Programmation linéaire

Année 2023/2024
Guettiche Mourad
 I Programmation linéaire
L
a
p
r
o
g
r
a
m
m
ati
o
n
m
a
ht
é
m
a
ti
q
u
e
e
s
t
al
atr
n
sc
ri
pti
o
n
d
’
u
n
pr
o
bl
è
m
e
p
ar
ti
q
u
e
d
e
p
ui
s
s
o
n
e
xp
r
e
ss
i
o
n
ve
r
b
a
l
e
e
n
t
e
r
m
e
m
a
t
h
é
m
ati
q
u
e
e
ct
h
er
c
h
a
n
st
a
so
l
uti
o
n
o
pti
m
a
el
.
 I Programmation linéaire
S
li
e
s
c
o
ntr
a
ni
t
se
i
m
p
o
sé
e
s
à
c
e
pr
o
bl
è
m
e
p
ér
s
e
n
t
e
n
t
u
n
e
d
é
p
e
n
d
a
n
c
e
li
n
é
a
ir
e
v
si
-
à-
v
i
s
l
e
s
va
ri
a
b
l
e
d
u
p
r
o
b
l
è
m
e
o
n
dit
q
u’il
s
a’
g
it
d
e
al
pr
o
gr
a
m
m
a
ti
o
n
nli
é
air
e
.
 I Programmation linéaire
Il
a
d
é
ve
l
o
p
p
é
l
se
p
er
m
ei
r
s
p
or
b
l
è
m
e
s
d
e
p
r
o
g
r
a
m
m
ati
o
n
li
n
é
a
ir
e
q
ui
o
nt
é
t
é
u
stil
é
s
p
ar
l'
a
m r
é
e
p
e
n
d
a
n
t
l
a
S
e
c
o
n
d
e
G
u
e
er
m
o
n
di
a
el
a
nfi
d
e
ér
d
uir
e
el
s
d
é
p
e
n
se
s
.
 II Historique
C
e
t
a
l
g
o
rit
h
m
e

(l’
a
l
g
o
rit
h
m
e

s
i
m
p
l
e
x
e
)
a

é
t
é

i
m
p
l
é
m
e
n
t
é

s
u
r
l
e
s

p
r
e
m
i
e
r
s

o
r
d
i
n
a
t
e
u
r
s
.
 II Historique
A
p
èr
s
l
a
S
e
c
o
n
d
e
G
u
e
r
e
m
o
n
d
i
al
e
d,
e
n
o
m
b
r
e
u
s
e
s
i
n
d
u
stri
e
s
o
n
ct
o
m
m
e
n
c
é
à
a
d
o
p
et
r
al
p
or
g
ar
m
m
a
ti
o
n
li
n
é
a
eir
p
o
u
rl’
o
p
ti
m i
s
ati
o
n
d
e
l
e
ur
s
p
l
a
n
s
d
e
af
b
cri
a
oti
n
.
c
sà
1
cx
u
1
II. Expression mathématique d’un PL
n
o
e
+
c
fc
e
fr2
itx
ca
ii2
+
n
e
…
n
+
n
tc
o
sm
n
b
é
g
II. Expression mathématique d’un PL
a
l
i
t
é
s

o
u

d
’
i
8
a
t
o
p
n
p
a
d
e
u
pII. Expression mathématique d’un PL
lpp
é
r
e
o
sbl
l
é
è
les
m

e
d
sel
e
P
cLs
o
c
e
o
vn
f
≥
r
a
0
i,
n
tII. Expression mathématique d’un PL
xe
s2
≥
d
0
e
,
…
n
,o
xn
-n
n
≥
é
0
g
III. Formulation mathématique d’un
PL
Etape 1:
•Identifier les variables de décision du problème donné.

Etape 2 •Identifier les contraintes du problème et les exprimer par un système d’équation et/ou d’inéquation linéaires par rapport aux variables de décision.

Etape 3. •Identifier la fonction objective et la présenter sous une forme linéaire par rapport aux variables de décision
III. Formulation mathématique d’un PL
Une unité de production de parpaings fabrique quatre types de
produit :Les parpaings de dimensions respectivement 10cm
(noté P1), 15 cm (noté P2), 20cm (noté P3), et l’ourdi (noté P4).
Pour la fabrication de ces produits, on utilise quatre matières
premières, le sable(M1), le gravier(M2), le ciment(M3) et l’eau
(M4), disponibles en quantité respectivement de 5000, 3000 et
2000 unités, l’eau est disponible en quantité illimitée. Le plan de
production de l’unité est donné dans le tableau ci-dessous :
III. Formulation mathématique d’un PL
Produits P1 P2 P3 P4 Quantité matières
premières disponibles
Matières
premières
M1 2 3 5 6 5000
M2 1 2 3 3 3000
M3 0.8 1 2 3 2000

M4 1 1 2 2 /
III. Formulation mathématique d’un
PL
Les parpaings sont vendu respectivement à raison de 60,
70, 90 et 100 DA l’unité.
Le problème pour la direction de l’unité est de trouver le
nombre maximal de produit P1, P2, P3 et P4 à fabriquer
pour avoir un bénéfice maximal, tout en respectant les
contraintes de l’unité.
III. Formulation mathématique d’un
PL
Etape1: Définition des variables
x1 : nombre d’unités du produit P1 à fabriquer,
x2 : nombre d’unités du produit P2 à fabriquer,
x3 : nombre d’unités du produit P3 à fabriquer
x4 : nombre d’unités du produit P3 à fabriquer
x1, x2, x3, x4 ≥0.
III. Formulation mathématique d’un
PL
Etape2: Ecriture des contraintes
2x1 : est le nombre d’unité de M1 pour la fabrication de x1 unité de P1,
3x2 : est le nombre d’unité de M1 pour la fabrication de x2 unité de P2,
5x3 : est le nombre d’unité de M1 pour la fabrication de x3 unité de P3,
6x4 : est le nombre d’unité de M1 pour la fabrication de x4 unité de P4 (ourdi)
Alors, on doit avoir 2x1+3x2+5x3+6x4 ≤5000.
III. Formulation mathématique d’un
PL
Etape3: La fonction objective :
Max z=60x1+70x2+90x3+100x4

Sujette à :
 IV Résolution des programmes linéaire
D
e
u
x

m
é
t
h
o
d
e
s

s
e
r
o
n
t
u
til
s
é
e
s
:

L
a

m
é
t
h
o
d
e

g
r
a
p
h
i
q
u
e

L
a

m
é
t
h
o
d
e

d
u

s
i
m
p
l
e
x
e
 V. La méthode graphique
L
L
a
a

m
é
ét
ht
o
h
d
e
o
d
à
e
d
e
s
e
s
li
mt
iit
e
s
m
p
p
or
u
ar
tir
o
c
i
s
a
b
v
al
eri
a
b
pl
e
s
o
,
u
e
rl
e
p
dl
e
u
v
si
e
n
dt
ce
o
m
ptr
li
q
o
u
éi
se

à
v
p
a
r
éri
s
a
e
n
b
t
l
e
er.
.
V.1 Résolution graphique d’un
problème linéaire
Résoudre un problème linéaire consiste à répondre aux questions suivantes :

Q1 •Comment délimiter l’ensemble des solutions réalisables ?

Q2 •Y a-t-il une solution optimale ?

Q 3
•Comment la déterminer si elle existe ?
 V.1.1 Représentation graphique des contraintes

D
a
n
s
c
et
e
a
p
p
or
c
h
e
gr
a
p
hi
q
u
e
,
o
n
c
o
m
m
e
n
c
e
p
ar
tr
ca
e
r
el
s
d
r
oit
e
s
q
u
ir
e
pr
é
se
n
et
l
se
c
o
n
atr
i
nt
e
s
d
e
t
y
p
e
é
g
a
lit
é
e
lt
e
s
d
r
oit
e
s
q
ui
d
éli
m
it
e
s
el
s
c
o
ntr
a
i
nt
e
s
d
e
t
yp
e
ni
é
g
a
lit
é.
V.2.1 Visualisation de l’ensemble de
solutions réalisables
 V.2. 3 Détermination graphique de la solution
optimale

L
a
d
é
et
r
m i
n
ati
o
n
d
e
l
a
s
o
ul
ti
o
n
o
pti
m
al
e
d
’
u
n
P
L
s
e
f
ait
e
p
a
r
u
n
er
c
e
n
s
e
m
e
n
dt
e
s
s
o
m
m
e
st
d
u
p
o
l
y
è
d
r
e
c
o
n
v
e
x
e
d
é
li
m it
a
nt
l’
e
n
s
e
m
b
l
e
d
e
s
so
l
uti
o
n
s
r
é
a
li
s
a
b
el
s
.
Exemple :
Min/max Z = 3x1 + 4x2
2x1+3x2≤6
x1+2x2≥2
x1≥0 ; x2≥0
VI. Cas particulier
1.
•Solution dégénéré.

2 •Solution non-bornée

3 •Solution multiple

4 •Pas de solution réalisable.

 VI.1 Dégénérescence
E
nl
e
c
a
sp
ri
d
n
e
c
d
é
gi
é
p
n
é
er
e
s,
c
u
e
n
cn
e
e
p
n
g
o
e
n
dri
n
e
ut
n
e
cx
e
art
êi
n
m
e
ei
n
d
é
et
e
sr
m it
n
atil
o
e
n
d
ur
éf
a
sit
q
u
u’lt
n
a
p
ot
di
n
t
e
xtr
ê
m
e l’i
n
d
et
v
ei
e
nr
t
s
u
n
e
cp
o
i
ntit
o
d
’i
nt
e
sdr
e
ceti
o
n
d
d
e
u
p
l
x
su
d
c
e
o
d
e
n
u
x
ctr
a
o
ntri
a
ni
n
t
e
se
.
s
.
Exemple:
Max Z= X1+ X2
Sous les contraintes
8 X1+ 4X 2≤ 32
4 X1+ 6X 2≤24
X1≤3
X1≥0 ; X2≥0
VI.2 Solutions multiples
La solution optimale peut ne pas être unique comme illustré dans l’exemple suivant:
Max Z= 2X1+4X2
Sous les contraintes
4 X1+ 8 X2 ≤ 12
6X1+ 5X2 ≤ 30
X1 ≥0, X2 ≥0
IV.3. Solution non bornée
Une région réalisable non bornée est celle qu’au moins une des variables de décision
peut prendre des valeurs infinies.
Max Z= X1+X2
Sous les contraintes
X1- X2 ≤ 2
-X1+ X2 ≤ 2
X1 ≥0, X2 ≥0
IV.3. Pas de solution réalisable
Max Z= 10X1+3X2
Sous les contraintes
X1+ X2 ≤3
2 X1+ 2X2 ≥ 9
X1 ≥0, X2 ≥0
 VII. Discussion
L
e
M
ar
aii
ss
o
n
cn
e
m
e
n
gt
o
é
m
o
b
m
ér
qtri
e
u
e
c
er
so
itt
o
su
sj
o
a
ur
n
st
ptrr
è
a
scti
a
vbl
eit
e
p
o
u
a
vnr
=
e
c2,
à
m l
a
eri
gt
u
n
e
u,
r
pl’
é
o
u
n
nr
u
=
m
3
é .
Cr
e
p
a
e
nti
d
o
a
n
n
t
el
e
s
pt
ir
o
m
b
pl
èr
m
e
a
sti
ci
n
a
d
u
b
sl
etri
l
s
p
p
o
e
u
vr
e
nt
d
ce
so
m
p
ort
p
er
or
d
b
e
sl
cè
e
m
nt
e
sa
ni
e
d
s
e
d
et
v
a
ail
ari
e
b
eil
s
n
v
d
o
u ir
se
dtri
e
a’
vl
a
e
n.
t
a
g
e
.
VII. Discussion

Même en examinant un million de sommets par seconde, Il

faudrait un an et demi pour résoudre ce problème par ordinateur
…
 VIII. Classes de complexité
T
S
ei
m
p
p
o
S
si
u
nr
pl
o
o
e
n
q,l
y
su
ni
e
ol
n
m
o
ni
u
sa
al
n
a
o
vu
n
o
e
n
sd
sé
ort
el
é
ur
sm ti
soi
ni
ài
s
d
l't
a
e
l
gr(
N
o
é
Prit
d
h):
u
Lir
m
e'
o
p
d
à
eti
m
u
ca
n
olit
é
m
N
p
P
d-l
ce'
xu
o
nit
m
e
é
p
l
s
m
e
ot
a
bjl
ui
o
erti
o
é
n
n
e
c
p
o
ar
n
or
n
p
u
o,
n
sl
é
p
e
e
o
pl
ypr
e
n
o
u
ô
b
m lt
ê
e
è
m tr
el
e
v
d
é
p
a
nrif
é
so
e
b
cl
è
e
n
m
ce
u
a
n
sN
P
et
se
sm t
pt
N
s
d
P
-it
cp
o
m l
y
p
nl
o
e
m t.
i
a
l.
VIII. Classes de complexité
Si la vérification polynomiale de la propriété de la solution n'est pas vérifiée, le
problème est dit NP-difficile.