Académique Documents
Professionnel Documents
Culture Documents
Semestre 5
3
Introduction
Définition:
La recherche opérationnelle est l’ensemble de méthodes et
techniques (algorithmiques, mathématiques, modélisation) afin de
prendre des décisions optimales ou proches de l’optimum dans
des problèmes complexes, qui traitent de la maximisation d’un
profit ou la minimisation d’un coût.
Exemple:
• Comment aller le plus vite possible de Salé à Rabat, en voiture ?
• Comment ordonnancer les tâches d’un projet en fonction de la
main d’œuvre, tout en minimisant sa durée?
• Comment investir ses 1000 DH d’économie de sorte à
maximiser le profit obtenu après une période déterminée ?
4
Pourquoi un cours sur la programmation linéaire ?
6
Exemples
Exemples (triviaux)
1. Une entreprise gagne 50 Dh chaque fois qu’elle
vend 1 litre de produit chimique. Elle désire
maximiser son profit.
2. Un laboratoire achète 30 Dh le litre de produit
chimique. Il dispose d’un budget de 1000 Dh.
Quelle quantité maximale peut-il acheter ?
3. Un laboratoire achète 30 Dh le litre de produit
chimique. Il dispose d’un budget de 1000 Dh et
veut en acheter au minimum 40 litres. Quelle
quantité maximale peut-il acheter ?
7
Exemple d’un PL
8
Exemple d’un PL
9
Exemple d’un PL
10
Exemple 3
11
Exemple: culture de courgettes et navets
12
Modélisation de culture de courgettes et navets
13
Programme linéaire
14
Introduction à la PL
Exemple
Une compagnie est spécialisée dans la production de deux types
de produits : des climatiseurs et des ventilateurs. Les deux
produits nécessitent un certain nombre d’heures de main d’œuvre.
Le tableau suivant donne les informations nécessaires sur les
deux produits, c’est-à-dire les nombres d’heures machine et
d’heures main d’œuvre nécessaires à la fabrication d’une unité de
chacun de ces produits, ainsi que le profit généré par la production
d’une unité de ce produit. Le tableau nous donne aussi le nombre
total d’heures machines et d’heures main d’œuvre disponibles.
Heures machine Main d’œuvre Profit
Climatiseur 2 h/unité 3 h/unité 25 DT/unité
Ventilateur 2 h/unité 1 h/unité 15 DT/unité
Total disponible 240 h 140 h
15
Introduction à la PL
Formulation du programme linéaire
16
Introduction à la PL
b) Fonction objectif : dans n’importe quel programme
linéaire, le responsable de décision veut maximiser (en
général, le revenu ou profit) ou minimiser (en général le
coût) une fonction des variables de décisions. Cette
fonction est appelée “ fonction objectif ”.
17
Introduction à la PL
c) Contraintes du modèle : La limitation des ressources
contraint l’entreprise de la manière suivante :
1) Contraintes heure machine 2x1 + 2x2 ≤ 240
2) Contrainte main d’œuvre 3x1 + x2 ≤ 140
3) Contraintes de non-négativité (exprimant que les niveaux
d’activité ne peuvent être négatifs) x1 ≥ 0, x2 ≥ 0
Modèle complet : x1 = nbre de climatiseurs, x2 = nbre de
ventilateurs
Max Z = 25 x1 + 15 x2
s.c. 2x1 + 2x2 ≤ 240
3x1 + x2 ≤ 140
x1 ≥ 0, x2 ≥ 0
s.c = sous contraintes
18
Introduction à la PL
Deux concepts fondamentaux associés à un PL.
1. Le domaine réalisable
Le domaine réalisable (DR) est l’ensemble de tous les points
satisfaisant toutes les contraintes du PL. Dans notre
exemple, le point (20,40) (Z= 280) appartient au DR. Ce point
est dit réalisable.
2. La solution optimale
Pour un problème de maximisation (min), une solution
optimale est un point du DR qui donne la valeur la plus large
(faible) de la fonction objective.
Exemple de solution
(20, 40) n’est pas une solution optimale car (10, 110) est
réalisable et donne Z = 1900 meilleur profit que Z= 1100
19
Résolution d’un PL
Résolution graphique
Méthode de résolution d’un PL ne comportant
que 2 variables de décision.
Etapes à suivre
Représenter les droites des contraintes et
l’ensemble du domaine réalisable
Localiser la solution optimale
Calculer la solution optimale
20
Contrainte : inégalité à 2 variables
21
Résolution graphique d’un PL
1ère étape : domaine réalisable
(PL) Max Z = 25 x1 + 15 x2
s.c. 2x1 + 2x2 ≤ 240
3x1 + x2 ≤ 140
x1 ≥ 0, x2 ≥ 0
Domaine réalisable
22
Résolution graphique d’un PL
23
Résolution graphique d’un PL
2ème étape : Recherche de la solution optimale (suite)
Solution optimale
{B} = D ∩ D’
D’
24
Résolution graphique d’un PL
3ème étape : Calcul de la solution optimale
Solution optimale
{B} = D ∩ D’ d’équa0ons
respectives:
2x1 + 2x2 = 240
3x1 + x2 = 140
Donc x1=10, x2=110 et
Z*=1900
D’
D
25
Interprétation
28
Correction de l’exercice (suite)
29
Correction de l’exercice (suite)
30
Correction de l’exercice (suite)
31
Correction de l’exercice (suite)
33
Notions de convexité et points extrêmes
36
Cas particuliers de PL
PL non borné
Max Z = x1 + 2x2
s.c. 7x1+2x2 ≥ 28
x1 + 6x2 ≥ 12
x1 ≥ 0, x2 ≥ 0
37
Cas particuliers de PL
14
Lignes d’isoprofit
2 12
x1+6x2 = 12
7x1+2x2 = 28
39
Cas particuliers de PL
Solution
Max Z = x1 + 3x2
s.c. 2x1+6x2 ≤ 30 (1)
x1 ≤ 10 (2)
x2 ≤ 4 (3)
x1 ≥ 0, x2 ≥ 0
PL non réalisable
Max Z = 3x1 + 2x2
s.c. x1+2x2 ≤ 2 (1)
2x1 + 4x2 ≥ 8 (2)
x1 ≥ 0, x2 ≥ 0
41
Cas particuliers de PL
PL non réalisable
Max Z = 3x1 + 2x2
s.c. x1+2x2 ≤ 2 (1)
2x1 + 4x2 ≥ 8 (2)
x1 ≥ 0, x2 ≥ 0
42