Chapitre 2 - Méthode de Résolution Par Séparation Et Évaluation

Mastère de Recherche en IAD − FSEG-Nabeul
Optimisation Combinatoire
Par
Dr. Slim BECHIKH
Maître de Conférences en Informatique de Gestion
[email protected]
Département: Méthodes Quantitatives et Informatique, FSEG-Nabeul

Laboratoire de Recherche: SMART (Strategies for Modeling & ARTificial intelligence)
©2021 Dr. Slim BECHIKH 1 Optimisation Combinatoire

Plan du cours
▪ Chapitre 1: Modélisation des problèmes d’optimisation combinatoire

▪ Chapitre 2: Méthode de résolution par séparation & évaluation (B&B)
▪ Chapitre 3: Méthode de résolution par la programmation dynamique
▪ Chapitre 4: La programmation linéaire en nombres entiers
▪ Chapitre 5: Les problèmes de flots
▪ Chapitre 6: Les métaheuristiques à base de voisinage
▪ Chapitre 7: Les métaheuristiques à base de population
▪ Chapitre 8: Applications réelles de l’optimisation combinatoire
©2021 Dr. Slim BECHIKH Optimisation Combinatoire

2
Références principales

3
Chapitre 2
Méthode de résolution par séparation et évaluation
(B&B: Branch & Bound)

4
Tables des matières
1) Illustration du B&B sur le problème de sac à dos

2) Illustration du B&B sur le problème du voyageur de
commerce (Algorithme de Little)
3) Exercice 2.1: B&B pour le problème d’affectation
4) Exercice 2.2: B&B pour l’ordonnancement

5
L’idée la plus simple pour résoudre le problème du sac à dos est de générer
(énumérer) toutes les solutions possibles et les évaluer. Par la suite, nous pouvons
trier les solutions selon le profit généré et ainsi détecter la solution optimale.
Ceci est faisable lorsque nous disposons d’un très petit nombre d’objets. A titre
d’exemples, nous disposons de 2 ou 3 objets qui peuvent être mis dans le sac à dos.
Cette méthode s’appelle l’énumération exhaustive et peut être schématisée par un

tout petit arbre comme suit:

6
Que faire si nous disposons d’un grand nombre d’objets?
Elaguer (couper) les branches qui ne mènent pas vers des solutions meilleures
(intéressantes) 🡺 Réduire la taille de l’arbre 🡺 C’est le principe du B&B.

7
Algorithme B&B pour le sac à dos

Etape 0:
a) Trier les objets par ordre décroissant selon le ratio (Profit/Poids).
b) Calculer la borne supérieure UB en utilisant une heuristique gloutonne
fractionnaire.
c) Calculer la borne inférieure LB en utilisant une heuristique gloutonne entière
(non-fractionnaire).
d) Initialiser la borne inférieure globale: Global_LB ← LB.
Etape 1:
a) Exécuter la séparation sur la variable ayant une valeur fractionnaire.
b) Pour chaque nœud obtenu, calculer les bornes UB et LB.
c) Déduire la solution obtenue à partir du calcul de la borne UB qui peut être
fractionnaire ou entière (intégrale).

8

Etape 2:
a) Exécuter l’élagage de chaque nœud N dans les conditions suivantes:
i. Si (UB(N) < LB(N)) alors il n’est pas intéressant de continuer la
recherche (La direction de la recherche de l’optimum n’est pas
prometteuse).
ii. Si la solution intégrale obtenue est infaisable.
iii. Si on trouve une solution intégrale (entière).
b) Mettre à jour la borne inférieure Global_LB comme suit: Si la borne LB trouvée
à partir de la dernière solution intégrale visitée, dénotée Last_LB, soit
supérieure à Global_LB (Si Last_LB > Global_LB), alors:
Global_LB ← Last_LB.
c) A chaque fois qu’on calcule une borne LB pour un certain nœud N:
Si (LB(N) < Global_LB) Alors LB(N) ← Global_LB.

9

Etape 3:
a) Répéter les étapes (1) et (2) jusqu’à l’épuisement de tous les nœuds actifs.
b) Une fois il n’y a plus de nœuds actifs, l’algorithme s’arrête et renvoie la
solution optimale qui correspond à la solution intégrale ayant la plus grande
LB.
Remarque générale: Pour toute solution intégrale, les valeurs

calculées des UB et LB sont égales.

10
3 + 5 + (4 -2) —> pour avoir w=10 on divise 2/4 nous reste ½

11
Comment calculer UB et LB?

12
Comment calculer UB (Heuristique gloutonne fractionnaire)?
KP capacity: W = 10
Profit: 60 60 ½ * 40 = 140
UB(F 0) = Weight: 3 5 ½*4 = 10
Item: 1 2 3 4 5 6 7
Si on prend la totalité du Item-3, nous allons dépasser la capacité du sac (3 + 5 + 4 = 12

> 10). Pour cela, nous allons prendre une partie fractionnaire de Item-3. La place
restante dans le sac est égale à (10 – (3+5)) = 2. Pour inclure Item-3 dans le sac, nous
avons besoin d’une capacité égale à ((3+5) + 4) = 12. Donc, nous pouvons mettre (2/4)
= (1/2) de Item-3 dans le sac.
13
Comment calculer LB (Heuristique gloutonne intégrale)?
KP capacity: W = 10
Profit: 60 60 0 10 0 0 3 = 133
LB(F 0) = Weight: 3 5 0 1 0 0 1 = 10
Item: 1 2 3 4 5 6 7
Ici, on s’arrête quand on ne peut plus mettre aucun objet dans le sac.
L’objet ici est indécomposable.

14

15
Puisque la variable x3 a une valeur fractionnaire, nous allons faire la

séparation suivant l’inclusion ou l’exclusion de Item-3.

16
Puisque le nœud F1 correspond à x3 = 1, on a marqué le « 1 » à la

position 3 en gras. Par conséquent, les valeurs UB et LB vont se
calculer maintenant sur la base de l’hypothèse: x3 = 1.

17
Solution infaisable avec un

poids total égal à 12 > W =
10. Donc, les bornes
reçoivent moins l’infini.
On a trouvé une solution

intégrale, donc nous
exécutons l’élagage.
Ici, nous avons rencontré la première solution qui ne contient que des zéros et des uns.
Il s’agit de la première solution faisable rencontrée. Sa borne inférieure LB va être
utilisée comme une borne inférieure globale (Global_LB). Ceci veut dire qu’à chaque
fois qu’on trouve une borne LB inférieure à Global_LB, nous remplaçons cette borne par
la valeur de Global_LB.
18
La valeur de la borne supérieure UB du nœud F6 est

inférieure à celle de sa borne inférieure LB: 96 < 110.
Cet évènement active l’élagage du nœud, puisque la
direction de la recherche n’est pas intéressante.
The computed LB value for node F6 is 69.

The latter is less than the current Global_LB
value that is 110. Thus, 69 is replaced by 110.

19

Quelle est l’utilité des bornes UB et LB?
Borne supérieure UB: C’est une valeur maximum de la fonction objectif. Autrement
dit, c’est une valeur qui est nécessairement supérieure à la valeur de la meilleure
solution possible qui peut être obtenue en suivant la branche considérée.
Borne inférieure LB: C’est une valeur minimum de la fonction objectif. Autrement
dit, c’est une valeur qui est nécessairement inférieure à la valeur de la meilleure
solution possible qui peut être obtenue en suivant la branche considérée.
UB
La valeur de la fonction objectif (profit) de la meilleure
solution possible à partir de la branche considérée est
comprise entre LB et UB.
LB

20

Quelle est l’utilité des bornes UB et LB?
UB
La valeur de la fonction objectif (profit) de la meilleure
solution possible à partir de la branche considérée est
comprise entre LB et UB.
LB
Question: Que veut dire: UB ≤ LB ?
UB ≤ LB veut dire qu’on peut pas faire mieux, c.à.d., on ne peut trouver aucune
solution qui soit meilleure à la meilleure solution actuelle. Le scénario parfait va
générer une solution qui a une LB qui soit égale à Global_LB.
🡺 L’objectif du B&B est de maximiser la LB pour maximiser le profit.
21

22
Il n’existe plus de nœuds à parcourir. La meilleure solution est la

solution intégrale ayant la plus grande borne inférieure LB. Donc, la
meilleure solution inclut les objets 1, 2, 4 et 7 qui ont un poids total
égal à 10 et un profit total égal à LB = 133.

23
2) Illustration du B&B sur le problème du voyageur
de commerce (Algorithme de Little)
Rappel du problème TSP

24
Rappel du problème TSP
Table illustrative du nombre de nœuds possibles d’un arbre

de recherche B&B en fonction du nombre de villes n.
25
Algorithme de Little: B&B pour le TSP

26

27

28

29

30

31

32

33

34
320 - 320 = 0
750 - 300 = 450

35

36
260 - 60 = 200
300 - 100 = 200

37
Total lignes + Total colonnes = 1810

38
60 +70 = 130

39

40

41

42
1990 = Valeur du père + Regret (NB)

= 1810 + 180

43

44

45

46

47
1990 = 1810 + Total supprimé

= 1810 + 180 = 1990
La recherche des minimums sur lignes

et colonnes ainsi que les soustractions
sont effectuées dans cette matrice.

48
2350 = Valeur du père + Regret maximal

= 1990 + 360
= 2350

49
Matrice des coûts après élimination de la

ligne P et de la colonne N.

50

51
1990 = Valeur du père + Total supprimé

= 1990 + 0
= 1990

52
Regret = min ligne + min

colonne = 280 + 0 = 280

53
Regret maximal
2270 = Valeur du père + Regret

maximal = 1990 + 280

54

55
1990 = Valeur du père + Total

supprimé = 1990 + 0

56
Regret = min ligne + min

colonne = 150 + 200 = 350

57
Regret maximal = 350
2340 = Valeur du père + Regret

maximal = 1990 + 350

58
Matrice des coûts après suppression

de la ligne L et de la colonne D.

59

60
1990 = Valeur du père + Total

supprimé = 1990 + 0

61

62

63

64

65

66

67

68

69

70

71

72

73

74

75

76

77

78
Corrigé de l’exercice

79
Enoncé
Soit 4 agents à affecter à 4 tâches. Le coût de l’affectation de l’agent i à la tâche j est
donné par la matrice ci-dessous. Le problème consiste à affecter chaque agent à
une seule tâche de telle manière à minimiser le coût total. Bien entendu, une tâche
ne peut être réalisée que par un seul agent.
Tâche 1 Tâche 2 Tâche 3 Tâche 4

Agent A 9 2 7 8
Agent B 6 4 3 7
Agent C 5 8 1 8
Agent D 7 6 9 4
1) Proposer une borne inférieure pour ce problème.

2) Déterminer la solution optimale en utilisant l’algorithme B&B.

80
Corrigé
Tâche 1 Tâche 2 Tâche 3 Tâche 4
Agent A 9 2 7 8
Agent B 6 4 3 7
Agent C 5 8 1 8
Agent D 7 6 9 4
1) Proposer une borne inférieure pour ce problème:

Une borne inférieure est une valeur minimale de la fonction objectif là où aucune
solution réalisable ne peut avoir une valeur qui lui est inférieure. Selon cet exemple,
une solution ne peut pas avoir une valeur qui soit inférieure à la somme des
minimums des lignes: LB = 2 + 3 + 1 + 4 = 10

81
Corrigé
2) Déterminer la solution optimale en utilisant
l’algorithme B&B.
F0
START
LB = 10
LB(F4) = C(A, 4) + Min(Ligne B) +
Min(Ligne C) + Min(Ligne D)
= 8 + 3 + 1 + 6 = 18
F1 F2 F3 F4
A←1 A←2 A←3 A←4
LB = 17 LB = 10 LB = 20 LB = 18
LB(F1) = C(A, 1) + Min(Ligne B) + Min(Ligne C) + Min(Ligne D)

= 9 + 3 + 1 + 4 = 17
Remarque: On écarte les ligne(s) et colonne(s) des tâche(s) affectée(s) et
on effectue le calcul de LB à partir du reste de la matrice.
82
Corrigé
2) Déterminer la solution optimale en utilisant
l’algorithme B&B.
F0
START
LB = 10
F1 F2 F3 F4
A←1 A←2 A←3 A←4
On détaille le nœud ayant la
LB = 17 LB = 10 LB = 20 LB = 18 meilleure LB.
F5 F6 F7
B←1 B←3 B←4
LB = 13 LB = 14 LB = 17

83
Corrigé
F0
START
LB = 10
F1 F2 F3 F4
A←1 A←2 A←3 A←4
LB = 17 LB = 10 LB = 20 LB = 18
Les nœuds F8 et F9 correspondent à des

F5 F6 F7 solutions complètes réalisables. La
B←1 B←3 B←4 solution correspondante au nœud F8 a un
LB = 13 LB = 14 LB = 17 coût égal à 13 qui est inférieur à toutes les
LB des nœuds actifs.
F8 F9
C←3 C←4
D←4 D←3
C = 13 C = 25

84
Corrigé
F0
START
LB = 10
F1 F2 F3 F4
A←1 A←2 A←3 A←4 On doit élaguer tous ces
nœuds ayant des LB (ou
LB = 17 LB = 10 LB = 20 LB = 18
coûts) supérieures à 13.
F5 F6 F7
B←1 B←3 B←4
LB = 13 LB = 14 LB = 17
Solution optimale:
F8 F9 A ← 2, B ← 1, C ← 3, D ← 4
C←3 C←4
D←4 D←3
C = 13 C = 25

85
Enoncé
Supposons que nous avons 4 tâches et 3 machines de sorte que chaque tâche doit
passer par les 3 machines dans l’ordre. Soit ai / bi / ci le temps d’exécution de la
tâche Ti sur la machine M1 / M2 / M3. Nous désirons déterminer la permutation
optimale des tâches sur les machines qui minimise le makespan.
ai bi ci
(sur M1) (sur M2) (sur M3)
Tâche 1 1 8 4
Tâche 2 2 4 5
Tâche 3 6 2 8
Tâche 4 3 9 2

86
Enoncé
Questions:
1) Tracer le diagramme de GANTT de la solution (1, 2, 3, 4).
3) Proposer une borne inférieure LB sur le makespan CMAX en utilisant les variables:
αik = Date de fin de la tâche Ti sur la machine M1 lorsque Ti est exécutée à la kème position;
βik = Date de fin de la tâche Ti sur la machine M2 lorsque Ti est exécutée à la kème position;
γik = Date de fin de la tâche Ti sur la machine M3 lorsque Ti est exécutée à la kème position;
4) Définir une première borne supérieure calculée en évaluant la solution (1, 2, 3, 4).
5) Développer l’arbre de recherche B&B pour trouver la solution optimale.

87
Corrigé

88
Corrigé

89
Corrigé
3) Proposer une borne inférieure LB sur le makespan CMAX en utilisant les variables:
αik = Date de fin de la tâche Ti sur la machine M1 lorsque Ti est exécutée à la kème position;
βik = Date de fin de la tâche Ti sur la machine M2 lorsque Ti est exécutée à la kème position;
γik = Date de fin de la tâche Ti sur la machine M3 lorsque Ti est exécutée à la kème position;
Pour proposer une borne inférieure LB, nous suivons les étapes suivantes:

90
Corrigé
Etape 0: Exprimer récursivement la façon de calculer chaque variable:

91
Corrigé

92
Corrigé
bik

93
Corrigé
( )

94
Corrigé
Etape 1: L’algorithme B&B nécessite de partitionner les tâches en 2 sous-ensembles:
•A: Sous-ensemble des tâches exécutées jusqu’à l’instant (Indices = {1, ..., k});
•U: Sous-ensemble des tâches non encore exécutées (Indices = {k+1, ..., n}).
Pour calculer une borne inférieure, nous allons considérer les 3 situations les plus favorables
qui peuvent se présenter de sorte que nous exprimons le plus court temps d’exécution des
tâches de l’ensemble U (non encore exécutées).
Situation I: L’exécution sur la machine M1 est continuelle, ce qui est un évènement vrai. Soit
Ti(n) la dernière tâche exécutée d’une solution donnée. Le meilleur cas pour Ti(n) est de ne pas
attendre sur les machines M2 et M3 . De cette façon, le makespan sera:

95
Corrigé
Situation I:
1) M1 est continuelle.
2) Pas d’attente ni sur M2 ni sur M3 pour Ti(n).
🡺 Quelle que soit la solution, le makespan sera:
M1 est Pas d’attente

continuelle en sur M2.
exécution.
Pas d’attente
sur M3.
( )

96
Corrigé
L’opérateur « min » nous a permis de transformer b3 + c3

« = » en « ≥ ». On est certain que CMAX ne peut b4 + c4
pas être inférieur à cette quantité.

97
Corrigé
Situation II: Similairement, si nous considérons que l’exécution sur la machine M2 est
continuelle et qu’il n’ y a pas d’attente sur M3, le makespan sera:
M2 est continuelle en Temps d’exécution de la

exécution. dernière tâche Ti(n) sur M3.
Pas d’attente sur M3.

98
Corrigé
Par conséquent, si on choisit le plus court temps d’exécution sur la machine M3, alors que ce
soit la solution, nous aurons:
L’opérateur « min » nous a permis de transformer « = » en « ≥ ». On

est certain que CMAX ne peut pas être inférieur à cette quantité.
Situation III: Similairement, si nous considérons que l’exécution sur la machine M3 est
continuelle, le makespan sera borné comme suit:
C’est un cas
trivial.

99
Corrigé
Etape 2: En conclusion, que ce soit la solution, son makespan ne peut pas être inférieur au
maximum des 3 expressions des 3 situations:

100
Corrigé
Etape 3: Calcul de la borne inférieure LB:
Au début, le sous-ensemble des tâches

exécutées A est vide.
25
On ne peut pas avoir un makespan

inférieur à 25.

101
Corrigé
4) Définir une première borne supérieure calculée en évaluant la solution (1, 2, 3, 4).

102
Corrigé

103
Corrigé
= max
2

104
Corrigé
La solution est complète, donc:

Borne inférieure = CMAX (Sol = [1, 2, 3, 4]) = 28 = Une première borne supérieure UB.

105
Corrigé

106
Corrigé

107
Corrigé
Chaque nœud ayant une LB

supérieure à UB = 28 est élagué. Les
branches correspondantes à ces
nœuds sont montrées en pointillés.
La permutation optimale est:

1→2→3→4

108

Chapitre 2 - Méthode de Résolution Par Séparation Et Évaluation

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 2 - Méthode de Résolution Par Séparation Et Évaluation

Transféré par

Informations du document

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

Chapitre 2 - Méthode de Résolution Par Séparation Et Évaluation

Transféré par

Droits d'auteur :

Formats disponibles

Mastère de Recherche en IAD − FSEG-Nabeul

Département: Méthodes Quantitatives et Informatique, FSEG-Nabeul

©2021 Dr. Slim BECHIKH 1 Optimisation Combinatoire

▪ Chapitre 1: Modélisation des problèmes d’optimisation combinatoire

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

1) Illustration du B&B sur le problème de sac à dos

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

Cette méthode s’appelle l’énumération exhaustive et peut être schématisée par un

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

Que faire si nous disposons d’un grand nombre d’objets?

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

Algorithme B&B pour le sac à dos

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

Algorithme B&B pour le sac à dos

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

Algorithme B&B pour le sac à dos

Remarque générale: Pour toute solution intégrale, les valeurs

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

Algorithme B&B pour le sac à dos

Comment calculer UB et LB?

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

Algorithme B&B pour le sac à dos

Comment calculer UB (Heuristique gloutonne fractionnaire)?

Si on prend la totalité du Item-3, nous allons dépasser la capacité du sac (3 + 5 + 4 = 12

Algorithme B&B pour le sac à dos

Comment calculer LB (Heuristique gloutonne intégrale)?

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

Puisque la variable x3 a une valeur fractionnaire, nous allons faire la

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

Puisque le nœud F1 correspond à x3 = 1, on a marqué le « 1 » à la

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

Solution infaisable avec un

On a trouvé une solution

La valeur de la borne supérieure UB du nœud F6 est

The computed LB value for node F6 is 69.

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

Algorithme B&B pour le sac à dos

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

Algorithme B&B pour le sac à dos

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

Il n’existe plus de nœuds à parcourir. La meilleure solution est la

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

Table illustrative du nombre de nœuds possibles d’un arbre

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

©2021 Dr. Slim BECHIKH Optimisation Combinatoire

750 - 300 = 450

©2021 Dr. Slim BECHIKH Optimisation Combinatoire