M.

Diallo, enseignant chercheur à la FSEG ; Tel :76 81 84 80

Chapitre 2 : La Programmation linéaire

Objectif : Présenter des méthodes de résolution de problèmes de programmation linéaire. Il
s’agit plus spécifiquement de :

Formuler correctement un problème d'application dans le cadre de la programmation

linéaire.

I. Le modèle de programmation linéaire

La programmation linéaire est une classe spéciale de modèles de programmation

mathématique dans laquelle la fonction objective et les contraintes peuvent être exprimées
comme des fonctions linéaires des variables de décision. Comme pour les modèles de
programmation mathématique plus généraux, ces variables de décision représentent des
quantités qui sont, dans un certain sens, des entrées contrôlables du système modélisé. Une fonction
objective représente un critère objectif principal ou un but qui mesure l'efficacité du système (par
ex la maximisation des profits ou de la productivité, ou la minimisation des coûts ou de la
consommation). Il existe toujours une limitation pratique de la disponibilité des ressources (temps,
matériaux, machines, énergie ou main-d’œuvre) pour le système, et ces contraintes sont exprimées
sous forme d'inégalités ou d'équations linéaires impliquant les variables de décision. Résoudre un
problème de programmation linéaire signifie déterminer les valeurs réelles de ces variables de
décision qui optimisent la fonction objective, sous réserve des limites imposées par les contraintes.

L'utilisation de modèles de programmation linéaire pour l'optimisation de systèmes se présente

tout naturellement dans une grande variété d'applications. Certains modèles peuvent ne pas être
strictement linéaires, mais peuvent être rendus linéaires en appliquant des transformations
mathématiques appropriées. D'autres applications encore ne sont certes pas du tout linéaires, mais
peuvent être efficacement approchées par des modèles linéaires.

Dans la section suivante, nous verrons des exemples d'applications qui peuvent être
modélisées par la programmation linéaire. Dans chaque cas, la première tâche sera d'identifier les
variables de décision contrôlables xi , où i = 1, ..., n. Ensuite, le critère objectif sera établi : maximiser
ou minimiser une fonction de la forme
𝑛

𝑍 = 𝐶1 𝑋1 + 𝐶2 𝑋2 + ⋯ + 𝐶𝑛 𝑋𝑛 = ∑ 𝐶𝑖 𝑋𝑖
𝑖=1

Où 𝐶𝑖 représente les constantes dépendantes du problème. Enfin, les limitations de ressources

et les limites des variables de décision seront écrites sous forme d'équations ou d'inégalités reliant
une fonction linéaire des variables de décision à une certaine constante dépendante du problème
; par exemple,

1
 M. Diallo, enseignant chercheur à la FSEG ; Tel :76 81 84 80

𝑎1 𝑋1 + 𝑎2 𝑋2 + ⋯ + 𝑎𝑛 𝑋𝑛 ≤ 𝑏

II. L'art et la manière de formuler les problèmes

Une combinaison de perspicacité pratique et de compétences techniques est nécessaire

pour reconnaître les problèmes qui peuvent être modélisés de manière appropriée dans un format
de programmation linéaire, puis pour formuler ces problèmes avec précision. Cette formulation de
problèmes est un art qui doit être cultivé par la pratique et l'expérience. Plusieurs exemples sont
donnés pour montrer la voie et illustrer la créativité qui est parfois utile pour formuler les problèmes
sous forme de programmes linéaires.

Exemple 1 : Un fabricant de composants de systèmes informatiques assemble deux modèles

de routeurs sans fil, le modèle A et le modèle B. Les quantités de matériaux et de main-d’œuvre
nécessaires pour chaque assemblage, ainsi que les quantités totales disponibles, sont indiquées
dans le tableau suivant. Les bénéfices qui peuvent être réalisés sur la vente de chaque routeur sont
estimés respectivement à 22 $ et 28 $ pour les modèles A et B , et nous supposons qu'il existe un
marché pour autant de routeurs qu'il est possible de fabriquer.

Ressources nécessaires

Par Unité Ressources disponibles

A B

Matériaux 8 10 3400

Travail 2 3 960

Le fabricant souhaite déterminer le nombre d'exemplaires de chaque modèle à assembler

afin de maximiser les profits.

 CONSIGNE : formulez correctement ce problème dans le cadre de la PL

Exemple 2 : Une entreprise souhaite minimiser ses coûts combinés de production et de stock
sur une période de quatre semaines. Un article produit au cours d'une semaine donnée est
disponible pour la consommation pendant cette semaine, ou peut être conservé en stock pour
être utilisé au cours des semaines suivantes. Le stock initial au début de la semaine 1 est de 250
unités. Le stock minimum autorisé reporté d'une semaine à l'autre est de 50 unités. Le coût de
production unitaire est de 15 $, et le coût de stockage d'une unité d'une semaine à l'autre est de 3
$. Le tableau suivant montre les capacités de production et les demandes qui doivent être
satisfaites au cours de chaque semaine.

2
 M. Diallo, enseignant chercheur à la FSEG ; Tel :76 81 84 80

Période Capacité de production Demande

1 800 900
2 700 600
3 600 800
4 800 600

Une production minimale de 500 articles par semaine doit être maintenue. Les coûts
d’inventaire ne sont pas appliqués aux articles restants à la fin de la quatrième période de
production, et la restriction de l'inventaire minimum n'est pas appliquée après cette dernière
période.

 CONSIGNE : formulez correctement ce problème dans le cadre de la PL.

NB : variable de décision = nombre d’unité produite et 𝑨𝒊 désigner le nombre d'articles
restants à la fin de chaque semaine.

III. Modèles entiers et non linéaires

Il existe de nombreux problèmes qui semblent entrer dans le cadre de la formulation des
problèmes de programmation linéaire. Dans certains problèmes, les valeurs des variables de
décision n'ont de sens que si elles sont des valeurs entières. (Par exemple, il n'est pas possible de
lancer un nombre fractionnaire de satellites ou de transporter un nombre fractionnaire de
personnes). Cependant, les approches générales de la résolution des problèmes de
programmation linéaire ne garantissent en aucun cas des solutions entières. L'analyste doit donc
être suffisamment familier avec l'application réelle pour déterminer s'il sera acceptable d'arrondir
une solution optimale continue (non entière) à une solution entière qui peut être sous-optimale.
Dans de nombreuses applications, de telles pratiques donnent des solutions tout à fait adéquates.
Lorsque l'arrondi ne donne pas de résultats acceptables, il peut être nécessaire de recourir à des
méthodes qui sont plus difficiles à calculer que les méthodes générales de résolution de la
programmation linéaire, mais qui donnent toujours des solutions entières.

3
 M. Diallo, enseignant chercheur à la FSEG ; Tel :76 81 84 80

Exercices sur la formulation de la Programmation linéaire (PL)

EXERCICE 1

Un mélange de légumes lyophilisés doit être composé de haricots, de maïs, de brocolis, de

choux et de pommes de terre. Le mélange doit contenir (en poids) au maximum 40 % de haricots
et au maximum 32 % de pommes de terre. Le mélange doit contenir au moins 5 grammes de fer,
36 grammes de phosphore et 28 grammes de calcium. Les éléments nutritifs de chaque légume et
les coûts sont indiqués dans le tableau suivant.

Milligrammes d'éléments nutritifs par livre de Coût par livre

légume (centimes)
Légumes Fer Phosphore Calcium

Haricots 0.5 10 200 20

Maïs 0.5 20 280 18
Brocoli 1.2 40 800 32
Chou 0.3 30 420 28
Pommes de 0.4 50 360 16
terre
terre légume à inclure doit être déterminée de manière à minimiser le coût
La quantité de chaque
du mélange.

 CONSIGNE : formulez correctement ce problème dans le cadre de la PL

EXERCICE 2

Une scierie fabrique deux produits pour les kits de maisons en rondins : des rondins de sapin et
des rondins d'épicéa qui peuvent être vendues avec des bénéfices de 4 et 5 dollars,
respectivement. Les bûches d'épicéa nécessitent deux unités de temps de traitement sur
l'écorceuse et six unités de temps sur une scie circulaire. Les bûches de sapin nécessitent trois unités
de temps sur l'écorceuse et cinq unités de temps sur la scie circulaire. Chacune nécessite ensuite
deux unités de temps sur la raboteuse. En raison des exigences d'entretien et des restrictions de
main-d'œuvre, la dérouleuse d'écorce est disponible 10 heures par jour, la scie à panneaux 12
heures par jour et la raboteuse 14 heures par jour. L'écorce et la sciure sont des sous-produits de
ces opérations. Toute l'écorce peut être passée dans une déchiqueteuse et vendue en quantité
illimitée à un fournisseur horticole voisin. La sciure de sapin séchée peut être dirigée vers un marché
similaire, avec un bénéfice net de 0,38 $ par bûche transformée. Des quantités limitées de sciure
d'épicéa peuvent être transformées en produits de bois pressé commercialisables, mais le reste doit
être détruit. Pour chaque bille d'épinette produite, on obtient suffisamment de sciure (cinq livres)
pour fabriquer trois produits en bois pressé qui, après fabrication, peuvent être vendus à un profit
unitaire de 0,22 $. Cependant, le marché ne peut absorber que 60 produits de bois pressé par jour

4
 M. Diallo, enseignant chercheur à la FSEG ; Tel :76 81 84 80

et la sciure d'épinette restante doit être détruite à un coût de 0,15 $ par livre. La scierie souhaite
réaliser le plus grand profit possible, compte tenu du coût de destruction de la sciure inutilisable.

EXERCICE 3

Une installation informatique à deux processeurs doit être consacrée aux travaux administratifs et
aux travaux d'application scientifique pendant au moins 10 heures par jour. Les tâches
administratives nécessitent deux secondes de temps d'exécution sur le processeur 1 et six secondes
sur le processeur 2, tandis que les tâches scientifiques nécessitent cinq secondes sur le processeur
1 et trois secondes sur le processeur 2. L'ordonnanceur doit choisir le nombre de tâches de chaque
type (administratives et scientifiques) à exécuter, de manière à minimiser le temps d'occupation
du système par ces tâches. On considère que le système est occupé même si un processeur est
inactif. (Supposons que le séquençage des tâches sur chaque processeur n'est pas un problème
ici, juste la sélection du nombre de chaque type de tâche).