Problme de transport

Formulation du problme de transport. Proprits de la matrice des

contraintes. Adaptation de la mthode du simplexe. Mthode dite
du coin Nord-Ouest, mthode du cot minimal. Problmes de
dgnrescence. Gnralisation du problme de transport.
Introduction
Le 1e problme de flot cot minimum tre formul et rsolu.

Ce problme peut tre formul laide dun graphe simple o

il ny a pas de sommets intermdiaires,
seulement un ensemble de sommets source S,
et un ensemble de sommets puits P.

Le mot transport provient de la considration des sommets dans S

comme des usines et de ceux dans P comme des clients.
Il sagit de transporter les units de disponibilit partir des
sources jusquaux clients cot de transport total minimum.

Hypothse du modle propos :

Le cot de transport pour acheminer des biens dune source i une

destination j est proportionnel au # dunits de biens achemines.
2
nonc gnral du problme de transport

m origines,
n destinations

Problme de
programmation
linaire dot
dune structure
particulire.

o ai la quantit de biens acheminer de la source i

aux n destinations,
bj la quantit de biens ncessaire pour satisfaire la
demande la destination j,
cij cot unitaire de transport entre une source i et une
destination j,
3
x la q transporte de lorigine i la destination j.
t
Au problme de transport est associ un graphe biparti G

Chaque origine est reprsente par un sommet Oi,

chaque destination par un sommet Dj,
chaque route de lorigine i la destination j par un arc orient de
Oi vers Dj.
Note : Il ny a pas dautres arcs. 4
Exemple :

Uneentreprisefabriqueunseulproduitetpossde3usineset4clients.

Lestroisusinesproduiront3000,5000et4000unitsrespectivement.

L'entrepriseaprisl'engagementdevendre:
4000unitsauclient1,
3000unitsauclient2et
aumoins1000unitsauclient3.

Lesclients3et4voudraienttouslesdeuxacheterautantquepossible
desunitsquirestent.

5
Leprofitnetassociavecletransportd'uneunitdel'usineipourla
venteauclientjestdonnparletableaucidessous:

Ladirectiondel'entrepriseveutsavoir:
combiend'unitsvendreauxclients3et4et
combiend'unitstransporterdechacunedesusines
chacundesclientsafindemaximiserleprofittotal.

6
Onvisemaximiserleprofitetnonpasdeminimiseruncot
commec'estlecasauproblmedetransport.
Onn'aqu'multiplierchaqueprofitpar1etpuisminimiser.

Ilfaut3sommets,numrots1,2et3ayantdesdisponibilitsde
3000,5000et4000unitsresp.,pourreprsenterles3usines.
Ilfautaussi3sommets,numrots1,2,3ayantdesdemandesde
4000,3000et1000unitsresp.pourreprsenterles3premiersclients.
Cesdemandesassurentaumoins1000unitspourleclient3.

Maintenant,puisqu'ilreste4000unitsdedisponibilitdistribuer
parmilesclients3et4,alorsnouscrons2autressommets3'et4
avecdesdemandesde4000unitschacun,carlesclients3et4
peuventrecevoirjusqu'4000desunitsdisponibles.

Lessommets3et3'reprsententlemmeclientphysique.
7
Nousavons3000+5000+4000=12000unitsdedisponibilitet
4000+3000+1000+4000+4000=16000unitsdedemande.

Donc,ilfautcrerunsommet(usine)fictif4avecdisponibilit
4000.

Cesommetnepourraalimenterlesclients1,2et3mais
fourniradesunitsfictivesauxclients3'et4.

Cesunitsfictivesreprsententcequelesclients3'et4ne
recevrontpasdes12000unitsdisponibles.

8
 Usines Clients

Un cot nul car on

Un cot M trs veut utiliser ces
grand car aucun arcs bien quils
flot ne doit napportent pas de
emprunter ces arcs. profit. 9
Exemple : Yves Nobert et al., 95, pp. 337-341.
L'entrepriseSporcau,spcialistedelasaucissedeporc,disposede
4laboratoiresoellelaboresonproduit,etde5centresdedistribution
d'oelleravitaillesaclientle.

Lemarchdelasaucissedeporcestdevenufortconcurrentielet,
rcemment,l'entrepriseavuseresserrersesmarges.Elleadonc
entreprisunetudepourabaissersescots.Lescotsdetransport,
enparticulier,sontrapidementapparuscommepluslevsqueceux
desconcurrents.

Jusqu'ici,l'horairequotidiend'acheminementdesproduitsentre
laboratoiresetcentresdedistributiontaitdressparunrpartiteur
avertiarmdesonbonsensetdesonflair.

ChezSporcau,onpensequ'ils'agitldumaillonfaibledelachane
decontrledescotsdetransportetonveutquelerpartiteuradopte
unemthodequimneraunhorairequotidienoptimal. 10
Les4laboratoiresfonctionnent7jourssur7.Lesviandesqu'ony
conditionnesontlivresauxcentresdedistributionos'approvisionnent
touslesclientsdeSporcau,dusupermarchlaboucheriedequartier.

Unecarcassedeporclivrelejour1dansunlaboratoirerapparatsous
formedesaucisseslejour3surlestalsdurayondelacharcuteriedes
clients.

Chaquecentrededistributionenregistrelescommandesdesa
clientleetlescommuniqueladirectiondel'entreprise,quiassureun
approvisionnementadquat.

Letransport,autarifkilomtriqueprementngocietincompressible
de2$latonne,estconfiauxcamionsrfrigrsdelasocitDicam.

11
Distances (km) entre les laboratoires et les centres de distribution.

Chaquelaboratoires'approvisionneencarcassesdeporcdsosses
auprsdecooprativesd'leveursdesonvoisinage,quiluien
fournissentchaquejourunequantitconvenue.

Lespertesdepoidssubieslorsdelatransformationdelachair
saucisseensaucissessontcompensesparlepoidsdesadditifs
alimentairesetceluidesemballages. 12
Onrechercheunpland'acheminementcotminimaldeslaboratoires
auxcentresdedistribution.LessaucissesdeSporcausontexpdies
directementdesmorigines(icim=4)auxndestinations(icin=5)
selondescotsdetransportdirectementproportionnelsauxqts
transportesetsansqueleursoientimposes,surlesroutesempruntes,
desconditionsquantleurpoidsmaximalouminimal. 13
Rseau de transport chez Sporcau 14
Donnes pertinentes prsentes sous forme dun tableau appel
tableau de transport

Cot
unitaire
de
transport

Disponibilit i
Demande j satisfaire par le centre Cj. 15
Proprits caractristiques du problme de transport :
Hypothse non restrictive :

Disponibilit totale > demande totale

Ajouter une destination fictive de plus avec comme demande :

Disponibilit totale < demande totale

Ajouter une origine fictive de plus avec comme disponibilit :

16
Thorme :

Moyennant la condition prcdente, le problme de transport

possde toujours une solution optimale (finie).

Preuve :
Si la condition prcdente est satisfaite, lensemble des solutions
ralisables du problme de transport nest jamais vide :
xij = ai bj est un exemple.
ai
i
Dautre part, on a ncessairement pour toute solution ralisable :
xij min {ai, bj}.

Autrement dit, lensemble des solutions ralisables doit tre

compact. Il existe donc un minimum. 17
Thorme :
La matrice A des coefficients des contraintes est de rang (m + n - 1).
Thorme :
La matrice A est totalement unimodulaire, cest--dire que toute
sous-matrice carre de A possde un dterminant gal 0, +1 ou 1.
Thorme de Dantzig, Heller, Tompkins et Gale :
La matrice dincidence aux artes dun graphe est totalement
unimodulaire les sommets du graphe peuvent tre rpartis en 2
ensembles disjoints tels que 2 sommets adjacents ne soient pas dans
le mme ensemble.
Corollaire :

Silesaietbjsontentiers,lesvaleursdesvariablessontentiresdans
toutesolutiondebaseralisableetilexistedoncaumoinsune
solutionoptimaleentire. 18
2 autres proprits importantes du problme de transport :
Thorme :
Toutes les bases du problme de transport sont triangulaires.
Note : Une matrice carre B est dite triangulaire sil existe au
moins une ligne (ou colonne) dans B avec exactement
un lment non nul et tel que la sous-matrice obtenue
en supprimant la ligne et la colonne contenant llment
non nul possde la mme proprit et ainsi de suite.

19
Thorme :
Il y a une correspondance biunivoque entre les bases du problme
de transport et les arbres partiels de G : un tel arbre constitue un
ensemble de routes de base du graphe de transport G.
Preuve :

Unedmonstrationdecethormeestprsentedans
[M.Simonnard,Programmationlinairetechniquedu
calculconomique.Dunod,1972,pp.186187].

Nous verrons maintenant comment tirer profit des proprits du

problme de transport pour rsoudre plus simplement ce problme
laide du simplexe.

20
Gnralement, pour rsoudre ce problme, celui-ci est reprsent de
faon compacte en un tableau rectangulaire, dit tableau de transport T :

21
 Obtention dune solution de base ralisable initiale

Nous pouvons appliquer la mthode des 2 phases et introduire m + n

variables artificielles. Lorsque celles-ci sont exclues de la base, nous
avons en main une solution de base ralisable initiale.

Voici une mthode plus simple :

xij = ai bj est une solution ralisable.
ai
i
Mais ceci nest pas une solution de base car la matrice A est de rang
m + n 1; donc, une soln de base doit comporter au plus m + n 1
valeurs strictement positives.

22
Voici comment lobtenir :

23
24
Exemple :

25
Cette solution comprend (3 + 5 1 ) = 7 nombres positifs.
26
Enliminantla1irecontrainte,labasecorrespondantequiestforme
desvecteurs{P11,P12,P22,P23,P24,P34,P35}alastructure:

27
Note : Cette mthode ne tient pas compte du cot; la soln peut savrer
tre loin de la soln optimale. 28
D'autresrglesdedmarragetiennentexplicitementcomptedes
cotsetpeuventainsiconomiserdutempsdecalcullamthode
dusimplexemoyennantletempssupplmentairencessairepour
lesappliquer.

Jusqu'ici,aucunerglenes'estprouveempiriquementet
uniformmentmeilleurequelesautres.

29
30
 Algorithme du problme de transport (simplexe adapt)

1. Rechercher une solution de base ralisable initiale.

2. Appliquer un test doptimalit.

3. Si la solution courante nest pas optimale,

rechercher une solution de base ralisable amliore.

31
 Test doptimalit

Le problme de transport snonce comme suit :

32
33
34
Ladernirequationdecesystmeexprimequesixij0,ondoit
avoir: cij=ui+vj.

Orxijnepeuttrediffrentdezroquesic'estunevariabledebase;
soitIl'ensembledescouplesd'indices(i,j)desvariablesdebase.

Ilenrsultequ'tantdonnunesolndebaseralisableetunensemble
desvaleursdesuietvjvrifiantlesystmede(m+n1)quations
(m+n)inconnuessuivant:
cij=ui+vj (i,j)I

lasolutiondebaseconsidreestoptimalesietseulementsi:
cij(ui+vj)0 i=1,...,m;
j=1,...,n.

35
Remarques :
L'indterminationdusystme rsultedufaitquel'ona
introduit(m+n)variablesdualesassocies(m+n)quationsnon
indpendantes;l'uned'entreellesestuneconsquencedes(m+nl)
autres,desortequel'onchoisiraarbitrairementl'unedesvariables
duales,disonsvn=0.
Unefoisquel'onafix,parexemplevn=0,larsolutiondusystme
estimmdiatepuisqu'ilesttriangulaire.
Aprsavoircalcullavaleurdesvariablesduales,ildevientfacilede
calculerlavaleurdescomposantesduvecteurdecotrelatif:
cij(ui+vj), i=1,...,m
j=1,...,n,pourlesvariableshorsbase.

Sil'unedecescomposantesestpluspetitequezro,alors
nousnesommespasl'optimum.
36
Exemple :
Considrons de nouveau lexemple prcdent avec la solution de
base obtenue par la mthode du coin Nord-Ouest :

37 < 0.
La soln nest pas optimale car, par ex., c31 u3 v1 = 5-3-7 = -5
Passage une autre solution de base ralisable :

Pour passer dune soln de base ralisable une autre et amliorer la

valeur de la fonction objective, il faut appliquer la mthode du
simplexe :
- dterminer les variables dentre et de sortie,
- dterminer la nouvelle solution de base ralisable.

Dans lexemple prcdent, puisque c31 u3 v1 < 0, lalgorithme

du simplexe nous dit quil y a avantage introduire x31 dans la base.

Posons x31 = , une valeur positive. Pour que les totaux marginaux
restent satisfaits, il faut modifier la solution en consquence.

38
Il faut dterminer un chemin, qui passe par des cases marques
(xij > 0), qui se ferme sur la case choisie (ici x31) et qui est obtenu
en se dplaant successivement, paralllement aux lignes et
paralllement aux colonnes du tableau. 39
Un tel chemin est unique, car il traduit tout simplement le fait que P31
sexprime comme une combinaison linaire des vecteurs de la base :
P31 = P11 P12 + P22 P24 + P34.

Lavaleurmaximumpossibledesedtermine,commedans
l'algorithmedusimplexe,enexprimantquetouteslesvariables
restentpositivesounulles,ilestclairiciquelavaleurmaximumde
est1,etquepourcettevaleurx22=0(doncP22sortdelabase).
40
La nouvelle soln de base et les valeurs duales associes seront donc :

Cette solution nest pas optimale puisque ne sont pas satisfaites ni

u3 + v2 c32 ni u3 + v3 c33. On poursuit jusquau tableau final : 41
42
nonc de lalgorithme du problme de transport

43
44
 Dgnrescence

Cest le cas lorsquil y a moins de m + n 1 valeurs xij strictement

positives.
Cela peut se prsenter soit, lors de la recherche dune solution de
base ralisable initiale, soit, au cours dune itration.
Comment remdier aux problmes de dgnrescence dans
lalgorithme de transport ?

(i) Conserver une trace des variables de base nulles afin de pouvoir
appliquer sans difficult lalgorithme de transport.

(ii) Perturber les constantes ai et bj pour viter un cycle.

45
46
Dgnrescence lors du calcul de la soln de base ralisable initiale
Cela survient chaqueoccasionouneligneetunecolonnesont
saturessimultanmentparuneattribution,onrduitainside1le
nombred'attributionsncessairesl'obtentiond'unesolninitiale.

Le#idald'attributions,quiestgal(m+n1)nepourradonc
treatteint.
Pour contourner ces difficults, on procde ainsi :

[NOBE 95, pp. 367-375]

Chaquefoisqu'onseraameneffectueruneattributionqui
saturelafoisuneligneetunecolonne,onchoisira,danscette
ligneoudanscettecolonne,uneautrecasequecellequireoit
l'attribution,pouryinscrireexplicitement0.

Lavariableassociecettecaseseraconsidrecommeune
variabledebaseprenantlavaleur0. 47
Voici une faon heuristique de choisir la case o inscrire ce 0 :

Dansles2rangessaturesparl'attribution,onchoisitlacase
decotunitaireminimalpouryinscrire0.

Danslecasocecotminimalseretrouvedansplusd'unecase
decesranges,ontrancheauhasard.

Voici une faon heuristique de choisir la variable de sortie dans le cas

o plusieurs variables de base ont la valeur 0 :

Parmilesvariablescandidatesaurledevariablesortante,
onchoisitcelledontlecotunitaireestmaximal.

Encasd'galit,ontrancheauhasard.

48
 Optimum multiple

Il est ais de reconnatre la non unicit de loptimum en examinant

les composantes du vecteur de cot relatif : cij ui vj.

Si lon a en main une solution de base ralisable optimale,

une condition ncessaire pour quil en existe une autre est :

il existe une variable xij qui nappartient pas la base et

pour laquelle lquation duale est satisfaite en tant qugalit.

Cette condition est suffisante si, en introduisant le vecteur P ij dans la

base, la variable xij prend une valeur positive.

49
 Gnralisations du problme de transport

Au lieu dun cot unitaire fixe, nous sommes en prsence dun

cot non linaire : cij(xij) ou, de faon plus gnrale, cij(x).
Lobjectif du problme de transport snonce alors comme suit :
cij(xij) ou encore cij(x)
i = 1, 2, , m i = 1, 2, , m
j = 1, 2, , n j = 1, 2, , n
Les quantits demandes aux destinations et celles disponibles aux
sources ne sont pas fixes.
Des fonctions de cot non linaires peuvent tre introduites dans le
modle :
- afin de prendre en compte les diffrences qui interviennent entre les
quantits demandes et celles achemines.
- lesquelles dpendent des quantits produites aux sources. 50
Il se peut que les quantits disponibles aux sources doivent tre
achemines des centres de distribution avant darriver aux
destinations.

Il se peut aussi que les quantits achemines dune source i une

destination j doivent respecter certaines limites :

Lij xij Dij.

On se ramne alors au problme de flot cot minimum.

FIN
51