Vous êtes sur la page 1sur 46

RECHERCHE OPERATIONNELLE

Jihan KHODER
18/02/19
Plan du cours

18/02/19
Plan du cours
•Partie 2: Graphes.

•Chapitre 1: Notions fondamentales sur les graphes.

•Chapitre 2: Probleme du plus court chemin.

•Chapitre 3: Probleme de planifications d’un projets.

Jihan KHODER 18/02/19


INTRODUCTION A LA RO

Jihan KHODER 18/02/19


INTRODUCTION A LA RO

1. Introduction : Historique de la RO
2. Domaines d’applications
3. Notions de modèles.
4. Qu’est-ce que la R.O. ?

Jihan KHODER 18/02/19


HISTORIQUE
Théorie des Programmation Combinatorique,

décisions mathématique Théorie des graphes

Pascal (1654) Fourier (1824) Sainte-Laguë (1926)

Fermat (1654) D. König (1936)

Bernouilli (1713)
RO 2e guerre mondiale:

1ère application: militaire

Simplexe
Premier “grand” algorithme (1947)

1er ordinateur 1ère application commerciale (1956)


INTRODUCTION A LA RO
• Origines de la RO:

• Periode : 2nd guerre mondiale.


• Responsable: Armee britanique.
• Problemes poses: implantation optimale de radars de
surveillance, le management des:
1. Bombardements.
2. Anti – sous marins
3. Operations de miniers.

Jihan KHODER 18/02/19


INTRODUCTION A LA RO
• Qu’est-ce que la recherche opérationnelle ?

L’étude des opérations d’une organisation ou d’un


processus (système) dans le but d’accroître son efficacité
d’une facon optimale..

• Où celà sert-il
Dans de très nombreux domaines et en particulier
en GENIE ( MECANIQUE- CIVIL ----- etc)
QUELQUES APPLICATIONS
• Gestion de la chaîne logistique:

 Confection de tournées (véhicules de livraisons, routes de facteurs,


déneigement/ramassage des ordures, transport en commun, aviation civile,
etc.)

o Localisation d’entrepôts/usines (détermination du nombre optimal,


localisation, affectation des clients aux entrepôts/usines)

o Gestion des inventaires (niveaux et stratégies de commandes optimales)

o Gestion intégrée de la chaîne logistique (commandes aux fournisseurs,


localisation des entrepôts et usines, gestion des inventaires, tournées de
livraisons, etc.)
QUELQUES APPLICATIONS

• Gestion des resssources humaines:

o Affectation de personnel à des tâches/postes


o Confection d’horaires de personnel.
o Négociations de conventions collectives
• Analyse de l’impact monétaire (et autres) de
changements envisagés aux conventions de travail
QUELQUES APPLICATIONS

• Planification de la production:
o Gestion des inventaires
o Ordonnancement des tâches

• Planification des télécommunications:


o Conception et dimensionnement de réseaux (câblés et cellulaires)
o Design de réseaux résistants aux pannes
o Tarification des services

• Etc …
Critère 1: le temps

Critère 2 : le coût

Calcul du chemin de

temps (ou coût)

minimal

Jihan KHODER 18/02/19


Chemin

trouvé

facilement

par un

algorithme

de

graphe

Jihan KHODER 18/02/19


Ordannnancement d’atelier

Ordonnancer les passages sur les

machines

Jihan KHODER 18/02/19


Gestion de la production,

des stocks et de la maintenance

• Suivi de production
• Respect des délais
• Gain de temps
• Respect du client
• Meilleure compétitivité
• Organisation du travail
• résistance aux aléas
• …

Jihan KHODER 18/02/19


Ordannnancement De Chantier

Jihan KHODER 18/02/19


Gestion des ressources

• Gestion de la forêt
• Gestion de l'eau
• …

17
Jihan KHODER 18/02/19
Constellation de satellites
• Objectif:
• couvrir un territoire à moindre coût

• Déterminer
• Le nombre de satellites à lancer
• Leurs orbites

Jihan KHODER 18/02/19


Router Calcul d’itinéraires

• en fonction du traffic :

• Données actualisées toutes les 5


minutes

• Informations nécessaires en temps réel


• Temps disponible pour calculer un
itinéraire

Jihan KHODER 18/02/19


C’est Quoi la RO
• RO = Applications mathematiques et des methodes
scientifiques aux operations militaires.

• RO= Approche scientifique a la prise des decisions, qui


cherche a determiner comment concevoir et faire
resoudre un systeme d’une facon optimale.

Jihan KHODER 18/02/19


C’est Quoi la RO
• Définition :

« Outil mathématique de l’aide à la décision qui


permet de trouver une solution optimale ou bien, pour
des problèmes difficiles : un problème qui remplit la
seconde condition,

une solution la plus proche possible de l ’optimum ».

Jihan KHODER 18/02/19


• PARTIE I
• PROGRAMMATION LINEAIRE

Jihan KHODER 18/02/19


Programmation Linéaire
• Modèle linéaire 
o fonction linéaire, de plusieurs variables, à
optimiser

o variables soumises à des contraintes :


• linéaires
• restrictions de non négativité

Jihan KHODER 18/02/19


Programmation Linéaire
• Modélisation

Formulation Algorithme

Problème Modèle
Solution
réel mathématique
Programmation

Linéaire

Jihan KHODER 18/02/19


Programmation Linéaire
• Gestion optimale de ressources

o Faire le mieux :
• coût minimum
• meilleur profit

o Avec les ressources disponibles :


• temps machine
• ressources humaines
• matière première
• postes de travail
.
.
.

Jihan KHODER 18/02/19


Modèle Linéaire
• Exemple :
3 types de machines A, B et C
pour produire
4 produits différents I, II, III et IV.

Chaque produit doit être traité par chacune des


machines dans l’ordre

Jihan KHODER 18/02/19


Modèle Linéaire
• Exemple :

Caractéristiques des produits & machines


Disponibilité
Type de
Produits hebdomadaire de
machine I II III IV
chaque machines
A 1,5 1 2,4 1 2000
B 1 5 1 3,5 8000
C 1,5 3 3,5 1 5000
Profit par unité 5,24 7,30 8,34 4,18

Jihan KHODER 18/02/19


Modèle Linéaire
• Exemple :

– But : établir la production hebdomadaire de chaque


produit de façon à maximiser le profit.

• Le modèle :
xj - production hebdomadaire du produit j.

but : trouver les valeurs de x1 , x2 , x3 et x4 qui


maximisent le profit, considérant la limite de temps
d’utilisation de chaque machine
Jihan KHODER 18/02/19
Modèle Linéaire
• Exemple :
o But : max z = 5,24 x1 + 7,30 x2 + 8,34 x3 + 4,18 x4

o Contraintes des machines :


A : 1,5 x1 + x2 + 2,4 x3 + x4  2000
B: x1 + 5 x2 + x3 + 3,5 x4  8000
C : 1,5 x1 + 3 x2 + 3,5 x3 + x4  5000

o Contraintes de non négativité :


x1 , x2 , x3 , x4  0

Jihan KHODER 18/02/19


Formulation
Forme générale :

max (ou min) z = c1 x1 + c2 x2 + ... + cr xr

Sous contraintes

ai 1 x1 + ai 2 x2 + ... + ai r xr   ,  ,   bi , i = 1,2, … , m

xj  0 ,  j = 1,2, … , r

Jihan KHODER 18/02/19


Remarques
max (ou min) z = c1 x1 + c2 x2 + ... + cr xr
sc
ai 1 x1 + ai 2 x2 + ... + ai r xr   ,  ,   bi , i = 1,2, … , m

xj  0 ,  j = 1,2, … , r
contraintes de
• xj - variables de décision non négativité
• z, fonction à optimiser - fonction objectif ( f. o. )
• cj , ai j et bi - constantes connues (expressions
linéaires)

Jihan KHODER 18/02/19


Résolution Graphique
• Problème à deux variables de décision x1 et x2 :
o f. o. - droite dans  2
o contraintes - hemi-plans de  2

o P = (x1 , x2 ) - solution admissible (réalisable) si P satisfait


toutes les contraintes
o région admissible - l’ensemble des solutions admissibles
o solution optimale - solution admissible qui optimise la f.o.

Jihan KHODER 18/02/19


Exemple 1
x2 max z = 5 x1 + 3 x2
sc
3 x1 + 5 x2  15
5 x1 + 2 x2  10

x1 , x2  0

O x1
3x1 + 5x2 = 15

5x1 + 2x2 = 10

Jihan KHODER 18/02/19


Exemple 1
z1 x A  z3 ;
z 2 z3 max z = 5 x1 + 3 x2
2
A  intersection des
deux contraintes sc
3 x1 + 5 x2  15
z = 5x1 + 3x2
5 x1 + 2 x2  10
A
x1 , x2  0

O x1  z
3x1 + 5x2 = 15
direction = - c1 / c2
5x1 + 2x2 = 10 = -5/3

Jihan KHODER 18/02/19


z2
z1 Exemple 2
x2 max z = 2,5 x1 + x2
AB z2 sc
3 x1 + 5 x2  15
z = 2,5x1 + x2
5 x1 + 2 x2  10
A
x1 , x2  0

O
B x1  z
3x1 + 5x2 = 15
direction = - c1 / c2
5x1 + 2x2 = 10 = -2,5

Jihan KHODER 18/02/19


RESUME
• Région admissible borné :
o polygone dont les côtés sont des segments des droites représentant les
contraintes linéaires du problème
o un point P  à l ’intersection de 2 côtés du polygone est un point extrême
o solution optimale:
• point extrême  solution optimale unique
• côté du polygone  infinité de solutions optimales
( la valeur de la f. o. est unique )

Jihan KHODER 18/02/19


Cas spéciaux
• Région admissible non borné
contraintes : Une solution

unique x  x =  1
max z = -3 x1 + 4 x2 x2 1 2 z3
sc z2  0,5x1 + x2 = 2

xx11 -- xx22  -1
-1 z1
-0,5 xx11 ++
-0,5 xx22  22 A

xx11,, xx22  00
x1

Jihan KHODER 18/02/19


Cas spéciaux
• Région admissible non borné
contraintes :
Une infinité

de solutions
max z = -x1 + 2 x2 x2 x1  x2 =  1

sc z1  0,5x1 + x2 = 2

x1 - x2  -1 z3
-0,5 x1 + x2  2 z2

x1 , x2  0

x1

Jihan KHODER 18/02/19


Cas spéciaux
• Région admissible non borné
contraintes :
Pas de solution

max z = x1 + x2 x2 finie x1  x2 =  1

sc z3  0,5x1 + x2 = 2

x1 - x2  -1 z2
-0,5 x1 + x2  2
z1
x1 , x2  0

x1

Jihan KHODER 18/02/19


RESUME
• Région admissible non borné :
o solution optimale:
• point extrême  solution optimale unique
• côté de la région admissible
 infinité de solutions optimales
( la valeur de la f. o. est unique )
• pas de solution optimale finie

Jihan KHODER 18/02/19


Un dernier cas spécial
• Région admissible vide 
contraintes incompatibles
er
1 cas :

x2  2x1 + 3x2 = 6  des hemi


x1 + x2 = 5
plans est vide
x1  x2 = 1 x1 + x2  5
- 2 x1 + 3 x 2  6
x1 - x2  1
x1
x 1 , x2  0
Jihan KHODER 18/02/19
Un dernier cas spécial
• Région admissible vide 
contraintes incompatibles
x2 ème
2 cas :
 x1 + x2 = 1
contrainte de
x1 + x2 =  1
non négativité

1 + x2  -1
pasxsatisfaite
x1
- x1 + x2  1

x1 , x2  0

Jihan KHODER 18/02/19


GENERALISATION
• Problème à r > 2 variables de décision  solution
graphique ?!?!
• Vocabulaire suggéré par la méthode graphique :
1 - région admissible : région convexe d’un espace de dimension r ( polyèdre
convexe )
2 - un point P  à l’intersection de s  2 hyperplans représentant les contraintes est
un point extrême du polyèdre

Jihan KHODER 18/02/19


Généralisation
• Problème à r > 2 variables de décision 
solution graphique ?!?!

• Vocabulaire suggéré par la méthode graphique :


3 - solution optimale:
• unique  point extrême du polyèdre
• infinité de solutions optimales  frontière
du polyèdre = hyperplan de dimension < r
( la valeur de la f. o. est unique )
Jihan KHODER 18/02/19
RESUME
• Région admissible :
– polyèdre convexe (polygone, dans 2) dont les côtés
représentent les contraintes linéaires du problème
– borné ou non borné
– un point P  à l ’intersection de s  2 contraintes est un
point extrême
– solution optimale:
» point extrême  solution optimale unique
» côté de la région admissible  infinité de solutions

{{ optimales ( la valeur de la f. o. est unique )


» pas de solution optimale finie
• METHODE DE SIMPLEXE

Vous aimerez peut-être aussi