Académique Documents
Professionnel Documents
Culture Documents
Pr S. HARROUDI
26 septembre 2023
Plan
Plan
2 Modélisation
Plan
2 Modélisation
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.
Méthodes utilisées en RO
Optimisation avec/sans contraintes : Programmation mathématique,
optimistaion combinatoire...
Statistiques.
Data Mining.
Séries chronologiques.
Logiciels
Il existe de nombreux logiciels de résolution : Excel Solver, LINDO, MPSX,
CPLEX, MathPro, Matlab, Mathematica ...
Domaines d'application
La RO a été appliquée considérablement dans plusieurs domaines tels que :
✓aaires (business).
✓industries.
✓agricole.
✓gouvernement.
✓économique.
✓agences.
✓hôpitaux.
✓institutions d'éducation ....
Optimisation
Optimisation
Programmation mathématique
La programmation mathématique(PM) est un problème d'optimisation
consiste à trouver l'optimum (maximum ou minimum) d'une fonction f (x) de
n variables x = (x1 , . . . , xn ) soumise ou non à un ensemble de m contraintes
gi (x) = 0 ou gi (x) ≥ 0, i = 1, . . . , m.
La typologie des problèmes de programmation mathématique est basée sur :
la nature de la fonction : linéaire ou non linéaire.
la présence ou l'absence de contraintes.
la nature des contraintes : linéaires ou non linéaires.
la nature des variables xi : réelles, entières ou binaires.
Programmation linéaire
Exemple de PL
max z = 2x1 + 5x2 ← fonction objectif
s.c
x1 + 2x2 ≤ 1 ← contrainte 1
2x1 + 3x2 ≤ 12 ← contrainte 2
x ≥ 0, x ≥ 0 ← contraintes de non négativité
1 2
Programmation linéaire
La modélisation
La Modélisation d'un PL consiste à utiliser un ensemble de relations
mathématiques pour reéter le plus adéquatement possible une situation
réelle.
La formalisation d'un programme est une tâche délicate mais essentielle car
elle conditionne la découverte ultérieure de la bonne solution.
Tout modèle est une simplication de la réalité, mais il doit capturer les
caractéristiques essentielles du problème.
Il conviendra donc de tester le modèle, et de le modier au besoin.
Rappelons que dans un (PL) les contraintes et l'objectif sont des fonctions
linéaires.
Pr S. HARROUDI 26 septembre 2023 12 / 31
Introduction et principaux concepts Modélisation Résolution graphique d'un PL
Exemple 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 limitée. On se pose le problème de l'utilisation
optimale de ce stock de matières premières c'est-à-dire la détermination d'un schéma, d'un
programme de fabrication tel que :
Les contraintes de ressources en matières premières soient respectées.
Le bénéce réalisé par la vente de la production soit maximum.
La disponibilité en matières premières est de 18 unités de M1 , 8 unités de M2 et 14
unités de M3 .
Les caractéristiques de fabrication sont données dans le tableau ci-dessous :
M1 M2 M3
P1 1 1 2
P2 3 1 1
On suppose que le bénéce peut s'exprimer à l'aide des bénéces unitaires 20 pour
P1 et 35 pour P2 .
Modélisation du problème
Etape 1 : Identication des variables de décision.
Etape 2 : Identication de la fonction objectif.
Etape 3 : Identication des contraintes.
Pr S. HARROUDI 26 septembre 2023 13 / 31
Introduction et principaux concepts Modélisation Résolution graphique d'un PL
Exemple 1 :
1 Identication des variables de décision :
Le bénice total est une fonction des quantités vendues des deux produits P1 et P2 .
Appelons :
▶ x1 : la quantité de P1 à produire.
▶ x2 : la quantité de P2 à produire.
2x1 + x2 ≤ 14 (la disponibilité de la matière première M3 )
(contraintes de non négativité )
x1 ≥ 0, x2 ≥ 0
Programme linéaire
max z = 20x1 + 35x2
s.c
x1 + 3x2 ≤ 18
x1 + x2 ≤ 8
2x1 + x2 ≤ 14
x1 ≥ 0, x2 ≥ 0
Résolution graphique
Exemple 2 :
L'intendant d'un lycée doit composer un menu qui doit contenir un minimum d'éléments
nutritifs et qui doit être le moins coûteux 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. Le tableau suivant indique le nombre d'éléments nutritifs par
unité d'aliment :
V C P
D1 1 1 3
D2 5 2 2
Le menu doit comporter au minimum 5 unités de V, 4 unités de C et 6 unités de P. Les
coûts unitaires sont 20 pour D1 , 25 pour D2 .
Modélisation du problème
Etape 1 : Identication des variables de décision.
Etape 2 : Identication de la fonction objectif.
Etape 3 : Identication des contraintes.
Exemple 2 :
1 Identication des variables de décision :
Un menu contenant x1 unités de D1 , x2 unités de D2 .
2 Identication de la fonction objectif :
Le coût z s'obtient à partir de l'expression, z = 20x1 + 25x2 .
L'objectif poursuivi consiste à trouver la combinaison des quantités x1 et x2 qui
minimise le coût total z : min z = 20x1 + 25x2 .
3 Identication des contraintes :
Un menu contenant x1 unités de D1 , x2 unités de D2 est réalisable si le couple
(x1 , x2 ) vérie :
x1 + 5x2 ≥ 5
x1 + 2x2 ≥ 4
3x1 + x2 ≥ 6
x1 ≥ 0, x2 ≥ 0
Le programme linéaire
min z = 20x1 + 25x2
s.c
x1 + 5x2 ≥ 5
x1 + 2x2 ≥ 4
3x1 + x2 ≥ 6
x1 ≥ 0, x2 ≥ 0
Méthode graphique
La résolution graphique consiste à tracer les zones correspondant à la satisfaction de
chacune des contraintes (zone des solutions admissibles), puis d'en calculer
l'intersection.
Il s'agit dans ce cas de représenter les droites dénissant les frontières des containtes.
Comme les contraintes sont linéaires en variables inconnues ; contraintes où
apparaissent des inégalités y compris celles de positivité ; la satisfaction de chaque
contrainte entraine l'élimination d'un demi-plan.
L'intersection de tous les demi-plans satisfaisant les contraintes se présente donc
nécessairement sous forme d'un polygone convexe (ensemble des points réalisables).
Il sut alors de chercher le sommet du polygone (La solution optimale) pour lequel
la valeur de la fonction objectif est maximale (minimale).
Exemple 3 :
Une collectivité veut acheter trois sortes de biscuits : des croquants, des navettes et des
madeleines. Ces biscuits sont vendus en deux conditionnements : des boites rondes et des
boites carrées.
Une boite ronde contient 3 kg de croquants, 2 kg de navettes et 4 kg de madeleines.
Une boite carrée contient 12 kg de croquants, 4 kg de navettes et 3 kg de madeleines.
Cette collectivité veut au moins 60 kg de croquants, 32 kg de navettes et 36 kg de
madeleines répartis dans 17 boites rondes au plus et 11 boites carrée au plus.
Une boite ronde coûte 20 francs et une boite carrée 50 francs.
Déterminer le nombre de boites de chaque modèle pour que la dépense soit minimale.
Calculer cette dépense.
Exemple 3 :
1 Identication des variables de décision :
La dépense totale est une fonction des quantités de boites rondes et carrées achetées.
▶ x1 : la quantité des boites rondes.
▶ x2 : la quantité des boites carrées.
Le programme linéaire
min z = 20x1 + 50x2
s.c
3x1 + 12x2 ≥ 60 (C)
2x1 + 4x2 ≥ 32 (N )
4x1 + 3x2 ≥ 36 (M )
x1 ≤ 17 x2 ≤ 11
(R), (Car)
x ≥ 0, x ≥ 0
1 2
Résolution graphique
Exemple 4 :
Une entreprise fabrique deux produits A et B sur lesquels elle réalise respectivement une
marge unitaire de 300 et 200 DH.
Elle utilise 3 machines M1 , M2 et M3 pour fabriquer ces produits. La fabrication d'une
unité de A nécessite 1h de machine M1 , 2h de machine M2 et 1h de machine M3 . La
fabrication d'une unité de B nécessite 2h de machine M1 , 1h de machine M2 et 1h de
machine M3 .
L'atelier est équipé de 10 machines de type M1 , 11 machines de types M2 et de 6 machines
de type M3 pouvant fonctionner chaque jour 2h.
Présenter le programme linéaire et faites la programmation de la production quotidienne
pour cette entreprise selon la méthode graphique.
Exemple 1 :
1 Identication des variables de décision :
Le bénice total est une fonction des quantités vendues des deux produits A et B .
Appelons :
▶ x1 : la quantité de A à produire.
▶ x2 : la quantité de B à produire.
(disponibilité de M1 )
x1 + 2x2 ≤ 20
(disponibilité de M2 )
2x1 + x2 ≤ 22
x1 + x2 ≤ 12 (disponibilité de M3 )
x1 ≥ 0, x2 ≥ 0
Le programme linéaire
max z = 300x1 + 200x2
s.c
(disponibilité de M1 )
x1 + 2x2 ≤ 20
(disponibilité de M2 )
2x1 + x2 ≤ 22
x1 + x2 ≤ 12 (disponibilité de M3 )
x1 ≥ 0, x2 ≥ 0
Résolution graphique
Remarques
Dans des situations plus complexes (plus grand nombre de variables ne permettent
pas une représentation dans le plan), ce type de résolution n'est plus pratique.
Il faut donc mettre au point une procédure plus sympatique : c'est la méthode du
simplexe.