Recherche Opérationnelle: Introduction,

modélisation et résolution graphique

Pr S. HARROUDI

Ecole Nationale de Commerce et de Gestion de Casablanca

26 septembre 2023

Pr S. HARROUDI 26 septembre 2023 1 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Plan

1 Introduction et principaux concepts

Pr S. HARROUDI 26 septembre 2023 2 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Plan

1 Introduction et principaux concepts

2 Modélisation

Pr S. HARROUDI 26 septembre 2023 2 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Plan

1 Introduction et principaux concepts

2 Modélisation

3 Résolution graphique d'un PL

Pr S. HARROUDI 26 septembre 2023 2 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Recherche Opérationnelle (RO)

La Recherche Opérationnelle (RO) est la discipline des mathématiques

appliquées qui traite des cas d'utilisation optimale des ressources.
Depuis une dizaine d'années, le champ d'application de la RO s'est élargi à
des domaines comme l'économie, la nance, le marketing...
Plus récemment, la RO commence à être utilisée dans la gestion des systèmes
de santé et d'éducation, pour la résolution de problèmes environnementaux et
dans d'autres domaines d'intérêt public.

La Recherche Opérationnelle est indispensable pour les futurs gestionnaires

décideurs, responsables de projets :
Modéliser des problèmes issus des organisations du monde réel.
Identier les méthodes de résolution et les outils les plus adaptés face à
un problème pratique.

Pr S. HARROUDI 26 septembre 2023 3 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Recherche Opérationnelle (RO)

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.

Pr S. HARROUDI 26 septembre 2023 4 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Recherche Opérationnelle (RO)

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 ...

Pr S. HARROUDI 26 septembre 2023 5 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Recherche Opérationnelle (RO)

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 ....

Pr S. HARROUDI 26 septembre 2023 6 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Optimisation

L'optimisation joue un rôle essentiel dans la recherche opérationnelle car,

outre son aspect important, elle est utilisée comme outil par la plupart des
autres techniques.

L'optimisation est un outil d'aide à la décision, permet d'optimiser une

fonction économiques (maximisation d'un prot ou la minimisation d'un
coût) en présence de contraintes.

Pr S. HARROUDI 26 septembre 2023 7 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

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.

Pr S. HARROUDI 26 septembre 2023 8 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Programmation linéaire

Les problèmes de programmation linéaire (PL) sont des problèmes

d'optimisation où la fonction objectif et les contraintes sont toutes linéaires.

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

On appelle variable de décision toute quantité utile à la résolution du problème et on

doit déterminer sa valeur.
On appelle contraintes du problème toutes les relations limitant le choix de valeurs
possibles pour les variables.
On appelle fonction objectif l'expression qui modélise la quantité à optimiser en
fonction des variables du problème.
Pr S. HARROUDI 26 septembre 2023 9 / 31
Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Programmation linéaire

On appelle solution réalisable toute solution vérie les contraintes du

PL (y compris les contraintes de positivité).
On appelle domaine réalisable ensemble des solutions réalisables ou
solutions admissibles.
Lorsque ce domaine est non vide, on dit que PL est réalisable.
On appelle solution optimale toute solution réalisable qui optimise la
fonction objectif.

Pr S. HARROUDI 26 septembre 2023 10 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Programmation linéaire : Formulation

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.

Pour modéliser un PL il faut bien lire et comprendre l'énoncé du problème et

identier clairement les données.
Attention aux unités de mesure !

Pr S. HARROUDI 26 septembre 2023 11 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Programmation linéaire : Formulation

Les étapes de formulation d'un PL

Il existe trois étapes à suivre pour pouvoir construire le modèle d'un
programme linéaire :
1 La détection du problème et l'identication des variables (variables de
décision x1 , x2 , . . . . . ., les inconnues )
2 La formulation de la fonction économique (ou fonction objectif)
traduisant les préférences du décideur exprimées sous la forme d'une
fonction des variables identiées. Spécier si cette fonction objectif est à
maximiser ou à minimiser.
3 Identication des contraintes (restrictions) du problème et les exprimer
par un système d'équations et/ou d'inéquations linéaires.

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

Exemples de formulation 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

Exemples de formulation 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.

2 Identication de la fonction objectif :

Le prot z s'obtient à partir de l'expression, z = 20x1 + 35x2 .
L'objectif poursuivi consiste à trouver la combinaison des quantités x1 et x2 qui
maximise le prot total z : max z = 20x1 + 35x2
3 Identication des contraintes :
Les valeurs prises par x1 et x2 sont limitées par les quantités disponibles des
ressources (M1 , M2 , M3 )

(la disponibilité de la matière première M1 )



 x1 + 3x2 ≤ 18
(la disponibilité de la matière première M2 )

 x1 + x2 ≤ 8



 2x1 + x2 ≤ 14 (la disponibilité de la matière première M3 )
(contraintes de non négativité )

 x1 ≥ 0, x2 ≥ 0


Pr S. HARROUDI 26 septembre 2023 14 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Exemples de formulation d'un PL

Programme linéaire
max z = 20x1 + 35x2
s.c 

 x1 + 3x2 ≤ 18

 x1 + x2 ≤ 8



 2x1 + x2 ≤ 14

 x1 ≥ 0, x2 ≥ 0


Pr S. HARROUDI 26 septembre 2023 15 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Résolution graphique

Résolution graphique par IOR Tutorial

L'ensemble admissible(=polyèdre OABCD) est la partie colorée.

La solution optimale est le couple (3, 5).

Pr S. HARROUDI 26 septembre 2023 16 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Exemples de formulation d'un PL

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.

Pr S. HARROUDI 26 septembre 2023 17 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Exemples de formulation d'un PL

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


Pr S. HARROUDI 26 septembre 2023 18 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Exemples de formulation d'un PL

Le programme linéaire
min z = 20x1 + 25x2
s.c 

 x1 + 5x2 ≥ 5

 x1 + 2x2 ≥ 4



 3x1 + x2 ≥ 6

 x1 ≥ 0, x2 ≥ 0


Pr S. HARROUDI 26 septembre 2023 19 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Résolution d'un PL : Méthode graphique

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).

Pr S. HARROUDI 26 septembre 2023 20 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Exemples de formulation d'un PL

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.

Pr S. HARROUDI 26 septembre 2023 21 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Exemples de formulation d'un PL

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.

2 Identication des contraintes :

Les valeurs prises par x1 et x2 sont limitées par les quantités disponibles des
ressources (C, N, M ) :

3x1 + 12x2 ≥ 60 (C)




2x 1 + 4x2 ≥ 32 (N )





4x1 + 3x2 ≥ 36 (M )
 x1 ≤ 17 x2 ≤ 11



 (R), (Car)

 x ≥ 0, x ≥ 0
1 2

3 Identication de la fonction objectif :

L'objectif poursuivi consiste à trouver la combinaison des quantités x1 et x2 qui
minimise la dépense totale z : min z = 20x1 + 50x2
Pr S. HARROUDI 26 septembre 2023 22 / 31
Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Exemples de formulation d'un PL

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

Pr S. HARROUDI 26 septembre 2023 23 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Résolution d'un PL : Méthode graphique

A la fonction objectif z correspond une droite 20x1 + 50x2 = cte, de coecient

directeur (−50, 20) (ou de pente ( −2
5
)).
Pour déterminer min z , on translate la droite objectif 20x1 + 50x2 = cte de haut en
bas jusquà rencontrer l'ensemble des variables satisfaisant les contraintes (rencontrer
le point le plus bas). On obtient ainsi la solution optimale (x1 = 12, x2 = 2) ce qui
donne la dépense minimale min(z) = 20 ∗ 12 + 50 ∗ 2 = 340.
Donc, il faut acheter 12 boites rondes et 2 boites carrées pour une dépense minimale
de 340 francs.

Pr S. HARROUDI 26 septembre 2023 24 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Résolution graphique

Résolution graphique par IOR Tutorial

L'ensemble admissible(=polyèdre OABCD) est la partie colorée.

La solution optimale est le couple (12, 2).

Pr S. HARROUDI 26 septembre 2023 25 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Exemples de formulation d'un PL

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.

Tableau représentatif du programme linéaire

quantité utilisée par unité nbre de machines heure disponible/j
A B
M1 1 2 10 20
M2 2 1 11 22
M3 1 1 6 12
marge unitaire 300 200

Pr S. HARROUDI 26 septembre 2023 26 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Exemples de formulation d'un PL

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.

2 Identication de la fonction objectif :

Le prot z s'obtient à partir de l'expression, z = 300x1 + 200x2 .
L'objectif poursuivi consiste à trouver la combinaison des quantités x1 et x2 qui
maximise le prot total z : max z = 300x1 + 200x2
3 Identication des contraintes :
Les valeurs prises par x1 et x2 sont limitées par les quantités disponibles des
ressources (M1 , M2 , M3 )

(disponibilité de M1 )


 x1 + 2x2 ≤ 20
(disponibilité de M2 )

 2x1 + x2 ≤ 22



 x1 + x2 ≤ 12 (disponibilité de M3 )

 x1 ≥ 0, x2 ≥ 0


Pr S. HARROUDI 26 septembre 2023 27 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Exemples de formulation d'un PL

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


Pr S. HARROUDI 26 septembre 2023 28 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Résolution graphique

Résolution graphique par IOR Tutorial

L'ensemble admissible(=polyèdre OABCD) est la partie colorée.

La solution optimale est le couple (10, 2).

Pr S. HARROUDI 26 septembre 2023 29 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

Résolution d'un PL : Méthode graphique

A la fonction objectif z correspond une droite 300x1 + 200x2 = cte, de coecient

directeur (−200, 300) (ou de pente ( −3
2
)).
Pour déterminer max z , on translate la droite objectif 300x1 + 200x2 = cte de haut
en bas jusquà rencontrer l'ensemble des variables satisfaisant les contraintes (le
premier point rencontré). On obtient ainsi la solution optimale (x1 = 10, x2 = 2) ce
qui donne le prot maximal max(z) = 300 ∗ 10 + 200 ∗ 2 = 3400.

Pr S. HARROUDI 26 septembre 2023 30 / 31

Introduction et principaux concepts Modélisation Résolution graphique d'un PL

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.

Pr S. HARROUDI 26 septembre 2023 31 / 31