INTRODUCTION

Depuis très longtemps, les hommes font face à plusieurs problèmes, et parfois
d’ordre complexes dont la résolution permet d’optimiser les tâches, et de réduire les
coûts. Les programmes linéaires ont été conçus pour aider à résoudre certains
problèmes. On note entre autres les méthodes dites exactes, qui permettent de résoudre
des problèmes assez complexes et d’obtenir une solution optimale à chaque fois, mais
leur durée de calcul tend à augmenter exponentiellement avec la taille du problème ; en
outre : l’algorithme de Little. Il est donc question pour nous tout au long de notre travail
de vous présenter l’algorithme de Little.
 I. PROBLEMATIQUE

Un voyageur de commerce doit visiter n villes. Il faut choisir un ordre de

parcours minimisant la distance totale parcourue, c’est-à-dire trouver un circuit
hamiltonien de valeur minimale. Pour résoudre ce problème, on va construire une
arborescence.
L’algorithme de Little permet dont de déterminer le coût minimal ou la longueur
minimale pour effectuer un trajet dans différentes villes en passant une et une seule fois
par cette ville (preaux).

II. PRINCIPE

L'algorithme de Little est du type séparation et évaluation" : on effectue un

parcours en profondeur de l'arborescence binaire des choix possibles, en attribuant à
chaque nœud une évaluation par défaut e(n), et une valeur de regret à chaque choix
auquel on renonce (évaluation par défaut du prix à payer pour renoncer à ce choix).
On appellera réduction de la matrice l'opération consistant à soustraire de chaque
ligne le plus petit élément, puis à soustraire le plus petit élément de chaque colonne de la
matrice ainsi obtenue. L'évaluation par défaut associée à la racine de l'arborescence est
la somme des nombres soustraits lors de cette réduction.
Les principales étapes de l’algorithme de Little sont :

1. Réduction de la matrice (par ligne et par colonne cf. Méthode hongroise)

2. Choisir la case nulle dont le coût d’éviction est le plus élevé.
3. Le coût d’éviction est le surcoût minimal engendré par le fait de ne pas choisir
la case, c’est à dire choisir une autre case sur la même ligne et une sur la même
colonne…
4. Enlever la ligne de la ville de départ et la colonne de la ville d’arrivée
correspondantes.
5. Rendre infini le coût de retour
6. Recommencer avec le tableau partiel….
7. Présenter l’algorithme sous la forme d’une arborescence (Branch and Bound :
Séparation-Evaluation).
8. Examiner tous les chemins dont le coût est inférieur au premier coût final
trouvé.
9. Dérouler l’arborescence jusqu’au bout.
 III. AVANTAGES ET INCONVENIENTS

1. Avantages

- Méthode de résolution exacte du problème du voyageur de commerce ;

- Arbres de recherche binaire ;
- Possibilité de prévoir le nombre minimum de nœud ;
- Donne une solution optimale.

2. Limites

- Complexe si on a plus de 100villes ;

- Utilise les unités de temps abstraites, proportionnelles au nombre d’opérations
effectuées ;
- Complexité exponentielle de l’algorithme.

IV. CAS PRATIQUE

On s’intéresse à un voyageur de commerce qui doit visiter chacune des 6 villes

suivantes (ABCDEF) une fois et une seule et revenir à son point de départ. Un tableau
des distances intervalles étant donné, quelle sera la tournée là moins longue ?
 SOLUTION

ETAPE 1 : Nous allons commencer à regarder le minimum sur les lignes et les colonnes
dans le but d’avoir un tableau réduit c’est à dire avoir au moins un zéro sur chaque
colonne et chaque ligne.

Villes A B C D E F MIN
A ∞ 1 7 3 14 2 1
B 3 ∞ 6 9 1 24 1
C 6 14 ∞ 3 7 3 3
D 2 3 5 ∞ 9 11 2
E 15 7 11 2 ∞ 4 2
F 20 5 13 4 18 ∞ 4
MIN 13

On soustrait les minimums de chaque ligne.

Villes A B C D E F
A ∞ 0 6 2 13 1
B 2 ∞ 5 8 0 23
C 3 11 ∞ 0 4 0
D 0 1 3 ∞ 7 9
E 13 5 9 0 ∞ 2
F 16 1 9 0 14 ∞
MIN

Vu qu’on n’a pas un tableau réduit nous allons chercher le min des colonnes par
la suite.

Villes A B C D E F
A ∞ 0 6 2 13 1
B 2 ∞ 5 8 0 23
C 3 11 ∞ 0 4 0
D 0 1 3 ∞ 7 9
E 13 5 9 0 ∞ 2
F 16 1 9 0 14 ∞
MIN 3
 Nous allons donc soustraire le min trouver sur sa colonne.

Villes A B C D E F Min
A ∞ 0 3 2 13 1 1
B 2 ∞ 2 8 0 23 1
C 3 11 ∞ 0 4 0 3
D 0 1 0 ∞ 7 9 2
E 13 5 6 0 ∞ 2 2
F 16 1 6 0 14 ∞ 4
MIN 3 16

Nous avons notre tableau réduit Ensuite nous sommons les différents mins cela
nous donne le cout d’évaluation.
CE = 16 + 3 = 19

ETAPE 2 : le calcul du cout d’éviction elle se calcule pour chaque zéro en prenant la
plus petite valeur sur la colonne et sur la ligne on additionne. (Le cout d’éviction est
entre parenthèse)
 On retiendra (B, E) dont le coût d’éviction est de 6, le coût minimal des tournées
sans (B, E) est donc de 22. On supprime la ligne B et la colonne E et on rend (E, B)
infini : ici nous prenons le cout d’éviction le plus élevé que nous allons ajouter au cout
dévaluation.

On obtient le tableau ci-dessous :

Ici vu qu’après suppression de EB nous nous rendons compte que le tableau est déjà ne
réduit donc pas de minimum.

Nous avons le point de départ du trajet qui est EB et donc le cout d’évaluation est
16.
Nous allons calculer minimal sans BE (on ajoute le cout d’éviction au cout
d’évaluation) et avec BE (on ajoute la valeur min du tableau ou il y a plus BE au cout
d’évaluation).
Sans BE=16+6=22
Avec BE=16+0=16
Ce tableau est réduit (un zéro par ligne et par colonne), on sait donc que les
tournées avec (B, E) auront un coût minimal ne dépassant pas 16.

ETAPE 3 : On recommence sur le tableau partiel : entre (D, A) et (D, C) on choisit

arbitrairement le premier (D, A).

Ce tableau n’est pas réduit, pour le réduire, il faut enlever 3 dans la colonne C.
Il faudra explorer la branche avec (D, A) et la branche sans (D, A). Commençons par
celle avec (D, A) :

On choisira donc (A, C). Il ne faudra pas oublier de rendre le coût de C à D infini

Le coût du chemin avec BE, DA, AC étant de 20 supérieurs à 19 coûts du chemin BE,
sans DA, il nous faut examiner cette branche : pour cela, il faut reprendre le tableau
avant élimination de la ligne D et la colonne A et rendre infini le coût de D à A, soit :
Ce tableau doit être réduit pour poursuivre, donc les solutions avec CA auront un coût
minimum de 20.

Comme aucune branche à gauche ne vaut moins de 20, on peut choisir de reprendre
l’exploration à droite. On choisira CF.

On pourra rajouter ED et FB sans accroître le coût, d’où l’arborescence finale :

 La solution finale est donc : BEDACFB d’un coût total de 20.
NB: A chaque fois que l’on trouve le coût d’éviction la cellule trouvée on supprime la
ligne et la colonne pour passer au tableau suivant et ne pas oublier de rendre infini la
cellule qui a le même trajet (EB -BE).

CONCLUSION
Parvenue au terme de notre travail ou il était question pour nous de faire une
présentation de l’algorithme de little à savoir la problématique qu’elle traite, son
principe, ses avantages et inconvénients, il en ressort que la méthode la plus efficace
actuellement pour résoudre le problème du voyageur de commerce n’est pas
l’algorithme de Little qui permet de traiter optimalement des exemples à 40 villes
environ.
 BIBLIOGRAPHIE

 preaux, J.-p. (n.d.). strategies de recherche intelligentes.