Res Graphique 2022 2023

INTRODUCTION À LA
RECHERCHE OPÉRATIONNELLE
Filière Sciences Mathématiques et Informatique

(S5)
M. AZZOUZI IDRISSI
Année universitaire : 2022-2023

Résolution des Programmes linéaires
• Résolution graphique (Pbs à 2 & à 3 dim)
• Approche algébrique
• Algorithme du simplexe
• Problèmes de minimisation & Problèmes irréguliers
• Analyse de la variance
• Dualité
Res_Graph_usmba_2022_2023_IAM 2/30
Résolution graphique (Pbs à 2 & à 3 dim)
• Choix du système d’axes
• Représentation graphique des contraintes
• Représentation de la fonction objectif
• Recherche de la solution optimale par résolution

graphique
• Recherche de la solution optimale par énumération
• Exemples de recherche de la solution optimale
• Analyse de sensibilité
Résolution d’un programme linéaire
La PL comme outil de modélisation mathématique d’un problème concret
comporte d’abord trois étape:
• Identification des variables de décision
• Formulation des contraintes
• Définition de la fonction objectif
Une fois la modélisation est effectuée, on peut passer à la résolution
du problème, donc du PL.
Différentes méthodes & techniques (directes ou indirectes) existent:
• méthode graphique,
• approche algébrique,
• algorithme du simplexe,
• méthode des deux phases, ….
Résolution graphique d’un PL
Qui dit graphique dit deux, ou éventuellement, trois variables. Par

la méthode de résolution graphique nous allons traiter tout d’abord
les programmes linéaires à deux variables.
Choix du système d’axes x2

Un mauvais choix du système d’axes
peut compliquer la représentation
et amener à des solutions imprécises.
Le plus simple est le repère orthogonal
(pas nécessairement orthonormé) x1
A cause des contraintes de non-négativité des variables, on n’utilise

que le cadrant positif. On appelle cette région " la région des solutions
possibles du problème ".
Représentation graphique des contraintes
Dans les solutions du problème, on distingue:
• Celles qui satisfont toutes les contraintes du programme: solutions

réalisables.
• Celles qui ne satisfont qu’une partie ou aucune de ces contraintes:

solutions non réalisables.
Soit un problème décrit par le programme linéaire suivant: Pb de
fabrication de médicaments (gélule type 1 et gélule type 2) :
Min Zx x
1 2
 2 x1  x2  12

 5 x1  8 x2  74
s.c. 
 x1  6 x2  24

 x1  0, x2  0
Pour la résolution graphique, un bon choix du système d’axes à

adopter se base sur l’observation des paramètres du programme.
La première contrainte du programme est 2x1 + x2  12 ( ou = )
L’ensemble des solutions qui satisfont l’égalité dans cette équation
(1ère contrainte) est l’ensemble des points de la droite définie par x2
= - 2x1 + 12 (droite de pente égale =-2 qui coupe l’axe des abscisses
au point 6 et l’axe des ordonnées au point 12.
L’inégalité 2x1 + x2  12 correspond à une limite entre deux demi-plans
séparés par la droite d’équation x2 = - 2x1 + 12.
On obtient donc deux demi-plans. Le bon demi-plan à choisir est celui

tels que tous les points (x1, x2) , sans appartenir à la droite d’équation
x2 = - 2x1 + 12, vérifient l’inégalité 2x1 + x2  12 .
L’espace π1 au dessus de la droite d’équation x2 = - 2x1 + 12 vérifie la
contrainte 2x1 + x2  12. L’espace πg ne la vérifie pas. Donc l’espace π1
représente l’ensemble des solutions de la contrainte 2x1 + x2  12 .
On fait le même traitement pour les deux autres contraintes. On

obtient alors deux autres demi-plans π2 et π3 correspondant
respectivement aux solutions des équations/contraintes 5x1 + 8x2  74
et x1 + 6x2  24.
Une solution du problème
existe (donc réalisable) si
toutes les contraintes sont
vérifiées; autrement dit la
solution doit appartenir aux
trois demi-plans π1, π2, et π3
relatifs aux trois contraintes
du PL.
La solution, en plus de la
contrainte de non négativité
des variables de décision, doit
 π1 ∩ π2 ∩ π3
Représentation de la fonction objectif
Soit z la valeur de la fonction objectif z = x1 +x2
Pour z = 0 Pour z = 6
Chaque point qui relie les points (6,0) et (0,6) représente une
solution qui réalise la fonction objectif (z = x1 + x2 = 6).
Soit donc une infinité de droites

qui représentent les différentes
valeurs de la fonction objectif.
Toutes ces droites ont le même
coefficient directeur (-1). Elles
sont parallèles entre elles.
Le problème est de connaitre la

droite qui correspond à la valeur
minimale de la fonction objectif puisque z = min (x1 + x2).
Recherche de la solution optimale par résolution graphique
La solution optimale correspond donc à la solution réalisable qui
intercepte la droite, représentant la fct objectif, ayant la plus petite
valeur de z.
La solution optimale est l’intersection des deux contraintes 2x1+x2 ≥ 12

et 5x1+ 8x2 ≥ 74 (lire val x1 et val x2 directement sur le graphique).
Recherche de la solution optimale par résolution graphique
Les coordonnées de ce point peuvent être lues directement sur le

graphique (Résolution graphique). Elles peuvent être obtenues aussi
par la résolution du système linéaire :
2x1 + x2 = 12
5x1 + 8x2 = 74
La solution de celui-ci correspond au point (2,8). Soient 2 gélules de

type 1 (x1) et 8 gélules de type 2 (x2). Le nombre de gélules à
prescrire pour guérir les malades (donc la valeur de la fonction
objectif) est 10.
Recherche de la solution optimale par énumération
La solution optimale pour l’exemple de confection du médicament est

un point extrême qui se trouve sur le bord de l’ensemble des solutions.
On parle de solution réalisable de base.
Théorème: Si un PL admet une solution optimale, alors il existe une

solution réalisable de base pour laquelle la fonction objectif atteint la
valeur optimale.
Pour résoudre le PL correspondant au problème de confection du

médicament, on détermine les solutions réalisables de base (les points
d’intersection des droites qui forment les contraintes) et on calcule
pour chaque point la valeur de la fonction objectif.
La solution du PL est la solution réalisable à qui on associe la valeur
optimale de la fonction objectif.
Dans notre cas, l’ensemble des

solutions réalisables de base
présente 4 points extrêmes
A(0,12), B(2,8), C(23/11,126/11)
et D(24,0). La valeur de la
fonction objectif associée
respectivement à A, B, C et D est
12, 10, 149/11 et 24. B = 10 est
donc la solution optimale du
problème.
Exemples de recherche de la solution optimale
1.Problème de maximisation
Max Z  100 x  200 x

1 2
x  x  150 (1 )
1 2
4x  2x  440 ( 2 )
1 2
s .c . x  4x  480 ( 3 )
1 2
x  90 (4)
1
x  0, x  0
1 2
La solution optimale est le point ( , ) ?
La solution optimale est le point B(40,110)
2.Problème avec solution non bornée
Max Z  - 2 x  3x
1 2
x 5 (1)
1
s .c . 2 x  3 x  6 (2)
1 2
x  0, x  0
1 2
La solution ?
1.Problème avec solution non bornée
La solution optimale est
3. Problème impossible
Min Z  3x  2x
1 2
x  2x  2 (1)
1 2
s.c. 2x  4x  8 (2)
1 2
x  0, x  0
1 2
4. Problème à solutions multiples
Max Z x  3x
1 2
2x  6x  30 (1)
1 2
s.c. x 10 (2)
1
x 4 (3)
2
x  0, x  0
1 2
5. Problème de dégénérescence
Max Z x  x
1 2
3x  2x  40 (1)
1 2
s.c. x 10 (2)
1
x 5 (3)
2
x  0, x  0
1 2
La solution optimale est B(10,5). On dit qu’elle est dégénérée car les
trois contraintes concourent en ce point.
Analyse de sensibilité
Une question triviale : intervalle des variations possibles des
paramètres du PL sans que la solution optimale ne soit modifiée ?
Exemple 1: Variation possible de la quantité de la substance C, dans le

pb de fabrication du médicament, sans changer la solution
optimale ?
Min Z  x  x
1 2
2x  x  12
1 2
s .c . 5x  8x  74
1 2
x  6x  24
1 2
x  0, x  0
1 2
Exemple 2:
Soit un Pb modélisé par le PL suivant :
Max Z  100 x  200 x
1 2
x  x  150 (1)
1 2
4 x  2 x  440 (2)
1 2
s .c . x  4x  480 (3)
1 2
x  90 (4)
1
x  0, x  0
1 2
De combien peut varier le profit engendré par la variable x1, sans

changer la solution optimale ?
Si  désigne la variation du bénéfice engendré par une unité de x1, la

fct objectif est (100+)x1 + 200x2.
Exemple 2:
Tant que la pente de la fct objectif est comprise entre celle de la

contrainte 1 et celle de la contrainte 3, la solution est optimale, c-à-d :
Exemple 2:

Res Graphique 2022 2023

Transféré par

Informations du document

Titre original

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

Res Graphique 2022 2023

Transféré par

Droits d'auteur :

Formats disponibles

INTRODUCTION À LA

Filière Sciences Mathématiques et Informatique

Année universitaire : 2022-2023

• Problèmes de minimisation & Problèmes irréguliers

• Représentation graphique des contraintes

• Représentation de la fonction objectif

• Recherche de la solution optimale par résolution

• Recherche de la solution optimale par énumération

• Exemples de recherche de la solution optimale

Qui dit graphique dit deux, ou éventuellement, trois variables. Par

Choix du système d’axes x2

A cause des contraintes de non-négativité des variables, on n’utilise

Représentation graphique des contraintes

Dans les solutions du problème, on distingue:

• Celles qui satisfont toutes les contraintes du programme: solutions

• Celles qui ne satisfont qu’une partie ou aucune de ces contraintes:

Pour la résolution graphique, un bon choix du système d’axes à

La première contrainte du programme est 2x1 + x2  12 ( ou = )

On obtient donc deux demi-plans. Le bon demi-plan à choisir est celui

On fait le même traitement pour les deux autres contraintes. On

Soit z la valeur de la fonction objectif z = x1 +x2

Soit donc une infinité de droites

Le problème est de connaitre la

La solution optimale est l’intersection des deux contraintes 2x1+x2 ≥ 12

Recherche de la solution optimale par résolution graphique

Les coordonnées de ce point peuvent être lues directement sur le

La solution de celui-ci correspond au point (2,8). Soient 2 gélules de

La solution optimale pour l’exemple de confection du médicament est

Théorème: Si un PL admet une solution optimale, alors il existe une

Pour résoudre le PL correspondant au problème de confection du

Dans notre cas, l’ensemble des

Max Z  100 x  200 x

La solution optimale est le point B(40,110)

La solution optimale est

La solution optimale est

La solution optimale est

Exemple 1: Variation possible de la quantité de la substance C, dans le

De combien peut varier le profit engendré par la variable x1, sans

Si  désigne la variation du bénéfice engendré par une unité de x1, la

Tant que la pente de la fct objectif est comprise entre celle de la

Vous aimerez peut-être aussi