Modélisation et optimisation

Université Hassan II de Casablanca

FSJES Ain Sebaa
LF MASS - S4
Pr. Abderrahim KADIRI

2020-2021

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 1 / 21

Plan du cours

1 Programmes linéaires et modélisation

2 La méthode graphique

3 La méthode du simplexe

4 Dualité en programmation linéaire

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 2 / 21

 Programmes linéaires et modélisation

Chapitre 1 :

Programmes linéaires

et modélisation

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 3 / 21

 Programmes linéaires et modélisation Introduction

1. Introduction

Dénition de la recherche opérationnelle

La recherche opérationnelle est un ensemble de méthodes scientiques pour
résoudre des problèmes d'optimisation liés aux organisations du monde réel.

La RO est aussi appelée aide à la décision : elle permet d'assister la prise

de décision en fournissant une réponse scientique à des problèmes
organisationnels complexes (problèmes de gestion par exemple).

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 4 / 21

 Programmes linéaires et modélisation Introduction

Exemples de problèmes

Comment aller le plus vite de Casablanca à Rabat en voiture ?

Comment investir ses 10000 Dh d'économie de sorte à maximiser le

prot obtenu après deux ans ?

Comment ordonnancer les tâches d'un projet en fonction de la main

d'oeuvre, tout en minimisant sa durée ?

Trouver un plus court chemin entre deux villes.

Emplois du temps : Planier l'horaire des cours ou des examens, en

tenant compte des diérentes ressources (étudiants, professeurs,
locaux,...)

Dénir le nombre du personnel dans une gare de trains ou une banque

suivant la fréquence de la clientèle.

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 5 / 21

 Programmes linéaires et modélisation Introduction

En conclusion, la recherche opérationnelle, face à un problème pratique de

décision, cherche à :

faire le mieux : coût minimal, meilleur prot, plus courte distance, le

plus rapide...

avec les ressources disponibles : temps machine, postes de travail,

mémoire, ressource homme, matière première, moyens de transport. . .

La RO repose sur la construction des modèles ( modélisation), et ce

en fonction des problèmes posés.

On peut utiliser plusieurs techniques de modélisation en RO, par

exemple, la programmation linéaire, la théorie des graphes.
La RO est un carrefour  entre les mathématiques (modélisation),
l'informatique (algorithmique) et l'économie (gestion, stratégie).

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 6 / 21

 Programmes linéaires et modélisation Introduction

Etapes d'un processus de RO

Détecter et comprendre le problème

I Objectifs, contraintes

I Données disponibles (variables de décision, paramètres, quantités de

matière première par ex...)

Traduire le problème réel sous forme de modèle mathématique

(programme linéaire par ex.)

Résolution du modèle
I Choix d'un algorithme (Simplexe par ex.)
I Utilisation des logiciels spécialisés (Excel, Matlab, Lindo,...)

Validation du modèle et des résultats :

I le modèle développé est-il conforme à la réalité ?
I les résultats sont-ils valides et satisfaisantes ?

Prise de décision

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 7 / 21

 Programmes linéaires et modélisation Introduction

Etapes d'un processus de RO

Modélisation Algorithme
Problème Problème
Solution
réel mathématique

Prise de décision

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 8 / 21

 Programmes linéaires et modélisation Introduction

La programmation linéaire

Dénition
Les problèmes de programmation linéaire (PL) sont des problèmes
d'optimisation où on maximise (ou on minimise) une fonction linéaire sous
des contraintes linéaires.

La PL est un des domaines les plus utilisés de la RO.

Elle permet de résoudre des problèmes de gestion, par exemple :

I le gestionnaire est en face à diérentes possibilités,

I comment déterminer l'utilisation optimale des ressources de

l'entreprise (main d'÷uvre, matières premières, capitaux,
espace,...) ?

I les ressources sont disponibles en quantité limitée,

I le but du est d'atteindre un objectif spécique comme la

maximisation des bénéces ou la minimisation des coûts.
Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 9 / 21
 Programmes linéaires et modélisation Introduction

Programme linéaire

min le coût / max le prot min / max c1 x1 + c2 x2 + ... + cn xn

satisfaire la demande a1 x1 + a2 x2 + ... + an xn ≥ b1

avec des ressources limitées a10 x1 + a20 x2 + ... + an0 xn ≤ b10

quantités produites x1 , x2 , ..., xn ≥ 0

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 10 / 21

 Programmes linéaires et modélisation Exemples de programmes linéaires

2. Exemples de programmes linéaires

Exemple 1 :
Une entreprise de fabrication de châssis envisage la production de deux
nouveaux modèles au moyen des capacités résiduelles de ses trois ateliers.
Il s'agit respectivement d'un châssis en aluminium et d'un châssis en bois.
Le premier produit nécessite le passage dans le premier atelier pour
fabriquer le cadre en aluminium et dans le troisième atelier où le verre est
monté sur le châssis. Tandis que le second produit nécessite le passage
dans le deuxième atelier pour fabriquer le cadre en bois et dans le troisième
atelier où le verre est monté sur le châssis.

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 11 / 21

 Programmes linéaires et modélisation Exemples de programmes linéaires

Les marges unitaires, les temps de fabrication de chacun des produits dans
chacun des ateliers ainsi que les capacités hebdomadaires résiduelles de ces
ateliers sont donnés au tableau suivant :

Produit 1 Produit 2 Capacité

(châssis aluminium) (châssis bois) disponible
(heures/produit) (heures/produit) (heures/semaine)
Atelier 1 1 0 4
Atelier 2 0 2 12
Atelier 3 3 2 18
Marge 3 UM 5 UM
La question qui se pose est la suivante : combien faut-il produire de châssis
de chaque type par semaine pour maximiser le prot net ?

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 12 / 21

 Programmes linéaires et modélisation Exemples de programmes linéaires

1. Identication des variables de décision

La première étape consiste à choisir les variables du problème.

Les quantités que le modèle doit déterminer sont les productions de châssis
par semaine. Posons donc :

x1 : nombre de châssis du produit 1 (châssis en aluminium)

x2 : nombre de châssis du produit 2 (châssis en bois).

2. Expression de l'objectif
La deuxième étape consiste à formuler l'objectif.

L'entreprise désire maximiser son prot net. La marge étant de 3 UM pour

le premier type de châssis et de 5 UM pour le second. La fonction objectif
(ou fonction économique) s'exprime comme suit :

max z = 3x1 + 5x2

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 13 / 21

 Programmes linéaires et modélisation Exemples de programmes linéaires

3. Expression des contraintes

La 3ème étape est la formulation des contraintes du problème.

Le temps pour assembler 1 châssis de type 1 dans l'atelier 1 est de 1 heure

où il reste 4 heures disponibles. D'où la contrainte de capacité de l'atelier1 :

x1 ≤ 4
De même, pour les contraintes de capacités des deux autres ateliers :

2x2 ≤ 12 et 3 x1 + 2x2 ≤ 18
D'autre part, les quantités produites ne peuvent être négatives.
Mathématiquement : x1 ≥ 0, x2 ≥ 0
Finalement, le problème peut être formulé en programme linéaire :

max z = 3x1 + 5x2



 x1 ≤ 4



(P1 ) 2x2 ≤ 12


 3x1 + 2x2 ≤ 18
 x ≥0; x ≥0

1 2
Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 14 / 21
 Programmes linéaires et modélisation Exemples de programmes linéaires

Exemple 2 :
Une ranerie achète deux types de pétroles bruts dont elle retire de
l'essence, du gazole et du oul dans les pourcentages suivants :

Produits nis Brut 1 Brut 2

Essence 30 25
Gazole 40 25
oul 30 50

La ranerie doit satisfaire à la demande de :

125 10
4 tonnes d'essence, 135 104 tonnes de gazole et 180 104 tonnes de

oul
L'achat d'une tonne de brut 1 coute 700 UM et une tonne de brut 2 coute
500 UM.
Quelles quantités de ces pétroles bruts devra t-on acheter pour répondre à
la demande au moindre coût ?

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 15 / 21

 Programmes linéaires et modélisation Exemples de programmes linéaires

Compréhension du problème :
Le problème est de minimiser le coût d'achat de cette ranerie. Ce
coût d'achat évolue en fonction des quantités de brut 1 et 2 à acheter.

Identications des variables de décision :

x1 : quantité de brut 1 à acheter

x2 : quantité de brut 2 à acheter

Fixation de l' objectif :

minimisation du coût

min z = 700x1 + 500x2

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 16 / 21

 Programmes linéaires et modélisation Exemples de programmes linéaires

Mise en équations des contraintes économiques :

les variables x1 et x2 vérient 3 contraintes de type contrainte de
demande :

Contrainte d'essence : 0, 3x1 + 0, 25x2 ≥ 125 104

Contrainte de gazole : 0, 4x1 + 0, 25x2 ≥ 135 104
Contrainte de oul : 0, 3x1 + 0, 5x2 ≥ 180 104
Restriction des signes : contrainte de positivité
x1 ≥ 0 ; x2 ≥ 0
Modélisation mathématique
min z = 700x1 + 500x2




 0, 3x1 + 0, 25x2 ≥ 125 104


(P2 ) 0, 4x1 + 0, 25x2 ≥ 135 104
0, 3x1 + 0, 5x2 ≥ 180 104




 x ≥0; x ≥0

1 2
Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 17 / 21
 Programmes linéaires et modélisation Formulation générale

Formulation générale d'un PL

Fonction objectif (économique) :

max (ou min) z = c1 x1 + c2 x2 + ... + cn xn

Contraintes :
a11 x1 + a12 x2 + ... + a1n xn ≤, =, ≥ b1
a21 x1 + a22 x2 + ... + a2n xn ≤, =, ≥ b2
.
.
.
am1 x1 + am2 x2 + ... + amn xn ≤, =, ≥ bm
Contraintes de positivité (non négativité) :
xj ≥ 0 ∀j = 1, ..., n

Avec,
xj : variables de décision (inconnues)
aij , bi , cj : paramètres du programme linéaire (connues).

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 18 / 21

 Programmes linéaires et modélisation Formulation générale

Formulation matricielle

Posons :

x = (x1 , x2 , ..., xn ) vecteur de Rn

c = (c1 , c2 , ..., cn ) ∈ Rn et b = (b1 , b2 , ..., bm ) ∈ Rm
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A= . (matrice de type (m × n))
 
. .. .
 .. . .

. . . 
am1 am2 · · · amn
c T x =< c, x >= c1 x1 + ... + cn xn (produit scalaire dans Rn ).
Alors, le programme linéaire peut s'écrire sous la forme :

 min / max z = c T x
(PL) Ax ≤, =, ≥ b
x ≥0


Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 19 / 21

 Programmes linéaires et modélisation Formulation générale

Terminologie

Solution réalisable (solution admissible) :

x = (x1 , x2 , ..., xn ) est une solution réalisable si x satisfait toutes les
contraintes c-à-d Ax {≤, =, ≥} b et x ≥ 0.
Ensemble réalisable (région admissible) :
Ensemble de toutes les solutions réalisables.

Solution optimale :
Solution réalisable où la fonction objectif atteint la meilleure valeur
(maximum ou minimum).

Remarques :
1 Plusieurs solutions optimales sont possibles.
2 Géométriquement, la région admissible correspond à un polyèdre de
Rn (voir chapitre 2).

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 20 / 21

 Programmes linéaires et modélisation Exercice d'application

Exercice :
Un restaurateur a constaté que sa clientèle préfère les fruits de mer et qu'il
peut orir indiéremment :

des assiettes à 80 UM,

contenant 5 crevettes, 2 crabes et un calamar.

des assiettes à 60 UM,

contenant 3 crevettes, 3 crabes et 3 calamars.

Il dispose de 30 crevettes, 24 crabes et 18 calamars.

La question que se pose le restaurateur est la suivante : comment doit-il

disposer ces assiettes pour réaliser la recette maximale ?

Modéliser ce problème sous forme d'un programme linéaire.

Pr. KADIRI - FSJES-AS Modélisation et optimisation MASS - S4 2020-2021 21 / 21