Vous êtes sur la page 1sur 18

Recherche Opérationnelle

1
Histoire de la Recherche Opérationnelle
Née pendant la seconde guerre mondiale avec la constitution d’équipes de
chercheurs en vue d’étudier les problèmes stratégiques et tactiques dans les
opérations militaires
L’objectif étant de trouver la meilleure allocation des ressources militaires
limitées à travers l’usage de techniques quantitatives
Premier succès obtenu en 1940 par le Prix Nobel de physique Patrick Blackett qui
résolut un problème d’implantation de radars de surveillance
A partir des années 1950, la recherche opérationnelle fait son entrée dans les
entreprises. Ces dernières créent à cette époque des services de recherche
opérationnelle. La discipline comme à être enseignée dans les universités et les
grandes écoles

2
Histoire de la Recherche Opérationnelle
Au milieu des années 70, sans doute à cause d’un excès
d’enthousiasme au départ et de l’inadéquation des moyens
informatiques à l’application des méthodes de la recherche
opérationnelle (RO), la discipline n’a pas été à la hauteur des attentes
A partir du milieu des années 90, on assiste à un retour en force de la
RO, les outils informatiques étant maintenant à la hauteur des
méthodes proposées par la RO
On assiste depuis à une explosion du nombre de logiciels
commerciaux et d’applications dans divers domaines

3
Présentation de la Recherche Opérationnelle
La recherche opérationnelle (RO) est la discipline des mathématiques appliquées
qui traite des cas d’utilisation optimale des ressources.
Depuis une dizaine d’années, le champ d’application de la RO s’est élargi à des
domaines comme l’économie, la finance, le marketing et la planification
d’entreprise
Plus récemment, la RO a été utilisée pour la gestion des systèmes de santé et
d’éducation pour la résolution de problèmes environnementaux et dans d’autres
domaines d’interet publics

4
Présentation de la Recherche Opérationnelle
Dans l’expression « recherche opérationnelle », il y a recherche et il y a opération
Recherche (en référence à une approche scientifique) est composée de:
 Analyse des besoins, collection des données
 Construction d’un modèle mathématique
 Résolutions, conception d’une méthode pour calculer la solution
 Validation, expérimentation pour tester l’adéquation de la solution au modèle, ajustements
Opération : ensemble de moyens à employer afin d’obtenir un résultat
Recherche opérationnelle: comment organiser les opérations (production, transport,
construction, communication, planification, santé, militaire, …) d’une organisation
d’une manière optimale

5
Définition de la Recherche Opérationnelle
La recherche opérationnelle ou la science de la décision est la discipline des
méthodes scientifiques utilisables pour élaborer de meilleures décisions
Elle peut être définie comme l’ensemble des méthodes et techniques orientées
vers la recherche du meilleur choix dans la façon d’opérer en vue d’aboutir au
résultat visé ou au meilleur résultat possible
La RO traduit des énoncés ou des cahiers de charge liés à des problématiques
spécifiques sous forme de méthodes et des démarches à base d’équations
mathématiques, des algorithmes et des outils statistiques
La compétence à développer (en RO) est de: apprendre à modéliser
mathématiquement un problème, et d’utiliser les outils disponibles pour le
résoudre.

6
Introduction programmation linéaire
La programmation linéaire (PL) est l’une des plus importantes techniques
d’optimisation utilisées en recherche opérationnelle. Ceci est du à la facilité de la
modélisation et l’efficacité des algorithmes développés en programmation
linéaire.
L’objectif de la PL est de déterminer de façon optimale l’utilisation des ressources
Les situations économiques demandent souvent qu’on optimise une fonction sous
plusieurs contraintes
L'importance de l’optimisation et la nécessité d’un outil simple pour modéliser
des problèmes de décision ont fait de la PL un des champs de recherche les plus
actifs au milieu du siècle précèdent

7
Définition programmation linéaire
La programmation linéaire est une branche des mathématiques appliquées et plus
précisément de l’optimisation dont l’objectif est de minimiser ou de maximiser
une fonction numérique à plusieurs variables sachant que ces dernières sont liées
par des relations appelées contraintes
Le principe de la PL est fondé sur le fait que:
 La fonction à optimiser appelée fonction objectif ou fonction économique a une expression
linéaire
 Les expressions des contraintes sont toutes linéaires

8
Composantes d’un programme linéaire et exemple
Soit une usine qui produit deux ciments rapportant 50 $ et 70 $ la tonne. Pour
fabriquer une tonne de ciment 1, il faut 40 min de calcination dans un four et 20 min
de broyage. Pour fabriquer une tonne de ciment 2, il faut 30 min de four et 30 min
de broyage. Le four et l’atelier de broyage sont disponibles 6 h et 8 h par jour.
Combien de ciment de chaque type peut-on produire par jour pour maximiser le
bénéfice ? Ce problème se modélise par le programme linéaire (PL) suivant, en
notant x1 et x2 les quantités de ciment à fabriquer.
(1) Max z = 50x1 + 70x2
(2) 40x1 + 30x2 ≤ 360
(3) 20x1 + 30x2 ≤ 480
(4) x1, x2 ≥ 0

9
Composantes d’un programme linéaire et exemple
La ligne (1) représente le profit total z qui est le critère à optimiser, appelé aussi
fonction objectif (nom composé), fonction de coût ou fonction économique. Max
signifie que ce critère doit être maximisé ; on écrirait Min pour minimiser. Les
autres lignes désignent des contraintes. La contrainte (2) concerne la disponibilité
du four : elle stipule que le temps total de calcination requis par les ciments ne doit
pas dépasser 360 min ou 6 h. La contrainte (3) décrit de même la disponibilité du
broyeur. Les contraintes (4) précisent les domaines des variables.

10
Forme générale d’un programme linéaire et extensions
•   généralement, on appelle programme mathématique un problème
Plus
d’optimisation d’une fonction-objectif de plusieurs variables en présence de
contraintes. Le programme est dit linéaire si la fonction et les contraintes sont toutes
des combinaisons linéaires de variables. Il a la forme générique suivante. Il
comporte n variables non négatives (3), m contraintes d’égalité ou d’inégalité (2), et
la fonction-objectif à optimiser (1). Le coefficient de coût ou de profit de la variable
xj est noté cj, celui de la variable xj dans la contrainte i est noté aij. La contrainte i a
un second membre constant bi. Les contraintes simples de positivité ne sont pas
incluses dans les m contraintes, car elles sont gérées à part par les algorithmes.
(1) Max ou Min z =
(2)∀ i = 1 … m : ≤ , = ou ≥ bi
(3) ∀ j= 1 … n: xj ≥ 0
11
Forme générale d’un programme linéaire et extensions
Des valeurs de variables qui vérifient toutes les contraintes, comme x1 = 4 et x2 =
2 dans l’exemple des ciments, forment une solution réalisable (SR) du PL. Une
solution réalisable est optimale si aucune autre solution n’a un profit supérieur.
Si les variables sont astreintes à être entières, on obtient un programme linéaire en
nombres entiers (PLNE).
Un programme linéaire en 0-1 est un cas particulier de PLNE dont les variables
ne peuvent prendre que deux valeurs 0-1 ; ces variables sont dites booléennes,
binaires ou de décision.
Un PL mixte comprend à la fois des variables continues et des variables entières.
Enfin, à partir du moment où au moins une contrainte ou la fonction objectif n’est
plus une combinaison linéaire de variables, on a affaire à un programme non
linéaire (PNL).

12
Formes matricielles classiques et conversions
Notons x = (x1, x2, ... , xn)T le vecteur des variables, b = (b1, b2, ... , bm)T celui des
seconds membres des contraintes, c = (c1, c2, ... , cn) les coûts ou profits associés
aux variables, et A la matrice m × n des aij
On peut alors écrire un PL sous forme matricielle. Deux formes sont courantes : la
forme canonique avec des contraintes ≤, utilisée pour la résolution graphique, et la
forme standard avec égalités, pour la résolution algébrique par des algorithmes.
Par convention, la forme standard est souvent exprimée avec des seconds
membres positifs.
Forme canonique Forme standard
Max c.x Max c.x
A.x ≤ b A.x = b
x≥0 x≥0

13
Formes matricielles classiques et conversions
Ces formes ne servent qu’à simplifier les présentations théoriques. Dans la réalité,
un PL peut présenter des égalités et des inégalités, et les logiciels du marché
acceptent heureusement ces mélanges. On peut facilement convertir les formes
mixtes en formes classiques. Ainsi, toute contrainte d’égalité peut être remplacée
par deux inégalités.

 
≤ bi
  = bi ↔
 
- ≤ - bi

14
Formes matricielles classiques et conversions
On peut convertir une inégalité en égalité en ajoutant ou soustrayant une variable d’écart ei
≥ 0, propre à chaque contrainte i. À l’optimum, pour une inégalité ≤ concernant la
disponibilité d’une ressource i, cette variable indique la quantité inutilisée de la ressource.

 ≤ bi et ei ≥ 0 ↔ + ei = bi

D’autres conversions sont possibles. Ainsi, on peut passer d’une maximisation à une
minimisation, car maximiser z revient à minimiser -z. Il ne faut pas oublier alors de
multiplier par -1 la valeur de la fonction-objectif trouvée par la minimisation ! L’exigence
de variables positives n’est pas restrictive, car une variable xj non contrainte en signe peut
toujours s’écrire comme une différence x’j – x"j de deux variables non négatives.

15
Interprétation économique
Un PL a une interprétation économique très large. Soit un acteur économique qui exerce n
activités avec des intensités xj à déterminer. Ces activités utilisent m ressources. On
connaît la quantité aij de ressource i nécessaire pour exercer l’activité j avec une intensité
1. On connaît aussi le profit ou le coût cj pour une intensité 1 de l’activité j. On veut
trouver les intensités des activités, compatibles avec les ressources, pour maximiser le
profit ou minimiser le coût. Ce problème est modélisable par un PL sous forme canonique.
La programmation linéaire définit donc une classe très large de modèles, mais dans
laquelle on prend deux hypothèses restrictives fondamentales : la proportionnalité des
coûts et des consommations de ressources aux intensités d’activités, et l’additivité des
consommations de ressources (pas d’interactions entre activités). De nombreux problèmes,
en apparence non linéaires, peuvent être rendus linéaires.

16
Résolution graphique
Appelée aussi résolution géométrique, elle est possible pour un PL sous forme canonique
avec deux ou trois variables (n = 2 ou n = 3). Soit par exemple le PL suivant, qu’on
interprétera comme le calcul des quantités à produire x1 et x2 de deux produits pour
maximiser un profit z.
Max z = x1 + 2. x2 x2 ≤ 3
x1 + x 2 ≤ 6 x1 , x2 ≥0

Ce PL est bien sous forme canonique. En utilisant les notations matricielles, on peut écrire
m = 2, n = 2, c = (1, 2), x = (x1, x2)T, b = (6, 3)T et :
1 1
A= 0 1
17
Résolution graphique
Pour ce PL à deux variables, on trace dans le plan les axes des coordonnées pour les
valeurs positives de x1 et x2. On finit de délimiter le domaine des solutions réalisables,
qui forme un polygone convexe, en traçant les droites d’équations x1 + x2 = 6 et x2 = 3
Pour chaque droite, on indique par des flèches le demi-plan à conserver. On peut aussi
hachurer les demi-plans interdits, mais la figure est souvent moins lisible
Traçons la droite de profit z = 0. Son intersection avec le domaine des solutions
réalisables est réduite au point O et correspond à la solution triviale où on ne produit
rien, ce qui ne rapporte rien. Une droite d’équation z = k, où k est une constante entre 0
et 9 (exclus) donne par intersection avec le domaine tout un segment de plans de
production possibles, ayant le même profit k. On peut augmenter k jusqu’à 9, ce qui
donne la solution correspondant au point J : x1 = 3, x2 = 3. Cette solution est optimale,
car si on augmente encore k, on sort du domaine. En remplaçant dans le PL les
variables par leurs valeurs, on peut vérifier le coût et le respect des contraintes.
18

Vous aimerez peut-être aussi