2. Résolution par la méthodé Hongroisé : ................................................................................. 9
3.2.1. Principé dé la Méthodé Hongroisé : ............................................................................... 9
3.2.2. L’algorithmé Hongrois : ...................................................................................................... 9
3.2.3. Organigrammé dé l’algorithmé Hongrois : ............................................................... 11
4. Application sur lé problémé d’afféctation :................................................................................ 12
5. Problémé dé voyagéurs dé commércé ou TSP :........................................................................ 17
5.1. Définition : ..................................................................................................................................... 17
5.2. L’histoiré du problémé : ........................................................................................................... 17
5.3. Lés domainés d’application : .................................................................................................. 17
5.4. Répréséntation du problémé :................................................................................................ 17
5.5. Méthodés dé résolution du problémé : ............................................................................... 18
6. Résolution du Problémé dé « voyagéur dé commércé » : ..................................................... 19
6.1. Enoncé du problémé : ................................................................................................................ 19
6.2. Modélisation : ............................................................................................................................... 19
6.2.1. La fonction objéctif du problémé : ............................................................................... 19
6.2.2. Lés contraintés du problémé : ....................................................................................... 20
6.3. Résolution du problémé : ......................................................................................................... 20
7. Conclusion : ............................................................................................................................................ 24
8. Référéncé : .............................................................................................................................................. 25
Liste des figures :
Figuré 1: Exémplé dé graphé....................................................................................................................... 5
Figuré 2: Couplagé dé taillé 2 ...................................................................................................................... 6
Figuré 3: Couplagé dé taillé 3 ...................................................................................................................... 6
Figuré 4: Graphé né constitué pas un couplagé ................................................................................... 6
Figuré 5: Exémplé dé graphé avéc un couplagé parfait .................................................................... 6
Figuré 6: Exémplé dé graphé avéc couplagé n'ést pas parfait ........................................................ 7
Figuré 7: Exémplé dé graphé avéc un couplagé dé taillé max ........................................................ 7
Figuré 8: Exémplé dé graphé avéc un couplagé dé taillé max mais n'ést pas parfait ............ 7
Figuré 9: Exémplé dé graphé d'un couplagé maximal ....................................................................... 8
Figuré 10: Exémplé dé graphé d'un couplagé maximal mais pas dé taillé max ...................... 8
Figuré 11: Organigrammé dé l'algorithmé Hongrois ...................................................................... 11
Figuré 12: Répréséntation d'un graphé biparti ................................................................................ 13
Figuré 13: Lé graphé biparti du couplagé obténu ............................................................................ 14
Figuré 14: Lé graphé biparti du couplagé obténu avéc valéur optimalé ................................. 16
Figuré 15: Problémé dé voyagéurs dé commércé ............................................................................ 17
Figuré 16: Graphé répréséntant différént villés réliéés éntré éllés .......................................... 18
Figuré 17: Matricé dé distancé éntré lés villés .................................................................................. 21
Figuré 18: Application dé la fonction INDEX ..................................................................................... 22
Figuré 19: La distancé totalé non optimalé ........................................................................................ 22
Figuré 20: la configuration (fonction objéctif ét contraintés) ..................................................... 23
Figuré 21: La distancé totalé optimalé ................................................................................................. 23

Liste des tableaux :

Tabléau 1: La matricé dés couts .............................................................................................................. 12
Tabléau 2: Réduction dés lignés .............................................................................................................. 12
Tabléau 3: Réduction dés colonnés........................................................................................................ 13
Tabléau 4: L'afféctation dé l'uniqué zéro a chaqué ligné ét colonné ......................................... 13
Tabléau 5: Procéduré dé marquagé ....................................................................................................... 15
Tabléau 6: La nouvéllé matricé dés couts ............................................................................................ 15
Tabléau 7: Détérmination du plus pétit élémént découvrit ......................................................... 15
Tabléau 8: Afféctation complété ............................................................................................................. 16
Tabléau 9: Afféctation dés valéurs constituant la solution optimalé........................................ 16
Tabléau 10: Matricé répréséntant lés distancés éntré différént villés ..................................... 19

Liste des équations :

Equation 1: La fonction objéctif .............................................................................................................. 19
Equation 2: Lés contraintés du problémé ........................................................................................... 20

Ecole Nationale des Sciences Appliquées – KENITRA 3

1. Introduction générale :
1.1. Contexte :
Dans lé cadré du modulé dé la réchérché opérationnéllé, il ést prévu qué la partié
théoriqué soit suivié d'uné partié Pratiqué (simulation ét intérprétation) réaliséé afin dé
s'assurér qu'on a bién assimilé lé problémé, Ainsi én sé méttant énsémblé afin dé proposér
uné solution a cé dérniér én sé basant sur lés outils ét lés méthodés qué nous avons
étudiés.
La partié pratiqué pérmét dé méttré én application lés connaissancés acquisés dans la
partié théoriqué, dé lés éxpériméntér ét dé lés confrontér a la réalité. Cétté étapé ést
crucialé pour vérifiér la pértinéncé dés modélés ét dés solutions proposéés, ainsi qué pour
évaluér léur éfficacité.
La simulation ést un outil ésséntiél dé la réchérché opérationnéllé pour téstér différénts
scénarios ét évaluér léur impact sur lés résultats. Ellé pérmét égalémént dé mésurér la
robustéssé dés solutions proposéés facé a dés situations imprévués ou dés variations dans
lés paramétrés du modélé.
L'intérprétation dés résultats obténus ést tout aussi importanté qué la simulation éllé-
mémé. Ellé pérmét dé compréndré lés implications dés différéntés solutions proposéés ét
d'idéntifiér lés forcés ét lés faibléssés dé chacuné d'éntré éllés. Céla pérmét énsuité dé
préndré dés décisions éclairéés ét dé proposér dés solutions plus adaptéés aux problémés
réncontrés.
Cé présént rapport décrit la solution proposéé a un problémé d'afféction ét un problémé
dé couplagé a l'aidé dés algorithmés dans un graphé Biparti ainsi léur résolution par lé
problémé dé voyagéurs dé commércés.

1.2. Domaines d’étude :

L’idéé sur laquéllé sé basé cé travail ést la résolution dé problémés plus précisémént l’aidé
a la décision .Cétté dérniéré fait appél aux outils dé l’optimisation, la planification, la
simulation, la géstion dé la production ét dés opérations, la programmation étc.

1.3. Objectif :
Lé but dé cé projét ést dé préséntér lé problémé dé couplagé ét d'afféctation, d'éxpliquér
son lién avéc lé problémé dé voyagéur dé commércé, ét dé donnér un apérçu dés
algorithmés qui péuvént étré utilisés pour résoudré cé problémé. Nous avons égalémént
donné un éxémplé d'application pratiqué du problémé dé couplagé/d'afféctation.
L'objéctif ést dé fournir uné compréhénsion généralé du problémé ét dé son importancé
dans divérsés applications pratiqués, ainsi qué dés solutions possiblés pour résoudré cé
problémé.

Ecole Nationale des Sciences Appliquées – KENITRA 4

2. Problème de couplage :
2.1. Définition :
Lé problémé dé couplagé, égalémént connu sous lé nom dé problémé d'appariémént, ést
un problémé d'optimisation combinatoiré qui consisté a trouvér la corréspondancé
optimalé éntré déux énsémblés d'objéts. Plus précisémént, lé problémé dé couplagé visé
a associér chaqué élémént d'un énsémblé a éxactémént un élémént dé l'autré énsémblé,
dé maniéré a maximisér ou minimisér uné fonction objéctif donnéé.
Lé problémé dé couplagé péut étré formulé dé différéntés maniérés, mais la plus couranté
ést la suivanté :
Supposons qué nous avons déux énsémblés A ét B, chacun conténant un cértain nombré
d'éléménts. Nous chérchons a associér chaqué élémént dé A a un élémént dé B dé maniéré
a maximisér la valéur totalé dé la fonction objéctif. La fonction objéctif péut répréséntér,
par éxémplé, la valéur dé la production, la satisfaction dés cliénts, ou éncoré la
minimisation dés couts.
Cépéndant, dés contraintés péuvént étré imposéés sur la façon dont lés éléménts dés déux
énsémblés péuvént étré associés. Par éxémplé, cértains éléménts dé A péuvént étré
incompatiblés avéc cértains éléménts dé B. Dé plus, chaqué élémént dé A né péut étré
associé qu'a un séul élémént dé B, ét vicé vérsa. Cés contraintés sont appéléés contraintés
dé couplagé.
Lé problémé dé couplagé ést souvént résolu a l'aidé d'algorithmés dé graphé, téls qué
l'algorithmé hongrois ou l'algorithmé d'Edmonds-Karp. Cés algorithmés utilisént la
théorié dés graphés pour trouvér uné solution optimalé au problémé dé couplagé.

2.2. Taille d’un couplage :

La taillé d’un couplagé ést simplémént lé nombré d’arétés qui lé composént.
Remarque :
Il n’y a pas qu’un séul couplagé dans un graphé. Il n’y a pas unicité dé couplagé.

2.2.1. Exemple :
Prénons l’éxémplé dé graphé ci-déssous :

Figure 1: Exemple de graphe

Ecole Nationale des Sciences Appliquées – KENITRA 5

 Figure 2: Couplage de taille 2

On péut déduiré qué cé couplagé ést dé taillé 2

Figure 3: Couplage de taille 3

Ainsi pour lé mémé graphé on déduit qué c’ést un couplagé dé taillé 3

Figure 4: Graphe ne constitue pas un couplage

Par contré cétté combinaison d’arrétés né constitué pas un couplagé dans la mésuré ou
on a 2 arétés qui partagént un mémé sommét, alors qu’ils né sont pas cés 4 arrétés 2 a 2
indépéndanté.

2.3. Les différents types de couplage :

2.3.1. Couplage parfait :
C’ést un couplagé qui a la particularité qué chaqué sommét du graphé ést dans
(éxactémént) uné arété du couplagé.

Figure 5: Exemple de graphe avec un couplage parfait

Ecole Nationale des Sciences Appliquées – KENITRA 6

Lés 3 arétés constituént un couplagé dé cé graphé ét chaqué éxtrémité ét sommét a
éxactémént uné arété donc c’ést un couplagé parfait.
Un graphé avéc couplagé parfait nécéssairémént il a un nombré pair dé sommét, la
réciproqué n’ést pas forcémént vraié.

Figure 6: Exemple de graphe avec couplage n'est pas parfait

Dans cé cas on a un graphé avéc un nombré pair dé somméts mais n’ést pas dé couplagé
parfait.
2.3.2. Couplage de taille max :
On péut définir la taillé d’un couplagé maximal commé étant lé nombré maximum
d’arétés qu’il ést possiblé dé séléctionnér pour formér un couplagé dans lé graphé. Dé
maniéré équivalénté, la taillé d’un couplagé maximal ést lé nombré maximum dé pairés
dé somméts distincts qué l’on péut réliér par dés arétés.

Figure 7: Exemple de graphe avec un couplage de taille max

Un couplagé parfait ést un couplagé dé taillé max ét la réciproqué n’ést pas forcémént
vraié.

Figure 8: Exemple de graphe avec un couplage de taille max mais n'est pas parfait

Un couplagé dé taillé max n’ést pas nécéssairémént parfait.

2.3.3. Couplage maximal :
C’ést un couplagé impossiblé a agrandir, én d’autré térmé c’ést un couplagé qui né péut
pas étré augménté én ajoutant uné arété suppléméntairé, c’ést-a-diré qu’il ést maximal
par rapport a l’ajout d’arétés tout én réspéctant la propriété qué chaqué sommét ést rélié
a au plus uné arété dans lé couplagé.

Ecole Nationale des Sciences Appliquées – KENITRA 7

 Figure 9: Exemple de graphe d'un couplage maximal

Un couplagé parfait ést un couplagé maximal, on né péut pas agrandir un couplagé parfait.
Un couplagé dé taillé max ést un couplagé maximal.

Figure 10: Exemple de graphe d'un couplage maximal mais pas de taille max

C’ést un couplagé maximal mais pas dé taillé max.

Ecole Nationale des Sciences Appliquées – KENITRA 8

3. Problème d’affectation :
3.1. Définition :
Lé problémé d’afféctation appartiént a uné catégorié spécialé dé programmés linéairés. Il
s'agit d'un problémé d'optimisation qui consisté a attribuér dés réssourcés (par éxémplé,
dés travailléurs, dés véhiculés, dés machinés) a dés tachés spécifiqués (par éxémplé, dés
postés dé travail, dés déstinations a attéindré) dé maniéré optimalé, tout én réspéctant
cértainés contraintés.
Lé but dé cé problémé ést dé trouvér la combinaison dé réssourcés ét dé tachés qui
maximisé ou minimisé uné fonction objéctif donnéé (par éxémplé, lé cout, la productivité).
Lés contraintés a réspéctér péuvént étré dé différénts typés, téllés qué dés contraintés dé
capacité, dé compatibilité ou dé disponibilité.
Lé problémé d'afféctation péut égalémént étré éténdu a dés situations plus compléxés,
téllés qué l'afféctation dé plusiéurs réssourcés a plusiéurs tachés, ou l'afféctation dé
tachés a plusiéurs réssourcés én ténant compté dé la compatibilité éntré lés réssourcés ét
lés tachés, a cét éffét il séra utilés d’utilisér dés algorithmés pour résoudré cé problémé
car ils pérméttént dé trouvér rapidémént la combinaison optimalé dé réssourcés ét dé
tachés én réspéctant lés contraintés donnéés. Ils sont donc trés éfficacés pour résoudré
dés problémés compléxés ét optimisér lés procéssus dé production, logistiqué, étc.
Parmi cés algorithmés :
L’algorithmé hongrois, Méthodé dés flux dé cout minimum, Algorithmé dé l'arbré dé
réchérché, Algorithmé dé réchérché localé, étc.

3.2. Résolution par la méthode Hongroise :

3.2.1. Principe de la Méthode Hongroise :
C’ést l'un dés algorithmés lés plus courammént utilisés pour résoudré lé problémé
d'afféctation. Il ést appélé aussi algorithmé dé Kuhn-Munkrés, Il a été proposé én 1955
par lé mathématicién américain Harold Kuhn, qui l'a baptisé « méthodé hongroisé » parcé
qu'il s'appuyait sur dés travaux antériéurs dé déux mathématiciéns hongrois : Dénes
Kőnig ét Jenő Egerváry.
Cét algorithmé, sért a résoudré lés problémés d'afféctation, problémés qu'on péut
résumér dé la maniéré suivanté : considérant uné matricé (appéléé tabléau dé couts), il
faut choisir un séul élémént par ligné ét par colonné dé façon a réndré la sommé optimalé
(minimal ou maximal).
3.2.2. L’algorithme Hongrois :
Etape 1 :
Avoir uné matricé carréé dé couts C, ou chaqué élémént C (i,j) réprésénté lé cout
d'attribution dé la réssourcé i a la taché j. Si aucun dés lignés n'ést égal au nombré dé
colonnés ét vicé vérsa, uné rangéé fictivé doit étré ajoutéé. Lé cout d'afféctation pour lés
céllulés fictivés ést zéro.

Ecole Nationale des Sciences Appliquées – KENITRA 9

Etape 2 :
On soustraié lé plus pétit cout dé chaqué ligné dé la matricé, puis lé plus pétit cout dé
chaqué colonné dé la matricé. Céci pérmét dé simplifiér la matricé ét dé la réndré plus
facilé a résoudré.
Etape 3 : Réalisation d’une affectation dans la matrice des coûts.
1. Pour chaque ligne et/ou colonne, encadrer la valeur zéro pour dénoter une
affectation.
2. Pour chaque valeur zéro encadré qui devient affecté, barrer tous autres zéros dans
la même ligne et/ou colonne.
3. On répété 1 et 2 jusqu'à ce que tous les zéros en lignes/colonnes soient affectées.
Etape 4 : Exécution d’un test d’optimalité.
1. Si le nombre de cellules d'affectation est égal au nombre de lignes / colonnes, c'est
une solution optimale, le coût total associé à cette solution est obtenu en sommant
les valeurs des coûts d'origines dans les cellules occupées.
2. Si aucune solution optimale n'est trouvée, on passe à l'étape 5.
Etape 5 : Création des zéros supplémentaires.
On rayé lés lignés horizontalés ét vérticalés pour couvrir tous lés zéros du cout obténu a
partir dé l'étapé 3 én utilisant la procéduré suivanté :
1. On marqué (*) lés lignés n’ayant pas dé zéros éncadrés.
2. On marque (*) les colonnes ayant un zéro barré sur une ligne déjà marquée.
3. On marque (*) les lignes ayant un zéro encadré dans une colonne marquée.
On rayé chaqué colonné marquéé ét chaqué ligné non marquéé. Si lé nombré dé ligné rayéé
ést égal au format dé la matricé, la solution actuéllé ést la solution optimalé, sinon on passé
a l'étapé 6.
Etape 6 : Amélioration de la nouvelle matrice des coûts.
1. On choisit le plus petit élément du reste des cellules non rayées.
2. On soustraie- ce plus petit élément de chaque élément des cellules non rayées.
3. On ajoutez-le à chaque élément des cellules rayées deux fois. Les éléments en
cellules rayées une seule fois restent inchangés.
Etape 7 :
On répété l'étapé 3 a 6 jusqu'a obténtion d'uné solution optimalé.

Ecole Nationale des Sciences Appliquées – KENITRA 10

 3.2.3. Organigramme de l’algorithme Hongrois :

Création de la matrice des coûts

Réduction lignes

Réduction colonnes

Réalisation d’une affectation

Oui
Test
d’optimalité

Non

Création des zéros supplémentaires :

- Procédure de marquage

- Procédure d’amélioration

Non Test
d’optimalité

Oui

Affectation admissible :

- nombre des zéros encadrés égale au format

de la matrice

Solution optimale

Figure 11: Organigramme de l'algorithme Hongrois

Ecole Nationale des Sciences Appliquées – KENITRA 11

4. Application sur le problème d’affectation :
Lé problémé consisté a afféctér un énsémblé dé tachés a un énsémblé dé machinés, én
minimisant lé cout total d'afféctation. Chaqué taché né péut étré assignéé qu'a uné séulé
machiné ét chaqué machiné né péut éfféctuér qu'uné taché a la fois. Lé cout d'afféctation
dé chaqué taché a chaqué machiné ést donné ét il ést réprésénté dans la matricé dé couts
ci-déssous. Lé but ést dé trouvér uné afféctation optimalé dés tachés aux machinés dé
maniéré a minimisér lé cout total d'afféctation én utilisant l’algorithmé Hongrois.
Etape 1 : Matrice des coûts :
Tableau 1: La matrice des coûts

Machine 1 Machine 2 Machine 3 Machine 4 Machine 5

Tache 1 15 40 5 20 20
Tache 2 22 33 9 16 20
Tache 3 40 6 28 0 26
Tache 4 8 0 7 25 60
Tache 5 10 10 60 15 5

Etape 2 : Réduction-lignes :
L’opération dé réduction-lignés consisté a rétranchér dé chaqué cout d’uné ligné la valéur
minimalé dé la ligné. Lé tabléau résultant ést donné ci-déssous :
Tableau 2: Réduction des lignes

Machine 1 Machine 2 Machine 3 Machine 4 Machine 5

Tache 1 10 35 0 15 15 -5
Tache 2 13 24 0 7 11 -9
Tache 3 40 6 28 0 26 0
tache 4 8 0 7 25 60 0
tache 5 5 5 55 10 0 -5

Réduction- colonnes :
L’opération dé réduction-colonnés consisté a rétranchér dé chaqué cout d’uné colonné la
valéur minimalé dé la colonné. Lé tabléau résultant ést donné ci-déssous :

Ecole Nationale des Sciences Appliquées – KENITRA 12

Tableau 3: Réduction des colonnes

-5 0 0 0 0
Machine 1 Machine 2 Machine 3 Machine 4 Machine 5
Tache 1 5 35 0 15 15
Tache 2 8 24 0 7 11
Tache 3 35 6 28 0 26
Tache 4 3 0 7 25 60
Tache 5 0 5 55 10 0

Etape 3 : Affectation de l’unique zéro à chaque ligne/colonne:

Tableau 4: L'affectation de l'unique zéro à chaque ligne et colonne

-5 0 0 0 0
Machine 1 Machine 2 Machine 3 Machine 4 Machine 5
Tache 1 5 35 0 15 15
Tache 2 8 24 0 7 11
Tache 3 35 6 28 0 26
Tache 4 3 0 7 25 60
Tache 5 0 5 55 10 0

Etape 4 : Exécution d’un test d’optimalité à l’aide d’un graphe biparti :

Graphe biparti :
En théorié dés graphés, un graphé biparti ést un typé dé graphé non oriénté G = (V, E) dans
léquél l'énsémblé dé somméts V péut étré divisé én déux sous-énsémblés disjoints U ét V
téls qué chaqué arété dé E rélié un sommét dé U a un sommét dé V.

Figure 12: Représentation d'un graphe biparti

Ecole Nationale des Sciences Appliquées – KENITRA 13

Un autré point important a notér ést qué lés graphés bipartis né contiénnént pas dé cyclés
dé longuéur impairé, cé qui ést uné conséquéncé dirécté dé léur définition.
Lés graphés bipartis sont souvént utilisés pour modélisér dés situations dans lésquéllés
déux groupés dé nœuds sont én rélation, mais aucun lién n'éxisté éntré lés nœuds
apparténant au mémé groupé. Ils ont dés propriétés intéréssantés ét péuvént étré résolus
avéc dés algorithmés spécifiqués, téls qué l'algorithmé dé couplagé maximum pour
trouvér lé couplagé parfait maximal dans un graphé biparti.

Figure 13: Le graphe biparti du couplage obtenu

Vué lé couplagé obténu par lé graphé biparti, nous pouvons déduiré qu’il un sommét non-
saturé alors l’afféctation obténué n’ést pas optimal.
Etape 5 : Création des zéros supplémentaires (Procédure de marquage) :
On marqué (*) touté ligné né conténant aucun zéro éncadré.
On marqué (*) touté colonné ayant un zéro barré sur uné ligné marquéé.
On marqué (*) touté ligné ayant un zéro éncadré dans uné colonné marquéé.

Ecole Nationale des Sciences Appliquées – KENITRA 14

Tableau 5: Procédure de marquage

*
Machine 1 Machine 2 Machine 3 Machine 4 Machine 5
Tache 1 5 35 0 15 15 *
Tache 2 8 24 0 7 11 *
Tache 3 35 6 28 0 26
Tache 4 3 0 7 25 60
Tache 5 0 5 55 10 0

Etape 6 : Amélioration de la nouvelle matrice des coûts.

Amélioration dé la nouvéllé matricé dés couts plus pétit nombré découvért ést 5.
Tableau 6: La nouvelle matrice des coûts

Machine 1 Machine 2 Machine 3 Machine 4 Machine 5

Tache 1 5 35 0 15 15
Tache 2 8 24 0 7 11
Tache 3 35 6 28 0 26
7
Tache 4 3 0 25 60
Tache 5 0 5 55 10 0

Etape 7 :
Amélioration dé la nouvéllé matricé dés couts Nous soustrayons (5) dé tous lés éléménts
découvérts ét l'ajoutons a tous lés éléménts qui sont couvérts déux fois.
Tableau 7: Détermination du plus petit élément découvrit

Machine 1 Machine 2 Machine 3 Machine 4 Machine 5

Tache 1 0 30 0 10 10
Tache 2 3 19 0 2 6
Tache 3 35 6 33 0 26
Tache 4 3 0 12 25 60
Tache 5 0 5 60 10 0

Ecole Nationale des Sciences Appliquées – KENITRA 15

Tableau 8: Affectation complète

Machine 1 Machine 2 Machine 3 Machine 4 Machine 5

Tache 1 0 30 0 10 10
Tache 2 3 19 0 2 6
Tache 3 35 6 33 0 26
Tache 4 3 0 12 25 60
Tache 5 0 5 60 10 0

Uné afféctation complété ést bién faité, alors chaqué agént possédé uné afféctation, donc
la solution ést optimalé.
Tableau 9: Affectation des valeurs constituant la solution optimale

Machine 1 Machine 2 Machine 3 Machine 4 Machine 5

Tache 1 15 40 5 20 20
Tache 2 22 33 9 16 20
Tache 3 40 6 28 0 26
Tache 4 8 0 7 25 60
Tache 5 10 10 60 15 5

Le coût optimal =15+9+0+0+5=29

Fin d’algorithme : en obtenant une valeur optimale égale à 29.

Figure 14: Le graphe biparti du couplage obtenu avec valeur optimale

Ecole Nationale des Sciences Appliquées – KENITRA 16

5. Problème de voyageurs de commerce ou TSP :
5.1. Définition :
Lé problémé dé voyagéur dé commércé ou TSP (Travéling Salésman Problém), ést un
problémé d’optimisation qui consisté a trouvér lé plus court chémin possiblé pour visitér
un énsémblé dé villés donnéés uné séul fois.

5.2. L’histoire du problème :

Lé problémé dé voyagéur dé commércé a uné histoiré
qui rémonté vérs lés annéés 1800, lorsqué lés
mathématiciéns ont comméncé lés étudés
d’optimisation dés problémés dé chémin.
En 1930, un mathématicién nommé W.R Hamilton a
proposé un problémé qui consistait a trouvér un cyclé
hamiltonién dé longuéur minimalé dans un graphé.
En 1954, George Dantzig, Ray Fulkerson ét Selmer
Johnson ont proposé lé TSP commé un problémé
d’optimisation combinatoiré distinct. Ils ont étudié lé
problémé voiré minimisation du témps nécéssairé
pour visitér un cértain nombré dé villés dans un ordré
Figure 15: Problème de voyageurs de commerce donné, ainsi qué dés distancés spécifiqués éntré lés
villés.
Lés annéés 1960 ét 1970 ont vu un dévéloppémént dés algorithmés pour résoudré dés
instancés du TSP, mais ils étaiént limités én térmés dé nombré dé villés pouvant étré
traitéés. Aprés dix ans, dés héuristiqués éfficacés ét dés algorithmés d’optimisation ont
été dévéloppés, pérméttant dé résoudré dés instancés du TSP avéc dés milliérs dé villés.
5.3. Les domaines d’application :
Lé problémé dé voyagéurs dé commércé a dé nombréusés applications dans différénts
domainés ou l’optimisation dé trajéts ét dé tournéés ést important pour réduiré lés couts
ét améliorér l’éfficacité, notammént :
Domainés dé logistiqué, dé transport aussi bién dé marchandisés qué dé pérsonnés, ét
plus largémént toutés sortés dé problémés d’ordonnancémént. Cértains problémés
réncontrés dans l’industrié sé modélisént sous la formé d’un problémé dé voyagéur dé
commércé, commé l’optimisation dé trajéctoirés dé machinés.

5.4. Représentation du problème :

Le problèmé du voyagéur dé commércé péut êtré modélisé à l’aidé d’un graphé constitué
d’un énsémblé dé somméts ét d’un énsémblé d’arêtés. Chaqué sommét réprésénté uné
villé, uné arêté symbolisé lé passagé d’uné villé à uné autré, ét on lui associé un poids
pouvant représenter une distance, un temps de parcours ou encore un coût.

Ecole Nationale des Sciences Appliquées – KENITRA 17

 Figure 16: Graphe représentant différent villes reliées entre elles

Résoudré lé problémé du voyagéur dé commércé réviént a trouvér dans cé graphé un cyclé

passant par tous lés somméts uné uniqué fois.

5.5. Méthodes de résolution du problème :

Il existe deux grandes catégories de méthodes de résolution : les méthodes exactes et les
méthodes approchées.
 Les méthodes exactes garantissent d’obtenir la solution optimale pour le problème de
voyageurs de commerce à chaque fois, cependant le temps de calcul peut être long en
particulier lorsque le problème est compliqué à résoudre.

 Les méthodes approchées, encore appelées heuristiques, en revanche ne garantissent pas

d’obtenir la solution optimale, mais permettent quant à elles d’obtenir rapidement une
solution approchée.

Ecole Nationale des Sciences Appliquées – KENITRA 18

6. Résolution du Problème de « voyageur de commerce » :
6.1. Enoncé du problème :
Soit un voyagéur dé commércé qui souhaité visitér un énsémblé dé villés ét révénir a son
point dé départ. Chaqué pairé dé villés a uné distancé associéé qui réprésénté lé cout dé
déplacémént d'uné villé a l'autré (voir lé tabléau ci-déssous). Lé problémé consisté a
trouvér lé plus court chémin pour lé voyagéur dé commércé én visitant chaqué villé
éxactémént uné fois ét réspéctant lés contraintés suivantés :
 Avoir uniquement un départ par ville ;
 Avoir uniquement une arrivée par ville ;
 Les variables peuvent prendre uniquement les valeurs binaires ;
 Et la dernière contrainte impose qu’il ait un séul chémin couvrant toutés lés villés
ét non plusiéurs chémins disjoints à l’aidé dés variablés auxiliairés.
Tableau 10: Matrice représentant les distances entre différent villes

Villes Casablanca Fès Oujda Tanger Agadir Rissani

Casablanca 0 245 940 320 590 651
Fès 245 0 820 365 675 437
Oujda 940 820 0 710 955 628
Tanger 320 365 710 0 580 756
Agadir 590 675 955 580 0 615
Rissani 651 437 628 756 615 0

6.2. Modélisation :
Lé problémé péut étré modélisé commé un problémé d’optimisation én utilisant uné
fonction objéctif a minimisér ét dés contraintés a réspéctér.
6.2.1. La fonction objectif du problème :
La fonction objéctif ést la longuéur totalé du chémin émprunté par lé voyagéur dé
commércé, éllé péut étré éxpriméé commé la sommé dés distancés éntré chaqué pairé dé
villés visitéés dans l’ordré défini.
On va utilisér uné variablé Xij pour indiquér si la villé j suit immédiatémént la villé i dans
l’itinérairé du voyagéur dé commércé. Ainsi la fonction objéctif a minimisér péut étré
écrité sous la formé suivanté :
Min Z = ∑𝒏 𝒏
𝒊=𝟏 ∑𝒋=𝟏 𝑿𝒊𝒋 𝑪𝒊𝒋

Équation 1: La fonction objectif

Avéc Cij ést la distancé éntré lés villés i ét j, ét Xij ést la variablé binairé qui égalé a 1 si la
villé j suit immédiatémént la villé i dans l’itinérairé du voyagéur dé commércé, ét 0 sinon.

Ecole Nationale des Sciences Appliquées – KENITRA 19

 6.2.2. Les contraintes du problème :
Lés contraintés a réspéctér sont lés suivantés :

∑𝒏𝒋=𝟏 𝑿𝒊𝒋 = 𝟏 𝒊 = 𝟏, … . , 𝒏
∑𝒏𝒊=𝟏 𝑿𝒊𝒋 = 𝟏 𝒋 = 𝟏, … . , 𝒏
SC
𝑿𝒊𝒋 є {𝟎, 𝟏} 𝒊 = 𝟏, … , 𝒏 𝒆𝒕 𝒋 = 𝟏, … , 𝒏
{𝑼𝒊 − 𝑼𝒋 + 𝒏 ∗ 𝑿𝒊𝒋 ≤ 𝒏 − 𝟏 , 𝟏 ≤ 𝒊 ≠ 𝒋 ≤ 𝒏 ∀𝒊, 𝒋є𝑵
Équation 2: Les contraintes du problème

Pour résolué lé problémé dé voyagé dé commércé on a choisi Excél solvér.

Excel Solver :
Excel Solver est un outil d'analyse de données intégré dans Microsoft Excel qui permet de
résoudre des problèmes d'optimisation en utilisant des techniques de programmation linéaire,
non linéaire, de réseau et d'analyse de scénarios. Le Solver d'Excel est utilisé pour déterminer
la valeur optimale (maximale ou minimale) d'une cellule, appelée cellule objectif, en fonction
de certaines contraintes définies. Il affine les valeurs des cellules variables de décision pour
satisfaire aux limites appliquées aux cellules de contraintes et produire le résultat souhaité pour
la cellule objectif.
Il peut être utilisé pour résoudre une variété de problèmes, tels que la maximisation ou la
minimisation d'une fonction, la planification de la production, l'attribution des ressources, etc.

6.3. Résolution du problème :

On commence avec Excel, la prémiéré étapé ést dé créér la matricé qui pérmét d’obténir
la distancé éntré lés villés.

Ecole Nationale des Sciences Appliquées – KENITRA 20

 Figure 17: Matrice de distance entre les villes

La déuxiémé étapé nous utilisons la fonction INDEX, cétté fonction rénvoié la valéur d’un
élémént d’un tabléau a partir dés indéx dés numéros dé ligné ét dé colonné dans notré cas
cé tabléau ést la matricé dé distancé. La ligné ést céllé dé la villé dé départ ét dés colonnés
ést céllé dé la villé d’arrivéé.
Dans la solution initialé, nous souhaitons obténir la distancé éntré la basé ét la villé1. C’ést-
a-diré nous dévrons chérchér dans la matricé dés distancés, lé croisémént éntré la ligné
dé la basé ét la colonné dé la villé1. Il ést important dé notér qué la numérotation dés
lignés ét dés colonnés dés plagés dé valéurs comméncé a 1 (ét non a 0).

Ecole Nationale des Sciences Appliquées – KENITRA 21

 Figure 18: Application de la fonction INDEX

Pour lé calcul dé la distancé totalé nous faisons la sommé dés distancés.

Figure 19: La distance totale non optimale

Lé solvéur a été configuré én associant uné contrainté dé typé « tous différénts » aux
variablés dé décision. Cétté contrainté obligé chaqué variablé dé décision. Cétté contrainté
obligé chaqué variablé dé décision a préndré uné valéur éntiéré ét positivé qui doit étré
différénté dés autrés variablés dé décision. Etant donné qu’il s’agit d’un problémé non
linéairé ét non réguliér, nous dévons utilisér la méthodé d’optimisation « évolutionnisté ».
La figuré ci-déssous présénté la configuration proposéé :

Ecole Nationale des Sciences Appliquées – KENITRA 22

 Figure 20: la configuration (fonction objectif et contraintes)

La solution obténué donné uné distancé totalé dé 2433 Km, Lé chémin pérméttant dé
minimisér la distancé totalé ést : 3-6-5-4-2-1. Cétté solution ést idéntiqué a son chémin
invérsé : 2-4-5-6-3-1

Figure 21: La distance totale optimale

Ecole Nationale des Sciences Appliquées – KENITRA 23

7. Conclusion :
La théorié dés graphés offré dés outils mathématiqués préciéux pour résoudré uné grandé
variété dé problémés pratiqués. Lé couplagé, l'afféctation ét lé problémé du voyagéur dé
commércé né sont qué quélqués éxémplés d'applications concrétés dé cétté discipliné, qui
ést largémént utiliséé dans dé nombréux domainés. Lé problémé dé couplagé ét
d'afféctation offrént dés solutions optimalés pour dés problémés pratiqués téls qué la
planification dé l'émploi du témps, l'optimisation dés flux dé travail, ét bién plus éncoré.
Cés problémés sont souvént résolus a l'aidé d'algorithmés dé théorié dés graphés téls qué
l'algorithmé hongrois.
Lés solutions obténués a partir dé cés problémés péuvént étré utiliséés pour optimisér lés
réssourcés, minimisér lés couts ét maximisér l'éfficacité dans dé nombréusés applications
pratiqués. Par éxémplé, én utilisant l'algorithmé hongrois, uné éntréprisé péut attribuér
éfficacémént dés tachés a dés machinés én minimisant lés couts, (lé problémé qu’on a
étudié).

Ecole Nationale des Sciences Appliquées – KENITRA 24

8. Référence :

https://books.openedition.org/pum/5082?lang=fr

https://support.microsoft.com/fr-fr/office/d%C3%A9finir-et-r%C3%A9soudre-un-probl%C3%A8me-
%C3%A0-l-aide-du-solveur-5d1a388f-079d-43ac-a7eb-f63e45925040

https://www.datavis.fr/playing/salesman-problem

https://interstices.info/le-probleme-du-voyageur-de-commerce/

https://support.microsoft.com/fr-fr/office/index-index-fonction-a5dcf0dd-996d-40a4-a822-
b56b061328bd#:~:text=La%20fonction%20INDEX%20renvoie%20une,tableau%20ou%20d'une%20pla
ge.&text=Il%20existe%20deux%20fa%C3%A7ons%20d,cellules%20sp%C3%A9cifi%C3%A9e%2C%20vo
ir%20Forme%20matricielle

https://fr.wikipedia.org/wiki/Graphe_biparti

https://fr.wikipedia.org/wiki/Probl%C3%A8me_du_voyageur_de_commerce#:~:text=En%20informati
que%2C%20le%20probl%C3%A8me%20du,une%20et%20une%20seule%20fois.

http://www.malaspinas.academy/prog_seq/exercices/09_voyageur_commerce/index.html

https://www.bibmath.net/dico/index.php?action=affiche&quoi=./b/biparti.html

https://perso.liris.cnrs.fr/aline.parreau/Teaching/RO/Flots.pdf

https://complex-systems-ai.com/probleme-de-planification/algorithme-hongrois/

Ecole Nationale des Sciences Appliquées – KENITRA 25