Programmation Lineaire

Recherche opérationnelle
RECHERCHE OPERATIONNELLE
Programmation linéaire 32
CHAPITRE 5 : PROGRAMMATION LINEAIRE

I- -Définition
On appelle Programmation Linéaire, le problème mathématique qui consiste à optimiser
(maximiser ou minimiser) une fonction linéaire de plusieurs variables qui sont reliées par des
relations linéaires appelées contraintes.
II- Programmes linéaires
Un programme linéaire se présente sous forme d’une fonction linéaire z = f(x) qu’il faut
optimiser sous des contraintes (équations et/ou inéquations) linéaires.
A- Illustration
Une entreprise fabrique deux types de produits P1 et P2 avec trois matières premières A, B et
C tel que :
- pour produire P1 il faut 3 kilogrammes de A, 3 litres de B et 7 C ;
- pour fabriquer P2, il 6 kg de A, 1 litre de B et 6 C.
Les disponibilités en matières premières sont limitées à 3.000 kg de A, 1.500 litres de B et
4.200 C.
La marge réalisée est de 30 F par unité de P1 et 50 F par unité de P2.
Travail à faire
Quel est le programme maximisant la marge ?
B- Mathématisation du problème
1- Traduction des contraintes
a- VARIABLES D’ACTIVITE
Ce sont les inconnues du problème. Elles correspondent aux quantités de P1 et P2 à

fabriquer :
x1 = la quantité de P1 à vendre
x2 = la quantité de P2 à vendre
b- FONCTION ECONOMIQUE
Encore appelée fonction objectif, la fonction économique est une fonction linéaire de
variables x1 , x2 que l’on cherche à optimiser. Ici nous allons la maximiser.
Soit Z la marge, la fonction économique devient :
Max Z = 30 x1+ 50 x2
c- CONTRAINTES
Comme les quantités ne peuvent pas être négatives, on parle de contrainte de non négativité :
x1 ≥ 0 et x2 ≥ 0
Ensuite nous allons traiter les contraintes de disponibilité des facteurs de production.
Prenons la matière première A : pour fabriquer une unité de P1 on a besoin de 3 kg de A. si
l’on décide de fabriquer par exemple 8 unités de P1 on utilisera 24 kg (3 kg X 8) de A. comme
nous ne savons pas combien d’unités nous devons produire, nous dirons pour produire x1
unités de P1, nous aurons besoin de 3 x1 kg de A. on fait la même chose pour le produit P2.
Pour x2 unités de P2 on a besoin de 6 x2 kg de la matière première A. on a donc
3 x1+ 6 x2
Mais le texte impose une contrainte : les disponibilités en matières premières sont limitées à
3.000 kg de A. Ce qui signifie qu’il faut utiliser une quantité totale de la matière première A
inférieure ou égale à 3.000 kg.
3 x1+ 6 x2 ≤ 3.000
Enfin, on procède ainsi pour toutes les matières premières et les tous les produits.
Ce que l’on trouve peut se résumer dans le tableau suivant :
Matière A Matière B Matière C

x1 unités de P1 3 x1 3 x1 7 x1
x2 unités de P2 6 x2 x2 6 x2
Totaux 3 x1 + 6 x2 3 x1 + x2 7 x1 + 6 x2
Contraintes 3 x1+ 6 x2 ≤ 3.000 3 x1+ x2 ≤ 1.500 7 x 1+ 6 x2 ≤
4.200
2- Forme canonique
Après avoir choisi les variables d’activité, sorti la fonction économique et trouver les
contraintes, il faut les présenter dans un certain ordre : c’est la forme canonique.
Max Z = 30 x1+ 50 x2
Sous les contraintes
3 x1+ 6 x2 ≤ 3.000 (A)

3 x1+ x2 ≤ 1.500 (B)
3 x1+ 6 x2 ≤ 4.200 (C)
x1 ≥ 0 ; x2 ≥ 0 (non négativité)
NB : La forme canonique se caractérise par les signes d’inégalité.
Exemple 1:
Un hôtel veut renouveler une partie de son équipement. Il faut changer au moins 72 coussins,
48 rideaux et 32 draps.
Deux ateliers de confections font les offres suivantes :
- l’atelier A1 propose 1 lot de 12 coussins, 4 rideaux et 4 draps au prix de 42.000F ;
- l’atelier A2 propose 1 lot de 6 coussins, 6 rideaux et 4 draps au prix de 33.000F.
Quel est le programme qui minimise les dépenses de renouvellement.
C- Résolution graphique
Ce type de résolution n’est possible que lorsqu’on a que deux (2) variables d’activité.
Après avoir mathématisé le problème et l’avoir écrit sous forme canonique, il faut représenter
le problème.
1- Procédures de résolution
a- Les étapes
- Résoudre le système de contraintes afin de déterminer l’ensemble des solutions admissibles ;

- Parmi les solutions admissibles, identifier la solution qui optimise la fonction économique.
b-- Identification de la solution optimale
Deux possibilités s’offrent à nous :
 La méthode des droites parallèles
Il faut donner une valeur arbitraire à Z afin de pouvoir représenter la fonction économique par
une droite (∆1). Ensuite, tracer des droites parallèles à (∆1) qui passe par chaque sommet.
Le sommet le plus éloigné de l’origine est la solution dans le cas d’une maximisation.
En cas de minimisation, c’est le sommet le plus proche qui est solution.
 La méthode énumérative
La zone des solutions admissibles (ou encore zone d’acceptabilité) forme un polygone. L’un
des sommets est solution optimale. Aussi, faut-il calculer, pour tous les sommets, la valeur de
Z pour n’en retenir que l’optimum.
Exemple 2 :
Soit à résoudre le problème suivant:
Max Z = 1200 x1 + 1000 x2

sous les contraintes 3 x1 + 4 x2  160
6 x1 + 3 x2 180
x1  0 ; x2 0
Solution par la méthode des droites parallèles
On remarquera que la solution optimale se trouve nécessairement sur le pourtour de la région

des solutions admissibles.
La solution se trouvant sur les deux droites d'équation
3 x1 + 4 x2  160
6 x1 + 3 x2 180
la résolution de ce système conduit à la solution
x1 =16 ,
x2  28,
d'où Z = 47200.
Solution par la méthode énumérative
O C
la région des solutions admissibles est un polygone que nous nommerons OABC avec :
O (0 ;0) A(0 ;40) B(16 ;28) C(30 ;0)
Calculons :
ZA = 1.200 (0) + 1.000 (40) = 40.000

ZB = 1.200 (16) + 1.000 (28) = 47.200
ZC = 1.200 (30) + 1.000 (0) = 36.000
Comme nous sommes dans un programme de maximisation, alors c’est le Z le plus élevé qui
est solution du problème. Ici c’est ZB et les coordonnées du point B sont les quantités
recherchées.
On a donc : x1 = 16 et x2= 28 pour Z = 47.200
Ces calculs pourraient être résumés dans un tableau ci-dessous
SOMMETS COORDONNEES Z = 1.200x + 1.000y

x y
O 0 0 Zo = 0
A 0 40 ZA = 40.000
B 16 28 ZB = 47.200 Z maximal
C 30 0 ZC = 36.000
Comme nous sommes dans un programme de maximisation, alors c’est le Z le plus élevé qui
est solution du problème. Ici c’est ZB et les coordonnées du point B sont les quantités
recherchées.
Exemple 3 : résoudre l’exemple2
D- Résolution par la méthode du simplexe

Cette forme de résolution d’un programme linéaire peut être envisagée quelque soit le
nombre de variables.
Elle s’impose dès lors que le programme linéaire comporte plus de deux (2) variables.
1- Algorithme du simplexe
Un algorithme est une procédure de traitement d’une catégorie de problèmes. La méthode du
simplexe est une technique algébrique qui permet de trouver la solution d’un programme
linéaire d’une façon ordonnée et précise, ceci, quel que soit le nombre de variables. Cette
méthode est itérative c'est-à-dire le même principe se répète plusieurs fois jusqu’à la solution
optimale, si elle existe.
2- Procédure de résolution
A partir de l’illustration (3-1-), nous allons donner les étapes à suivre.
a- Mettre le programme sous forme canonique:
Max Z = 30 x1+ 50 x2
3 x1+ 6 x2 ≤ 3.000
3 x1+ x2 ≤ 1.500
7 x1+ 6 x2 ≤ 4.200
x1 ≥ 0 ; x2 ≥ 0
b-Ecrire le même programme sous forme standard :

Le passage de la forme canonique à la forme standard fait appel à des variables
supplémentaires positives ou nulles appelées variables d’écart. Ces variables transforment les
contraintes (sauf celles de non négativité) en égalités.
Max Z = 30 x1+ 50 x2+ 0e1 + 0e2 + 0e3

3 x1+ 6 x2 + e1 =3.000
3 x1 + x2 + e2 =1.500
3 x1 + 6 x2 + e3 =4.200
x1 ≥ 0 ; x1 ≥ 0 ; e1 ≥ 0 ; e2≥ 0 ; e3≥ 0
Interprétation : les variables d’écart représentent les variables d’inactivité du programme

avant toute production (x1= x2 =0) de P1 et P2. Et dans ce cas,
e1 = 3.000 kg de matière première A disponibles ;

e2 =1.500 litres de matière première B disponibles
e3= 4.200 C de matière première disponibles.
- Tableau initial
Après la forme standard, nous avons une succession de tableaux dont le 1er que nous appelons
tableau initial.
variables x1 x2 e1 e2 e3
VHB - - - R
x1 x2
VB
e1 3 6 1 0 0 3.000
e2 3 1 0 1 0 1.500
e3 7 6 0 0 1 4.200
Z 30 50 0 0 0 0
VE
L’écriture linéaire de Z = 30 x1+ 50 x2+ 0e1 + 0e2 + 0e3 (ligne en pointillés) montre que la
production de x1 ou de x2 augmente la valeur de Z. Donc la solution associée à ce 1er tableau
n’est pas optimale.
Règle générale :
L’optimum est atteint lorsque les coefficients dans la fonction économique sont tous
négatifs ou nuls.
- Tableau 2
* Variable entrante (VE)
C’est la variable hors base pouvant entrer en base. Il faut prendre le coefficient positif le plus
grand dans la ligne Z du tableau et voir la variable qui lui correspond.
Dans un problème de recherche du maximum, il parait évident de commencer par fabriquer le
produit ayant la contribution économique la plus grande.
Dans notre exemple, 50 (dans la case orange) est le plus grand coefficient positif de la ligne
de Z, ce qui correspond à la variable entrante VE = x2 (case verte).
* Variable sortante (VS)

C’est la variable de base sortant de celle-ci.
Le choix de la VS entraîne la modification du 1er tableau. Il faut tracer une colonne après
celle de R nommée C. pour remplir cette colonne il faut faire le rapport :
Ri Coefficient de la colonne résultats

C= ---------- = ------------------------------------------------------
VEi Coefficient de la colonne variable entrante
Une fois cette colonne remplie, la variable sortante correspond au coefficient positif le plus
petit de la colonne C.
Pour notre exemple on aura :
3.000 1.500 4.200

--------- = 500 ------------ = 1.500 ---------- = 700
6 1 6
VS = e1 (correspond à 500)
En définitive, le 1er tableau sera :
Variables x1 x2 e1 e2 e3
VHB - - - R C
x1 x2
VB
VS e1 3 6 1 0 0 3.000 500
e2 3 1 0 1 0 1.500 1.500
e3 7 6 0 0 1 4.200 700
Z 30 50 0 0 0 0
VE
Dans le tableau 2, e1 en ligne (case rouge) sera remplacé par x2 (case verte)
* Le pivot
Après tous ces calculs nous pouvons dresser le tableau 2.
2ème tableau
VHB R
x1 x2 e1 e2 e3
VB x1 - e1 - -
x2 ½ 1 1/6 0 0 500
e2 5/2 0 -1/6 1 0 1.000
e3 4 0 -1 0 1 1.200
Z 5 0 -25/3 0 0 -25.000
Conclusion partielle : la solution de base réalisable associée à ce tableau 2 est x1 = 0,

x2 = 500, e1 = 0, e2 =1.000 et e3 = 1.200.
x1 = 0 produit P1
x2 = 500 produits P2
e1 = 0 = matière première A épuisée
e2 =1.000 = quantité de matière première B encore disponibles
e3 = 1.200 = quantité de matière première C encore disponibles.
Dans la ligne de Z, le coefficient de la variable hors base x1 est 5. C’est dire que cette solution
n’est pas optimale.
- Tableau 3
En appliquant les critères précédents, le tableau final devient :
variables x1 x2 e1 e2 e3 R
VHB - - e1 - e3
VB
x2 0 1 7/24 0 -1/8 350
e2 0 0 11/24 1 5/8 250
x1 1 0 -1/4 0 ¼ 300
Z 0 0 -85/12 0 -5/4 -26.500
Conclusion : la solution de base réalisable associée à ce tableau est x1 = 300, x2 = 350, e1= 0,
e2 = 250 et e3 = 0.
Tous les coefficients des variables hors base (VHB) de la ligne de Z sont négatifs ou nuls.
Cette solution est optimale et on a Z = 26.500 pour une production de 300 unités de P1 et 350
unités de P2.
Les quantités de matières premières A et C sont épuisées tandis que 250 litres de B sont
encore disponibles.
Dans la ligne de Z, il y a la valeur -85/12 (colonne de e1). Cette valeur est appelée valeur
marginale et signifie que si l’on augmente les disponibilités de la matière première A d’une
unité, la fonction économique va s’accroître d’une valeur de 85/12 ≈ 7,0833 F. On fait la
même analyse pour la matière première C, où Z va se valoriser de 5/4 ≈ 1,25.
3- Programme dual
A chaque problème de maximisation correspond un problème de minimisation impliquant les
mêmes données, et vice versa. Il existe un lien étroit entre leurs solutions optimales.
Le programme écrit en premier est appelé primal et le second qui en découle est dit dual.
a- Règle de passage du primal (P) au dual (D)

 si la fonction économique de l’un est à maximiser, celle de l’autre est à minimiser ;
 les variables de décisions et d’écart des deux (2) programmes doivent être notées par
des lettres différentes pour éviter toute confusion ;
 le vecteur ligne des coefficients de la fonction économique de (P) devient vecteur
colonne des constantes seconds membres des contraintes de (D);
 le vecteur colonne second membre des contraintes de (P) devient vecteur ligne de la
fonction économique de (D) ;
 la matrice des contraintes principales de (P) est transposée pour donner la matrice des
contraintes de (D) ;
 le sens des inégalités change ;
 à l’optimum, les fonctions économiques de (P) et de (D) sont égales.
Exemple:
Forme canonique
Primal Dual
Max Z = 1200 x1 + 1000 x2 Min W= 160 x + 180y + 95z

3 x1 + 4 x2  160 3x +6y + 2z 
6 x1 + 3 x2 180

4x + 3y + z
2 x1+ x2  
x1  0 ; x2 0   x  y z 
Ecriture matricielle
Primal Dual
  x1   x
ax (1.200 1.000)  in (160 180 95) y
 x2  z
 x1       
    x 1.200 
  y 
 x2
   z 1.000
x1  0 ; x2 0      
   x  y z  

b-Résolution d’un programme linéaire à minimiser
Lorsque le programme à résoudre est un problème de minimisation et qu’il faut passer

impérativement par la méthode du simplexe, l’on peut soit passer par le dual soit utiliser les
variables artificielles.
Pour les étudiants au BTS, on n’utilise que le passage par le dual.
Passage par le dual
Cette méthode a été exposée plus haut. C’est seulement la présentation des résultats dans le
tableau qui est différente. Ainsi, à partir d’un exemple nous allons voir comment lire les
résultats.
Exemple : résoudre l’exemple1
Primal
- Forme canonique:
Min Z = 42.000 x1 + 33.000 x2

12 x1 + 6 x2 72
4 x1 +6 x2 48
4 x1 +2 x2 32
x1 0 ; x2 0
Passage au dual
Forme canonique :
Max W = 72x +48y+ 32z

12x +4y +4z  42.000
6x +6y + 2z  33.000
x 0 ; y 0 ; z 0
Forme standard :
Max W = 72x +48y+ 32z

12x +4y +4z +0 42.000
6x +6y + 2z +0 = 33.000
x 0 ; y 0 ; z 0 ; 00
Tableau initial
Variables x y z   R C
VHB x y z  
VB
 12 4 4 1 0 42.000 3.500
 6 6 2 0 1 33.000 5.500
W 72 48 32 0 0 0
L’optimum n’est pas atteint
VE = x VS=  Pivot = 12
Tableau 2 :
variables x y z   R C
VHB - y z  
VB
x 1 1/3 1/3 1/12 0 3.500 10.500
 0 4 0 -1/2 1 12.000 3.000

W 0 24 8 -6 0 -
252.000
VE= y VS=  Pivot= 4
Tableau 3
Variables x y z  
R C
VHB  
VB
x 1 0 1/3 1/8 -1/12 2.500 7.500
y 0 1 0 -1/8 1/4 3.000 +∞
W 0 0 8 -3 -6 - 324.000
VE= z VS= x Pivot= 1/3
Tableau 4
VHB X y z   R
VB
z 3 0 1 3/8 -1/4 7.500
y 0 1 0 -1/8 1/4 3.000

W -24 0 0 -6 -4 -384.000
L’optimum est atteint.
Tous les coefficients de la ligne de Z sont négatifs ou nuls. La solution de base réalisable
associée à ce tableau est :
x = 0, y = 3.000, z = 7.500,  = 6,  = 4 et pour cette solution, W = 384.000 F.

Afin de pouvoir conclure, il faut faire un tableau de correspondance comme suit :
(P) x1 x2 e1 e2 e3 Z
(D)   x y z W
Conclusion : il faudrait acheter 6 lots à l’atelier A1 et 4 lots à l’atelier A2.
TRAVAUX DIRIGES
Exercice 1 :-Deux artisans A1 et A2 décident de s’associer en travaillant chacun un

maximum de 42 heures par semaine, pour fabriques des couteaux et des paires de ciseaux. La
fabrication d’un couteau nécessite 2h à A1 puis 1 h à A2. la fabrication d’une paire de
ciseaux demande 2h à A1 et 3h à A2. Un couteau rapporte un bénéfice de 200F et 300F pour
une paire de ciseaux.
Combien faut-il fabriquer de couteaux et de paires de ciseaux par semaine pour réaliser un
bénéfice maximum ?
Exercice 2 :L’usine ‘ Mo-BLA’ produit 3 qualités de pagnes : noir bleu et blanc dans 2
ateliers successifs A1 et A2 selon les caractéristiques techniques et économiques suivantes :
A1 A2 Charges Prix de vente

variables
Noir 30 unités à 25 unités à l’heure 13F 18 F
l’heure
Bleu 30 unités à 20 unités à l’heure 14F 20F
l’heure
Blanc 20 unités à - 11F 15F
l’heure
Total d’heures 8 7
disponibles par
jour
L’approvisionnement en matières premières et fournitures diverses est suffisant pour

fabriquer 250 pagnes par jour. On estime que le marché peut absorber quotidiennement au
maximum 90 pagnes noirs, 60 bleus et 70 blancs.
Déterminer le programme de fabrication optimum. (On raisonnera en minutes).
Exercice 3 :-Pour boiser son domaine, monsieur Kroupair a besoin de 1.600 plants de teks,
600 pieds de jatropha et 1.500 pieds de Sampa. Il reçoit les propositions suivantes :
- Lot A : 15 jatrophas, 20 teks et 15 sampas à 14.000F ;

- Lot B : 5 jatropha, 20 teks et 25 sampas à 10.500F.
a- Combien de lots A et de lots B doit-il acheter pour minimiser sa facture ?

b- quels sont les plants excédentaires ?
Problème n°1
Partie A
Résoudre graphiquement le programme linéaire suivant :
𝑋≥0;𝑌≥0
6𝑋 + 2𝑌 ≥ 12
2𝑋 + 2𝑌 ≥ 8
4𝑋 + 12𝑌 ≥ 24
𝑊(min) = 2 000 000𝑋 + 1 600 000𝑌
Partie B
Une PME Ivoirienne opérant dans le textile, possède deux usines U1 et U2 qui n’ont pas les
mêmes capacités de production et qui sont en deux lieux distincts. Ces usines produisent à
partir du coton ivoirien, trois qualités de tissus appelées respectivement qualité supérieure
(QS), qualité moyenne (QM) et qualité normale (QN) .Ces trois qualités sont demandées sur
le marché.
Cette PME s’est engagée à fournir par semaine, à une société française, 12 tonnes de tissus
QS, 8 tonnes de tissus QM et 24 tonnes de tissus QN.
L’usine U1 produit par jour, 6 tonnes de tissus QS, 2 tonnes de tissus QM et 4 tonnes de tissus
QN, pour un coût de production de 2 000 000 F.
L’usine U2 produit par jour, 2 tonnes de tissus QS, 2 tonnes de tissus QM et 12 tonnes de
tissus QN, pour un coût de production de 1 600 000 F.
Travail à faire :
1. Déterminer le programme linéaire (P), en vue de minimiser les coûts de production.
2. En utilisant la méthode graphique, déterminer le nombre X de jours par semaine, et le
nombre Y de jours par semaine, pendant lesquels les usines U1 etU2 doivent fonctionner pour
que les engagements soient tenus aux coûts minimum.
3. Écrire le programme dual (D) associé au programme primal (P) en désignant par X 1 ; X2 et
X3 les variables réelles du programme dual(D).
4. Présenter la 1ère itération du programme dual(D).
e1, e2 étant les variables d’écart associées au programme dual (D), on considère le tableau
suivant correspondant à la résolution partielle de ce programme dual.
Variables x1 x2 x3 e1 e2
HB - - x3 e1 e2 SM
B
x1 1 1/4 0 3/16 -1/16 275 000
x2 0 1/8 1 -1/32 3/32 87 500
Z 0 2 0 -3/2 -3/2 -5 400 000
a) Dire si l’optimum est atteint. Dans le cas contraire, achever la résolution.

b) Déterminer les solutions du programme primal (P).
5. Commenter la solution optimale obtenue.
6. Que peut- on suggérer au DG de cette PME, pour rentabiliser au mieux son entreprise ?
Problème n°2
La société des carrières d’ABIDJAN a pour objet l’extraction et la distribution de matériaux
de carrière.
Elle doit assurer, pour les travaux routiers, la fourniture aux ponts et chaussées de graviers en
divers calibres.
Un marché, portant sur les quantités suivantes :
Graviers calibre 1 13 500 tonnes

a été adjugé pour un prix global de facturation.

La société exploite deux carrières P1 et P2 louées à une société civile qui perçoit une
redevance par tonne de pierre extraite. Celle – ci est la suivante :
Après extraction, la pierre est concassée. Les graviers ainsi obtenus sont triés selon leur
calibre. Chaque tonne de pierre fournit les quantités suivantes de graviers (exprimées en
tonnes) :
Pierre P1 :
Graviers calibre 1 0,36 tonne

La Direction souhaite définir son programme d’extraction de pierre de P1 et de Pierre de P2

de façon à minimiser le coût des redevances à la société Civile.
Travail à faire :
1. Présenter le programme linéaire correspondant sous forme canonique.
2. Donner une solution graphique.
3. Donner la formulation du dual (D).
4. Résoudre le programme dual(D) par la méthode du simplexe (Méthode des tableaux) et
contrôler la solution obtenue à la question 2.
5. L’optimisation de programme conduit- elle à produire des graviers en excédent par rapport
aux tonnages adjugés ? Justifier la réponse.
Problème n°3
Par suite de graves incidents intervenus dans un village du pays, le programme alimentaire
mondial (P.A.M) doit distribuer des vivres aux populations sinistrées. Une entreprise est
sollicitée pour conditionner ces vivres (sachets de riz de 5 Kg, des bouteilles d’huile 1L, des
boites de conserve) dans trois types de cartons marqués C1, C2 et C3. Les contenus imposés
pour chaque carton sont les suivants :
Carton C1 : 10 sachets de riz, 20 bouteilles d’huile et 20 boites de conserve.

Pour satisfaire les besoins des sinistrés, le P.A.M doit distribuer au moins 12 350 sachets de
riz, 40 040 bouteilles d’huile, et 28 800 boites de conserve.
Le conditionnement des cartons est facturé à 320 F le carton C1, 360 F le carton C2 et 500 F le
carton C3.
L’organisme désire satisfaire les besoins au moindre coût.
Travail à faire :
1. Écrire le programme linéaire (P) correspondant au problème.
2. Écrire le programme dual (D) associé au programme (P) précédent, en désignant par Y1, Y2
et Y3 les variables d’activités du programme dual(D).
3. e1 , e2,e3 étant les variables d’ écart associées au programme dual (D) on considère le tableau
suivant correspondant à la résolution partielle de ce programme dual.
Variables y1 y2 y3 e1 e2 e3
HB y1 - - - e2 e3 C
B
e1 10/3 0 0 1 -2/3 0 80
y3 1/3 0 1 0 1/12 -1/20 5
y2 0 1 0 0 -1/20 1/20 7
Z 2750 0 0 0 -398 -562 - 424 280
i. Dire si l’optimum est atteint. Dans le cas contraire, achever la résolution.

ii. Déterminer les solutions du programme initial (P).
Problème n°4
Un atelier de haute couture spécialisé dans la confection et vente de costumes, produit à

partir du tissu << Super 200>> trois modèles de costumes par semaine :
L’approvisionnement en tissus <<Super 200>> se fait par semaine.

La confection de ces costumes nécessite le passage dans deux ateliers A et B, qui dure un
certain nombre d’heures.
Le tableau ci-dessous présente les contraintes techniques de confection de ces costumes.
Atelier A Atelier B Quantité de Prix de vente

<< Super unitaires
200>>
Un modèle 1h 1h 3m 150 000 F
classique
élégance
tendance
Disponibilités 900h 1 200h 1 500m
hebdomadaires
Coûts unitaires 20 000 F/h 30 000F/h 15 000F /m
L’objectif du responsable de l’atelier est de maximiser sa marge hebdomadaire.
Travail à faire :
1°- a / Déterminer pour la confection de chaque modèle, le montant global des coûts.
b/ Reproduire puis complète le tableau technique ci- dessous :
1Modèle 1 Modèle 1 Modèle Disponibilités

classique élégance tendance hebdomadaires
Nombre
d’heures de
main d’oeuvre
En Atelier A
Nombre
d’heures de
main d’oeuvre
En Atelier B
Nombre de
mètres de tissu
<<Super 200>>
Bénéfice net
2- Écrire le programme linéaire correspondant à l’objectif du responsable de l’atelier.

3- a / Résoudre ce programme par la méthode du simplexe.
b/ Commenter la solution optimale. En déduire des suggestions.
NOTIONS ESSENTIELLES
1- Optimiser / maximiser / minimiser
2- Fonction économique
3- Variables d’activité
4- Contraintes
5- Méthode des droites parallèles
6- Méthode énumérative
7- Méthode du simplexe
8- Forme canonique / forme standard
9- Variables d’écart
10- Variables de base / variables hors base
11- Pivot
12- Primal / dual

Programmation Lineaire

Transféré par

Droits d'auteur :

Formats disponibles

Programmation Lineaire

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Programmation Lineaire

Transféré par

Droits d'auteur :

Formats disponibles

Recherche opérationnelle

CHAPITRE 5 : PROGRAMMATION LINEAIRE

II- Programmes linéaires

1- Traduction des contraintes

Ce sont les inconnues du problème. Elles correspondent aux quantités de P1 et P2 à

Matière A Matière B Matière C

Sous les contraintes

3 x1+ 6 x2 ≤ 3.000 (A)

NB : La forme canonique se caractérise par les signes d’inégalité.

Quel est le programme qui minimise les dépenses de renouvellement.

- Résoudre le système de contraintes afin de déterminer l’ensemble des solutions admissibles ;

b-- Identification de la solution optimale

Deux possibilités s’offrent à nous :

 La méthode des droites parallèles

Max Z = 1200 x1 + 1000 x2

Solution par la méthode des droites parallèles

On remarquera que la solution optimale se trouve nécessairement sur le pourtour de la région

la résolution de ce système conduit à la solution

Solution par la méthode énumérative

O (0 ;0) A(0 ;40) B(16 ;28) C(30 ;0)

ZA = 1.200 (0) + 1.000 (40) = 40.000

Ces calculs pourraient être résumés dans un tableau ci-dessous

SOMMETS COORDONNEES Z = 1.200x + 1.000y

Exemple 3 : résoudre l’exemple2

D- Résolution par la méthode du simplexe

a- Mettre le programme sous forme canonique:

b-Ecrire le même programme sous forme standard :

Max Z = 30 x1+ 50 x2+ 0e1 + 0e2 + 0e3

Sous les contraintes

Interprétation : les variables d’écart représentent les variables d’inactivité du programme

e1 = 3.000 kg de matière première A disponibles ;

* Variable sortante (VS)

Ri Coefficient de la colonne résultats

Pour notre exemple on aura :

3.000 1.500 4.200

En définitive, le 1er tableau sera :

Après tous ces calculs nous pouvons dresser le tableau 2.

Conclusion partielle : la solution de base réalisable associée à ce tableau 2 est x1 = 0,

En appliquant les critères précédents, le tableau final devient :

a- Règle de passage du primal (P) au dual (D)

Max Z = 1200 x1 + 1000 x2 Min W= 160 x + 180y + 95z

x1  0 ; x2 0   x  y z 

b-Résolution d’un programme linéaire à minimiser

Lorsque le programme à résoudre est un problème de minimisation et qu’il faut passer

Pour les étudiants au BTS, on n’utilise que le passage par le dual.

Passage par le dual

Exemple : résoudre l’exemple1

Min Z = 42.000 x1 + 33.000 x2

Max W = 72x +48y+ 32z

Max W = 72x +48y+ 32z

 0 4 0 -1/2 1 12.000 3.000

y 0 1 0 -1/8 1/4 3.000

x = 0, y = 3.000, z = 7.500,  = 6,  = 4 et pour cette solution, W = 384.000 F.

Conclusion : il faudrait acheter 6 lots à l’atelier A1 et 4 lots à l’atelier A2.

Exercice 1 :-Deux artisans A1 et A2 décident de s’associer en travaillant chacun un

A1 A2 Charges Prix de vente

L’approvisionnement en matières premières et fournitures diverses est suffisant pour

- Lot A : 15 jatrophas, 20 teks et 15 sampas à 14.000F ;