1

SEANCE N° 1
Objectif : être capable de définir la discipline Recherche opérationnelle (RO), les objectifs, les
types de problèmes traités par RO, de modéliser en un programme linéaire un problème
économique bien défini.

I. Introduction
A ses origines, la recherche opérationnelle se proposait de répondre aux besoins militaires de la
guerre de 1939-1945. Il s’agissait alors de résoudre des problèmes tels que la composition du convoi
maritime optimal (différents vaisseaux de guerre et cargos), compte tenu des éventualités des
attaques ennemies, ou encore de trouver la meilleure implantation des radars et des systèmes de
défense antiaérienne, etc. Le qualificatif « Opérationnelle » vient du fait que la première discipline
avait trait aux opérations militaires. La dénomination est restée par la suite, même si le domaine
militaire n’est plus le principal champ d’application de cette discipline.
A partir de 1950, les techniques de recherche opérationnelle se sont développées,
parallèlement à l’informatique, recherche opérationnelle et informatique se nourrissant chacune de
la croissance de l’autre, afin de faire face aux besoins de la conquête spatiale (par exemple la
méthode PERT créée à l’occasion des lancements de Polaris). Les domaines d’application se sont
également multipliés. Si nous considérons les objectifs de la recherche opérationnelle, nous pouvons
la définir comme un ensemble de méthodes et d’algorithmes, s’appuyant sur la théorie
mathématique et statistique, afin de permettre la recherche des solutions optimales de problèmes
(économiques, industriels, militaires), caractérisés par un ensemble de variables dont on connaît les
valeurs possibles, et par un ensemble de conditions à satisfaire.
Comme nous avons déjà dit, la recherche opérationnelle utilise de nombreuses méthodes
issues de théories mathématiques diverses. En ce sens, une partie de la recherche opérationnelle
peut être considérée comme une branche des mathématiques appliquées. Au-delà des méthodes, les
mathématiques, notamment les statistiques, contribuent à poser efficacement les termes d’un
problème. La programmation linéaire est très souvent utilisée pour résoudre des problèmes
combinatoires. Elle permet de résoudre très efficacement les problèmes dans lesquels les variables
sont continues. Lorsqu’il y a des variables discrètes, la programmation linéaire et les méthodes
arborescentes peuvent être combinées. La théorie des graphes sert de support à la résolution d’un
vaste échantillon de problèmes, notamment certains issus de l’algorithmique classique, tels que la
recherche du plus court chemin entre deux endroits, le problème du voyageur de commerce (dans
lesquels on cherche le chemin le plus court passant par n points), les problèmes d’ordonnancement
de tâches, les problèmes de planning ou encore les problèmes d’optimisation de flux (algorithme de
Ford-Fulkerson).

Lorsqu’il s’agit de gérer une organisation d’une certaine taille, les décisions que doivent prendre les
dirigeants, c’est-à-dire le nombre de paramètres dont ils doivent fixer la valeur, peuvent être de
l’ordre de la centaine, voir du millier (ce sont par exemple les décisions concernant les niveaux des
prix, les budgets de publicité, les investissements, la gestion du personnel, etc.). Or, lorsque le
nombre de paramètres croît en progression arithmétique, le nombre de combinaisons de ces
paramètres croît en progression géométrique. Ainsi, pour quelques dizaines de paramètres, le
 2

nombre de combinaisons peut être de l’ordre du milliard. Il en résulte que la prise de décisions se
fondant sur des méthodes empiriques ne peut être que vouée à l’échec. Les méthodes de recherche
opérationnelle aident à cette prise de décisions en permettant d’arriver aux solutions optimales
(compte tenu des critères fixés par le décideur) sans avoir recours à une exploration systématique de
toutes les combinaisons. Toutefois, ces méthodes nécessitent la mise en œuvre de calculs qui
seraient souvent inextricables sans l’utilisation de l’ordinateur. Actuellement, les constructeurs
d’ordinateurs et les sociétés de service informatiques disposent de logiciels nombreux, qui
comprennent, en particulier, les programmes des principales méthodes de recherche opérationnelle.

II. Programmation linéaire en variables continues.

1. Introduction
La PL (programmation linéaire) a pour objet de déterminer la meilleure des solutions qui satisfont
aux contraintes d’une certaine catégorie de problèmes. En général, ces problèmes consistent à
répartir des ressources (par exemple de l’argent, des matières premières, de la main-d’œuvre, etc.)
entre différentes unités économiques de telle sorte que la marge soit la plus grande possible, ou bien
le coût total le plus petit possible.

Les applications de la PL sont fort nombreuses. Voilà quelques exemples :

1. Une entreprise veut déterminer la production journalière de chaque type de produit pour
maximiser le profit total à condition que le temps journalier des différentes opérations
technologiques nécessaires à la fabrication de ces biens soit limité.
2. Un fermier veut déterminer les quantités des différents composants de la nourriture pour le
bétail pour minimiser le coût et en satisfaisant les normes nutritifs.
3. La compagnie de transport en commun aimerait déterminer le nombre de bus empruntant
un itinéraire pour minimiser le coût en satisfaisant les besoins des passagers.
4. Dans l’industrie textile on veut déterminer l’agencement des patrons de coupe de tissu pour
minimiser les chutes de tissu en satisfaisant les commandes.

2. Définitions
Définition mathématique :

On appelle problème de PL tout problème dans lequel il s’agit d’optimiser (c’est-à-dire

maximiser ou minimiser selon les cas) une fonction de plusieurs variables, linéaire par
rapport à l’ensemble de ces variables, celles-ci devant satisfaire à un ensemble de
contraintes linéaires.

Définition :

• Une fonction linéaire par rapport aux variables x1 , x2 , ..., xn s’écrit sous la forme :
f ( x1 , x2 , ..., xn ) = c1 x1 + c2 x2 + ... + cn xn
Cette fonction est appelée fonction économique (ou fonction objectif).
 3

Les variables x1 , x2 , ..., xn sont appelées variables de décision ou programme admissible.

Elles sont positives ou nulles.
Les constantes c1 , c2 ,..., cn appelées coefficients économiques.
• Les contraintes linéaires peuvent s’écrire sous différentes formes :

ai1 x1 + ai 2 x2 + ... + ain xn  bi

ou  avec i = 1, 2, …, m
ou =

- appelées contraintes fonctionnelles.

3. Forme mixte, forme canonique, forme standard.

Le problème de PL se présente sous la forme générale ou mixte :
Optimiser la quantité Z définie par :
n
Z =  ck xk
k =1

Sous les contraintes :

n

a x
j =1
ij j  bi , i = 1,..., k

a x
j =1
ij j  bi , i = k + 1,..., l

a x
j =1
ij j = bi , i = l + 1,..., m

xk  0, k = 1,..., n (les contraintes de non − négativité )

• Lorsque toutes les contraintes représentent des inégalités au sens large, le programme est
dit sous forme canonique.
• Lorsque toutes les contraintes représentent des égalités, le programme est dit sous forme
standard.

Exemple 1:

Une petite entreprise fabrique deux types de peinture : pour les travaux intérieurs (I) et pour les
travaux extérieurs(E). Pour la fabrication de ces peintures deux composants A et B sont utilisés, dont
les quantités journaliers disponibles sont de 24 et 6 tonnes respectivement. Le tableau suivant montre
l’utilisation de A et B par tonne pour la fabrication des peintures E et I :

Ingrédients Peinture E Peinture I

A 6 4

B 1 2
 4

Une étude de marché a montré que la demande journalière de la peinture I ne dépasse celle de E que
de 1 tonne. Par ailleurs, il est établi que la demande de la peinture I atteint au plus 2 tonnes par jour.

Les prix de vente d’une tonne des produits sont 5 million de FCFA pour la peinture E et 4 million de
FCFA pour la peinture I. Formuler le problème en un programme linéaire.

Solution :

Suit de l’exemple 1 :
Max. Z = 5 x1 + 4 x2
Sous les contraintes :  x1 + 4 x2  24
x1 +  x2  6
− x1 + x2  1
x2  2
x1  0, x2  0