Séance 1

Introduction
Outils scientifiques:
! Mathématiques Appliquées (Algèbre, Probabilités, Optimisation, Théories de

Graphes, ….) ;
! Informatique (Algorithmique, Complexité, …)
La recherche opérationnelle est une approche quantitative permettant de produire de

meilleures décisions:
• Elle propose des modèles pour analyser des situations complexes et permet
aux décideurs de faire des choix efficaces et robustes
• Elle fournit des outils afin de trouver des solutions optimales ou proches de
l’optimum pour des problèmes d’optimisation
22/03/21 1 Pr. MESSAOUD

Introduction
Exemples d’applications :
• Comment ordonnancer les tâches d’un projet tout en minimisant sa durée?

• Trouver un (plus court) chemin entre deux villes
• Comment investir 100000 DH dans un projet de sorte à maximiser le profit obtenu
après deux ans?
• Transport d’un ensemble de produits vers un ensemble de clients de sorte à minimiser
le coût total du transport

Introduction
Exemples d’applications :
• Comment ordonnancer les tâches d’un projet tout en minimisant sa durée?

• Trouver un (plus court) chemin entre deux villes
• Comment investir 100000 DH dans un projet de sorte à maximiser le profit obtenu
après deux ans?
• Transport d’un ensemble de produits vers un ensemble de clients de sorte à minimiser
le coût total du transport
L’application de la recherche opérationnelle à un problème réel consiste à :
! Elaborer un modèle
! Développer un algorithme de résolution exacte ou approchée ;
! Evaluer la qualité des solutions produites par l’algorithme dans l’environnement réel
du problème.

Programme
Programmation linéaire Théorie des graphes

! Problème du plus court chemin
! Problème de flot maximum
! Problème de flot à coût minimum
! Problèmes d’ordonnancement (méthodes de
PERT et MPM)

Programme
! Définition et formes d’un programme linéaire ! Problème du plus court chemin
! Modélisation d’un problème réel par un programme ! Problème du flot maximum
linéaire ! Problème du flot maximum à coût minimum
! Résolution d’un programme linéaire par: ! Problèmes d’ordonnancement (méthodes de
• Méthode graphique PERT et MPM)
• Algorithme de simplexe (algébrique et
tabulaire)
! Dualité en programmation linéaire
! Programmation linéaire en nombres entiers

Programme
! Définition et formes d’un programme linéaire ! Problème de chemins optimaux
! Modélisation d’un problème réel par un programme ! Problème du flot maximum
linéaire ! Problème du flot maximum à coût minimum
! Résolution d’un programme linéaire par: ! Problèmes d’ordonnancement (méthodes de
• Méthode graphique PERT et MPM)
• Algorithme de simplexe (algébrique et
tabulaire)
! Dualité en programmation linéaire
! Programmation linéaire en nombres entiers

Définitions et écriture d’un programme linéaire
! La programmation linéaire permet de traiter des problèmes dans lesquels on

cherche à optimiser (maximiser ou minimiser) une fonction linéaire de plusieurs
variables qui sont soumises à des restrictions imposées par la nature du
problème. Ces restrictions appelées également contraintes, se représentent
sous forme d’équations ou inéquations linéaires

Un programme linéaire générale s’écrit sous la forme:

Exemples

Exemples

Exemples

Exemples

Formes d’un programme linéaire
1. Forme canonique d’un programme linéaire
La forme canonique d’un programme linéaire est sous la forme suivante:
! Problème de maximisation
! Toutes les contraintes sont du type inférieur ou égal
! Toutes les variables sont positives

Exemple

Exemple

Exemple

Tout programme linéaire peut être mis sous forme canonique, il suffit de noter que:





Exemples
Mettre sous forme canonique les programmes

suivants:

Exemples

suivants:

Exemples

suivants:

Exemples

suivants:

Exemples

suivants:

Exemples

suivants:

Exemple:
Mettre sous forme canonique le programme suivant:
⎧Max z = 2x1 + 3x2 + x3

⎪
⎪⎪x1 + x2 ≤ 16
(P) : ⎨x1 + 2x2 ≥ 15
⎪x + 3x + x = 20
⎪ 1 2 3
⎪⎩x1 , x2 , x3 ≥ 0

2. Forme standard d’un programme linéaire
La forme standard d’un programme linéaire est sous la forme suivante:
! Toutes les contraintes sont du type égal
Exemple

Exemple

Exemple

Tout programme linéaire peut être mis sous forme standard, il suffit de noter que:





Exemples
Mettre sous forme standard les programmes

suivants:

Exemples

suivants:

Exemples

suivants:

Exemples

suivants:

Exemples

suivants:

Exemples

suivants:

Exemple:
Mettre sous forme standard le programme suivant:
⎧Max z = 2x1 + 3x2 + x3

⎪
⎪⎪x1 + x2 ≤ 16
(P) : ⎨x1 + 2x2 ≥ 15
⎪x + 3x + x = 20
⎪ 1 2 3
⎪⎩x1 , x2 , x3 ≥ 0

Modélisation d’un problème réel par un programme linéaire
La modélisation d’un problème réel par un programme linéaire consiste à faire:
! Le choix des variables

! Le choix de la fonction objectif à optimiser
! La détermination des contraintes

La modélisation d’un problème réel par un programme linéaire consiste à faire:
! Le choix des variables

! Le choix de la fonction objectif à optimiser
! La détermination des contraintes
Exemple 1 (problème de production) :

Une usine fabrique deux produits P1 et P2 en utilisant un certain nombre de ressources. Ces
besoins sont indiqués dans le tableau suivant. Par ailleurs, chaque ressource est disponible en
quantité limitée
P1 P2 Disponibilité
Ressource A 3 9 81
Ressource B 4 5 55
Ressource C 2 1 20
Les deux produits P1 et P2 rapportent à la vente respectivement des bénéfices de 60 DH et 40 DH
par unité. Quelles quantités de produits P1 et P2 doit produire l’usine afin de maximiser le
bénéfice total venant de la vente des 2 produits?


quantité limitée
Ressource A 3 9 81
Ressource B 4 5 55
Ressource C 2 1 20
Solution:
! Le choix des variables: x1 et x2 sont respectivement les quantités des produits P1 et P2 fabriqués


quantité limitée
Ressource A 3 9 81
Ressource B 4 5 55
Ressource C 2 1 20
Solution:
! Le choix de la fonction objectif à maximiser: la fonction objectif correspond au bénéfice total
est 60 x1 + 40 x2


quantité limitée
Ressource A 3 9 81
Ressource B 4 5 55
Ressource C 2 1 20
Solution:
est 60 x1 + 40 x2 Le problème se traduit donc par : max 60 x1 + 40 x2


quantité limitée
Ressource A 3 9 81
Ressource B 4 5 55
Ressource C 2 1 20
Solution:
! La détermination des contraintes:
• La disponibilité de chacune de ressources s’écrit:


quantité limitée
Ressource A 3 9 81
Ressource B 4 5 55
Ressource C 2 1 20
Solution:
! La détermination des contraintes:
• La disponibilité de chacune de ressources s’écrit:
• La positivité des variables:


quantité limitée
Ressource A 3 9 81
Ressource B 4 5 55
Ressource C 2 1 20
Solution:
En résumé ce problème de production se modélise sous la forme:

Exemple 2 (problème de transport):
Une entreprise dispose de 2 entrepôts (A1 et A2) pour des unités destinées à satisfaire la
demande de 3 clients C1, C2 et C3. Le nombre d’unités disponibles à chaque entrepôt et les
demandes minimales des clients sont spécifiés dans le tableau suivant qui contient également le
coût du transport d’une unité de chaque entrepôt à chaque client
Entrepôt Clients Disponibilité
C1 C2 C3
A1 1 4 9 200
A2 6 8 4 500
Demande 200 400 100
Le problème est de déterminer quelle quantité chaque client reçoit de chaque entrepôt pour
minimiser le coût total de transport, tout en satisfaisant les contraintes

Résolution graphique d’un problème linéaire
Notions de base
! Considérons le programme linéaire (PL) sous forme canonique:

Notions de base
Notons l’ensemble des solutions réalisables de PL, on dit que D est

un polyèdre

Notions de base

un polyèdre
Polyèdre borné Polyèdre non borné

Notions de base

un polyèdre
Exemple
Représenter graphiquement le polyèdre associé aux

solutions réalisables du programme (P)

13
12
11
10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

13
12
11
10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

13
12
11
10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

13
12
11
10
9
8
7
(0, 6)
6
5
(6, 4)
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

13
12
11
10
9
8
7
(0, 6)
6
5
(6, 4)
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

13
12
11
10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

13
12
11
10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

13
12
11
10
9
8 (0, 8)
6
5
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

13
12
11
10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

13
12
11
10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

13
12
11
10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

13
12 (1, 12)
11
10 (2, 10)
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

13
12 (1, 12)
11
10 (2, 10)
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

13
12
11
10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

13
12
11
10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

13
12
11
10
9
8
7
6 Le polyèdre qui représente le domaine réalisable D

5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Notions de base
! Soit D un polyèdre. Un point est un point extrême de D si on ne peut pas l’exprimer

comme combinaison convexe de deux autres points de D

Notions de base
! Soit D un polyèdre. Un point est un point extrême de D si on ne peut pas l’exprimer

comme combinaison convexe de deux autres points de D

13
12
11
10
9
8
7
(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
(0, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Notions de base
! Soit D un polyèdre borné qui a un nombre fini n de points extrêmes (y1, y2, …, yn). Tout point
de D est une combinaison linéaire convexe des points extrêmes de D
Théorème
L’optimum d’une fonction objectif sur un polyèdre borné D est atteint en au moins un point
extrême

13
12
11
10
9
8
7
(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
(0, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
9
8
7
(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
(0, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
9
8
7
(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
(0, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
9
8
7
(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
(0, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
! Représenter un niveau de la droite de la fonction objectif qui a au moins un
9
point d’intersection avec le domaine réalisable
8
! Translater ce niveau de la droite de la fonction objectif selon la direction de
7
son gradient jusqu’à toucher le dernier point du domaine réalisable
(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
(0, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
! Représenter un niveau de la droite de la fonction objectif qui a au moins un
9
point d’intersection avec le domaine réalisable
8
! Translater ce niveau de la droite de la fonction objectif selon la direction de
7
son gradient jusqu’à toucher le dernier point du domaine réalisable
(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
(0, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1 (2, -4/3)
13
12
11
10
9
8 ! Translater ce niveau de la droite de la fonction objectif selon la direction de
7 son gradient jusqu’à toucher le dernier point du domaine réalisable

(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
(0, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
9

(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
9

(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
9

(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
9

(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
9
8
7
(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
9
8
7
(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
9
8
7
(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
9
8
7
(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
9
8
7
(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
9
8
7
(0, 6)
6
(3, 5)
5
4
3
(6, 2)
2
1
(7, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
13
12
11
10
9
8
7
(0, 6)
6
(3, 5)
5 Solution optimale (3,5)
4
3
(6, 2)
2
1
(7, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Les étapes de la résolution graphique
1. Construire un repère cartésien

2. Représenter les différentes contraintes

3. Déterminer le domaine réalisable

4. Représenter un niveau de la droite de la fonction objectif qui a au moins un point
d’intersection avec le domaine réalisable

4. Représenter un niveau de la droite de la fonction objectif qui a au moins un point
d’intersection avec le domaine réalisable
5. Translater ce niveau de la droite de la fonction objectif selon la direction de son gradient
jusqu’à toucher le dernier point du domaine réalisable (problème de maximisation )
Pour un problème de minimisation la direction est −∇f (x1, x2)

Exemples:
Résoudre graphiquement les programmes linéaires suivants:

Exemple 1:
13
12
11
10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Exemple 1:
13
12
11
10
9
8 (0, 8)
6
5
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Exemple 1:
13
12
11
10
9
8 (0, 8)
6
5
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Exemple 1:
13
12
11
10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
4
3
2
1
(12, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
4
3
2
1
(12, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Exemple 1:
13
12
11
10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Exemple 1:
13
12
11
10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
(4, 4)
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
(4, 4)
4
3
2
1
(8, 0)
(0, 0) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1 (1, -1)
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
(4, 4)
4
3
2
1
(8, 0)
(0, 0) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1 (1, -1)
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
(4, 4)
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
(4, 4)
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
(4, 4)
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
(4, 4)
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
(4, 4)
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
(4, 4)
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
(4, 4)
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
(4, 4)
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
(4, 4)
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
(4, 4)
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
(4, 4)
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
5
(4, 4)
4
3
2
1
(8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Exemple 1:
13
12
11
10
9
8
7
(0, 6)
6
Une infinité de solutions
5 présentées par le segment [A,B]
A= (4, 4)
4
3
2
1
B= (8, 0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1
Exemple 2:
13
12
11
10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Séance 1

Transféré par

Informations du document

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

Séance 1

Transféré par

Droits d'auteur :

Formats disponibles

Introduction

! Mathématiques Appliquées (Algèbre, Probabilités, Optimisation, Théories de

La recherche opérationnelle est une approche quantitative permettant de produire de

22/03/21 1 Pr. MESSAOUD

• Comment ordonnancer les tâches d’un projet tout en minimisant sa durée?

22/03/21 2 Pr. MESSAOUD

• Comment ordonnancer les tâches d’un projet tout en minimisant sa durée?

L’application de la recherche opérationnelle à un problème réel consiste à :

22/03/21 3 Pr. MESSAOUD

Programmation linéaire Théorie des graphes

! Problème de flot maximum

! Problème de flot à coût minimum

! Problèmes d’ordonnancement (méthodes de

22/03/21 4 Pr. MESSAOUD

Programmation linéaire Théorie des graphes

! Définition et formes d’un programme linéaire ! Problème du plus court chemin

! Modélisation d’un problème réel par un programme ! Problème du flot maximum

linéaire ! Problème du flot maximum à coût minimum

! Résolution d’un programme linéaire par: ! Problèmes d’ordonnancement (méthodes de

• Méthode graphique PERT et MPM)

• Algorithme de simplexe (algébrique et

! Dualité en programmation linéaire

! Programmation linéaire en nombres entiers

22/03/21 5 Pr. MESSAOUD

Programmation linéaire Théorie des graphes

! Définition et formes d’un programme linéaire ! Problème de chemins optimaux

! Modélisation d’un problème réel par un programme ! Problème du flot maximum

linéaire ! Problème du flot maximum à coût minimum

! Résolution d’un programme linéaire par: ! Problèmes d’ordonnancement (méthodes de

• Méthode graphique PERT et MPM)

• Algorithme de simplexe (algébrique et

! Dualité en programmation linéaire

! Programmation linéaire en nombres entiers

22/03/21 6 Pr. MESSAOUD

! La programmation linéaire permet de traiter des problèmes dans lesquels on

22/03/21 7 Pr. MESSAOUD

22/03/21 8 Pr. MESSAOUD

22/03/21 9 Pr. MESSAOUD

22/03/21 10 Pr. MESSAOUD

22/03/21 11 Pr. MESSAOUD

22/03/21 12 Pr. MESSAOUD

1. Forme canonique d’un programme linéaire

La forme canonique d’un programme linéaire est sous la forme suivante:

22/03/21 13 Pr. MESSAOUD

1. Forme canonique d’un programme linéaire

La forme canonique d’un programme linéaire est sous la forme suivante:

22/03/21 14 Pr. MESSAOUD

1. Forme canonique d’un programme linéaire

La forme canonique d’un programme linéaire est sous la forme suivante:

22/03/21 15 Pr. MESSAOUD

1. Forme canonique d’un programme linéaire

La forme canonique d’un programme linéaire est sous la forme suivante:

22/03/21 16 Pr. MESSAOUD

1. Forme canonique d’un programme linéaire

La forme canonique d’un programme linéaire est sous la forme suivante:

22/03/21 17 Pr. MESSAOUD

1. Forme canonique d’un programme linéaire

La forme canonique d’un programme linéaire est sous la forme suivante:

22/03/21 18 Pr. MESSAOUD

1. Forme canonique d’un programme linéaire

La forme canonique d’un programme linéaire est sous la forme suivante:

22/03/21 19 Pr. MESSAOUD

1. Forme canonique d’un programme linéaire

La forme canonique d’un programme linéaire est sous la forme suivante: