Académique Documents
Professionnel Documents
Culture Documents
12 janvier 2022
Table des matières
Introduction Générale 1
2 Dr DJIBA Samson A
Introduction Générale
Une définition possible de la recherche opérationnelle pourrait être la suivante : il s’agit d’un
ensemble de méthodes d’analyse scientifique (Mathématiques et Informatique) des phénomènes d’or-
ganisation qui traite de la maximisation d’un profit, d’une performance, d’un rendement ou bien de la
minimisation d’un coût, d’une dépense.
La recherche opérationnelle est avant tout un outil d’aide à la décision.
Le schéma général suivi par ces méthodes est :
Problème concret (de type R.O.) → Modélisation → Résolution par une méthode R.0. → Inter-
prétation des résultats → Prise de décision.
1 Dr DJIBA Samson A
Chapitre 1
1.1 Introduction
2 Dr DJIBA Samson A
CHAPITRE 1. PROGRAMMATION LINÉAIRE : MÉTHODE GRAPHIQUE
Exemple 1.2.1 :
Une usine fabrique deux produits P1 et P2 à l’aide de trois matières premières M1 , M2 et M3 dont on
dispose en quantité limité. Il faut 1 unité de M1 , 1 unité de M2 et 2 unités de M3 pour fabriquer 1
unité du produit P1 . Pour fabriquer 1 unité du produit P2 , il faut 3 unités de M1 , 1 unité de M2 et
1 unité de M3 . La disponibilité en matières premières est de 18 unités de M1 , 8 unités de M2 et 14
unités de M3 . Le bénéfice unitaire est de 300F pour P1 et de 450F pour P2 .
Déterminer le programme de fabrication tel que les contraintes de ressources en matières premières
soient respectées et que le bénéfice réalisé par la vente de la production soit maximum. (Problème
d’utilisation optimale de stock)
Solution :
Soient x le nombre d’unités de P1 fabriquées et y le nombre d’unités de P2 fabriquées.
P1 P2 Disponibilités
M1 1 3 18
M2 1 1 8
M3 2 1 14
Marge de profit 300 450
On obtient le programme suivant :
maxZ = 300x + 450y
x + 3y ≤ 18
x+y ≤8
2x + y ≤ 14
x ≥ 0, y ≥ 0
3 Dr DJIBA Samson A
1.2. MODÉLISATION D’UN PROGRAMME LINÉAIRE
Exemple 1.2.2 :
L’intendant d’un lycée doit composer un menu qui doit contenir un minimum d’éléments nutritifs et
qui doit être le moins couteux possible. On se limite à une situation simple, deux denrées alimentaires
principales D1 , D2 et trois éléments nutritifs les vitamines V, les calories C et les protéines P. Pour
composer D1 il faut 1 unité de V, 1 unité de C et 3 unités de P ; et pour D2 on a besoin de 5 unités
de V, 2 unités de C et 2 unités de P. Le menu doit comporter au minimum 5 unités de V, 4 unités de
C et 6 unités de P. Les coûts unitaires sont 20F pour D1 et 25F pour D2 .
Déterminer le programme de composition de sorte à respecter les contraintes d’éléments nutritifs et à
minimiser le coût.
Solution :
Soient x le nombre d’unités de D1 et y le nombre d’unités de D2 .
D1 D2 Contraintes
V 1 5 5
C 1 2 4
P 3 2 6
Coût 20 25
4 Dr DJIBA Samson A
CHAPITRE 1. PROGRAMMATION LINÉAIRE : MÉTHODE GRAPHIQUE
Forme canonique
Z(x1 , ..., xn ) = c1 x1 + c2 x2 + · · · + cn xn
a11 x1 + a12 x2 + · · · + a1n xn ≤ ou ≥ 0
a21 x1 + a22 x2 + · · · + a2n xn ≤ ou ≥ 0
........ ...
.... · · · · · · · · · · · · · · · · · · · · · ......
am1 x1 + am2 x2 + · · · + amn xn ≤ ou ≥ 0
xi ≥ 0
Résoudre le P.L. consiste à déterminer les n-uplets (x1 , ..., xn ) qui optimisent Z ou à montrer que
de tels n-uplets n’existent pas.
On donne les définitions suivantes :
Définition 1.2.1 :
1. On appelle solution réalisable tout n-uplet (x1 , ..., xn ) vérifiant le système d’inéquations pré-
cédent.
2. On appelle solution optimale toute solution réalisable qui optimise Z.
3. On appelle fonction objectif la forme linéaire Z(x1 , ..., xn ) = c1 x1 + c2 x2 + · · · + cn xn
4. L’ensemble des solutions réalisables du P.L. est appelé domaine des solutions réalisables.
Lorsque ce domaine est non vide, on dit que PL est réalisable
Il existe diverses techniques de résolution d’un PL parmi lesquelles la méthode graphique se montre
à l’évidence la plus rapide et la plus simple mais aussi la plus limitée, car dès lors que le nombre de
variables dépasse deux, elle devient impraticable.
5 Dr DJIBA Samson A
1.3. MÉTHODE GRAPHIQUE
Exemple 1.3.2 Une entreprise fabrique des tables et des chaises à l’aide de deux machines A et B
disponibles respectivement pendant 70 heures et 40 heures. Une table fait trois heures dans A et une
heure dans B et rapporte 5 000 F de bénéfice alors qu’une chaise fait une heure dans A et deux heures
dans B et rapporte 3 500 F de bénéfice.
1. Ecrire le programme de production qui donne le bénéfice maximal.
2. Déterminer le bénéfice maximal et les nombres de tables et de chaises à fabriquer
maxZ = −x + y
−2x + y ≤ 1
x + 3y ≤ 10
x≤4
x ≥ 0, y ≥ 0
maxZ = x + 3y
x + y ≤ 14
−2x + 3y ≤ 12
2x − y ≤ 12
x ≥ 0, y ≥ 0
minZ = 9x + 8y
3x + y ≥ 270
x + 2y ≥ 140
x ≥ 0, y ≥ 0
6 Dr DJIBA Samson A
Chapitre 2
2.1 Maximisation
Exemple 2.1.1 Un fabricant produit des tables et des bureaux. Chaque table nécessite 2h30mn pour l’as-
semblage, 3h pour le polissage et 1h pour la mise en caisse. Chaque bureau exige 1h pour l’assemblage,
3h pour le polissage et 2h pour la mise en caisse. L’entreprise dispose, chaque semaine, de 20h pour
l’assemblage, 30h pour le polissage et 16h pour la mise en caisse. Sa marge de profit est de 3 000 F
par table et de 4 000 F par bureau.
N.B. :
La résolution de ce problème nécessite les étapes suivantes :
1. Analyse du problème
4. Déroulement de l ?algorithme
5. Résultats et conclusion
7 Dr DJIBA Samson A
2.1. MAXIMISATION
Système de contraintes
1 2
On transforme les inégalités du système des contraintes en égalités en ajoutant des variables d’écart
e1 , e2 et e3 :
M axZ(x1 , x2 ) = 3000x1 + 4000x2
2, 5x1 + x2 + e1 = 20
3x1 + 3x2 + e2 = 30
x1 + 2x2 + e3 = 16
x ≥ 0, x ≥ 0, e ≥ 0, e ≥ 0, e ≥ 0
1 2 1 2 3
8 Dr DJIBA Samson A
CHAPITRE 2. PROGRAMMATION LINÉAIRE : MÉTHODE DU SIMPLEXE
N.B. :
- les ratios sont obtenus en divisant les valeurs des disponibilités par les valeurs de la colonne pivot
(lorsqu’ils ne sont pas nuls)
- dans la base, la variable qui sort est remplacée par celle qui entre.
Etape 2 : pivotage
On annule tous les coefficients de la colonne pivot (sauf l’élèment pivot) en utilisant des combinaisons
linéaires des lignes correspondantes avec la ligne pivot (méthode du pivot de Gauss), ce qui conduit à
un nouveau tableau. On revient ensuite à la première étape.
Remarque 2.1.1 :
Lorsque l’on fait l’option de ne pas réduire la valeur du pivot à 1, les combinaisons linéaires doivent
être effectuées de manière à ce que les valeurs des disponibilités restent toujours positives tandis que
la valeur de la dernière ligne sous la colonne des disponibilités doit rester négative.
9 Dr DJIBA Samson A
2.2. RÉSUMÉ DE L’ALGORITHME DU SIMPLEXE (MAXIMISATION)
Deuxième tableau :
x1 x2 e1 e2 e3 Disponibilités Ratio
−1 12
e1 2 0 1 0 2 12 2 =6
3 −3 6
e2 2 0 0 1 2 6 3 = 4
2
1 1 8
x2 2 1 0 0 2 8 1 = 16
2
Troisième tableau :
x1 x2 e1 e2 e3 Disponibilités
−4 3
e1 0 0 1 3 2 4
2
x1 1 0 0 3 -1 4
−1
x2 0 1 0 3 1 6
−2000
Z 0 0 0 3 -1000 -36000
Dans ce troisième tableau tous les coefficients de la dernière ligne sont négatifs ou nuls : c’est le
dernier tableau
Résultats et conclusion
Dans le dernier tableau, on considère les variables de la fonction économique qui se retrouvent dans
la base.
Remarque 2.1.2 :
Toute variable de la fonction économique qui ne se retrouve pas dans la base du dernier tableau a pour
valeur 0.
Conclusion :
Pour maximiser son profit, l’entreprise doit produire 4 tables et 6 bureaux. Ce profit maximum est
36000 F.
10 Dr DJIBA Samson A
CHAPITRE 2. PROGRAMMATION LINÉAIRE : MÉTHODE DU SIMPLEXE
1. On transforme les inégalités en égalités en ajoutant les variables d’écart (on obtient la forme
standard)
Z(x1 , ..., xn ) = c1 x1 + c2 x2 + c3 x3
a11 x1 + a12 x2 + a13 x3 + e1 = b1
a21 x1 + a22 x2 + a23 x3 + e2 = b2
a31 x1 + a32 x2 + a33 x3 + e3 = b3
x ≥ 0, x ≥ 0, x ≥ 0, 1 ≥ 0, e ≥ 0, e ≥ 0
1 2 3 2 3
x1 x2 x3 e1 e2 e3 Disponibilités
e1 a11 a12 a13 1 0 0 b1
e2 a21 a22 a23 0 1 0 b2
e3 a31 a32 a33 0 0 1 b3
Z c1 c2 c3 0 0 0
3. Déroulement :
1ère étape : choix du pivot
-On cherche dans la dernière ligne du tableau le coefficient positif le plus grand et on sélectionne
la colonne correspondante : c’est la colonne pivot.
-On divise les coefficients de la colonne des disponibilités par les coefficients correspondant de la
colonne pivot, quand ils ne sont pas nuls et on sélectionne la ligne correspondant au plus petit
résultat positif : c’est la ligne pivot.
- Le coefficient placé à l’intersection de la colonne pivot et de la ligne pivot est choisi comme
élément pivot.
Exercice 2.2.1 :
Résoudre les problème de maximisation du chapitre précédent en utilisant la méthode du simplexe.
11 Dr DJIBA Samson A
Chapitre 3
12 Dr DJIBA Samson A