Scribd Logo
Importer

Bienvenue sur Scribd !

  • 21 vues

    M Wade

    Transféré par

    95zfxwkhxx
    Ce document introduit la programmation linéaire comme une technique d'optimisation utilisée en recherche opérationnelle. Il présente les étapes de modélisation d'un problème, notamment le choix des variables, la fonction objective et les contraintes. Un exemple illustre ces étapes. Le document décrit également la résolution graphique et par la méthode du simplexe.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    M Wade

    Transféré par

    95zfxwkhxx
    21 vues5 pages
    Ce document introduit la programmation linéaire comme une technique d'optimisation utilisée en recherche opérationnelle. Il présente les étapes de modélisation d'un problème, notamment le choix des variables, la fonction objective et les contraintes. Un exemple illustre ces étapes. Le document décrit également la résolution graphique et par la méthode du simplexe.

    Titre original

    RO M WADE

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Ce document introduit la programmation linéaire comme une technique d'optimisation utilisée en recherche opérationnelle. Il présente les étapes de modélisation d'un problème, notamment le choix des variables, la fonction objective et les contraintes. Un exemple illustre ces étapes. Le document décrit également la résolution graphique et par la méthode du simplexe.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    21 vues5 pages

    M Wade

    Transféré par

    95zfxwkhxx
    Ce document introduit la programmation linéaire comme une technique d'optimisation utilisée en recherche opérationnelle. Il présente les étapes de modélisation d'un problème, notamment le choix des variables, la fonction objective et les contraintes. Un exemple illustre ces étapes. Le document décrit également la résolution graphique et par la méthode du simplexe.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    Vous êtes sur la page 1sur 5

    Introduction à la Recherche Opérationnelle

    Objectifs

    • Assurer efficacement la combinaison des facteurs de production, ce qui sous-entend


    une utilisation optimale de ces facteurs.

    • Prise de décision dans une entreprise.

    Applications

    • Gestion de Production.

    • Gestion de Projets

    • Gestion des stocks

    • G. R. H.

    • Gestions des horaires

    • Problèmes de transports

    • Etc…

    Plan du Cours

    Partie 2 : Programmation linéaire

    Chapitre 1 : Modélisation et Résolution graphique des problèmes


    d’optimisation
    Chapitre 2 : Méthode du Simplexe
    Chapitre 3 : Variantes du Simplexe : Méthode des deux phases et du Grand M
    Chapitre 4 : Dualité et Analyse post-optimale

    Partie 2 : Programmation linéaire en nombre entière (PLNE)


    Chapitre 1 : Modélisation et Résolution graphique des problèmes

    d’optimisation

    1. Modélisation

    La programmation linéaire est l’une des plus importantes techniques d’optimisation utilisées
    en recherche opérationnelle. L’objectif de la programmation linéaire est de déterminer
    l’affectation optimale des ressources rares entre des activités ou produits concurrents. Les
    situations économiques demandent souvent qu’on optimise une fonction sous plusieurs
    contraintes prenant la forme d’inégalités. Il est alors essentiel d’assurer une bonne
    formulation (représentation ou modélisation) du programme.
    La modélisation repose sur trois (3) parties :
    - Détermination ou choix des variables
    - Identification de la fonction objectif ou fonction économique
    - Détermination des contraintes
    L’addition des trois parties donne le modelé a optimisé (maximisation ou minimisation) : la
    forme canonique.

    1- Le choix des variables

    Le choix des variables répond à une question : Quelles sont les informations dont doit
    disposer le directeur de l’entreprise pour considérer que son problème est résolu ?
    En générale, il s’agit d’un nombre (d’une quantité) de produit X1 et X2 à produire.
    On les appelle : les variables d’intérêt.
    Exemple 1 :

    Une entreprise fabrique deux produits A et B, en utilisant une machine m et deux matières
    premières p et q. On dispose chaque jour de 8 heures de m, de 10 kg de p et de 36 kg de q. On
    suppose que :
    - La production d’une unité de A nécessite 2 kg de p et 9 kg de q, et utilise la
    machine m durant 1 heure ;
    - La production d’une unité de B nécessite 2 kg de p et 4 kg de q, et utilise la
    machine m durant 2 heure ;
    Les profits réalisés sont de 50 francs par unité de A et 60 francs par unité de B.
    L’objectif que poursuit l’entreprise est de maximiser le profit qu’elle pourra tirer, par jour, de
    ces 2 produits en utilisant au mieux ses ressources.
    ➢ Choix des variables :
    Les informations dont doit disposer le directeur de l’entreprise pour considérer que son
    problème est résolu sont :
    - X1 > Le nombre (la quantité) de bien A produit par jours
    - X2 > Le nombre (la quantité) de bien B produit par jours

    2- La fonction objective.
    Elle répond à la question suivante : Que cherche à faire le directeur de l’entreprise ?
    Il s’agira donc soit d’une maximisation de profit (bénéfice, production) soit de la
    minimisation des couts (perte ….).
    Remarque : dans un cas pratique si l’objectif n’est pas bien définit ou visible, il faudra se
    reporter à la question que l’exercice pose. Celle-ci vous spécifiera s’il s’agit d’une
    maximisation ou d’une minimisation.

    Exemple 2 : considérons les données de l’exemple 1.

    ➢ Fonction objectif ou fonction économique :


    L’objectif que poursuit l’entreprise est de maximiser le profit qui se défini comme :
    Profit = 50*X1 (nombre de A fabriquer) + 60*X2 (nombre de B fabriquer)
    La fonction objectif est alors : max f (X, Y) ou max Z = 50X1 + 60X1

    3- Les contraintes
    S’il ne s’agissait pour l’entreprise que de maximiser z, il suffirait de laisser augmenter x1 ou x2
    pour que z prenne une valeur aussi grande qu’elle le souhaite. Mais s’attendre à de tels
    profits s’apparente plus au rêve. Il y a bien sûr des empêchements naturels, appelés
    contraintes, qui freinent le rêve d’un profit infini. Ces contraintes peuvent être liée à la
    technologie de production (machine ….), aux matières premières ou au budget de
    l’entreprise.
    Elles se définissent en inégalités.
    NB : il y aura quelque soit le cas des contraintes dite de positivité ou de non négativité qui
    s’applique sur les variables définit en 1-
    Exemple 2 : considérons toujours les données de l’exemple 1.

    Il y a 3 contraintes en plus des contraintes de non négativité.

    - Contrainte relative à la machine m


    Le temps d’utilisation de la machine m pour fabriquer les produits A et B ne peut excéder les
    8 heures disponibles :
    Temps d’utilisation de m ≤ 8:
    Or, ce temps utilisé est la somme des heures consacrées à chacun des types de produits.
    Pour le produit A, le temps nécessaire à la fabrication de la quantité X1 se calcule ainsi :
    1 heure/(unité de A) * x1 = x1 heures
    pour le produit B, on procède de façon analogue :
    2 heure/(unité de B) * x2 (unité de B) = 2X2 heures
    La contrainte relative à la machine m s’écrit donc :
    X1 + 2X2 ≤ 8 (m)
    On emploie le signe « ≤ », et non « = », car il n’est pas obligatoire que toutes les heures
    disponibles soient utilisées pour la fabrication des produits A et B, bien qu’il ne soit pas
    interdit qu’il en soit ainsi.
    - Contraintes relatives aux matières premières
    En s’inspirant de la contrainte relative à la machine, ces contraintes s’écrivent tout
    naturellement :
    2X1 + 2X2 ≤ 10 (M p)
    9X1 + 4X2 ≤ 36 (M q)
    - Contraintes de positivité
    Elles assurent que la solution ne comporte pas des valeurs négatives (inacceptables).
    x1 ≥ 0
    x2 ≥ 0;
    Le modèle se résume ainsi :
    max 𝑧 = 50𝑋1 + 60𝑋2
    5⁄
    𝑐
    𝑋1 + 2𝑋2 ≤ 8
    (P) = 2𝑋1 + 2𝑋2 ≤ 10
    9𝑋1 + 4𝑋2 ≤ 36
    𝑋1 ≥ 0
    { 𝑋2 ≥ 0

    La résolution d’un tel programme peut se faire graphiquement ou par la méthode du


    simplexe.

    Exercice d’application
    Exercice 1
    Un agriculteur souhaite que son troupeau consomme la plus faible ration quotidienne de
    trois éléments nutritifs A, B et C. Les exigences quotidiennes sont de 16 pour A, 12 pour B et
    18 pour C. L’agriculteur achète deux types d’aliments P et Q :
    — une unité de P comprend 2 unités de A, 1 unité de B et 1 unité de C ; et elle coûte 20
    francs
    — une unité de Q comprend 1 unité de A, 1 unité de B et 3 unités de C ; et elle coûte 40
    francs.
    L’agriculteur cherche la combinaison la moins coûteuse des quantités de P et Q qui
    respectera l’exigence de consommation minimale d’éléments nutritifs. Le tableau suivant
    TAF : Construire le modèle linéaire.

    Vous aimerez peut-être aussi