ThÃ©orie Des Graphes 1-4

UNIVERSITÉ ABDELMALEK ESSAADI
École Nationale des Sciences Appliquées de Tétouan
Théorie des graphes &

Recherche Opérationnelle
Pr DKHISSI Btissam
13/10/2022 Théorie des graphes 2022/2023 1

L’optimisation
L’optimisation est une branche des mathématique cherchant à analyser et à

résoudre analytiquement ou numériquement les problèmes qui consistent à
déterminer le meilleur élément (l’optimal) d'un ensemble, au sens
d'un critère quantitatif donné (le coût).

L’optimisation
• L'optimisation est essentiellement un outil d'aide à la décision au sein des

entreprises, mais aussi pour des individus.
• Le terme « optimal » est souvent trompeur. Ce n'est pas un jugement de valeur absolu.
C'est plutôt une information sur l'approche méthodologique utilisée.

Exemples d’Application
✓ Les problème de flux : minimiser les coûts / le nombre de véhicules

utilisés
✓ Problèmes d’affectation : l’affectation des activités au personnel d’une
entreprise en maximisant la rentabilité de personnes;
✓ L’investissement : maximiser le rendement, sans dépasser la somme

disponible.
➢ File d’attente : l’objet de l’optimisation est de déterminer le nombre de

guichets qu’il convient de mettre en place afin de limiter au maximum
l’attente des clients.
➢ Problème d’ordonnancement : établir l’ordre d’exécution des tâches

afin de produire le maximum de produits en un temps donné et de
réduire le temps total de production d’un nombre donné de produits.

Théorie des graphes
INTRODUCTION

Historique
La théorie des graphes est née en 1736 avec la communication d'Euler
(1707-1783) dans laquelle il proposait une solution au célèbre
problème des ponts de Königsberg l'ancien nom de l'actuelle ville russe
de Kaliningrad. (Euler, 1736). Le problème posé était le suivant:

Historique
Deux îles A et D sur la rivière Pregel (la Pregolia) à Königsberg étaient

reliées entre elles ainsi qu'aux rivages B et C à l'aide de sept ponts (a, b, c,
d, e, f et g) comme le montre la figure.

Problématique
• A partir d'une terre quelconque A, B, C, ou D, traverser chacun des ponts une fois et une
seule et à revenir à son point de départ (sans traverser la rivière à la nage !).
• Problème identique à celui consistant à tracer une Figure géométrique sans lever le
crayon et sans repasser plusieurs fois sur un même trait.

Historique
• En 1847, Kirchhoff (1824-1887) découvrit la notion d'arbre (qui est un

type particulier de graphe n'ayant pas de cycle, i.e. dans lequel il est
impossible de revenir à un point de départ sans faire le chemin
inverse) pour l'appliquer à l'analyse de circuits électriques.
• Dix ans plus tard, Cayley (1821-1895) développa la théorie des arbres

Historique
Les graphes ont été apparus dans différentes situations

concrètes où interviennent des objets en interaction:
• Le trafic routier, feroviaire, aérien
• Réseau de telecommunication (implantation des
antenes)
• Circuit éléctronique
Problèmes d’optimisation

Optimisation
Étude du problème
d’optimisation
Modélisation Résolution
Graphiquement Mathématiquement Algorithmes &

méthodes

Définition: un graphe
Un graphe G est un couple (A,U) qui décrit un ensemble d'objets A

et l’ensemble des liens entre eux U
• A est appelé l’ensemble des nœuds, ou des sommets du

graphe.
• Un élément de U est un lien entre deux objets et appelé une
arête ou arc

Exemples
A = a , b, c, d, e, f , g, h
U = (a, b), (b, c), (b, e), (a, e), (d, e), (a, h ), (d, h ), (g, h ), (d, g), (g, h ), (f , g), (e, f )
b
a
c
d
h
f
g
Graphe orienté
On dit que le graphe G est orienté si les éléments de U (les connexions entre les
sommets) sont orientés et dans ce cas , les éléments de U sont appelés des arcs
b
d

Graphe non orienté
On dit que le graphe G est non orienté si les éléments de U (les

connexions entre les sommets) sont non orientés et dans ce cas ,
les éléments de U sont appelés des arêtes
b
a
c
d

Remarques
→
On note un arc par (i,j) ou ij

Remarques
Soit A={x1, x2, ..., xn} un ensemble de sommets
On peut définir un graphe par la relation binaire R:
xi R xj (xi,xj) est un arc du graphe
x1
x2
x3
x1 R x2 , x2 R x1 , x2 R x3 et x1 R x3
Vocabulaire de la théorie des graphes
Graphe sans boucle:
• On dit qu'un graphe est sans boucle si A ne contient pas d'arête de la forme (x, x),
c'est à dire joignant un sommet à lui même.
• Le nombre de sommets du graphe est appelé ordre du graphe.

Définition: sommets adjacents
• xi R xj , on dit que les sommets xi et xj sont adjacents

• xi et xj sont adjacents s’il y a un arc qui les relis
Remarques
• Si le graphe est non orienté, la relation binaire définie est symétrique : xi R xj alors
xjR xi

Remarques
Soit G=(X, U) un graphe orienté et x un sommet, on note:
U − ( x ) = y  X /( y, x )  U: Ensemble des antécédent s du sommet x

U + ( x ) = z  X /( x , z)  U: Ensemble des successeurs du sommet x
U( x ) = U − ( x )  U + ( x ) : Ensemble des sommets adjacents au sommet x

Exemples
a
U − (d ) = e
e
U (c) = a , b, d
−
U + (a ) = b, c, e b
+
d
Ø
U ( c) =
c
Un graphe peut être définit par l’ensemble de

ses sommets et des antécédents et de
successeurs de chaque sommet
Définitions
• Le cardinal de l’ensemble des sommets X (nombre de sommets

de G) est appelé ordre de G et est noté |X|

Définitions
• Si on indique un nombre sur chaque arc du graphe, on dit qu’on a un graphe

valué
Exemple: a
4
3 e
2
11
b
5 d
1
c

Exemple des graphes
• Un graphe simple est un graphe sans boucle dont chaque couple de
sommets est relié par au plus une arête
• Un graphe complet est un graphe simple dont tout couple de sommet est
connecté (tous les sommets sont adjacents / tous les sommets sont de
degré n-1)
• Un graphe discret d’ordre n, Gn=(X, Ø)

• Un graphe biparti (biparti-complet) est un graphe constitué de deux partie
X1 et X2 de sommets dont (tous) les sommets de X1 et les sommets de X2
sont adjacents

Degré de sommet
Soit L=(x,y) un arc (qui n’est pas une boucle) d’un graphe G
• On dit que L est incident à x vers l’extérieur et incident à y vers
l’intérieur
• Le nombre des incidents à x vers l’extérieur est noté: d G+ (xet
)
s’appelle le demi-degré extérieur de x
• Le nombre des incidents à x vers l’intérieur est noté: d G− (x) et
s’appelle le demi-degré intérieur de x
• Le nombre d G+ (x) + d G− (x)s’appelle le degré du sommet x et on le
note d G (x)
Remarque:
si dG(x)=0, on dit que x est isolé

Exemple:
x1
x5
x2
x4
x3
x1 X2 x3 x4 x5
+
dG (x) 3 1 0 1 1
−
dG (x) 0 1 3 1 1
d G (x) 3 2 3 2 2
Théorème des poignées de mains
La somme des degrés de tous les sommets d’un graphe vaut le double
du nombre d’arêtes
d
x X
G (x) = 2 U
A prouver par récurrence (Nombre d’arêtes)

Corrolaire:
Le nombre de sommets de degré impair est pair
Définition: un graphe G dont tous les sommets ont le même degré

est dit régulier. On dit que le graphe est k-régulier si le degré commun
est k

Représentation d’un graphe
Représentation par énumération:

Exemple :
X= {a,b,c,d,e,f}
U= { (a,b),(b,a),(b,c),(c,d),(d,a),(c,e),(e,f),(d,f) }
a
b
d
c f

Représentation par dictionnaire:

Exemple :
Dictionnaire des suivants
X S(x)
a b
b a,c a
c d,e
d a,f e
e f
f --
b
d
c f

Représentation par dictionnaire:

Exemple :
Dictionnaire des précédents
X P(x)
a b,d
b a a
c b
d c e
e c
f d,e
b
d
c f

Remarque:
On peut construire le dictionnaire des précédents en se servant du dictionnaire des

suivants

Représentation matricielle: Matrice d’adjacence
1 si (x i , x j )  U
On pose M=(mij)1≤i,j≤n avec m ij = 
0 sinon
Exemple :
a b c d
a
0
a 1 0 0
 
b 1 0 1 0
M =
c 0 0 0 1
  b
d
d 
1 1 0 0
 c

Représentation matricielle:
− ab − −
 
 ba − bc −
M=
cd 
a
− − −
 
 da − − 
 db
b
d

Dénitions :
• On appelle graphe réflexif un graphe possédant une boucle sur chaque sommet.
• Un graphe est symétrique si, pour tout arc u = (x, y) appartenant à U, l'arc v = (y,
x) appartient également à U.
• Un graphe est antisymétrique si, pour tout arc u = (x, y) appartenant à U, l'arc v =
(y, x) n'appartient pas à U.
• Un graphe est transitif si, quelque soit deux arcs adjacents u = (x, y) et v = (y, z)
appartenant à U, alors l'arc w = (x, z) appartient également à U.

Dénition :
• Un graphe G = (A,U) est dit complet si, pour toute paire de sommets (x, y), il
existe au moins un arc de la forme (x, y) ou (y, x).
• Un sous-ensemble de sommets tel que deux sommets quelconques de C

C (sous-graphe
sont reliés par une arête est appelé une clique A complet).

Dénition :
Soit G=(X, U) un graphe non orienté.

S X
Un sous ensemble est un ensemble stable s’il ne comprend que des sommets non
adjacents deux à deux:
i, j  S  (i, j)  U
a
e
b
d
S={a,d,e} f
c

Application:
Coloration des sommets d’un graphe
• La coloration des sommets d’un graphe consiste à une affectation de couleurs à tous les sommets
du graphe de telle sorte que deux sommets adjacents ne soient pas porteurs de la même couleur.
• Le nombre chromatique (Gcomme

est définit ) le nombre de couleurs distinctes nécessaires à la
coloration des sommets de G.

Application:
Coloration des sommets d’un graphe
• Un graphe G qui est coloré en K couleurs est dit k-chromatique
• Une K-coloration des sommets est une partition (S1, S2, ..., Sk) de
l’ensemble des sommets en K ensembles stables
(chaque couleur i représente un sous ensemble de sommets non
adjacents puisqu’ils sont de la même couleur)

Chemin:
Une suite d’arcs dont l’extrémité terminale de chacun est l’extrémité initiale du
suivant sauf pour le dernier
b
d
c
a,b,c,d est un chemin

Chemin hamiltonien:
Un chemin est dit hamiltonien, s’il passe une fois et une seule
par chaque sommet du graphe
a
b
d
c
a,b,c,d,e est un chemin hamiltonien

a,b,c,d,a,c,d,e n’est pas un chemin hamiltonien
Chemin pré-hamiltonien:
Un chemin est dit pré-hamiltonien, s’il passe au moins une fois
par chaque sommet du graphe
a
b
d
c
a,b,c,d,a,c,d,e est un chemin pré-hamiltonien

Chemin élémentaire :
Un chemin est dit élémentaire s’il ne passe pas plus qu’une fois
par chacun des sommets (pas tous les sommets)
a
b
d
c
e,a,b est un chemin élémentaire

Chemin simple:
Un chemin est dit simple s’il ne passe pas plus qu’une fois par le
même arc
a
b
d
c
e,a,b,c est un chemin simple

Chemin eulérien:
Un chemin est dit eulérien s’il passe une fois et une seule par
chaque arc
a
b
d
c
a,b,c,d,e est un chemin eulérien

Chemin pré-eulérien:
Un chemin est dit pré-eulérien s’il passe au moins une fois par
chaque arc
a
b
d
c
a,b,c,d,e,a,c,d,a est un chemin eulérien

Circuit :
Un chemin est dit circuit s’il se ferme sur lui même
a,b,c,a est un circuit

Circuit hamiltoniens:
Un circuit est dit hamiltonien s’il passe une fois et une seule par
chaque sommet
a
a,b,c,a est un circuit hamiltonien

Chaîne :
Une chaîne est une suite d’arêtes dont chacune a une extrémité
commune avec l’arête précédente
a
e
b
d
c

Chaîne hamiltonien:
Une chaîne hamiltonien est une chaîne de longueur n-1
a
e
b
d
c

Cycle:
Un cycle est une chaîne simple se fermant sur elle-même
b
d
c

Application : Problème de voyageur de
commerce (Travelling Salesmen Problem TSP)
Problème : En sortant de son domicile (sommet en noir) comment

trouver un cycle hamiltonien de longueur minimale en visitant
toutes les villes (sommets en blanc) ?
Vi Vj
dij

Connexité :
Un graphe est dit (faiblement) connexe si,
pour tout couple de sommets (xi , xj)  A (i  j) , il existe une

chaîne joignant xi à xj.

Connexité :
Soit R la relation binaire définie par:
 xi = x j
xi R xj 
ou
 il existe une chaîne reliant x i à x j

Les classes d’équivalences de R sont les composantes

(faiblement) connexes de A.

Connexité : Exemple
a
b
d
c
Le graphe est connexe et contient une seule classe d’équivalence
a = a, b, c, d

Connexité :
Un graphe est dit (fortement) connexe si,
pour tout couple de sommets (xi , xj)  A (i  j) , il existe un

chemin allant de xi à xj.

Connexité :
Soit R la relation binaire définie par:
 xi = x j

xi R xj  ou
 il existe un chemin allant de x à x et un chemin de x vers x
 i j j i
Les classes d’équivalences de R sont les composantes fortement

connexes .

Connexité forte: Exemple

e d
f
c
g
b
Le graphe n’est pas fortement connexe et contient deux classes

d’équivalence : {a,b,f} et {c,d,e,g}

Algorithme de connexité forte
a. Marquer x0 par les signes (+) et (-)

b. Marquer du signe (+) tout successeur non encore marqué par (+) d’un sommet marqué par
(+)
c. Marquer du signe (-) tout prédécesseur non encore marqué par (-) d’un sommet marqué
par (-)
d. Quand on ne peut plus marquer de sommet, les sommets marqués par (+) et (-) constituent
la composante fortement connexe de x0
Exemple:
1 6 10 12
7 9 11
2
3 4 5 8
Réseau :
On appelle réseau, un graphe connexe sans boucle.
• L’entrée du réseau est le sommet n’ayant pas de précédent.
• La sortie du réseau est le sommet n’ayant pas de suivant.

Arbre:
On appelle arbre, un graphe connexe sans cycle.

Arborescence ou « arbre enraciné » (« rooted tree ») :
C’est un arbre avec un noeud « distinct » appelé racine et noté r
La profondeur ou le niveau d’un noeud, disons x , dans
l’arborescence, est la distance d(r,x) entre ce noeud et la racine. La
hauteur de l’arborescence en est le maximum de ces niveaux, alors
que la largeur en est le nombre maximum de noeuds au même
niveau.

Remarques:
• On dit que x est l’enfant de y , si x,y sont adjacents avec : d(r,x) =1+d(r,y)
• Les feuilles sont les noeuds sans enfants.
• On représente les arborescences par leurs branches (chemins) en commençant
par la racine

Ascendant et descendant d’un sommet:

Si xi et xj sont deux sommets tels qu’il existe un chemin du
premier sommet xi à xj, on dit que xi est ascendant de xj et que xj
est descendant de xi.

Algorithme de parcours d’un graphe
Parcours des graphes
DFS : Depht First Search ( Recherche en profondeur d'abord )
C’est le parcours le plus utilisé sur les graphes

DFS : principe
Initialement tous les nœuds sont marqués " non visités".
Choisir un nœud v de départ et le marquer " visité".
Chaque nœud adjacent à v, non visité, est à son tour visité en utilisant DFS
récursivement.
Une fois tous les nœuds accessibles à partir de v ont été visités, la recherche
de v ( DFS(v) ) est complète.
Si certains nœuds du graphe restent "non visités", sélectionner un comme

nouveau nœud de départ et répéter le processus jusqu'à ce que tous les nœuds
soient visités.

//S est l’ensemble des sommets

DFS : Exemple
1
Choisir A A
2 6
4
B D E
C 3
B 5
C I
A I
D
E 1
Choisir F F
H 2
F
G
G
1
Choisir H H
Parcours des graphes
BFS : Breadh First Search ( Recherche en largeur)
C’est le parcours le moins utilisé sur les graphes
C'est la généralisation du parcours niveau par niveau défini sur les arbres

BFS : principe
Initialement tous les nœuds sont marqués " non visités".
Choisir un nœud v de départ et le marquer " visité".
Chaque nœud adjacent à v, non visité, est à son tour visité en utilisant BFS
Une fois tous les nœuds accessibles à partir de v ont été visités, la recherche
de v ( BFS(v) ) est complète
Si certains nœuds du graphe restent "non visités", sélectionner un comme

nouveau nœud de départ et répéter le processus jusqu'à ce que tous les nœuds
soient visités.

//S est l’ensemble des sommets

BFS : Exemple
1
Choisir A A
2 3 4
B D E
C
B 5 6
C I
A I
D
E 1
Choisir F F
H 2
F
G
G
1
Choisir H H
Niveau de génération (rang) d’un sommet
Dans un graphe sans circuit, on peut numéroter les sommets du graphe de

telle sorte que le numéro affecté à chaque sommet soit inférieur à celui des
suivants et supérieur à celui des précédents.
Ce numéro ainsi défini est appelé niveau de génération ou rang du sommet.
Le niveau d’un sommet xi est la longueur du plus long

chemin ayant pour extrémité xi et on le note rg(xi)
Les sommets de rang 0 sont ceux qui n’ont aucun précédent

Les sommets de rang 1 sont ceux dont les précédents appartiennet au rang 0.

Commet déterminer les rangs des sommets:

Exemple:
N° de ligne X P(X) x1
x4
1 x0 néant
2 x1 x0
x0 x2 x5
3 x2 x0,x1,x4,x5
4 x3 x0,x1
5 x4 x1,x5
x3
6 x5 x3

Exemple: rg(x0)=0
x4
1 x0 néant
2 x1 x0 néant
x0 x2 x5
3 x2 x0,x1,x4,x5
4 x3 x0,x1
5 x4 x1,x5
x3
6 x5 x3

Exemple: rg(x1)=1
x4
1 x0 néant
2 x1 x0 néant
x0 x2 x5
3 x2 x0,x1,x4,x5
4 x3 x0,x1 néant
5 x4 x1,x5 x3
6 x5 x3

Exemple: rg(x3)=2
x4
1 x0 néant
2 x1 x0 néant
x0 x2 x5
3 x2 x0,x1,x4,x5
4 x3 x0,x1 néant
5 x4 x1,x5 x3
6 x5 x3 néant

Exemple: rg(x5)=3
x4
1 x0 néant
2 x1 x0 néant
x0 x2 x5
3 x2 x0,x1,x4,x5
4 x3 x0,x1 néant
5 x4 x1,x5 néant x3
6 x5 x3 néant

Exemple: rg(x4)=4
x4
1 x0 néant
2 x1 x0 néant
x0 x2 x5
3 x2 x0,x1,x4,x5
néant
4 x3 x0,x1 néant
5 x4 x1,x5 néant x3
13/10/2022
6 x5 x3 néant
Théorie des graphes 2022/2023 78
Exemple: rg(x2)=5 (la longueur du plus long chemin ayant comme
extrémité finale x2)
N° de ligne X P(X)
1 x0 néant
x1
x4
2 x1 x0 néant
3 x2 x0,x1,x4,x5
néant x2 x5
x0
4 x3 x0,x1 néant
5 x4 x1,x5 néant
6 x5 x3 néant x3

Nombre de chemins / fermeture transitive et
Recherche du chemin optimal

Nombre de chemins dans un graphe
Théorème:
L’élément M(i,j) de Mk est le nombre de chemin de longueur k
allant du sommet i au sommet j.
1 si (x i , x j )  U
m ij = 
0 sinon
Dans un graphe de n sommets, les plus longs chemins

élémentaires comportent évidement s’ils existent n-1 arcs.

Considérons le graphe
0 1 1 0 1 a
 
0 0 1 0 0 e
M = 0 0 0 0 0
 
0 0 1 0 0 b
d
 
0 0 0 1 0
c

a
0 0 1 1 0
 
0 0 0 0 0 e
M2 = 0 0 0 0 0
  b
0 0 1 0 0 d
 
0 0 1 0 0 c

a
0 0 1 0 0
 
0 0 0 0 0 e
M3 = 0 0 0 0 0
  b
0 0 0 0 0 d
 
0 0 0 0 0 c

Démonstration par récurrence sur k:

m ij(1) = m ij est le nombre de chemins allant du sommet xi au sommet xj
de longueur 1.
Hypothése: le résultat est vrais pour l’entier k-1.

n
Comme m ij =  m il( k −1) .m lj
(k )
et ( k −1) est le nombre de chemins de
l =1 m il
longueur k-1 allant de xi à xl et
1 si (x l , x j )  U
m lj = 
m il( k −1) .m lj 0 sinon
est donc le nombre de chemins de longueur k allant de xi à
xj traversant le sommet xl.
La somme de ces termes est donc bien le nombre de chemins de
longueur k allant de xi à xj.

Fermeture transitive
Définition:
On appelle fermeture transitive d’un sommet x (ou ensemble de
descendant de x) d’un graphe G=(A,U) l’expression suivante:

U( x ) = x U ( x ) U
+ +2
( x ) ... U + n −1
(x)
Où:
+k + + k −1
U (x) = U (U ( x ))

La matrice associée à la fermeture transitive de l’ensemble A des

sommets du graphe coincide avec la matrice:
 • • • •
M = I+M+M ( 2)
+ ... + M ( n −1)
Où:
M( k ) est la matrice produit dont les éléments sont calculés en
utilisant le produit logique et la somme logique.
 0 1 + 0 1
0 0 0 0 0 1
1 0 1 1 1 1
Remarque:
• • • •
( n −1) ( n −1) ( n − 2)
(A + B) =A +A B + ... + B( n −1)

Exemple:
0 1 0 0 1 0 b
 
0 0 1 0 0 0 c
0 0 0 1 0 0 a
M=   d
0 0 0 0 0 1
 
0 1 1 0 0 1 e
0 0 0 0 0 0 
f


Exemple:
1 1 0 1 00
 
0 1 0 0 01
• 0 0 1 1 0 0
M+I =  
0 0 0 1 0 1
 
0 1 1 0 1 1
0 0 0 0 0 1 


Exemple:
1 1 0 1 11
 
0 1 1 0 01
• 0 0 1 1 0 1
( M + I) 2 =  
0 0 0 1 0 1
 
0 1 1 1 1 1
0 0 0 0 0 1 


Exemple:
1 1 1 1 1
1
 
0 1 1
1 0 1
• 0 0 1 1 0 1
( M + I) 5 =  
0 0 0 1 0 1
 
0 1 1 1 1 1
0 0 0 0 0 1


Remarques:
1. En pratique, on peut arrêter les calculs dés que :
• •
( M + I) (k)
= ( M + I) ( k −1)
2. Il n’existe pas de chemin de longueur supérieure à (n-1)

pas d’interêt à dépasser la puissance (n-1)
où n est le nombre de sommets du graphe
3. La présence d’un 1 à l’intersection de la ligne x et la colonne y
signifie qu’il existe au moins dans le graphe un chemin de
longueur ≤ k-1


U(a ) = a U + (a ) U + (a ) U + (a ) U + (a ) U + (a )
2 3 4 5
= a, b, e, c, d, f 
 b
U( b) = b, c, d, f 
 c
U(c) = c, d, f 
a
 d
U(d ) = d, f 

U(e) = b, c, d, e, f  e
 f
U (f ) = f 

Recherche des chemins de longueur extrémale
Problème:
comment chercher le ou les chemins de longueur extrémale (minimale ou
maximale) partant du sommet n°1 vers un sommet donné.
c
b e
d f
a
g
h
Propriétés des chemins minimaux:
La valeur (le coût) d’un chemin est la somme des valuations de

ses arcs.
Un chemin allant de x0 à xi est de valeur minimale si sa valeur est

plus petite que celle de tout autre chemin allant de x0 à xi.

Lemme1:
Tout sous-chemin d’un chemin de valeur minimale est un chemin

de valeur minimale.

Démonstration (Lemme1)
Soit C un chemin allant de xi à xj et soit C’ un sous-chemin allant de

xl à xk et C1=[xi,xl] et C2=[xk,xj]
On a C=C1 C’ C2
Supposons que C’ n’est pas minimal alors il exise un sous-chemin
C’’ de xl à xk de valeur plus faible.
Le chemin C1 C’’ C2 serait de valeur strictement inférieure à celle
de C.
Contradiction avec l’hypothèse

Définition :
• Soit G=(A,U) un graphe sans boucle, un sous ensemble N de A

est dit absorbant si:
x  A / N, y  N tel que (x, y) U
• Un circuit est dit absorbant s’il contient des valeurs strictement

négatives.

Lemme2:
Une condition nécessaire et suffisante pour que, pour tout i, il

existe un chemin de valeur minimale allant de x0 à xi est que le
graphe G soit sans circuit de valeur strictement négative (circuits
absorbants).

Démonstration (Lemme2):
• Supposons qu’il existe un circuit C1=[xi,xi] de valeur strictement
négative et que C =[x0,xi] soit un chemin de valeur minimale de x0 à xi.
Alors la valeur du chemin C’=CC1 est strictement inférieure à celle de C
ce qui contredit sa minimalité.
• Réciproquement, supposons G sans circuit absorbant.

De tout chemin allant de x0 à xi, on peut extraire un chemin
élémentaire de valeur plus faible. On peut alors limiter la recherche
des chemins minimaux à celle des chemins minimaux élémentaire. Or
leur nombre est fini alors il existe un chemin élémentaire de valeur
minimale allant de x0 à xi.

Algorithme de Ford pour la recherche de chemin maximal
Remarques :
• L’algorithme de Ford calcule les valeurs des chemins maximaux

(minimaux) issus de x0, lorsque le graphe est sans circuit
absorbant.
• L’algorithme de Ford permet l’obtention de chemin de longueur

maximale (minimale) quel que soit les signes des longueurs des
arcs.

Algorithme de Ford :
1. Numéroter les sommets du graphe valué dans n’importe
quel ordre, en commençant par x0 et en terminant par xn-1.
2. Affectation d’une valeur ti=0 (0≤ i ≤ n-1) à tous les sommets
du graphe valué
3. Pour tout arc (xi,xj) si vji=tj-ti < dij (la valuation de l’arc (xi,xj) ),
On remplace la valeur de tj par la valeur: ti+dij, sinon on ne
change pas la valeur de tj.
4. On continue les itérations jusqu’à ce qu’on ne peut plus
augmenter les ti

Exemple:
Recherche du chemin de longueur maximale dans un graphe
valué à l’aide de l’algorithme de Ford
a 24 g
21
12 13 3 5
7 21 s
e b
f
1 4
10
14 26
c 16 d

Exemple:
t1=0 t4=0
x1 24 x4
21
12 13 3 5
t7=0
t2=0 7 t5=0 21
x0 x2 x7
x5
t0=0 1 4
10
14 26
x3 16 t6=0x6
t3=0

Exemple:
• x0 (x0,x1), (x0,x3)
Pour l’arc (x0,x1) on a v10=t1-t0 < d01=12
Donc on remplace t1=0 par t1’=t0+d01=12
Pour l’arc (x0,x3)...
• x1 (x1,x6), (x1,x2)
• .
• .
• .

Exemple:
t1’=12
t1=0 t4=0
x1 24 x4
21
12 13 3 5
t7=0
t2=0 7 t5=0 21
x0 x2 x7
x5
t0=0 1 4
10
14 26
x3 16 x6
t3=0 t6=0

Algorithme de Ford pour la recherche de chemin minimal
Algorithme de Ford :
1. Numéroter les sommets du graphe valué dans n’importe
quel ordre, en commençant par x0 et en terminant par xn-1.
2. Affectation d’une valeur ti=∞ (1≤ i ≤ n-1) à tous les sommets
du graphe valué et t0=0
3. Pour tout arc (xi,xj) si vji=tj-ti > dij (la valuation de l’arc (xi,xj) ),
On remplace la valeur de tj par la valeur: ti+dij, sinon on ne
change pas la valeur de tj.
4. On continue les itérations jusqu’à ce qu’on ne peut plus
améliorer les ti

Algorithme de Ford pour la recherche de chemin minimal
Exemple:
Recherche du chemin de longueur minimale dans un graphe
valué à l’aide de l’algorithme de Ford
t1’=2
x1 t =∞
1
2 1 7
t7= ∞
x0 x3 t3= ∞ x4
t0=0
1
4
5
x2 t4= ∞
Remarque:
Si le graphe comporte un circuit absorbant, l’algorithme de Ford
peut ne pas se terminer
b
-5
2
-1 d
a
3 4

Remarque:
t1’’=0
t1’=2
t1=+∞
x1
-5
2
t3’=-3
-1 t3=+∞
t0=0 x3
x0
3 4
x2
t2=+∞
t2’=3
t2’’=1
Cas des valeurs positives: Algorithme de Dijkstra
Dans le cas où les valuations des arcs sont positives ou nulles,

l’algorithme de Dijkstra évite l’inconvénient de traiter des
sommets plusieurs fois .
A chaque itération, on attribue une marque définitive à un

nouveau sommet ((n-1) itérations)

Cas des valeurs positives: Algorithme de Dijkstra
Algorithme de Dijkstra pour la recherche du chemin minimal:
1. Numéroter les sommets du graphe valué dans n’importe quel ordre, en

commençant par x0 et en terminant par xn-1.
2. Affectation d’une valeur ti=∞ (1≤ i ≤ n-1) à tous les sommets du graphe valué
et t0=0
3. Soit xi un sommet non traité telle que ti est minimale, Pour tout arc (xi,xj) si
vji=tj-ti > dij (la valuation de l’arc (xi,xj) ),
On remplace la valeur de tj par la valeur: ti+dij, sinon on ne change pas la
valeur de tj.
4. Si i =n-1 stop, sinon retour au 3
Remarque: l’algorithme de Dijkstra permet uniquement l’obtention de chemin

minimal
Algorithme de Belman
Dans le cas des graphes sans circuits pour calculer le plus

court/long chemin allant d’un sommet à un autre sommet.
Il a le même principe que l’algorithme de Ford

Algorithme de Belman (Problème de recherche du chemin

minimal/maximal):
1. Numéroter les sommets du graphe valué dans n’importe quel ordre, en

commençant par x0 et en terminant par xn-1 et poser ti=0.
2. Affecter une valeur tk=min(ti+dik) / tk=max(ti+dik) (1≤ k ≤ n-1) où les xi sont
les précédents de xk
3. Si k=n-1 stop, sinon retour au 2

Exemple :
Déterminer le chemin de longueur minimale entre x0 et x5 en utilisant l’algorithme

de Belman dans le graphe :
2 X3
X
1
6 7 1
X X
0
4
8 5 1
X
2 9
X
5

Exemple :
t3=8
t1=6 2 X3
X1
6 7 1
X0
X4
t4=min(6+7, 8+5, 8+1)
8 5 1
X2
9
t2=8 X5

Exemple des problèmes classe de la recherche du chemin
optimal
Problèmes d’ordonnancement

Définition:
Ordonnancer : Accomplir un ensemble de tâches (opérations) qui

sont soumises à un nombre de contraintes , et cela via des
ressources en vue de la réalisation d’un objectif ( fonction
objectif / économique) précis

Application directe des méthodes de recherche des chemins

optimaux dans un graphe.
Recherche du chemin maximal

Domaines d’application:

Caractéristiques des tâches:

• Une tâche est dite morcelable si elle peut être exécutée par
morceaux
• Les tâches sont regroupées en entités appelées Travaux ou Job
• Un atelier contient plusieurs machines distinctes et un

ensemble des Job, chacun est constitué d’un ensembles de
tâches (opérations élémentaires), chacune d’elle doit s’exécuter
sur l’une des machines

Les types d’atelier:

Selon la nature des contraintes de précédence entre les tâches d’un
même Job (travail), on distingue 3 types d’ateliers:
• Si les opérations élémentaires (tâches) d’un travail (leur nombre
n’est pas forcément le même pour tous les Jobs) sont liées par un
ordre total, non nécessairement identique pour tous les travaux, il
s’agit d’un problème Job-shop


• Si les m (nombre d’opérations pour tous les Jobs) opérations
élémentaires (tâches) des travaux sont liées par le même
ordre total, il s’agit d’un problème flow-shop


• Si Le nombre d’opérations n’est pas forcément le même pour
tous les jobs et l’ordre de passage sur les machines est
totalement libre, il s’agit d’un problème open-shop

Types des contraintes:

• Contraintes de type potentiel:
✓ les contraintes de localisation temporelle (la tâhe i ne doit pas
commencer avant la date t ou elle doit être achevée à la date t)
✓ Les contraintes de succession (la tâhe j ne peut pas commencer

avant que la tâhe i ne soit terminée)
✓ Contrainte de délai : j doit être terminée avant une certaine date
• Contraintes de type disjonctif : imposent la disjonction de deux intervalles de

temps relatifs (deux tâches i et j devant s’exécuter sur une même machine et
qui ne peuvent pas être réalisées simultanément)

Fonction objectif (fonction économique):
La programmation des tâches se rèalise de façon à optimiser un

certain objectif qui peut être généralement:
• L’utilisation efficace des ressources

• La minimisation d’un coût (coût de production)
• La minimisation de la durée totale

Résolution des problèmes d’ordonnancement
Algorithmes qui garantissent l’optimalité pour les problèmes de

petites tailles

Diagramme de GANTT
Permet de planifier le projet et de rendre plus simple le suivi de

son avancement.
Méthode efficace pour des projets d’une vingtaine de tâches

Diagramme de GANTT : Exemple

1ére étape: Lister les tâches, estimer les duréers et identifier
l’ordre dans lequel les tâches doivent être faites
tâches Durée Tâches précédentes

A 6
B 3
C 6
D 2 B
E 4 B
F 3 D, A
G 1 F, E, C

2ème étape: Dessiner chaque tâche en faisant apparaître au fure et à
mesure les contraintes de précédence
Tâches
Temps
13/10/2022 0 1 2 3 4 des5graphes 2022/2023
Théorie 6 7 8 9 10 131
D 2 B
E 4 B
Tâches F 3 D, A
A G 1 F, E, C
B D
Temps
13/10/2022 0 1 2 3 4 des5graphes 2022/2023
Théorie 6 7 8 9 10 132
F 3 D, A
Tâches G 1 F, E, C
A
B D F
Temps
13/10/2022 0 1 2 3 4 des5graphes 2022/2023
Théorie 6 7 8 9 10 133

Tâches G 1 F, E, C
B D F
C G
Temps
13/10/2022 0 1 2 3 4 des5graphes 2022/2023
Théorie 6 7 8 9 10 134
Méthodes utilisant la théorie des graphes : PERT
Le PERT (Program of Evaluation and Review

Technologique/technique d’élaboration et de contrôle de projets) :
Méthode américaine datée de 1958
Consiste à mettre en ordre un ensemble de tâches en utilisant un

graphe orienté sans boucles dont :
• Les sommets constituent des événement (Étapes de la
réalisation des tâches)
• Les arcs représentent les tâches
• Les valuations des arcs sont les détails de l’exécution

Représentation d’une tâche a :
Toute tâche a une étape de début et une étape de fin
Numéro de l’étape
1
6 9
Délai au plus tôt Délai au plus tard

Chaque tâche a une étape de début et une étape de fin:
1 a 2 b 3

Deux tâches simultanées:
a
1
b
3

Deux étapes convergentes:
1
a
3 c 4
b
2

date au plus tôt :
θi désigne la date au plus tôt de l’événement Xi

dij désigne la durée de l’opération (i, j)
On a :
 j = max [i + dij 

−
iu ( j)

date au plus tard :

La date au plus tard de l’événement Xi est définie par :
i si X i appartient à un chemin critique


i = [j − dij ] sinon
min

 ju ( i )
+
Chemin critique est constitué par les événement (dits critiques) dont la date
attendue est égale à la différence entre la date attendue de l’événement
suivant (sur le chemin critique) et la valeur de l’arc qui les relie
Marges :
Une tâche est bénéficiée d’une marge libre
mij = j - (i + dij )
Une réserve de temps dont on dispose sur une tâche qui

permet si elle est consommée de ne pas tarder les dates
au plus tôt des tâches ultérieures.

Marges :
La marge totale est définie par :
Mij = j − (i + d ij )
Une réserve de temps sur une tâche que si elle est

consommée, l’opération (i,j) se termine à sa date au plus
tard.

Tâches fictives :
Soit les trois tâches suivantes
1
a
3 c 4
b
2

Tâches fictives :
Comment créer une tâche d qui n’a que b comme prédécesseur ?
1 a 3 c 4
2 b 5 d 6

Tâches fictives :
Comment créer une tâche d qui n’a que b comme prédécesseur ?
1 a 3 c 4
2 b 5 d 6
Remarque : La tâche fictive (5,3) a une durée d’exécution égale à 0

La méthode MPM (Méthode des Potentiels Metra) :

Méthode française datée de 1958
Consiste à mettre en ordre un ensemble de tâches en utilisant un graphe orienté

sans boucles dont :
• Les sommets représentent les opérations (tâches)
• L’arc (a, b) connectant les tâches a et b, est valué par un nombre qui indique la
durèe minimale entre le début de la tâche b et celui de la tâche a

Méthodes utilisant la théorie des graphes : MPM

Chaque opération est représentée par un “ sommet ”
Identificateur de la tâche Durée d’exécution de la tâche a
a da b db c
Date au plus tôt de Date au plus tard de

début d’exécution début d’exécution

date au plus tôt :
t j = max [ ti + Vij ]
−
iu ( j)
Où Vij est la valuation de l’arc (i, j), en général Vij=di durée de la

tâche i

date au plus tard :
 ti si X i appartient à un chemin critique


t i =  [ t j − Vij ] sinon
min

 ju ( i )
+
Chemin critique est constitué par les événement (dits critiques) dont la date
attendue est égale à la différence entre la date attendue de l’événement
suivant (sur le chemin critique) et la valeur de l’arc qui les relie

Marges :
Une tâche est bénéficiée d’une marge libre
 
mi =  min [t j − Vij ]  - t i
 ju + ( i ) 
Une réserve de temps dont on dispose sur une tâche qui
permet si elle est consommée de ne pas tarder les dates
au plus tôt des tâches ultérieures.

Marges :
La marge totale est définie par :
Mi = t i − t i
Une réserve de temps sur une tâche que si elle est

consommée, ça ne va pas retarder la réalisation du projet.

Exemple :
tâches Durée Tâches précédentes

A 2
B 4
C 4 A
D 5 A, B
E 6 C, D

tâches Durée Tâches
précédentes
Exemple : MPM A 2
B 4
C 4 A
D 5 A, B
E 6 C, D
A 2 C
4
6 Fin
E
2
5
B D
4

précédentes
Exemple : MPM A 2
B 4
C 4 A
D 5 A, B
A 2 C E 6 C, D
4
0 6 Fin
E
Début 2
0 0 5
B D
0
4

précédentes
Exemple : MPM A 2
Date au plus tôt : t j = max [ ti + Vij ] B 4
−
iu ( j) C 4 A
D 5 A, B
A 2 C E 6 C, D
0 2
4
0 6 Fin
E
Début 2
9 15
0 0 5
B D
0
0 4
4

Exemple : MPM
 ti si X i appartient à un chemin critique

Date au plus tard : t i = [ t j − Vij ] sinon
min

 ju ( i )
+
A 2 C
0 2 2 5
4
0 6 Fin
E
Début 2
9 9 15 15
0 0 5
B D
0
0 0 4 4
4

Exemple : MPM
Chemin critique
A 2 C
0 2 2 5
4
0 6 Fin
E
Début 2
9 9 15 15
0 0 5
B D
0
0 0 4 4
4

précédentes
Exemple : PERT A 2
 j = max [i + dij  B 4
−
iu ( j) C 4 A
D 5 A, B
i si X i appartient à un chemin critique

i =  [j − dij ] sinon
E 6 C, D
min

 ju + ( i )
2
2 4
A(2) C(4)
E(6) 5
4
1 X(0)
9 9 15 15
0 0
3 D(5)
B(4) 4 4

ThÃ©orie Des Graphes 1-4

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

ThÃ©orie Des Graphes 1-4

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITÉ ABDELMALEK ESSAADI

École Nationale des Sciences Appliquées de Tétouan

Théorie des graphes &

13/10/2022 Théorie des graphes 2022/2023 1

L’optimisation est une branche des mathématique cherchant à analyser et à

13/10/2022 Théorie des graphes 2022/2023 2

• L'optimisation est essentiellement un outil d'aide à la décision au sein des

13/10/2022 Théorie des graphes 2022/2023 3

✓ Les problème de flux : minimiser les coûts / le nombre de véhicules

✓ L’investissement : maximiser le rendement, sans dépasser la somme

➢ File d’attente : l’objet de l’optimisation est de déterminer le nombre de

➢ Problème d’ordonnancement : établir l’ordre d’exécution des tâches

13/10/2022 Théorie des graphes 2022/2023 4

13/10/2022 Théorie des graphes 2022/2023 5

13/10/2022 Théorie des graphes 2022/2023 6

Deux îles A et D sur la rivière Pregel (la Pregolia) à Königsberg étaient

13/10/2022 Théorie des graphes 2022/2023 7

13/10/2022 Théorie des graphes 2022/2023 8

• En 1847, Kirchhoff (1824-1887) découvrit la notion d'arbre (qui est un

13/10/2022 Théorie des graphes 2022/2023 9

Les graphes ont été apparus dans différentes situations

13/10/2022 Théorie des graphes 2022/2023 10

Graphiquement Mathématiquement Algorithmes &

13/10/2022 Théorie des graphes 2022/2023 11

Un graphe G est un couple (A,U) qui décrit un ensemble d'objets A

• A est appelé l’ensemble des nœuds, ou des sommets du

13/10/2022 Théorie des graphes 2022/2023 12

13/10/2022 Théorie des graphes 2022/2023 14

On dit que le graphe G est non orienté si les éléments de U (les

13/10/2022 Théorie des graphes 2022/2023 15

13/10/2022 Théorie des graphes 2022/2023 16

Graphe sans boucle:

• Le nombre de sommets du graphe est appelé ordre du graphe.

13/10/2022 Théorie des graphes 2022/2023 18

• xi R xj , on dit que les sommets xi et xj sont adjacents

13/10/2022 Théorie des graphes 2022/2023 19

Soit G=(X, U) un graphe orienté et x un sommet, on note:

U − ( x ) = y  X /( y, x )  U: Ensemble des antécédent s du sommet x

13/10/2022 Théorie des graphes 2022/2023 20

Un graphe peut être définit par l’ensemble de

• Le cardinal de l’ensemble des sommets X (nombre de sommets

13/10/2022 Théorie des graphes 2022/2023 22

• Si on indique un nombre sur chaque arc du graphe, on dit qu’on a un graphe

13/10/2022 Théorie des graphes 2022/2023 23

• Un graphe discret d’ordre n, Gn=(X, Ø)

13/10/2022 Théorie des graphes 2022/2023 24

13/10/2022 Théorie des graphes 2022/2023 25

A prouver par récurrence (Nombre d’arêtes)

Définition: un graphe G dont tous les sommets ont le même degré

13/10/2022 Théorie des graphes 2022/2023 27

Représentation par énumération:

13/10/2022 Théorie des graphes 2022/2023 28

Représentation par dictionnaire:

13/10/2022 Théorie des graphes 2022/2023 29

Représentation par dictionnaire:

13/10/2022 Théorie des graphes 2022/2023 30

On peut construire le dictionnaire des précédents en se servant du dictionnaire des

13/10/2022 Théorie des graphes 2022/2023 31

Représentation matricielle: Matrice d’adjacence

13/10/2022 Théorie des graphes 2022/2023 32

13/10/2022 Théorie des graphes 2022/2023 33

13/10/2022 Théorie des graphes 2022/2023 34

• Un sous-ensemble de sommets tel que deux sommets quelconques de C