Recherche Opérationnelle Et Aide À La Décision

Recherche oprationnelle
et aide la dcision
Cours du Cycle Probatoire
Simplex
PERT
MPM
176221984.doc
______________________________________________________________________________
Cours dispens par Anne-Marie BACHAS.
CNAM Aix-en-Provence 2001-2002
___________________________________________________________________
DI GALLO Frdric
Page 2
30/09/2013
176221984.doc
______________________________________________________________________________
INTRODUCTION...................................................10
I. PRSENTATION DE LA RECHERCHE OPRATIONNELLE..................................................10
II. DOMAINES D'APPLICATION...........................................................................................10
2.1) Les problmes combinatoires...............................................................................10
2.2) Les problmes alatoires......................................................................................10
2.3) Les problmes de concurrence.............................................................................10
III. PROPRITS DE LA R.O. INTERDISCIPLINAIRE.............................................................10
PROGRAMMATION LINEAIRE.........................15
I. PROBLMATIQUE DE LA PROGRAMMATION LINAIRE....................................................15
1.1) Introduction..........................................................................................................15
1.2) Exemple.................................................................................................................15
1.3) Forme canonique..................................................................................................16
1.4) Formulation gnrale...........................................................................................18
1.5) Interprtation gomtrique...................................................................................18
1.6) Forme standard.....................................................................................................20
II. CONVEXIT...................................................................................................................21
III. MTHODE DU SIMPLEXE..............................................................................................21
3.1) Exemple avec deux variables................................................................................21
3.2) Mthode des tableaux...........................................................................................23
3.3) Mthode des 2 phases et mthode M....................................................................34
3.4) Paramtrisation des coeff. de la fn co.................................................................38
IV. DUALIT :....................................................................................................................45
PROBLEMES DE TRANSPORT..........................53
I. EXEMPLE DE L'USINE......................................................................................................53
1.1) Problme : rpartition des expditions.................................................................53
1.2) Modlisation du problme....................................................................................54
1.3) Reprsentation graphique.....................................................................................56
1.4) Mthode plus rapide (des regrets)........................................................................57
1.5) Changement de base.............................................................................................57
1.6) Cas de dgnrescence.........................................................................................59
II. RECHERCHE DUNE SOLUTION INITIALE.......................................................................59
2.1) Rgle du coin Nord-Ouest ("hasard")..................................................................59
2.2) Rgle de Balas-Hammer :.....................................................................................60
LES GRAPHES.......................................................66
I. DFINITION VOCABULAIRE.........................................................................................66
1.1) Graphe..................................................................................................................66
1.2) Chemins................................................................................................................67
II. MATRICES ASSOCIES UN GRAPHE............................................................................68
2.1) Matrice latine........................................................................................................68
2.2) Matrices boolenne et arithmtique.....................................................................72
III. CONNEXIT FORTE CONNEXIT................................................................................73
3.1) Connexit..............................................................................................................73
___________________________________________________________________
DI GALLO Frdric
Page 3
30/09/2013
176221984.doc
______________________________________________________________________________
3.2) Forte connexit.....................................................................................................73
3.3) Fermeture transitive.............................................................................................74
3.4) Recherche des classes fortement connexes, des circuits hamiltoniens.................75
3.5) Mthode de Georges DEMOUCRON...................................................................75
CHEMIN DE VALEUR OPTIMALE...................82

I. ALGORITHME DE FORD..................................................................................................82
II. ALGORITHME DE FORD-FULKERSON...........................................................................83
2.1) flot travers un rseau.........................................................................................83
2.2) Procdure..............................................................................................................84
2.3) Recherche dun flot complet initial.......................................................................86
2.4) Exercices...............................................................................................................89
III. PROBLME DAFFECTATION........................................................................................89
3.1) Exercices...............................................................................................................91
ORDONNANCEMENT..........................................96
I. INTRODUCTION...............................................................................................................96
II. MTHODES DORDONNANCEMENT................................................................................97
2.1) Mthode MPM......................................................................................................97
2.2) Mthode PERT......................................................................................................99
2.3) Comparaison des deux mthodes........................................................................100
III. EXERCICES.................................................................................................................101
PROCESSUS STOCHASTIQUES......................106
I. INTRODUCTION.......................................................................................................106
1.1) Historique...........................................................................................................106
1.2) Dfinition d'un Processus Stochastique..............................................................106
II. LES CHANES DE MARKOV ESPACE D'TATS DISCRET............................................107
2.1) Probabilits et matrice de transition..................................................................107
2.2) Probabilits de transition en m tapes...............................................................107
III. GRAPHE DES TRANSITIONS CLASSIFICATION DES CHANES....................................109
3.1)Exemple sur les processus alatoires...................................................................109
IV. DISTRIBUTION DES TATS D'UNE CHANE..................................................................111
V. ETUDE DES CHANES RDUCTIBLES............................................................................111
VI. LES CHANES DE MARKOV TEMPS CONTINU..........................................................111
VII. COMPORTEMENT ASYMPTOTIQUE DES CHANES......................................................111
VIII. PROCESSUS DE NAISSANCE ET DE MORT.................................................................111
FIABILIT.............................................................116
I. INTRODUCTION.......................................................................................................116
II. GENERALITES - TERMINOLOGIE.......................................................................116
2.1) Fonction de dfaillance et fn de fiabilit............................................................116
2.2) Taux davarie ou taux de dfaillance.................................................................116
III. LOIS UTILISEES.....................................................................................................119
3.1) Loi exponentielle.................................................................................................119
3.2) Loi de Weibull.....................................................................................................119
___________________________________________________________________
DI GALLO Frdric
Page 4
30/09/2013
176221984.doc
______________________________________________________________________________
IV. FIABILIT DUN SYSTME ET DE SES COMPOSANTS..................................................120
4.1) Systme structure en srie................................................................................120
4.2) Systme structure parallle..............................................................................120
4.3) Systmes structure mixte..................................................................................121
V. EXERCICES..............................................................................................................121
5.1) Exercice n 1.......................................................................................................121
5.2) Exercice n 2.......................................................................................................122
5.3) Exercice n 3.......................................................................................................122
___________________________________________________________________
DI GALLO Frdric
Page 5
30/09/2013
176221984.doc
______________________________________________________________________________
INTRODUCTION
___________________________________________________________________
DI GALLO Frdric
Page 6
30/09/2013
176221984.doc
______________________________________________________________________________
INTRODUCTION...................................................10
I. PRSENTATION DE LA RECHERCHE OPRATIONNELLE..................................................10
II. DOMAINES D'APPLICATION...........................................................................................10
2.1) Les problmes combinatoires...............................................................................10
2.2) Les problmes alatoires......................................................................................10
2.3) Les problmes de concurrence.............................................................................10
III. PROPRITS DE LA R.O. INTERDISCIPLINAIRE.............................................................10
PROGRAMMATION LINEAIRE.........................15
I. PROBLMATIQUE DE LA PROGRAMMATION LINAIRE....................................................15
1.1) Introduction..........................................................................................................15
1.2) Exemple.................................................................................................................15
1.3) Forme canonique..................................................................................................16
1.4) Formulation gnrale...........................................................................................18
1.5) Interprtation gomtrique...................................................................................18
1.6) Forme standard.....................................................................................................20
II. CONVEXIT...................................................................................................................21
III. MTHODE DU SIMPLEXE..............................................................................................21
3.1) Exemple avec deux variables................................................................................21
3.2) Mthode des tableaux...........................................................................................23
3.3) Mthode des 2 phases et mthode M....................................................................34
3.4) Paramtrisation des coeff. de la fn co.................................................................38
IV. DUALIT :....................................................................................................................45
PROBLEMES DE TRANSPORT..........................53
I. EXEMPLE DE L'USINE......................................................................................................53
1.1) Problme : rpartition des expditions.................................................................53
1.2) Modlisation du problme....................................................................................54
1.3) Reprsentation graphique.....................................................................................56
1.4) Mthode plus rapide (des regrets)........................................................................57
1.5) Changement de base.............................................................................................57
1.6) Cas de dgnrescence.........................................................................................59
II. RECHERCHE DUNE SOLUTION INITIALE.......................................................................59
2.1) Rgle du coin Nord-Ouest ("hasard")..................................................................59
2.2) Rgle de Balas-Hammer :.....................................................................................60
LES GRAPHES.......................................................66
I. DFINITION VOCABULAIRE.........................................................................................66
1.1) Graphe..................................................................................................................66
1.2) Chemins................................................................................................................67
II. MATRICES ASSOCIES UN GRAPHE............................................................................68
2.1) Matrice latine........................................................................................................68
2.2) Matrices boolenne et arithmtique.....................................................................72
___________________________________________________________________
DI GALLO Frdric
Page 7
30/09/2013
176221984.doc
______________________________________________________________________________
III. CONNEXIT FORTE CONNEXIT................................................................................73
3.1) Connexit..............................................................................................................73
3.2) Forte connexit.....................................................................................................73
3.3) Fermeture transitive.............................................................................................74
3.4) Recherche des classes fortement connexes, des circuits hamiltoniens.................75
3.5) Mthode de Georges DEMOUCRON...................................................................75
CHEMIN DE VALEUR OPTIMALE...................82

I. ALGORITHME DE FORD..................................................................................................82
II. ALGORITHME DE FORD-FULKERSON...........................................................................83
2.1) flot travers un rseau.........................................................................................83
2.2) Procdure..............................................................................................................84
2.3) Recherche dun flot complet initial.......................................................................86
2.4) Exercices...............................................................................................................89
III. PROBLME DAFFECTATION........................................................................................89
3.1) Exercices...............................................................................................................91
ORDONNANCEMENT..........................................96
I. INTRODUCTION...............................................................................................................96
II. MTHODES DORDONNANCEMENT................................................................................97
2.1) Mthode MPM......................................................................................................97
2.2) Mthode PERT......................................................................................................99
2.3) Comparaison des deux mthodes........................................................................100
III. EXERCICES.................................................................................................................101
PROCESSUS STOCHASTIQUES......................106
I. INTRODUCTION.......................................................................................................106
1.1) Historique...........................................................................................................106
1.2) Dfinition d'un Processus Stochastique..............................................................106
II. LES CHANES DE MARKOV ESPACE D'TATS DISCRET............................................107
2.1) Probabilits et matrice de transition..................................................................107
2.2) Probabilits de transition en m tapes...............................................................107
III. GRAPHE DES TRANSITIONS CLASSIFICATION DES CHANES....................................109
3.1)Exemple sur les processus alatoires...................................................................109
IV. DISTRIBUTION DES TATS D'UNE CHANE..................................................................111
V. ETUDE DES CHANES RDUCTIBLES............................................................................111
VI. LES CHANES DE MARKOV TEMPS CONTINU..........................................................111
VII. COMPORTEMENT ASYMPTOTIQUE DES CHANES......................................................111
VIII. PROCESSUS DE NAISSANCE ET DE MORT.................................................................111
FIABILIT.............................................................116
I. INTRODUCTION.......................................................................................................116
II. GENERALITES - TERMINOLOGIE.......................................................................116
2.1) Fonction de dfaillance et fn de fiabilit............................................................116
2.2) Taux davarie ou taux de dfaillance.................................................................116
III. LOIS UTILISEES.....................................................................................................119
___________________________________________________________________
DI GALLO Frdric
Page 8
30/09/2013
176221984.doc
______________________________________________________________________________
3.1) Loi exponentielle.................................................................................................119
3.2) Loi de Weibull.....................................................................................................119
IV. FIABILIT DUN SYSTME ET DE SES COMPOSANTS..................................................120
4.1) Systme structure en srie................................................................................120
4.2) Systme structure parallle..............................................................................120
4.3) Systmes structure mixte..................................................................................121
V. EXERCICES..............................................................................................................121
5.1) Exercice n 1.......................................................................................................121
5.2) Exercice n 2.......................................................................................................122
5.3) Exercice n 3.......................................................................................................122
___________________________________________________________________
DI GALLO Frdric
Page 9
30/09/2013
176221984.doc
______________________________________________________________________________
RECHERCHE OP. CNAM AIX 2001-2002
INTRODUCTION
I.
Prsentation de la Recherche Oprationnelle
La recherche oprationnelle est une mthode d'analyse scientifique d'un problme. Cette
mthodologie est une mlange d'analyse et de mthodes mathmatique runies pour aider un
dcideur prendre une dcision. Cre en Angleterre durant la seconde guerre mondiale, elle
servait rsoudre les problmes militaires (placements de radar, gestion des convois, etc.).
Elle consiste recevoir un maximum d'information sur le problme afin de proposer des
solutions mais surtout pas de dcider laquelle est la meilleure. La solution choisie dpend
surtout des intrts du dcideur.
II. Domaines d'application

La recherche oprationnelle a maintenant de nombreux domaines d'application dont:
2.1) Les problmes combinatoires

Essentiellement lorsque l'on a trop de combinaisons pour les traiter cas par cas. Par exemple
20! Pour un ordinateur qui traite 1M/sec, cela mettrai 77 096 ans!!! C'est le premier domaine
application avec l'utilisation des graphes et de la programmation linaire.
2.2) Les problmes alatoires

Notamment la gestion de files d'attente. Par exemple: un guichet supporte une arrive de
personne toutes les 4 minutes en moyenne et la sert en 3 minutes. On pourrait croire qu'un
seul employ suffit mais un modle mathmatique pourra dmontrer qu'il faut en fait 2
employs (pour grer les heures de pointes).
2.3) Les problmes de concurrence

Notamment tout ce qui concerne la thorie des jeux.
III. Proprits de la R.O. interdisciplinaire

Economie
Informatique
B.D.
Recherche
Oprationnelle
Outils
mathmatique
___________________________________________________________________
DI GALLO Frdric
Page 10
30/09/2013
176221984.doc
______________________________________________________________________________
Programmation
Linaire
___________________________________________________________________
DI GALLO Frdric
Page 11
30/09/2013
176221984.doc
______________________________________________________________________________
INTRODUCTION 10
I. PRSENTATION DE LA RECHERCHE OPRATIONNELLE 10
II. DOMAINES D'APPLICATION 10
2.1) Les problmes combinatoires 10
2.2) Les problmes alatoires 10
2.3) Les problmes de concurrence 10
III. PROPRITS DE LA R.O. INTERDISCIPLINAIRE 10
PROGRAMMATION LINEAIRE 15
I. PROBLMATIQUE DE LA PROGRAMMATION LINAIRE 15
1.1) Introduction 15
1.2) Exemple 15
a) Agriculteur 15
b) Usine 16
1.3) Forme canonique 16

1.4) Formulation gnrale 18
1.5) Interprtation gomtrique 18
1.6) Forme standard 20
II. CONVEXIT 21
III. MTHODE DU SIMPLEXE 21
3.1) Exemple avec deux variables 21
3.2) Mthode des tableaux 23
a) PL1 sous forme standard 23
b) Exercice 1 25
c) Exercice 2 26
d) Exercice 3 30
e) Exercice 4 32
3.3) Mthode des 2 phases et mthode M 34

a) Exemple 1 : 34
b) Mthode des 2 phases : 35
c) Mthode M ou des perturbations : 37
3.4) Paramtrisation des coeff. de la fn co. 38

IV. DUALIT : 45
PROBLEMES DE TRANSPORT 53
I. EXEMPLE DE L'USINE 53
1.1) Problme : rpartition des expditions 53
1.2) Modlisation du problme 54
1.3) Reprsentation graphique 56
1.4) Mthode plus rapide (des regrets) 57
1.5) Changement de base 57
1.6) Cas de dgnrescence 59
II. RECHERCHE DUNE SOLUTION INITIALE 59
2.1) Rgle du coin Nord-Ouest ("hasard") 59
___________________________________________________________________
DI GALLO Frdric
Page 12
30/09/2013
176221984.doc
______________________________________________________________________________
2.2) Rgle de Balas-Hammer : 60
LES GRAPHES 66
I. DFINITION VOCABULAIRE 66
1.1) Graphe 66
1.2) Chemins 67
II. MATRICES ASSOCIES UN GRAPHE 68
2.1) Matrice latine 68
2.2) Matrices boolenne et arithmtique 72
a) Matrice arithmtique : 72
b) Matrice boolenne : 72
III. CONNEXIT FORTE CONNEXIT 73

3.1) Connexit 73
3.2) Forte connexit 73
3.3) Fermeture transitive 74
3.4) Recherche des classes fortement connexes, des circuits hamiltoniens 75
3.5) Mthode de Georges DEMOUCRON 75
CHEMIN DE VALEUR OPTIMALE 82

I. ALGORITHME DE FORD 82
II. ALGORITHME DE FORD-FULKERSON 83
2.1) flot travers un rseau 83
2.2) Procdure 84
2.3) Recherche dun flot complet initial 86
2.4) Exercices 89
a) Exercice n1: Plus court chemin 89
b) Exercice n2: Chemin de longueur minimale 89
c) Exercice n3: Flot maximal 89
III. PROBLME DAFFECTATION 89

3.1) Exercices 91
ORDONNANCEMENT 96
I. INTRODUCTION 96
Contraintes potentielles : 96
II. MTHODES DORDONNANCEMENT 97

2.1) Mthode MPM 97
a) Exemple des tches du btiment 97
b) Exemple: travail de graphe 97
2.2) Mthode PERT 99

2.3) Comparaison des deux mthodes 100
a) Oprations parallles 100
b) Oprations dpendantes et indpendantes 101
c) Oprations composes (successions avec recouvrement) 101
III. EXERCICES 101
PROCESSUS STOCHASTIQUES 106

I. INTRODUCTION 106
___________________________________________________________________
DI GALLO Frdric
Page 13
30/09/2013
176221984.doc
______________________________________________________________________________
1.1) Historique 106
1.2) Dfinition d'un Processus Stochastique 106
II. LES CHANES DE MARKOV ESPACE D'TATS DISCRET 107
2.1) Probabilits et matrice de transition 107
2.2) Probabilits de transition en m tapes 107
III. GRAPHE DES TRANSITIONS CLASSIFICATION DES CHANES 109
3.1)Exemple sur les processus alatoires 109
IV. DISTRIBUTION DES TATS D'UNE CHANE 111
V. ETUDE DES CHANES RDUCTIBLES 111
VI. LES CHANES DE MARKOV TEMPS CONTINU 111
VII. COMPORTEMENT ASYMPTOTIQUE DES CHANES 111
VIII. PROCESSUS DE NAISSANCE ET DE MORT 111
FIABILIT 116
I. INTRODUCTION 116
II. GENERALITES - TERMINOLOGIE 116
2.1) Fonction de dfaillance et fn de fiabilit 116
2.2) Taux davarie ou taux de dfaillance 116
a) Relations fondamentales 118
b) Estimation des fonctions R et F 118
III. LOIS UTILISEES 119

3.1) Loi exponentielle 119
3.2) Loi de Weibull 119
IV. FIABILIT DUN SYSTME ET DE SES COMPOSANTS 120
4.1) Systme structure en srie 120
4.2) Systme structure parallle 120
4.3) Systmes structure mixte 121
V. EXERCICES 121
5.1) Exercice n 1 121
___________________________________________________________________
DI GALLO Frdric
Page 14
30/09/2013
176221984.doc
______________________________________________________________________________
PROGRAMMATION LINEAIRE
I.
Problmatique de la programmation linaire

1.1) Introduction
Un programme linaire est un programme mathmatique, i.e. problme consistant trouver

un extremum (maximum ou minimum) dune fonction plusieurs variables, vrifiant en outre
un systme dquations ou dinquations, ces fonctions tant linaires.
1.2) Exemple
a) Agriculteur
Un agriculteur possde 40ha, 63 000 FF et 840 jours de travail. Il dsire semer du mas, du bl
et du soja qui ont les cots et les rapport suivants:
Mas
Bl
soja
Prix (FF/ha)
1500
1800
1050
Temps (jour)
18
27
15
Rapports (FF/ha)
420
510
360
On peut synthtiser les contraintes de cette faon:

1500 x1 + 1800 x2 + 1050 x3 63 000
18 x1 + 27 x2 + 15 x3 840
x1 + x2 + x3 40
x1, x2, x3 IR+
x1, x2, x3 0
et la fonction conomique max z = 420 x1 + 510 x2 + 360 x3
___________________________________________________________________
DI GALLO Frdric
Page 15
30/09/2013
176221984.doc
______________________________________________________________________________
b) Usine
De la mme faon, une usine produit du "A" et du "B" avec du "M1" et du "M2" avec les
caractristiques suivantes:
A
B
Stocks
M1
2
1
8
M2
1
2
7
M3
0
1
3
gains
4
5
Mise en quations avec x1 le nombre de "A" et x2 le nombre de "B" sachant que x1et x2 0
Bilan de M1: 2 x1 + x2 8
Bilan de M2: x1 + 2 x2 7
Bilan de M3: x2 3
Le critre tant un max z = 4 x1 + 5 x2
1.3) Forme canonique

Tout programme linaire peut tre mis sous forme canonique, c'est dire un systme avec un
ensemble d'inquation et une fonction optimiser.
n
max z = c j .x j
Fonction conomique
j=1
a ij .x j b i , pour 1 i m
j=1
x j 0,
pour 1 j n
m: contraintes
n: nbre de variables x1,,xn
Il y a m contraintes propres et n contraintes impropres (de positivit), et n variables naturelles.

Une solution admissible est un n-uplet qui vrifie toutes les contraintes ; parmi ces solutions
admissibles celle(s) pour la(les)quelle(s) la fonction conomique est maximale, sappelle(nt)
solution(s) optimale(s).
Proprit : Tout programme linaire peut tre mis sous forme canonique.
Min(z)=max(z)
a ij .x j b i ( a ij ).x j b i
n
j=1
j=1
n
a ij.x j bi
n
j= 1
a ij.x j = bi
n
j= 1
a .x b
j= 1 ij j i
( )
xj 0 xj 0 changement de variable xj = xj dans le PL
___________________________________________________________________
DI GALLO Frdric
Page 16
30/09/2013
176221984.doc
______________________________________________________________________________
si certaines variables nont pas de condition de signe, on pose xi = xi xi, avec xi0 et xi0.
Remarque: 2 x1 + x2 12 est impossible rsoudre avec cet outil.
___________________________________________________________________
DI GALLO Frdric
Page 17
30/09/2013
176221984.doc
______________________________________________________________________________
1.4) Formulation gnrale

max Z(x) = <c, x>
(P) Ax b
x0
Remarques:
<c, x> = + c.x

A IRmxn b IRm , c IRn , x IRn
x 0 V i xi 0
= {x IRn / x 0 Ax b} ensemble des solutions ralisables
On ne suppose pas priori qu'il existe un maximum
= 0 le problme n'a pas de solution ralisable
exemple: Max Z(x) = x
= {x / x 0 x -1}
= 0 le problme a une solution optimale
= {x / x 0}
= 0 Z(x) non born sur
= {x / x 0}
1.5) Interprtation gomtrique
max z = x1 + x 2
Le systme :
2x1 + x 2 1
x1 + 3x 2 10
x 4
1
x1 , x 2 0
(PL1) est associ la reprsentation graphique suivante.
Dans cet exemple, la solution optimale est x1=1, x2 = 3, z = 2
___________________________________________________________________
DI GALLO Frdric
Page 18
30/09/2013
176221984.doc
______________________________________________________________________________
4
3
2
1
3,
9
3,
6
3,
3
2,
7
2,
4
2,
1
1,
8
1,
5
1,
2
0,
9
0,
6
0,
3
___________________________________________________________________
DI GALLO Frdric
Page 19
30/09/2013
176221984.doc
______________________________________________________________________________
Soit le systme:
-2x1 + x2 1
x1 + 3x2 10
x1 4
max z = -x1 + x2
D1
D3
D1 -2x1 + x2 = 1
x2 = 2x1 + 1
0
D2 3x2 = 10 x1
x2 = 10/3 (1/3)x1
-1
A
D3 x1 4
x2 = 2x1 + 1
D2
k x2 x1 = k
x2 = x1 + k
z a pour maximum 2 atteint en x1 = 1, x2 = 3
A x2 = 1
x1 = 0
- 2 x1 + x 2 + t 1 = 1
x1 + 3x2 + t2 = 10
x1
+t3 = 4
t1: variable d'cart
1.6) Forme standard

On introduit des variables dites d'cart. La forme standard dun PL est telle que :
On maximise une fonction conomique linaire des variables
Les variables sont assujetties des contraintes :
Propres : quations linaires (en introduisant des variables dcart, positives)
Impropres : conditions de positivit (des variables naturelles et des variables
dcart)
Thorme : tout programme linaire peut tre crit sous forme canonique ou sous forme
standard.
n
max z = c j .x j
j=1
a ij .x j + x n +i
= b i , pour 1 i m
x j 0,
pour 1 j n
j=1
x n +i 0,
pour 1 i m
___________________________________________________________________
DI GALLO Frdric
Page 20
30/09/2013
176221984.doc
______________________________________________________________________________
Ecriture matricielle :
max ( tc x)
Ax=b
x 0
avec :
x1
c1

a 11

a 21
n+m
x = x n , c= c n x, c R , A =

a
0
x
m1
n +m
b1

, b Rm
b
m
a 1n
a 2n
a mn
1 0 0
0 1 0
,AM

0 0 1
(R), b=
m,n+m
II. Convexit
C IRn est convexe SSI x C , et y C , [0,1] x + (1-)y C
L'intersection d'un nombre fini de convexes est convexe. Un polydre convexe est
l'intersection d'un nombre fini d'ensembles du type A , B , C.
Thorme : L'ensemble des solutions ralisables d'un programme linaire est convexe.
x est un point extrmal d'un convexe (ou point anguleux, ou sommet) SSI il n'existe pas:
x' , x C x' x tels que x = x' + (1-)x avec ]0,1[
Thorme : Tout point x d'un polydre convexe born IRn
convexe de points extrmes de .
est combinaison linaire
Remarque : Dans le cas o est un polydre non born, il existe un thorme analogue
utilisant la notion de rayons extrmaux.
III. Mthode du simplexe

3.1) Exemple avec deux variables
Soit le systme S1:
-2x1 + x2 + t1
=1
x1 + 3x2 + t2 = 10
x1
+ t3 = 4
x1 , x2 , t1, t2 , t3 0
max z = -x1 + x2
___________________________________________________________________
DI GALLO Frdric
Page 21
30/09/2013
176221984.doc
______________________________________________________________________________
Ici, x1 = 0 , x2 = 0 est une solution de base admissible avec z = 0, c'est dire qu'elle fait
partie de la zone graphique concerne et qu'elle rpond toutes les conditions poses.
On a les variables hors base: x1 , x2 et les variables en base: t1 , t2 , t3
Essayons de faire crotre x2 , avec x1 = 0
t1 = 1 x2 0
t2 = 10 3x2 0
t3 = 4
x2 1
x2 10/3
pas de contrainte
On trouve donc une deuxime solution admissible: x1 = 0 , x2 = 1 ,

t1 = 0
, t2 =7 , t3 = 4
z = 1 = x 2 - x1
hors base
base
On veut crire tout le monde en fonction de x1 et de t1.
Donc le systme S2:
x2 = 1 + 2x1 - t1
t2 = 10 - x1 3(1 + 2x1 t1) = 7 - 7x1 + 3t1
t 3 = 4 - x1
x1 , x2 , t1, t2 , t3 0
z = 1 + 2x1 - t1 - x1 = 1 + x1 t1
2ime tape:
Faisons crotre x1 (avec t1 = 0):
S2 devient donc avec t1 = 0:
x2 = 1 + 2x1 0
t2 = 7 - 7x1 0
t 3 = 4 - x1 0
x1 -1/2
x1 1
x1 4
On fait rentrer x1 dans la base en posant x1 = 1, et on a donc hors base: t 1 = 0 , t2 = 0 et en

base x2 = 3 , t3 = 3 , z = 2
Donc le systme S3:
x1 = 1/7 ( 7 + 3t1 - t2)
x2 = 1 + 2/7 (7 + 3t1 - t2) - t1
t3 = 4 1/7 (7 +3t1 - t2)
x1 , x2 , t1, t2 , t3 0
z = 1 + 1 + 3/7 t1 1/7 t2 - t1 = 2 4/7 t1 1/7 t2
Et ici la solution optimale est donc maximum !!!
___________________________________________________________________
DI GALLO Frdric
Page 22
30/09/2013
176221984.doc
______________________________________________________________________________
3.2) Mthode des tableaux

a) PL1 sous forme standard
max z = x1 + x 2
2x1 + x 2 + x 3 = 1
x1 + 3x 2 + x 4 = 10
x1 + x 5 = 4
x1 , x 2 , x 3 , x 4 , x 5 0
Sous forme de tableau :
coef
1
10/3
bi
x1
x2
t1
1
2
1
1
10
1
3
0
4
1
0
0
Z
1
1
0
La solution admissible de base (solution initiale) est:
t2
0
1
0
0
t3
0
0
1
0
x1=x2=0 (donc ce sont les variables Hors Base)

et t1 =1, t2= 10, t3= 4 (en base) avec z = 0.
Comme le coefficient de x2 est le plus petit positif, on va faire entrer x2 en base:
coef
-1/2
1
4
bi
1
7
4
Z-1
x1
2
7
1
1
x2
1
0
0
0
t1
1
-3
0
-1
t2
0
1
0
0
t2
2/7
1/7
-1/7
-1/7
t3
0
0
1
0
t3
0
0
1
0
x2
t2 L2 3L1
t3
L4 L1
on va faire entrer x1 en base et en sortir t2:

bi
3
1
3
Z2
x1
0
1
0
0
x2
1
0
0
0
t1
1/7
-3/7
3/7
-4/7
x2
x1
t3
On a obtenu la solution optimale , puisque les coefficients de la fonction conomique sont

tous ngatifs ou nuls, une augmentation de t2 ou de t1, variables hors base entranerait une
diminution de la valeur de Z.
___________________________________________________________________
DI GALLO Frdric
Page 23
30/09/2013
176221984.doc
______________________________________________________________________________
Conclusion : solution optimale : x1=1, x2=3, z =2
___________________________________________________________________
DI GALLO Frdric
Page 24
30/09/2013
176221984.doc
______________________________________________________________________________
b) Exercice 1
Soit le programme linaire suivant sous sa forme canonique:
x1 + x2 14
-2x1 + 3x2 12
avec x1, x2 0
2x1 - x2 12
max z = x1 + 3x2
1. Mettre sous forme standard
On introduit donc les variables d'cart t1, t2 et t3:
x1 + x2 + t1 = 14
-2x1 + 3x2 + t2 = 12
avec x1, x2, t1, t2, t3 0
2x1 - x2
+ t3 = 12
max z = x1 + 3x2
2. Proposer une rsolution graphique
D2
D1 x1 + x2 = 14
x2 = 14 x1
D3
30
12
D2 x2 = 2/3 x1 + 4
D3 x2 = 2 x1 - 12
D1
si x1 = 0 et k = 0 alors x2 = 0
car x2 = (k x1) / 3
donc 0 x2 = -(1/3) x1
12 x2 = 4 = (1/3) k
30 x2 = 8 x1 = 6
Z = 30 pour x1 = 6 et x2 = 8
3. Trouver une solution optimale par la mthode des tableaux
coef(bi/ai1)
14
4
-2
bi
14
12
2
Z
x1
1
-2
2
1
x2
1
3
-1
3
t1
1
0
0
0
Solution de base admissible: x1 = x2 = 0
t2
0
1
0
0
t3
0
0
1
0
dfinit
t1
t2
t3
t1 = 14
t2 = 12
t3 = 2
___________________________________________________________________
DI GALLO Frdric
Page 25
30/09/2013
176221984.doc
______________________________________________________________________________
On prend celui qui fait augmenter le plus Z donc ici on choisit de faire rentrer x 2 en base car
son coeff sur Z est de 3.
coef
10*3/5
4*(-3/2)
16*3/4
6
-6
12
bi
10
4
16
Z-12
x1
5/3
-2/3
4/3
3
x2
0
1
0
0
t1
1
0
0
0
t2
-1/3
1/3
1/3
-1
t3
0
0
1
0
dfinit
t1 L1 - L2
x2 L2/3
t3 L3 + L2
LZ - 3L2
L1 : t1 en fonction de x1, x2
L'2 : x2 en fonction de t2
L'1 : t1 en fonction de t2, x2
L1 14
L'2 4
L'1 10
1
-2/3
5/3
1
1
0
1
0
1
0
1/3
-1/3
0
0
0
L'3 : t3 en fonction de t2, x2
L3 12
L'2 4
L'3 16
2
-2/3
4/3
-1
1
0
0
0
0
0
1/3
1/3
1
0
1
Donc x1 = 0 = t2 ; x2=4 ; t1=10 ; t3=16 ; z=12

On fait maintenant sortir t1 de la base, et donc rentrer x1:
bi
6
8
16-(4/3)*6 = 8
Z-12-18
x1
1
0
0
0
x2
0
1
0
0
t1
3/5
2/5
-4/5
-9/5
t2
-1/5
1/5
3/5
-2/5
t3
0
0
1
0
dfinit
x1
x2
t3
z=30 ; x1 = 6 ; x2=8 ; t1=t2=0 ; t3=8
c) Exercice 2
3x1 + x2 8
x1 + 2x2 6
avec x1, x2 0
3x1 + 2x2 9
max z = x1 + x2
On introduit donc les variables d'cart t1 et t2:
3x1 + x2 + t1 = 8
x1 + 2x2 + t2 = 6
avec xi, ti 0
3x1 + 2x2
+ t3 = 9
max z = x1 + x2
___________________________________________________________________
DI GALLO Frdric
Page 26
30/09/2013
176221984.doc
______________________________________________________________________________
___________________________________________________________________
DI GALLO Frdric
Page 27
30/09/2013
176221984.doc
______________________________________________________________________________
coef (bi/ai1)
8/3
6
9/3
bi
8
6
9
Z
x1
3
1
3
1
x2
1
2
2
1
t1
1
0
0
0
t2
0
1
0
0
Solution de base admissible: x1 = x2 = Z = 0
t3
0
0
1
0
dfinit
t1
t2
t3
t1 = 8
t2 = 6
t3 = 9
On choisit alors celui qui a le coefficient le plus important pour faire augmenter Z. Ici, Coef
x1 = Coef x2 = 1 donc on le choisit au hasard.
Faisons rentrer x1 en base:
3x1 + t1 = 8
x1 + t2 = 6
3x1 + t3 = 9
8 3x1 0
6 x1 0
9 3x1 0
8/6 x1
6 x1
3 x1
+ contraignante donc on fait sortir t1
et on fait sortir t1 de la base:

coef (bi/ai1)
8
2
1
bi
8/3
10/3
1
Z-8/3
x1
1
0
0
0
x2
1/3
5/3
1
2/3
t1
1/3
-1/3
-1
-1/3
t2
0
1
0
0
L2
-L'1
L'2
6
-8/3
10/3
1
-1
0
2
-1/3
5/3
0
-1/3
-1/3
1
0
0
0
0
0
L3
-3L'1
L'3
9
-8
1
3
-3
0
2
-1
1
0
-1
-1
0
0
0
1
0
1
Lz
-L'1
L'z
Z
-8/3
Z-8/3
1
-1
0
1
-1/3
2/3
0
-1/3
-1/3
0
0
0
t3
0
0
1
0
dfinit
x1 L1/3
t2 L2-L'1
t3 L3-3L'1
0
0
0
Z-8/3 = 2/3 x2 1/3 t1

Ici, la solution est donc x1 = 8/3
t2 = 10/3
t3 = 1 x2 = t1 = 0
Z = 8/3
Ce n'est pas la solution optimale. On fait donc rentrer x2 en base et sortir t3
___________________________________________________________________
DI GALLO Frdric
Page 28
30/09/2013
176221984.doc
______________________________________________________________________________
coef (bi/ai1)
7/2
5/4
-1
bi
7/3
5/3
1
Z-10/3
L'1
1/3L''3
L'1-1/3L''3
8/3
1/3
7/3
L'2
5/3L''3
L'2 5/3 L''3
L'z
2/3L''3
L'z-2/3L''3
10/3
5/3
5/3
x1
1
0
0
0
x2
0
0
1
0
t1
2/3
4/3
-1
1/3
t2
0
1
0
0
t3
-1/3
-5/3
1
-2/3
1
0
1
1/3
1/3
0
1/3
-1/3
2/3
0
0
0
0
1/3
-1/3
0
0
0
5/3
5/3
0
-1/3
-5/3
4/3
1
0
1
0
5/3
5/3
-1/3
-2/3
1/3
0
0
0
0
2/3
-2/3
Z 8/3
2/3
Z 10/3
0
0
0
2/3
2/3
0
Solution: x1 = 7/3 ; x2 = 1 ; t2 = 5/3 ; t1, t3=0
dfinit
x1 L'1-1/3L''3
t2 L'2-5/3L''3
x2
Lz-2/3L''3
Z = 10/3
Faisons rentrer t1 et sortir t2 de la base (on fait sortir t 2 car il a le coefficient le plus petit
positif).
bi
3/2
5/4
9/4
Z-15/4
x1
1
0
0
0
x2
0
0
1
0
L''1
L'''2
L''1-2/3L''2
7/3
5/4
3/2
L''2
L'''2
L''3 L''2
-1
5/4
9/4
L''z
L'''2
L''z+1/3L''2
Z-10/3
5/4
Z-15/4
t1
0
1
0
0
1
0
1
t2
-1/2
-1/4
0
0
0
1
0
0
0
0
0
t3
1/2
-5/4
-1/4
-1/4
dfinit
x1 L''1-1/3L''3
t1 L'2-5/3L''3
x2
Lz-2/3L''3
2/3
1
0
-1/2
-1/3
-5/4
1/2
0
0
1
1
1
0
-1
0
-5/4
-1/4
0
0
0
1/3
1
0
-1/4
-2/3
-5/4
-1/4
Ici, on a la solution optimale car les coefficients de la fonction conomique sont tous
ngatifs.
Z = 15/4 pour x1 = 3/2 ; x2 = 9/4 ; t1 = 5/4 ; t2, t3 = 0
___________________________________________________________________
DI GALLO Frdric
Page 29
30/09/2013
176221984.doc
______________________________________________________________________________
d) Exercice 3
x1 - x2 3
-x1 + 2x2 4
avec x1, x2 0
2x1 + x2 8
max z = x1 + x2
On introduit donc les variables d'cart t1 et t2:
x1 - x2 + t1 = 3
-x1 + 2x2 + t2 = 4
avec xi, ti 0
2x1 + x2
+ t3 = 8
max z = x1 + x2
coef (bi/ai1)
3
-4
4
bi
3
4
8
Z
x1
1
-1
2
1
x2
-1
2
1
1/2
t1
1
0
0
0
Solution de base admissible: x1 = x2 = Z = 0
t2
0
1
0
0
t3
0
0
1
0
dfinit
t1
t2
t3
t1 = 3
t2 = 4
t3 = 8
On fait rentrer x1 en base et sortir t1:

coef (bi/ai1)
-3
7
2/3
bi
3
7
2
Z-3
x1
1
0
0
0
x2
-1
1
3
3/2
t1
1
1
-2
-1
t2
0
1
0
0
t3
1/3
-1/3
1/3
-1/2
t2
0
1
0
0
t3
0
0
1
0
dfinit
x1
t2
t3
On fait rentrer x2 en base et sortir t3:

bi
11/3
19/3
2/3
Z-4
x1
1
0
0
0
x2
0
0
1
0
t1
1/3
5/3
-2/3
0
dfinit
x1 L1+L'3
t2 L2-L'3
x2 L'3
Mais on voit que ce n'est pas la seule solution (notamment grce au graphique) et on peut
donc continuer en faisant rentrer t1 et sortir t2.
___________________________________________________________________
DI GALLO Frdric
Page 30
30/09/2013
176221984.doc
______________________________________________________________________________
___________________________________________________________________
DI GALLO Frdric
Page 31
30/09/2013
176221984.doc
______________________________________________________________________________
bi
12/5
19/5
16/5
Z-4
x1
1
0
0
0
x2
0
0
1
0
t1
0
1
0
0
t2
-5
3/5
2/5
0
t3
2
-1/5
1/5
-1/2
dfinit
x1
t1
x2
En fait, il y a une infinit de solutions optimales sur le segment [AB].
e) Exercice 4
-x1 + x2 + 5x3 2x4 5
x1
- 3x3 + x4 = 7
avec xi 0
x1 + x2 + 4x3 -3x4 = 4
max z = 13x1 + 6x2 - 2x3 - 10x4
On introduit donc une seule variable d'cart t1:
-x1 + x2 + 5x3 2x4 - t1 = 5
x1
- 3x3 + x4
=7
x1 + x2 + 4x3 -3x4
=4
avec xi, ti 0

bi
5
7
4
Z
x1
-1
1
1
13
x2
1
0
1
6
x3
5
-3
4
-2
x4
-2
1
-3
-10
t1
-1
0
0
0
Si l'on veut que L1 dfinisse x2: on aura L2 ; L'3 L3 - L1 ; L'4 L4 - 6L1

bi
5
7
-1
Z-30
x1
-1
1
2
19
x2
1
0
0
0
x3
5
-3
-1
-32
x4
-2
1
-1
2
t1
-1
0
1
6
dfinit
x2
Si l'on veut que L2 dfinisse x1:

on aura L'1 L3 + L2 ; L'3 L3 - 2L2; L'4 L4 - 19L2
___________________________________________________________________
DI GALLO Frdric
Page 32
30/09/2013
176221984.doc
______________________________________________________________________________
bi
12
7
-15
Z-163
x1
0
1
0
0
x2
1
0
0
0
x3
2
-3
5
25
x4
-1
1
-3
-17
t1
-1
0
1
6
dfinit
x2
x1
Si l'on veut que L3 dfinisse x4 (car le second membre est ngatif donc x 4 ayant un
coefficient ngatif, cela se simplifie): on aura L'3 L3/-3.
bi
17
2
5
Z-78
x1
0
1
0
0
x2
1
0
0
0
x3
1/3
-4/3
-5/3
-10/3
x4
0
0
1
0
t1
-4/3
1/3
-1/3
1/3
dfinit
x2
x1
x4
On arrive donc ici un simplexe et maintenant, on peut chercher optimiser z. Pour cela, on
fait rentrer t1 en base et on sort x1:
on a donc L'1 L1 + 4/3 L2 ; L'2 3L2 ; L'3 L3 + 1/3 L2; L'4 L4 1/3 L2
bi
25
6
7
Z-80
x1
4
3
1
-1
x2
1
0
0
0
x3
-5
-4
-3
-2
x4
0
0
1
0
t1
0
1
0
0
dfinit
x2
t1
x4
Et on obtient donc la solution optimale pour x2 = 25 , x4 = 7 , x1 = x4 = 0 (t1 = 6 )

. z = 80 .
Sinon en passant par le systme:
1/3 x3 4/3 t1 + x2 = 17
4/3 x3 + 1/3 t1 + x1 = 2
5/3 x3 - 1/3 t1 + x4 = 5
max z = 78 + (-10/3 x3 + 1/3 t1)
Et si x1 = x4 = x2 = 0 , on a donc:
1/3 x3 4/3 t1 17
4/3 x3 + 1/3 t1 2
5/3 x3 - 1/3 t1 5
max z = 18 -10/3 x3 + 1/3 t1
___________________________________________________________________
DI GALLO Frdric
Page 33
30/09/2013
176221984.doc
______________________________________________________________________________
3.3) Mthode des 2 phases et mthode M

Ces mthodes sont utiliser si les second membres ne sont pas tous positifs.
a) Exemple 1 :
max z = 2x1 + 3x 2
x1 + x 2 6
Soit le Programme Linaire dont la forme canonique est la suivante : 2 x 1 x 2 4

2x + x 2
1 2
x1 , x 2 0
max z = 2x1 + 3x 2
En le mettant sous la forme standard :
x1 + x 2 + x 3 = 6
2x1 x 2 + x 4 = 4
2x + x + x = 2
1 2 5
x1 , x 2 , x 3 , x 4 , x 5 0
La difficult de cette tude provient du fait que lon na pas une solution admissible initiale,
en fixant x1=x2=0 (variables hors-base) car on aurait alors x3=6 0 (valable), mais x4=4 0
(non valable) et x5 = 2 0 (non valable). Il faut donc commencer par chercher une premire
solution admissible. On pourrait essayer se ramener au simplexe.
Ou alors, on introduit des variables artificielles : x6 et x7, associes un coefficient de la
fonction conomique ngatif, (pour que la solution optimale du PL avec ces deux variables
artificielles soit obtenue avec x6 et x7 nulles, cest--dire la solution optimale du nouveau PL
est la mme que celle du PL sans ces deux variables artificielles).
Le Programme Linaire devient :
max z = 2x1 + 3x 2 Mx 6 Mx 7
x1 + x 2 + x 3 = 6
2x1 x 2 + x 4 x 6 = 4
2x + x + x x = 2
1 2 5 7
x1 , x 2 , x 3 , x 4 , x 5 , x 6 , x 7 0
On a alors une solution initiale admissible: x3 = 6 , x6 = 6 , x7 = 2 , donc z = 0 (x 1 , x2 , x4 , x5

sont hors base).
___________________________________________________________________
DI GALLO Frdric
Page 34
30/09/2013
176221984.doc
______________________________________________________________________________
b) Mthode des 2 phases :

Pour la suite de l'exemple, on utilisera les noms de variables suivants:
x1 + x2 + t1
=6
2x1 + x2 - t2 + V1 = 4
avec xi, ti 0
2x1 - x2
- t3+ V2 = 2
___________________________________________________________________
DI GALLO Frdric
Page 35
30/09/2013
176221984.doc
______________________________________________________________________________
o 1re phase:
Cherchons dans le systme maximiser une nouvelle fonction conomique z' = -V1 V2
V1 = 4 2x1 x2 + t2
V2 = 2 2x1 + x2 + t3
z' = -4 + 2x1 + x2 - t2 - 2 + 2x1 x2 - t3 = -6 + 4x1 - t2 - t3
coef (bi/ai1)
6
2
bi
6
4
2
Z'+6
Z
x1
1
2
2
4
2
x2
1
1
-1
0
3
t1
1
0
0
0
0
t2
0
-1
0
-1
0
t3
0
0
-1
-1
0
V1
0
1
0
0
0
V2
0
0
1
0
0
dfinit
t1
V1
V2
bi
5
2
1
Z'+2
Z-2
x1
0
0
1
0
0
x2
3/2
2
-1/2
2
4
t1
1
0
0
0
0
t2
0
-1
0
-1
0
t3
1
-1/2
1
1
V1
0
1
0
0
0
V2
-1/2
-1
-2
-1
dfinit
t1
V1
x2
t3
-
-
0
-1
V1
-
-1
-2
Ici, L1 L1 - L3
coef (bi/ai1)
10/3
1
-2
V2 tant devenu nul, on limine sa colonne du tableau.

coef (bi/ai1)
14/3
-2
-6
bi
7/2
1
3/2
Z'
Z-6
x1
0
0
1
0
0
x2
0
1
0
0
0
t1
1
0
0
0
0
t2
-
-
0
2
dfinit
t1
x2
x1
Fin de la premire phase: solution initiale de (S): x1 = 3/2 , x2 = 1 , t1 = 7/2 , z = 6

o 2ime phase: simplexe classique sur (S)
On a hors base: t2 et t3 , et en base: x1 , x2 et t1.
bi
14/3
10/3
8/3
Z 46/3
x1
0
0
1
0
x2
0
1
0
0
t1
4/3
2/3
1/3
-8/3
t2
1
0
0
0
t3
-1/3
1/3
-1/3
-1/3
dfinit
t2
x2
x1
La solution optimale est donc pour x1 = 8/3 , x2 = 10/3 , t2 = 14/3 , et z = 46/3
___________________________________________________________________
DI GALLO Frdric
Page 36
30/09/2013
176221984.doc
______________________________________________________________________________
c) Mthode M ou des perturbations :

x1 + x2 + t1
=6
-2x1 - x2 + t2 - V1 = - 4
avec xi, ti 0
-2x1 + x2
+ t3- V2 = - 2
max z = 2x1 + 3x2 - MV1 - MV2 avec M > 0 aussi grand
coef (bi/ai1)
6
4
-2
bi
6
4
2
Z
x1
1
2
2
2
x2
1
1
-1
3
t1
1
0
0
0
t2
0
-1
0
0
t3
0
0
-1
0
V1
0
1
0
-M
V2
0
0
1
-M
dfinit
t1
V1
V2
Ici, nous n'avons pas tout fait un tableau du simplexe car les coefficients de z ne sont pas nul
pour V1 et V2. On fait rentrer x2 dans la base et sortir V1: L'1 L1 - L2
bi
2
4
6
Z-12
x1
-1
2
4
-4
x2
0
1
0
0
t1
1
0
0
0
t2
1
-1
-1
3
t3
0
0
-1
0
V1
-1
1
1
-M-3
t1
1
1
1
-3
t2
1
0
0
0
t3
0
0
-1
0
V2
0
0
1
-M
V2
0
0
1
-M
dfinit
t1
x2
V2
On fait rentrer t2 dans la base et sortir t1.

bi
2
6
8
Z-18
x1
-1
1
3
-1
x2
0
1
0
0
dfinit
t2
x2
V2
Erreur de raisonnement: Le premier tableau n'est pas un tableau du simplexe, il aurait donc
fallu commencer par le ramener une forme de vrai tableau du simplexe.
o Mthode correcte:
Il faut modifier la ligne "z" pour obtenir un vrai tableau du simplexe:
bi
x1
x2
6
1
1
4
2
1
2
2
-1
Z+4M 2+2M 3+M
Z+6M 2+4M
3
t1
1
0
0
0
0
t2
0
-1
0
-M
-M
t3
0
0
-1
0
-M
V1
0
1
0
0
0
V2
0
0
1
-M
0
dfinit
t1
V1
V2
L'4 L4 + ML2
L'4 L4 + ML3
___________________________________________________________________
DI GALLO Frdric
Page 37
30/09/2013
176221984.doc
______________________________________________________________________________
Le tableau initial du simplexe est donc:
coef (bi/ai1)
6
2
1
bi
x1
6
1
4
2
2
2
Z+6M 2+4M
x2
1
1
-1
3
t1
1
0
0
0
t2
0
-1
0
-M
t3
0
0
-1
-M
V1
0
1
0
0
V2
0
0
1
0
t1
1
0
0
0
t2
0
-1
0
-M
t3
1
-
1+M
V1
0
1
0
0
V2
-
-1
-1-2M
t1
1
0
0
0
t2
-
-
2
t3
-
-
-1
V1
-3/4
-2-M
dfinit
t1
V1
V2
On fait rentrer x1 dans la base et sortir V2.

coef (bi/ai1)
10/3
1
-2
bi
5
2
1
Z+2M-2
x1
0
0
1
0
x2
3/2
2
-
4+2M
dfinit
t1
V1
x1
On fait rentrer x2 dans la base et sortir V1.

bi
7/2
1
3/2
Z-6
x1
0
0
1
0
x2
0
1
0
0
dfinit
t1
x2
x1
3.4) Paramtrisation des coeff. de la fn co.

Pour moduler les rsultats obtenus par la mthode du simplexe, on peut paramtrer certains
des coefficients.
Exemple : (Faure : Guide de la R.O., T.2 : les applications)

Un agriculteur veut mettre en valeur un espace de 40 hectares, il dispose dun montant annuel
de 63 000 u.m.(units montaires), de 840 journes de travail et se propose de semer du mas,
du bl et du soja. La prparation la culture cote 1500 u.m. par ha pour le mas, 1800 u.m.
par ha pour le bl et enfin 1050 u.m. par ha pour le soja. La culture dun ha ncessite : 18
journes de travail pour le mas, 27 journes pour le bl et 15 journes pour le soja. Les
rapports esprs sont respectivement proportionnels : 420 u.m. pour le mas, 510 u.m. pour
le bl et 360 u.m. (compte tenu dune prime dencouragement) pour le soja.
a.
Quels sont les choix de lagriculteur ?
b.
Lagriculteur apprend que la prime dencouragement la culture du soja est
susceptible dtre modifie. Il dsire savoir quel taux de prime il devrait changer la
distribution des cultures rvles par le P.L.
c.
Supposons maintenant que les moyens sous la forme du travail humain se trouvent
soumis une limitation variable. Quelle est alors la meilleure occupation des sols ?
___________________________________________________________________
DI GALLO Frdric
Page 38
30/09/2013
176221984.doc
______________________________________________________________________________
o a. Forme Canonique :
max z = 420x1 + 510x 2 + 360x 3

x1 + x 2 + x 3 40
1500x1 + 1800x 2 + 1050x 3 63000

18x + 27x + 15x 840
2
3
1
x1 , x 2 , x 3 0
On introduit les variables d'carts et on simplifie:

x1 + x2 + x3 + t1
= 40
10x1 + 12x2 + 7x3 + t2 = 420
avec xi, ti 0
6x1 + 9x2 + 5x3
+ t3 = 280
max z = 420x1 + 510x2 + 360(1+ )x3
coef (bi/ai1)
40
60
280/5=56
bi
40
420
280
Z
x1
1
10
6
420
x2
1
12
9
510
x3
1
7
5
360+360
t1
1
0
0
0
t2
0
1
0
0
t3
0
0
1
0
dfinit
t1
t2
t3
t3
0
0
1
0
dfinit
x3
t2
t3
Si 360 (1+) 510 1+ 510/360=17/12

5/12
On fait rentrer x3 dans la base et sortir t1:
bi
x1
x2
40
1
1
140
3
5
80
1
4
Z-40(360+360) 60-360 150-360
x3
1
0
0
0
t1
1
-7
-5
-360-360
t2
0
1
0
0
Si > 5/12, la solution optimale est 40 ha de soja

Si =5/12:
coef (bi/ai1)
40
35
280/9
bi
40
420
280
Z
coef (bi/ai1)
80/4=20
140
bi
80/9
140/3
x1
1
10
6
420
x1
1/3
2
x2
1
12
9
510
x3
1
7
5
510
t1
1
0
0
0
t2
0
1
0
0
t3
0
0
1
0
dfinit
t1
t2
t3
x2
0
0
x3
4/9
1/3
t1
1
0
t2
0
1
t3
-1/9
-4/3
dfinit
t1
t2
___________________________________________________________________
DI GALLO Frdric
Page 39
30/09/2013
176221984.doc
______________________________________________________________________________
280/5=56
280/9
2/3
1
5/9
0
0
1/9
x2
Z-510*210/9 80
0
680/3
0
0
-510/9
___________________________________________________________________
DI GALLO Frdric
Page 40
30/09/2013
176221984.doc
______________________________________________________________________________
bi
20
40
80/9
x1
3/4
7/4
1/4
-120
Z - 49300/3
x2
0
0
1
0
x3
1
0
0
0
t1
9/4
-
-5/4
-510
t2
0
1
0
0
t3
-1/4
-5/4
1/4
0
dfinit
x3
t2
x2
Si < 5/12 mme dmarche

En divisant la premire ligne par 30, la troisime par 150 et la dernire par 3, on trouve le
tableau suivant :
Z
14
17
12
0
0
0
40
1
1
1
1
0
0
420
10
12
7
0
1
0
280
6
9
5
0
0
1
Z 420
510
40
1
1
63000 1500 1800
840 18
27
360
1
1050
15
0
1
0
0
0
0
0
1
z
40
420
280
14
1
10
6
z4760/9
8 8/9
46 2/3
31 1/9
2 2/3
1/3
2
2/3
0
0
0
1
2 5/9
4/9
1/3
5/9
0
1
0
0
z5320/9
1 1/9
23 1/3
15 5/9
0
0
1
0
0
0
0
1
2 1/9
2/5
1/6
4/9
0
1
0
0
z4180/7
20/7
160/7
100/7
0
0
1
0
17
1
12
9
0
0
1
0
0
0
0
1
12
1
7
5
0
1
0
0
0
1
0
0
38/7
18/7
3/7
8/7
0
0
1
0
0
0
1
0
0
0
0
1
Cff
40
35
31,11
1 8/9 Cff
1/9 26,666
1 1/3 23,33
1/9 46,666
1 1/3 1/9
cff
1/6
1/9 2,8571
1/2 2/3
140
1/3
5/9
35
3/7
3/7
4/7
1/7
5/7
2/7
5/7
3/7
Solution optimale : z = 4180/7, cest--dire 4180/7*60 u.m ;

x1 = 160/7 22,85 ha, x2= 100/7 14,28 ha , x3 = 20/7 2,85 ha
___________________________________________________________________
DI GALLO Frdric
Page 41
30/09/2013
176221984.doc
______________________________________________________________________________
Rq : dans cet exemple, toutes les ressources sont puises (crdit, journes de travail) et la
terre est intgralement occupe. Cela provient du fait que le premier P.L. mis sous forme
dgalit est un systme de Cramer.
b. Pour paramtrer alors suivant la valeur de la prime accorde au soja, remplaons dans la
matrice optimale le coefficient de x3 de la fonction conomique par 12(1+), avec 1.
Le nouveau tableau est :
Z4180/7240/7
20/7
160/7
100/7
0
0
1
0
0
0
0
1
0
1
0
0
38/7216/7
18/7
3/7
8/7
3/7+36/7 5/724/7
3/7
2/7
4/7
5/7
1/7
3/7
La solution avant paramtrage tait x1 = 160/7, x2 = 100/7, x3 = 20/7. Cette solution nest
optimale que si tous les coefficients de la fonction conomique sont ngatifs :
1 = 38/7 216/7 0 19/108

2 = 3/7 + 36/7 0 1/12
3= 5/7 24/7 0 5/24
Bilan :
___________________________________________________________________
DI GALLO Frdric
Page 42
30/09/2013
176221984.doc
______________________________________________________________________________
1
5/2
19/108
1/12
+
+
+
2
+
3
On va donc garder la solution prcdente si ]19/108, 1/12[
Si 19/108, 1 est le plus coefficient positif de la fonction conomique, donc on fait
rentrer x4 dans la base.
Z4180/7240/7
20/7
160/7
100/7
0
0
1
0
0
0
0
1
0
1
0
0
38/7216/7
18/7
3/7
8/7
3/7+36/7 5/724/7
3/7
2/7
4/7
5/7
1/7
3/7
0
0
0
1
19/9+12
7/18
1/6
4/9
0
1
0
0
Coeff
10/9
6400/21
25/2
On fait donc sortir x3 et entrer x4.

Z5320/9
10/9
70/3
140/9
0
0
1
0
4/3
1/6
1/3
1/9
1/9
2/3
5/9
Cette solution est stable si 19/9 + 12 0, cestdire si 19/108, ce qui est justement
le cas. Donc si 19/108, la solution optimale consiste cultiver 70/3 ha de mas et 140/9
ha de bl, il reste alors 10/9 ha non cultivs. Le profit est alors de 5320/9 u.m., indpendant de
, mais cest un hasard.
Si 1/12,
Z4180/7240/7
20/7
160/7
100/7
0
0
1
0
0
0
0
1
38/7216/7
18/7
3/7
8/7
0
1
0
0
On va faire sortir x5 et rentrer x1.

Z580/7240
20
40
20
7/4
0
0
0
1
0
1
0
0
3/7+36/7 5/724/7
3/7
2/7
4/7
5/7
1/7
3/7
Coeff
20/3
40
v1/100
23/4 27 3/7+36/7 5/724/7

9/4
0
1/4
3/4
1
5/4
5/4
0
1/4
Les coefficients de la fonction conomique sont ngatifs si :

9 0 1/12
vrai
23/4 27 0
vrai car 0
5/4 + 3 0 5/12
Donc la solution pour [1/12, 5/12] est 20 ha de soja et 20 ha de bl, pour un gain de
580+240
Si 5/12, on fait rentrer x6, puisque le coefficient 5/4 + 3 est positif, et on fait sortir x2.
Z680
40
140
80
212
1
3
1
512
1
5
4
0
1
0
0
1212
1
7
5
0
0
1
0
0
0
0
1
___________________________________________________________________
DI GALLO Frdric
Page 43
30/09/2013
176221984.doc
______________________________________________________________________________
Cette fois, les coefficients de la fonction conomique sont tous ngatifs et la solution optimale
dans ce cas est de cultiver 40 ha de soja, pour un gain de 480+480 u.m.
___________________________________________________________________
DI GALLO Frdric
Page 44
30/09/2013
176221984.doc
______________________________________________________________________________
Bilan :
Mas
Bl
Soja
Gain
19/108
1/12
70/3
160/7
140/9
100/7
0
20/7
5320/9
4180/7+240/7
5/12
0
20
20
0
0
40
580+240
480+480
Remarque : si prend exactement les valeurs limites : 19/108, 1/12, 5/12, les solutions
optimales sont les mmes par les deux procds de calcul, pour les valeurs plus grandes et
plus petites que la limite.
IV. Dualit :
max z = 14x1 + 17 x 2 + 12x 3
Reprenons lexemple ci-dessus :
x1 + x 2 + x 3 40
10x1 + 12x 2 + 7 x 3 420

6x + 9x + 5x 280
1 2 3
x1 , x 2 , x 3 0
Le dual du 1er PL est obtenu partir du tableau suivant :

X1
X2
X3
Min
Y1
1
1
1
40
Y2
10
12
7
420
Y3
6
9
5
280
max
14
17
12
Cest--dire :
min z' = 40y1 + 420y 2 + 280 y 3
min z' = 40y1 + 420y 2 + 280 y 3
y1 + 10 y 2 + 6y 3 14
y1 + 12 y 2 + 17 y 3 17
y + 7 y + 5y 12
1 2 3
y1 , y 2 , y 3 0
y1 + 10 y 2 + 6y 3 y 4 = 14
y1 + 12 y 2 + 17 y 3 y 5 = 17
y + 7 y + 5y y = 12
1 2 3 6
y1 , y 2 , y 3 , y 4 , y 5 , y 6 0
___________________________________________________________________
DI GALLO Frdric
Page 45
30/09/2013
176221984.doc
______________________________________________________________________________
min z' = 40 y1 + 420y 2 + 280y 3 + My 7 + My8 + My 9
y1 + 10y 2 + 6y 3 y 4 + y 7 = 14
y1 + 12y 2 + 9y 3 y 5 + y 8 = 17
y + 7 y + 5y y + y = 12
1 2 3 6 9
y1 , y 2 , y 3 , y 4 , y 5 , y 6 , y 7 , y 8 , y 9 0
On introduit des variables dcart, sinon on na pas de solution initiale admissible : y1=0,
y2=y3=0 et y4 = 14 et y5 = 17 et y6 = 12. Le coefficient M reprsente ici une valeur trs
grande (plus grande que toutes les valeurs numriques apparaissant dans les calculs, et M)
On a alors une solution admissible du nouveau PL : y1= = y6 = 0, y7=14, y8= 17, y9 = 12.
On cherche minimiser z ou maximiser z=z
Z 40 420 280
0
0
0
M M M
14
1
10
6
1
0
0
1
0
0
17
1
12
9
0
1
0
0
1
0
12
1
7
5
0
0
1
0
0
1
Ce tableau nest pas encore un tableau du simplexe car les variables de la base sont y 7, y8 et y9
et la fonction conomique z dpend de ces variables ! ! !
1re transformation : (la ligne de z est remplace par L1+ML2)
Z
+14M
40
+M
420
+10M
280
+6M
0M
14
17
12
1
1
1
10
12
7
6
9
5
1
0
0
0
1
0
0
0
1
1
0
0
0
1
0
0
0
1
2me transformation : (la ligne de z est remplace par L1+ML3+ML4)

Z
+43M
40
+3M
420
+29M
280
+20M
14
17
12
1
1
1
10
12
7
6
9
5
1
0
0
0
1
0
0
0
1
1
0
0
0
1
0
0
0
1
Rq : comme M est trs grand, 420+29M > 0 et est le plus grand de tous les coefficient. Donc
on fait rentrer y2 dans la base. Pour voir quelle variable sort de la base, dterminons la
colonne des coefficients relatifs :
Coeff
14/10=1,4
17/121,4166
12/71,7142
Donc il faut faire sortir y7 de la base. Le tableau rsultant est :
Z+588 +12/5M 2 +M/10 0 28+13/5M 42+19/10M
7/5
1/10
1
3/5
1/10
y8
1/5
1/5
0
9/5
6/5
y2
M
0
1
M 4229/10M
0
1/10
0
6/5
0
0
1
0
0
0
coeff
7/3
1/9
___________________________________________________________________
DI GALLO Frdric
Page 46
30/09/2013
176221984.doc
______________________________________________________________________________
y9
11/5
3/10
4/5
7/10
7/10
11/4
On limine la colonne de y7 puisque la variable est maintenant hors base.

on limine
Z +5320/9+19/9M 10/9+7M/18
y2
4/3
1/6
y3
1/9
1/9
y9
19/9
7/18
0
1
0
0
0 70/3+1/6M 140/9+4/9M M
0
1/2
1/3
0
1
2/3
5/9
0
0
1/6
4/9
1
140/913/9M M
1/3
0
5/9
0
4/9
1
coeff
1/8
1/1
7/38
Pour liminer y9, on va choisir une variable HB ayant un coefficient dans la fonction conomique
positif
y2
y3
y1
Z +4180/7
3/7
5/7
38/7
0
0
0
1
0
1
0
0
0
0
1
0
160/7
4/7
5/7
3/7
100/7
1/7
3/7
8/7
20/7
3/7
2/7
18/7
On a donc obtenu une solution de base admissible : y1= 38/7, y2= 3/7, y3=5/7, y4, y5, y6 tant
des variables HB.
De plus cette solution est optimale (ce ne sera pas toujours le cas), car tous les coefficients de
la fonction conomique sont ngatifs.
colonnes
Lignes
Pr. : les solutions optimales du dual et les solutions optimales du primal sont associes :
n primal
colonnes
sol. primal
x1 x2 x3
x4
x5
x6
x1
1 0 0 3/7 4/7
5/7
160/7
y4
x2
0 1 0 8/7 1/7
3/7
100/7
y5
x3
0 0 1 18/7 3/7
2/7
20/7
y6
x4
0 0 0
1
0
0
0
y1
x5
0 0 0
0
1
0
0
y2
x6
0 0 0
0
0
1
0
y3
coeff primal 0 0 0 38/7 3/7 5/7
y4 y5 y6
y1
y2
y3
n dual
lignes
NB : on aurait pu ne prendre quune seule variable artificielle en transformant la matrice
initiale du problme :
x1 + 12x 2 + 9x 3 x 5 = 17
0x + 2x + x
x1 10x 2 6x 3 + x 4 = 14
x1 + 12x 2 + 9x 3 x 5 = 17
0x + 5x + 4x
x1 7x 2 5x 3 + x 6 = 12
1
+ x4 x5=3
(L2 L1)
x5 + x6 = 5 (L2L3)
Le tableau ne ncessite alors plus quune variable artificielle :
___________________________________________________________________
DI GALLO Frdric
Page 47
30/09/2013
176221984.doc
______________________________________________________________________________
z
17
3
5
40
1
0
0
40
12
2
5
280
9
1
4
0
0
1
0
0
1
1
1
0
0
0
1
M
1
0
0
___________________________________________________________________
DI GALLO Frdric
Page 48
30/09/2013
176221984.doc
______________________________________________________________________________
Problmes de
TRANSPORT
___________________________________________________________________
DI GALLO Frdric
Page 49
30/09/2013
176221984.doc
______________________________________________________________________________
INTRODUCTION 10
1.2) Exemple 15
a) Agriculteur 15
b) Usine 16

II. CONVEXIT 21
b) Exercice 1 25
c) Exercice 2 26
d) Exercice 3 30
e) Exercice 4 32

a) Exemple 1 : 34

IV. DUALIT : 45
___________________________________________________________________
DI GALLO Frdric
Page 50
30/09/2013
176221984.doc
______________________________________________________________________________
LES GRAPHES 66
1.1) Graphe 66
1.2) Chemins 67

3.1) Connexit 73

2.2) Procdure 84
2.4) Exercices 89

3.1) Exercices 91
ORDONNANCEMENT 96
I. INTRODUCTION 96

2.1) Mthode MPM 97
2.2) Mthode PERT 99

III. EXERCICES 101

I. INTRODUCTION 106
___________________________________________________________________
DI GALLO Frdric
Page 51
30/09/2013
176221984.doc
______________________________________________________________________________
1.1) Historique 106
FIABILIT 116
I. INTRODUCTION 116

V. EXERCICES 121
___________________________________________________________________
DI GALLO Frdric
Page 52
30/09/2013
176221984.doc
______________________________________________________________________________
PROBLEMES DE TRANSPORT
I.
Exemple de l'usine
m usines fournissent n clients : lusine i (1 i m) produit ai units, le client j rclame bj

units. On suppose que le cot de transport de lusine i au client j est proportionnel la
quantit transporte et que le cot unitaire de ce transport est cij, la quantit transporte de i
vers j tant linconnue xij.
1.1) Problme : rpartition des expditions

Objectif: Il faut trouver la rpartition des expditions qui coule la production et satisfait la
demande, tout en rendant le cot total du transport minimal.
Le problme nadmet des solutions que si la demande totale gale la production totale cest--
a i = bi .
dire si
Si cette condition nest pas vrifie initialement, on cherchera
satisfaire au mieux les exigences de chacun, en crant, soit un client fictif qui rclamerait le
surplus de la production, soit une usine fictive qui fournirait la quantit manquante.
Avec
Client
disponibilit
Usine
cij
aj
Demande
bj
a i = bi
i
Exemple : grille des cots

On essaye de rpartir les transports pour un cot minimal en tenant compte de la grille des
cots:
Usine
Clients
8
3
2
11
7
0
2
1
10
8
4
5
Demande
des clients
Disponibilit
des usines
9
10
7
26
___________________________________________________________________
DI GALLO Frdric
Page 53
30/09/2013
176221984.doc
______________________________________________________________________________
1.2) Modlisation du problme

xij = quantit fournie par l'usine i pour le client j
Cij = cot de transport d'une unit de l'usine vers le client j
min z = c11 x11 + c12 x12 + + c34 x34
min
c ij .x ij
i, j
contraintes de production :
x ij = a i
j=1
contraintes de consommation :
x ij = b j
i =1
pour 1 i m
pour 1 j n
contraintes de signe : xij 0

cest--dire :
=9
x11 + x12 + x13 + x14
x 21 + x 22 + x 23 + x 24
= 10
x 31 + x 32 + x 33 + x 34 = 7
+ x 21
+ x 31
=6
x11
x
+ x 22
+ x 32
=9
12
x13
+ x 23
+ x 33
=8
x14
+ x 24
+ x 34 = 3
(pour l'usine 1)
(pour l'usine 2)
(pour l'usine 3)
Dans cet exemple, il y a 7 (=n+m) contraintes propres avec 12 inconnues.

Le tableau pourrait donc devenir un tableau du simplexe :
x11 x12 x13 x14 x21 x22 x23 x24 x31 x32 x33 x34 bi
1
1
1
1
9
1
1 1 1
1
0
___________________________________________________________________
DI GALLO Frdric
Page 54
30/09/2013
176221984.doc
______________________________________________________________________________
1 1 1
1 7
1
1
1
6
1
1
1
9
1
1
1
8
1
1
1 3
8 11 2
8
3
7 1 4 2 0 10 5
Mais
x ij = x ij = a i = b j
i
Donc on peut liminer une des contraintes, do il y a m+n-1 quations indpendantes, m+n-1
variables dans une base et une solution de base comportera au plus m+n-1 variables non
nulles.
___________________________________________________________________
DI GALLO Frdric
Page 55
30/09/2013
176221984.doc
______________________________________________________________________________
1.3) Reprsentation graphique

On va rechercher une solution initiale:
6
/
/
3
6
/
/
4
4
/
/
3
9
10
7
On met le maximum dans la case et on

annule ensuite les lignes et les colonnes
suivantes
Ici le cot est de 6x8 + 3x11 + 6x7 + 4x1 + 4x10 + 3x5 = 182 mais on ne sait pas s'il
s'agit de la solution optimale
Sous forme dun arbre, on peut reprsenter autre solution
usines
clients
6
6
6 2
3
1
73
8
9
10
7
9
3
1=6
2=9
3=8
4=3 m=3, n=4, toute solution de base comportera au plus 6

Remarque : Dans cet exemple,
variables non nulles. Cette solution est une solution admissible. Pour cette distribution, le cot
est 206. Cette solution de base comporte sept variables nulles. Pour avoir une autre solution
de base, on doit garder hors base 6 de ces variables et mettre la 7me en base.
On doit exprimer la fonction conomique en fonction des variables hors base :
c ij .x ij
Min z - =
o
i, j
c ij
est la variation du cot total , rsultant dune modification dune
unit de la quantit transporte sur la route hors base. Si cette variation est positive, on a
intrt ne rien transporter sur cette route (x ij reste Hors Base), sinon on peut transporter une
quantit aussi grande que possible, le cot total diminuant proportionnellement ( xij).
Ex. :
route (3, 2) : incidence sur le cot total de lenvoi
dune unit supplmentaire sur (3, 2) : la production
1
3
2=9 de lusine 3 est inchange donc le transport (3, 3)
9-1
doit dcrotre dune unit donc le transport (2, 3)
2
+1 1+1
3=8
crot dune unit et le transport (2,2) dcrot dune
7-1
3
4=3 unit.
Do c 32 = 1c32 1c33 1c22 + 1c23 = - 16.
On appelle c 32 la somme des regrets. On gagne ici 16 units, la dmarche consiste donc
essayer toutes les possibilits pour diminuer les cots. Pour cela, on interprte ces coefficients
en posant cij = ui + vj (d'o c 32 = -c22 + c23 c33 + c32 ). On va poser ces quations sur des
chemins non nuls (autrement dit, hors bases).
Cette mthode permet pour chaque variable de dterminer un cycle de rquilibrage si cest
possible.
6
1=6
___________________________________________________________________
DI GALLO Frdric
Page 56
30/09/2013
176221984.doc
______________________________________________________________________________
1.4) Mthode plus rapide (des regrets)

Dcomposons cij en somme ui + vj.
Dans notre exemple, on cherche ui, vj pour 1 i 3, 1 j 4.
u1 + v1 = c11
u + v = c
1 3 13
u1 + v 4 = c14
u 2 + v 2 = c 22
u 2 + v 3 = c 23
u 3 + v 2 = c 32
Il y a donc 6 quations et 7 inconnues. Ce systme a donc une infinit de solutions. On peut
trouver une de ces solutions en choisissant une des inconnues au hasard (u1 = 0)
Alors c12 = c12 ( u 1 + v 3 ) + ( u 2 + v 3 ) ( u 2 + v 2 ) = c12 ( u1 + v 2 ) ,
Plus gnralement, c ij = c ij ( u i + v j ) , pour (i,j) HB
Effectuons ces calculs grce des tableaux.
Regrets pour la solution initiale :
8
2
8
7
1
10
0
.
3
-4
.
-14 -16
-6
.
.
.
.
-3
-11
8
7
16
c11 = c11 ( u1 + v1 ) = 0
8
7
16
c 32 = c 32 ( u 3 + v 2 ) = c 32 0 16 = 16
0
0 -6 0
Ici plusieurs coefficients sont ngatifs, donc plusieurs routes permettent doptimiser le
transport. La solution nest donc pas optimale (la solution optimale sera trouv lorsque le
tableau des regrets ne contiendra que des coefficients positifs). Amliorons-la en faisant entrer
en base la variable x32 (car cest celle qui rapporte la plus grande diminution). Autrement dit,
on fait passer le maximum par le chemin (3,2).
1.5) Changement de base

Faisons donc entrer x32 : on choisit, tant que cela est possible, de nutiliser quun nouveau
chemin, ici (3,2) et donc de faire dcrotre des chemins existants.
6
0
3
nouvelle grille des transports: 6
0 3
2
8
9- 1+
7
7-
Prenons maximum : = 7. Le cot de cette rpartition est 206 7x16 = 94.
___________________________________________________________________
DI GALLO Frdric
Page 57
30/09/2013
176221984.doc
______________________________________________________________________________
Dterminons le tableau des regrets pour savoir si cette solution est optimale :
8
3
0
8
8
En gris, apparat le calcul des u et v
-4
7
1 -3
7
2
0 16 5
0
0
-6
Comme un regret est encore ngatif, la solution nest pas optimale : elle peut tre amliore
en utilisant le chemin (1,2). On fait alors la recherche du nombre maximal dunits de
transport qui peuvent transiter par ce chemin. Dans ce cas, on ne peut utiliser que des chemins
existants sauf (1,2), donc on va comparer les diverses solutions:
3
2
8
2-
7
7
Dans la premire solution, prenons le maximum ( = 6).
Le gain est de 6x3 - 6x8 + 6x2 - 6x1= 6x(-4) = -24
Dans la seconde solution, prenons le maximum ( = 2).
Le gain est de : 2x(3 8 + 11 - 7) = 2x(-1) = -2, ce qui est plus faible que dans le
premier cas. Continuons donc avec la premire solution. On a donc une nouvelle grille des
transports :
6
3
6
2
2
7
Pour cette rpartition, le cot est de 94 24 = 70
6-
8-
Ou
6-
La solution est-elle optimale ? Pour le savoir, on ralise le tableau des regrets:

4
3
2
8
4
3
7
1 -3
3
6
0 16 5
-4
0
-2
Comme un coefficient est encore ngatif, on peut encore optimiser la solution en faisant
entrer (2,4) dans les chemins utiliss. Ce qui donne la grille des transports suivante:
8
1
6+ 3-
donc = 2
6
2
6
2
2
2-
7
7
Le cot de cette rpartition est de 64.
Le tableau des regrets est :
1
3
6
0
7
0
2
3
19
8
4
8
7
3
-4
0
4 -5 4
Cette fois-ci, on a atteint la solution optimale puisque tous les regrets sont positifs.
Cependant, cette solution nest pas unique car certains regrets sont nuls. En effet, on ne
changerait rien en utilisant le chemin (1,2) plutt que (2,4).
___________________________________________________________________
DI GALLO Frdric
Page 58
30/09/2013
176221984.doc
______________________________________________________________________________
1.6) Cas de dgnrescence

Au cours dun changement de base, il peut arriver que plusieurs variables sannulent
simultanment. Une seule de ces variables sortant de base, les autres restent en base avec une
valeur nulle ; la nouvelle solution est alors dgnre. Dans ce cas, on a le choix de la variable
sortante, on prfre en gnral faire sortir celle qui correspond au cot le moins lev.
Exemple : On vient de trouver une solution dans laquelle un des regrets est nul. Cela signifie
que si le chemin (1,2) tait utilis, le gain serait nul.
8
1
8
1-
=1
6
6
1
3
2-
2+
7
7
Le cot de cette nouvelle solution est 70. Cest galement une solution optimale.
II. Recherche dune solution initiale

2.1) Rgle du coin Nord-Ouest ("hasard")
Quantit
disponible
Quantit demand
par les clients
12
23
67
71
9
27
39
56
43
11
61
78
92
91
28
49
28
24
67
6
83
65
53
40
14
35
42
54
49
5
18
32
14
9
73
La mthode consiste choisir de partir en haut gauche (nord ouest donc).

9
9
/
/
/
/
18, 9
/
2
28
2
/
/
32, 30, 2
/
/
/
4
10
/
14, 10
/
/
/
/
4
5
9
9
11
28
6, 4 14, 4 5
Ici, on a 9 quations avec 24 inconnues dont 9 sont hors base et 15 en base. Le cot est de:
9x12 + 9x27 + 2x39 + 28x78 + 2x28 + 4x24 + 10x53 + 4x40 + 5x49 = 3 700
Ce n'est pas la solution optimale!
___________________________________________________________________
DI GALLO Frdric
Page 59
30/09/2013
176221984.doc
______________________________________________________________________________
2.2) Rgle de Balas-Hammer :

12
27
61
49
83 35 18
23
39
78
28
65 42 32
67
56
92
24
53 54 14
71
43
91
67
40 49
9
9
11
28
6
14
5
On choisit le chemin ayant le cot le plus faible et on lutilise pour faire transiter le
maximum de marchandises : ici, cest le chemin (1,1), on y fera passer 9 units de
marchandises.
9
18-9=9
32
14
9
0
11
28
6
14
5
Donc le premier client (cest--dire la premire colonne) est servi.
12
27
61
49
83 35 18
23
39
78
28
65 42 32
67
56
92
24
53 54 14
71
43
91
67
40 49
9
9
11
28
6
14
5
On recommence avec le plus faible cot de transport restant, cest--dire 24 et
(3,4) est utilis pour faire transiter 6 units, la quatrime colonne est alors sature.
9
9
12
27
61
49
83
32
23
39
78
28
65
6
14-6=8
67
56
92
24
53
9
71
43
91
67
40
0
11
28
0
14
5
9
11
28
6
14
le chemin
35
42
54
49
5
18
32
14
9
Puis le chemin (1,2) (coeff. 27) pour faire passer 9 units et saturer la premire ligne, puis
le chemin (2,2) (coeff. 39) pour faire passer 2 units et saturer la deuxime colonne , puis le
chemin (4,5) (coeff. 40) pour faire passer 9 units et saturer la quatrime ligne; puis le chemin
(2,6) (coeff. 42) pour faire passer 5 units et saturer la dernire colonne, puis le chemin (3,5)
(coeff. 53) pour faire passer 5 units et saturer la cinquime colonne, puis le chemin (2,3)
(coeff. 78) pour faire passer 25 units et saturer la deuxime ligne ; enfin, le chemin (3,3)
pour faire passer les trois units restantes.
9 9
2
25
3
0 0 28-25=3
3-3=0
6
0
5
9
14-9=5 ;
5-5=0
0
5 32-2=30 ; 30-5=25 ; 25-25=0
14-6=8 ; 8-5=3 ; 3-3=0
9-9=0
0
12
23
67
71
9
27
39
56
43
11
61
78
92
91
28
49
28
24
67
6
83
65
53
40
14
35
42
54
49
5
La solution obtenue a un cot de 3634.
___________________________________________________________________
DI GALLO Frdric
Page 60
30/09/2013
18
32
14
9
176221984.doc
______________________________________________________________________________
Regrets :
12
-1
29
46
0
27
39
3
3
15
-5
78
92
12
54
51
18
24
56
-14
56
26
53
40
15
5
42
-2
6
18
12
24
38
25
Grille des transports :

9
Cot de cette solution : 3634 5*9= 3589

12
5
61
56
61
10
-6
39
78
18
26
42
24
3
92
24
53
-2
41
3
12
56
40
6
0
10
49 -19 10
13
Cette solution nest pas optimale.
12
29
43
30
9-
2+ 25-
3
9
11
28
= 9, donc :
9
9
11
16
3
9
5
6
6
5
9
14
5
6
11
28
11
9+
16-
3
28
5
9
14
18
32
14
9
18
32
14
9
Cot de cette solution : 3589 6*9 = 3535

9-
6
9
61
56
61
10
23
39
78
18
26
42
30
3
92
24
53
-2
47
3
12
56
40
6
0
16
55 -13 16
19
Cette solution nest pas optimale.
6
23
37
24
9
11
=9, donc :
9
18
7
3
11
28
11
18
7+
3-
28
11
Cot de cette solution : 3535 3*2= 3529

9
6
5
61
54
59
23
39
78
16
24
32
5
2
24
53
49
5
14
56
40
0
16
55 -11 18
Cette solution est optimale.
10
42
54
8
19
6
23
35
22
9
11
=3, donc :
9
11
11
5
9
14
5
9
14
18
10
28
6
9
5
9
14
5
9
14
18
32
14
9
18
32
14
9
5-
18
32
14
9
2
3
18
32
14
9
___________________________________________________________________
DI GALLO Frdric
Page 61
30/09/2013
LES
GRAPHES
INTRODUCTION 10
1.2) Exemple 15
a) Agriculteur 15
b) Usine 16

II. CONVEXIT 21
b) Exercice 1 25
c) Exercice 2 26
d) Exercice 3 30
e) Exercice 4 32

a) Exemple 1 : 34

IV. DUALIT : 45
LES GRAPHES 66
1.1) Graphe 66
1.2) Chemins 67

3.1) Connexit 73

2.2) Procdure 84
2.4) Exercices 89

3.1) Exercices 91
ORDONNANCEMENT 96
I. INTRODUCTION 96

2.1) Mthode MPM 97
2.2) Mthode PERT 99

III. EXERCICES 101

I. INTRODUCTION 106
1.1) Historique 106

FIABILIT 116
I. INTRODUCTION 116

V. EXERCICES 121
LES GRAPHES
Ces mthodes utilisant les graphes permettent, en gnral, de trouver le chemin le plus court,
ou de faire passer le maximum par un chemin (d'eau par exemple). Les cas concret
d'utilisation sont vidents
I.
Dfinition vocabulaire
1.1) Graphe
Dfinition : Soit X un ensemble fini et dnombrable : X = {x1, , xn}. Soit une

application de X dans lui-mme ( est l'ensemble des arcs ou trajets existants = {(x 1,x2),
(x1,x3), (x1,x6), (x2,x3), (x2,x4), (x3,x4), (x3,x5), (x4,x5), (x6,x5), (x6,x5)}.
On appelle lensemble (X, ) un graphe dordre n (n est le nombre de sommets = card X). Un
graphe est donc un ensemble de liaisons entre des points.
Reprsentation sagittale :
x1
x2
x6
x3
x5
x4
On peut noter + lapplication successeur : + : X P(X) (ensemble des parties de X).

Par exemple, +(x1) = {x2, x4, x6}. De mme, on peut dfinir -, lapplication
prdcesseur , : X P(X). Ex. : -(x2)={x1}
Prcdents
x1
x2
x3
x4
x5
x6
x1
x2
x1, x2, x3, x6
x3, x4, x6
x1
Deux sommets relis sappellent sommets adjacents.
Suivants
x2, x4, x6
x3, x4
x4, x5
x5
x4, x5
1.2) Chemins
Un graphe peut tre orient ou non orient.
Ex. :
x2
x1
x4
x3
x2
x1
Graphe orient
x4
arte
x3
cycle
graphe non orient
Dans un graphe orient, on parle darcs reliant deux sommets.

On appelle chemin une suite ordonne darcs dans lesquels lextrmit terminale dun arc
concide avec lextrmit initiale du suivant : [x1x2], [x2 x3] = x1 x2 x3 (chane si non orient).
Un chemin pour lequel u1 = uP sappelle circuit.
x1
x5
x2
x4
x1
x3
x5
Chemin
x2
x4
x3
circuit
Longueur dun chemin = nombre darcs du chemin

Boucle = chemin de longueur 1
a
Un chemin est simple lorsquil ne passe quune seule fois par chacun de ses arcs
Un chemin est lmentaire sil ne rencontre pas plus dune seule fois chaque sommet.
(abcd) = chemin lmentaire
(abbcd) = chemin non lmentaire
a
b
(bb) = boucle et circuit lmentaire
(abca) =circuit lmentaire
c
d
(abcabc) = circuit non lmentaire
Un chemin qui passe une fois exactement par chaque sommet est hamiltonien
Ex. : (a,b,c,d) est un chemin hamiltonien. Mais il ny a pas de circuit hamiltonien : il faudrait
que d a
NB : dans un graphe dordre n, un circuit hamiltonien est de longueur n, un chemin est de
longueur n 1.
Dans un graphe non orient :
On appelle un arc non orient une arte. Le chemin devient chane, le circuit cycle.
II. Matrices associes un graphe

On crit tous les chemins possibles d'un graphe pour trouver les chemins hamiltoniens.
2.1) Matrice latine

A
B
A
A
B
C
D
E
B
C
AB AC
BB BC
E
AE
CD
DA
EA
DE
EC
Pour trouver les chemins de longueur 2, on calcule M ; pour les chemins de longueur 3, on
calcule M3 et ainsi de suite.
AEA
ABB
BBB
ABC
AEC
BBC
ACD
BCD
CDA
DEA
CDE
DAB
EAB
DAC
DEC
EAC
DAE
ECD
EAE
M =
Recherche des chemins lmentaires : avec la multiplication latine, il suffit de ne considrer

que les chemins de Mn-1 qui nont pas de rptition de lettres ; dans lexemple, matrice des
chemins lmentaires de longueur 4, ici chemins hamiltoniens.
M =
AEABC
AEAEA
AEABB AEAEC
ABCDE
ABCDA
AEACD
ABBBB ABBBC
AECDE
AECDA
ABBCD
ACDAB ACDAC
ACDAE
ACDEA
ACDEC
BBBBC
BBCDA BBBBB
BBCDE
BCDAC BBBCD
BCDEA BCDAB
BCDAE
BCDEC
CDABC
CDABB
CDACD
CDAEA
CDAEC
CDEAE
CDEAB
CDECD
CDEAC
DEABC
DEAEA DEABB
DEACD DACDE
DEAEC
DACDA DABBB
DABCD DAEAE
DABBC
DECDA DAEAB
DAECD DECDE
DAEAC
EABBC
EABBB
EACDE
EACDA
ECDAC EABCD
ECDAB
ECDAE
ECDEA
ECDEC EAECD
EAEAB
EAEAE
EAEAC
2.2) Matrices boolenne et arithmtique

a) Matrice arithmtique :
B
A
0
0
0
1
1
1
1
0
0
0
1
1
0
0
1
0
0
1
0
0
1
0
0
1
0
1
0
1
1
0
M=
1
1
0
1
1
2
1
0
2
1
1
1
0
0
1
0
0
1
1
1
M =
Si M est symtrique, le graphe est symtrique.

Si dans M, il y a un 1 (ex. : (A,B)) alors: il y a un chemin de longueur 1 de A B, sil y a un
2 (ex. : (A,C)), il y a un chemin de longueur 2, etc.
On peut connatre l'existence et le nombre de chemin d'une longueur donne mais on ne peut
pas prciser s'il est hamiltonien, simple ou autre
Rappel:
13
24
B= 28 57
.
25
87
26 26
36 38
A=
13
24
26 26
36 38
N'oublions pas que BA AB !
1x2 + 3x8 = 26
1x5 + 3x7 = 26
2x2 + 4x8 = 36
2x5 + 4x7 = 38
13
A= 2 4
B=
25
87
12 26
22 52
b) Matrice boolenne :
A
0
M =
0
1 1 1
1 1 0
0 0 1
1 1 0
0
M =
1
1 1 1
1 1 1
1 1 0
1 1 1
1
3
M =
0
1 1 1
1 1 1
1 1 1
1 1 1
Ici, la prsence d'un 1 reprsente l'existence d'un chemin. Dans M, sil y a un 1 cela signifie
quil existe un chemin de longueur au plus 2 entre les deux sommets.
Les matrices boolennes permettent daider lors de la recherche des composantes connexes.
Remarque : si le graphe a une entre (point de dbut, c'est dire que les arcs partent de ce
sommet mais aucun n'y arrive), il y a une colonne de 0 associe ce sommet ; et si le graphe
a une sortie, il a une ligne de 0.
III. Connexit forte connexit

3.1) Connexit
Un graphe est dit connexe sil existe au moins un chemin entre toute paire de sommets.
Exemple :
A
C
Ce graphe est non connexe, mais il a 3

composantes connexes.
F
Df. de composante connexe :
On dfinit une relation dquivalence par xi xj si xi et xj (confondus ou non) sont relis par
une chane (On a videmment : xi xi)
A
Ex :
X= {A, B, C, D, E, F}
Ce graphe contient deux composantes connexes :
{E} et {A, B, C, D, F}
Dmo : Cette relation est bien une relation dquivalence :

A A donc la relation est rflexive.
A B et B A : car il existe une chane de A vers B ou de B vers A (lordre ne compte pas),
donc la relation est symtrique
A B et B C A C, donc la relation est transitive
On parle alors des classes dquivalence de cette relation : la classe de x est lensemble des
sommets quivalents x, on lappelle composante connexe de x.
Remarque: un sommet est toujours li lui-mme.
3.2) Forte connexit

Un graphe est dit fortement connexe si entre toute paire de sommets, il existe un chemin de A
vers B et un chemin de B vers A.
Soit G =(X, U) un graphe. Si quels que soient A, B X, il existe un chemin de A vers B et un
chemin de B vers A, alors le graphe est fortement connexe. Sinon on dfinit des composantes
fortement connexes.
Exemple : dans lexemple prcdent, il y a quatre composantes fortement connexes qui sont :
{A}, {B, C, D}, {F} et {E}. Dans la suite, on a une composante fortement connexe.
A
B -> C
C -> B
B -> D
D -> C -> B
Remarque : on dfinit l encore une relation dquivalence (en admettant que A est en
relation avec lui-mme).
3.3) Fermeture transitive

Fermeture transitive dun sommet x : {ensemble des sommets relis x par un chemin de
longueur n 1} = {x} {t(x)} {tn-1(x)}, o tk(x) = t(tk-1(x)).
A partir dun graphe G, on dfinit une matrice boolenne M, puis on calcule les puissances
Mk. Entre xI et xj, il existe au moins un chemin de longueur k si le terme (i,j) de la matrice M k
vaut 1. Alors dans M+M[2] ++M[k-1], on trouvera 1 en place (i,j) sil existe un chemin de
longueur k-1 entre xi et xj
La fermeture transitive de lensemble X des sommets du graphe G est obtenue en calculant
I+M++M[n-1] = (I+M)[n-1]
Exemple :
2
1
5
0
0
0
M =
0
0
0
0
0
0
1
0
0
0
0
1
0
1
1
1
0
0
1 , I+M=A= 0
0
0
0
0
1
0
0
0
1
1
0
0
0
1
1
1
A3= A=Ak pour k 2
1
1
0
0
1 , A= 0
0
0
0
1
1
0
0
0
1
1
0
0
1
1
1
1
1
1,
0
1
La fermeture transitive du graphe est donc obtenue en permutant lignes et colonnes :

1
0
0
0
0
1
0
0
0
1
1
0
0
1
1
1
0
1
1
1
1
et le graphe a cinq composantes fortement connexes.

Remarque : on nest pas toujours oblig de calculer jusqu (I+M) (n-1), on peut sarrter ds
que (I+M)(k-1) = (I+M)(k)
3.4) Recherche des classes fortement connexes,

des circuits hamiltoniens
Soit le graphe dordre 7 suivant :
A
0
0
M= 0
0
0
0
0
0
0
0
0
1
0
0
0
1
1
0
0
0
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
0
0
1
1
0
(I+M)6 = 0
0
1 1 1
1
0
0
1 1 1
1 1 1
1 1 1
1
0
0
0
1
0
1 1 1
1 1 1
1 1 1
0
1
0
1
1
1
1
Aprs rorganisation des lignes et des colonnes, on dtermine les classes fortement connexes :
c1 c2 c6 c3 c4 c5 c7
A 1
B 1
F 1
C 0
D
0
E 0
G 0
1
1
1
1
A1 1 B
1
1
1
0
1
1
1
0
1
1
1
1
0
0
0
0
0
0
1 1 1
1 1 1
1 1 1
1
1
1
1
1 F
II
1
1
C
I
II
Recherche des chemins hamiltoniens :

La classe II na que des arcs incidents intrieurement. Donc sil existe un ou plusieurs
chemins hamiltoniens, leur origine doit se trouver dans la classe I et leur extrmit dans la
classe II.
FABGCDE ; ABFEGCD sont les deux chemins hamiltoniens de ce graphe.
3.5) Mthode de Georges DEMOUCRON

A
E
H
On va essayer de dterminer les successeurs et prdcesseurs de A par des chemins de

longueur quelconque: t-(A) et t+(A)
A
A
B
C
D
E
F
G
H
I
J
B
1
E
1
F
1
1
G
1
t-(A)
0
1
1
1
1
1
1 chemin de long. 2 de G A
1 chemin de long. 1 de I A
1
1
t+(A)
A est le point de dpart de chemin qui vont vers tous les points: t+(A) = {A B C J}
A est l'arrive de chemin qui proviennent de G et de I: t-(A) = {A, I, G}
A n'est li "dans les 2 sens" qu'avec I, G et A: 1re composante fortement connexe: (A, I,G)
t+(A) t-(A)= classe dquivalence ou composante fortement connexe du graphe
Arcs dont lextrmit initiale est A : AB, AF, AG : 1
Arcs dont lextrmit initiale est B, F, G : BE, BF, FB, FE, GI : 2 (si non marqus)
Arcs dont lextrmit initiale est E ou I : ED, EF, IA : 3
Arcs dont lextrmit initiale est D : DH : 4
Arcs dont lextrmit initiale est H : HC, HJ : 5
Pour t-(A), mme travail sur les colonnes, cest--dire recherche des extrmits initiales des
arcs finissant en A, puis en I, puis en G.
t+(A) t-(A) = {A, G, I}
t+(B) X
Pour B :
Pour C :
t-(B)
X (1) A
0
B
C
D
2
E
1
F
X (3) G
H
X (2) I
J
t-(C)
X (5)
X (4)
0
2
X (3)
X (4)
X (7)
1
X (6)
3
A
B
C
D
E
F
G
H
I
J
X
Composante connexe de B: t+(B) t-(B) = {B, E, F}

t-(B) = {A, B, E, F, G, I}
t+(B) = {B, C, D, E, F, H, J}
t+(C) t-(C) = {C, D, H, J}
Pour C :
t+(C) X
t+(C) t-(C) = {C, D, H, J}

Conclusion :
Il y a deux chemins hamiltoniens :
GIABFEDHCJ
GIAFBEDHCJ
NB : sil y avait un circuit hamiltonien, il ny aurait quune seule classe dquivalence.
Graphique :
G
B
A
I
I
F
II
C
III
CHEMIN de
VALEUR
OPTIMALE
INTRODUCTION 10
1.2) Exemple 15
a) Agriculteur 15
b) Usine 16

II. CONVEXIT 21
b) Exercice 1 25
c) Exercice 2 26
d) Exercice 3 30
e) Exercice 4 32

a) Exemple 1 : 34

IV. DUALIT : 45
LES GRAPHES 66
1.1) Graphe 66
1.2) Chemins 67

3.1) Connexit 73

2.2) Procdure 84
2.4) Exercices 89

3.1) Exercices 91
ORDONNANCEMENT 96
I. INTRODUCTION 96

2.1) Mthode MPM 97
2.2) Mthode PERT 99

III. EXERCICES 101

I. INTRODUCTION 106
1.1) Historique 106

FIABILIT 116
I. INTRODUCTION 116

V. EXERCICES 121
CHEMIN DE VALEUR OPTIMALE

I.
Algorithme de Ford
On a un graphe quelconque, valu par des grandeurs positives.

Problme du voyageur de commerce : aller de A B en passant par un certain nombre
dautres villes, en effectuant un minimum de km.
6
A
2
5
8
2
3
G
F
3
Algorithme :
1. On numrote les sommets dans un ordre quelconque (sauf le x1 et xn)
2. i = + sauf 1 = 0
3. pour tout sommet xj pour lequel j - i > V(xi, xj), V reprsentant la valuation de larc,
remplacer j par i + V(xi, xj)
4. sarrter lorsque aucun i ne peut plus tre modifi.
C =2
C
2
A = 0
A
6
5
D =5
D
E
E=5
3
8
2
F = 6
F
8
BB =7
3
G
=3
Le but est de trouver un Gchemin de A vers B associ la valuation totale la plus faible.
ACDB = 2+3+2=7
AEDB = 5+8+2=15
AEFB = 5+2+1=8
Chemins de valeur minimale : ACDB, ou AGFB, cot : 7
II. Algorithme de Ford-Fulkerson

2.1) flot travers un rseau
Trois chteaux deau A, B, C alimentent quatre villages D, E, F, G.
Le chteau deau A dispose dun dbit de 45 litres/sec
Le chteau deau B dispose dun dbit de 25 litres/sec
Le chteau deau C dispose dun dbit de 20 litres/sec
Le village D aurait besoin dun dbit de
30 litres/sec
Le village E aurait besoin dun dbit de
10 litres/sec
Le village F aurait besoin dun dbit de
20 litres/sec
Le village G aurait besoin dun dbit de
30 litres/sec
Dans la canalisation entre le chteau A et le village D, le dbit maximum est : 10 litres/sec
Dans la canalisation entre le chteau A et le village E, le dbit maximum est : 15 litres/sec
Dans la canalisation entre le chteau A et le village G, le dbit maximum est : 20 litres/sec
Dans la canalisation entre le chteau B et le village D, le dbit maximum est : 15 litres/sec
Dans la canalisation entre le chteau B et le village E, le dbit maximum est : 5 litres/sec
Dans la canalisation entre le chteau B et le village F, le dbit maximum est : 15 litres/sec
Dans la canalisation entre le chteau C et le village F, le dbit maximum est : 10 litres/sec
Dans la canalisation entre le chteau C et le village G, le dbit maximum est : 10 litres/sec.
[10]
A
O
[45]
[25]
D
[15]
[15]
E [10]
[5]
[15]
[20]
C
[10]
[10]
[30]
[20]
[20]
[30]
G
On appelle rseau de transport tout graphe fini, sans boucle, avec une source (ou point de
dpart) et un puits (ou point darrive), o tout arc est valu par un entier positif c(u), nomm
capacit de larc.
Source = entre, sommet sans prdcesseur (ou ajout)
Puits = sortie, sommet sans successeur (ou ajout)
On appelle flux de larc u la quantit (u) (entier naturel) telle que 0 (u) c(u)
Loi de Kirchoff :
( u ) = ( u )
uU x
uU x +
pour tout sommet x diffrent de lentre et de la
sortie
O Ux- est lensemble des arcs incidents intrieurement x et U x+ est lensemble des arcs
incidents extrieurement x.
( u )
On appelle flot : flux mis par la source = u
U +
x0
= flux recueillis par le puits =
( u )
uU x n
2.2) Procdure
1. Trouver un flot complet : flot dont tous les chemins menant de x0 xn ont au moins un
arc satur.
Exemple :
10
A
35
O
25
D
10
E 10
10
20
C
10
10
20
20
20
30
G
OCGXn :
O C G Xn
20 10
30
OCFXn :
OBFXn :
CF satur puis OC satur (CF=10, donc OC = 10+10=20)

O B F Xn
FXn = 10 satur
25 15 10
OB = BF = 10
O B E Xn
BE = 5
15 5
10
OB = (10+)5=15, EXn = 5
O B D
Xn
OB = (25+)10
10 15
30
BD=DXn= 10
O
A
G
Xn
AG = GXn = 20
45 20 (30-10)=20
OA = 20
O
A E Xn
EXn= 5
25 15 10-5
OA = AE = 5
O
A D
Xn
AD = 10
20 10 20
OA = DXn = 10
OBEXn :
OBDXn :
OAGXn :
OAEXn :
OADXn :
CG = 10 satur
OC = GXn =10
(Selon la principe du bas vers le haut)

On a dtermin un flot complet dont la valeur est V() = 80 (mais n'est pas maximale).
2. Marquage : on va chercher si ce flot est maximal ou non.
Marquer lentre du rseau : +O
Marquer toute extrmit terminale J dun arc non satur (I, J) dont lextrmit initiale I est
marque. On crira +I ct de J.
Marquer lextrmit initiale K de tout arc (K, L) transportant un flot non nul dont
lextrmit finale L est marque. On crira L ct de K
Si on narrive pas marquer la sortie du rseau, le flot est maximal. Si on arrive marquer la
sortie du rseau, le flot nest pas maximal. Dans ce cas, il faut considrer une suite de
sommets marques, formant une chane entre lentre et la sortie et amliorer le flot en
augmentant le flux des arcs joignant les sommets de la suite, en respectant la loi de Kirchoff.
Recommencer tant quil sera ncessaire pour quon ne puisse plus marquer la sortie.
Exemple :
+O
A
25
20
10
35
O
+B
D
10
-E
B
5
10
20
10
+D
S
+B
20
F
10
-F
C
20
+A
E 10
30
G
On fait partir de O: 80 et sortir de S: 80. Comme le sommet S est marqu, le flot nest pas
maximal. Isolons une chane de sommets marqus pour essayer daugmenter le flot allant de
O S.
+B
+O
10
D
A
10
20
5
35
+A
+D
E 10
O
25
-E
5
S
B
En augmentant larc BD de 10 15, on augmentera DS de 20 25, mais il faut annuler le flot
entre B et E et donc pour quilibrer E, augmenter AE puis OA.
Do voil une meilleure solution :
+O
A
40
O
25
D
15
10
+A
E 10
25
B
10
20
C
10
10
20
20
30
G
Les antcdents par un arc nul ne peuvent pas tre marqus. Les sommets marqus sont relis
aux autres par des arcs saturs ou nuls.
2.3) Recherche dun flot complet initial

procdure de Manuel Bloch (cf. Raynaud)
Cette mthode est plus mcanique, donc plus facile programmer!
arcs bloqus :
on doit bloquer tout arc incident intrieurement un sommet si tous les arcs incidents
extrieurement ce sommet sont saturs ou bloqus :
X
A
on doit bloquer tout arc incident extrieurement un sommet si tous les arcs incidents
extrieurement ce sommet sont saturs ou bloqus :
X
A
Procdure de la recherche :
Posons (i,j) = c(i,j) - (i,j), pour i, j {1, , n}, o c(i,j) est la capacit de larc x ixj et (i,j)
le flux de ce mme arc. ij est appel capacit rsiduelle de (i,j)
Au dpart (i,j) =0
on dtermine dans la liste des arcs praticables celui qui a la plus faible capacit rsiduelle,
soit (i0, j0) ( sil y en a plusieurs, on ordonne les arcs soit par lordre lexicographique, soit
par lordre numrique croissant et on choisit le premier de ces arcs)
on dtermine un chemin simple (sans rptition darcs) passant par (i 0, j0) form darcs
praticables (cd arcs de capacit rsiduelle au moins gale i0,j0.
Si cest un chemin lmentaire (sans rptition de sommets), on fait passer le flux i,j =
i0, j0 sur tous les arcs (i,j) de ce chemin et on remplace i,j par i,j = i,j - i0,j0 (les arcs de
capacit rsiduelle nulle devenant des arcs saturs)
si ce chemin nest pas lmentaire, on bloque les arcs de capacit la plus faible du circuit
et on recommence.
Pour tous les sommets, il faut ensuite examiner sil reste encore des blocages effectuer,
les effectuer et revenir au dbut.
Arrt de la procdure : la procdure est termine lorsque tous les arcs incidents
extrieurement lentre du rseau (ou incidents intrieurement la sortie du rseau) sont
saturs ou bloqus.
Remarque : on obtient souvent le flot optimal.
Exemple:
B
A
[5]
[4]
[7]
[8]
[9]
[1]
D
[5]
[10]
F
[5]
[5]
[5]
H
[4]
[4]
[5]
I
[6]
G
AB 5
AC 8
AD 9
BC 7
BE 4
CF 10
CH 5
DC 1
DG 5
DH 4
EI
5
FH 5
FI
5
GI 6
HG 4
10
11
5
8
8
7
4
9
5
0
5
4
5
4
5
5
3
5
5
8
7
4
9
2
0
5
4
5
4
5
2
0
5
5
8
7
4
9
X
0
5
X
5
X
5
2
0
5
5
6
7
4
9
X
0
3
X
5
X
5
0
0
5
5
6
7
4
9
X
0
X
X
5
X
5
0
0
1
5
X
7
0
9
X
0
X
X
1
X
5
0
0
0
5
X
6
0
8
X
0
X
X
X
X
4
0
0
0
5
X
X
0
8
X
0
X
X
X
X
4
0
0
0
1
X
X
0
4
X
0
X
X
X
X
0
0
0
0
X
X
X
0
X
X
0
X
X
X
X
0
0
0
Col. 1 : situation initiale ; DC est satur et laisse passer 1.

Col. 2 : chemin ADCFHGI ; on refait passer 3 units dans HG
Col. 3 : chemin ACHGI.
Col. 4 : HG satur, donc tous les arcs se terminant par H sont bloqus : CH, DH, FH ; on fait
encore passer 2 units par GI
Col. 5 : chemin ADGI.
Col. 6 : comme GI est satur, tous les arcs se terminant par G sont bloqus : DG ; comme tous
les arcs issus de D sont soit bloqus, soit saturs, tous les arcs se terminant en D sont
bloqus : AD; BE est satur 4
Col. 7 : chemin ABEI ; AB reoit encore 1 unit et est satur.
Col. 8 : chemin ABCFI. Comme BE est satur, tous les arcs menant E sont bloqus ou
saturs et les arcs issus de E doivent ltre aussi : EI
Col. 9 : les arcs menant B (AB) sont saturs, donc les arcs issus de B sont saturs ou
bloqus : BC ; FI reoit encore 4 units et est satur
Col. 10 : chemin ACFI.
Col. 11 : tous les arcs sont bloqus ou saturs. Fin de la procdure.
On obtient donc le flot complet suivant :
B 4
E
A
5
7[8]
+A
C
3[9]
1
D
-C
+C
F
5
4[5]
2[5]
4[5]
5
+C
H
4
I
6
G
+D
Est-il optimal ? Marquage. On s'aperoit que I nest pas marqu donc le flux est maximal.
Exemple de marquage:
B
+
A
C
-C
Si AC < CD :
D
+A
E
+C
+A
B
D
C
E
+C
Si AC > CD :
+
-D
B
D
+A
C
+C
E
+C
2.4) Exercices
a) Exercice n1: Plus court chemin
b) Exercice n2: Chemin de longueur minimale
c) Exercice n3: Flot maximal
III. Problme daffectation

Exemple : une administration dsire procder aux mutations de 5 personnes : A, B, C, D et E
et leur offre les postes a, b, c, d et e. Ces fonctionnaires dsirant maximiser leur satisfaction
dcident deffectuer chacun un classement des postes offerts ( de 1 : trs bien 5 : peu
souhait).
A
B
C
D
E
a
1
1
3
1
2
b
2
4
2
2
1
c
3
2
1
3
4
d
4
5
5
5
3
e
5
3
4
4
5
On ne change pas le problme en soustrayant ligne par

ligne, puis colonne par colonne, le plus petit lment de la
ligne ou de la colonne.
Sil y avait un zro par ligne et par colonne, on aurait une
solution optimale immdiate. Mais dans ce cas, ce nest pas
le cas :
0
0
2
0
1
1
3
1
1
0
2
1
0
2
3
3
4
4
4
2
4
2
3
3
4
0
0
2
0
1
1
3
1
1
0
2
1
0
2
3
1
2
2
2
0
2
0
1
1
2
Essai : affection A a (0 en (A,a)), B e (O en (B,e), C en c (0 en (C,c)) et E en b (0 en

(E,b)), alors il faut aussi affecter D d (ce qui est le choix qui lui dplat le plus)
Peut-on affecter les postes de faon satisfaire mieux les dsirs des cinq fonctionnaires ?
Avec lessai ci-dessus, lindice de satisfaction est : 1 + 3 + 1 + 5 + 1 = 11 (sil y avait une
solution qui rende tous les fonctionnaires pleinement satisfaits, cet indice vaudrait 5)
Mthode hongroise (daffectation) :
0
0
/
0
/
0
0
2
0
1
X2
0
1
3
0
2
On encadre un zro par ligne et par colonne, tant quon le peut.

a. Marquons toute ligne sans zro encadr
0
encadre untoute
zrocolonne
par ligneayant
et par
tantsur
quon
le peut.
b.Onmarquons
uncolonne,
zro barr
une ligne
marque
0
d.
Marquons
toute
ligne
sans
zro
encadr
c. marquons toute ligne ayant un zro encadr dans une colonne
e. marque
marquonset toute
colonne
ayant uncezro
sur une soit
ligneimpossible.
marque
revenons
b jusqu
quebarr
le marquage
0
/
0
f. barre
marquons
toute
ligne
un et
zro
encadr dans
une :colonne
On
alors les
lignes
nonayant
marques
les colonnes
marques
marque et revenons b jusqu ce que le marquage soit impossible.
1 2 1 2 X3 On barreSoit
plus
petitnon
nombre
du tableau
alorsleles
lignes
marques
et les restant.
colonnes marques :
3 1 2 0
On le retranche tous les lments non rays et on lajoute
aux lments barrs deux fois.
1 0 2 1
1 2 2 1 X1
0 3 0 2
0
3
1
0
0
1
1
0
1
3
0
2
2
1
0
1
0
1
0
2
On recommence alors le marquage. Voici les zros quil faut

obligatoirement encadrer :
0 0 1 0 1
1 3 1 2 0
3 1 0 2 1
0 0 1 1 0
2 0 3 0 2
Mais on peut avoir les affectations suivantes :

0
0
/
0
/
0
/
0
/
0
/
0
0
0
/
/
0
/
0
0 0
0
/
0
/
0
0
Dont les indices de satisfactions sont les suivants :
1+3+1+2+3=10
2+3+1+1+3=10
0
/
0
/
0
0
0
/
0
0
/
0
/
4+3+1+1+1=10
Comme on trouve cette fois-ci un zro par ligne et par colonne, (et mme de plusieurs
manires diffrentes), on a obtenu une affectation optimale.
3.1) Exercices
ORDONNANCEMENT
INTRODUCTION 10
1.2) Exemple 15
a) Agriculteur 15
b) Usine 16

II. CONVEXIT 21
b) Exercice 1 25
c) Exercice 2 26
d) Exercice 3 30
e) Exercice 4 32

a) Exemple 1 : 34

IV. DUALIT : 45
LES GRAPHES 66
1.1) Graphe 66
1.2) Chemins 67

3.1) Connexit 73

2.2) Procdure 84
2.4) Exercices 89

3.1) Exercices 91
ORDONNANCEMENT 96
I. INTRODUCTION 96

2.1) Mthode MPM 97
2.2) Mthode PERT 99

III. EXERCICES 101

I. INTRODUCTION 106
1.1) Historique 106

FIABILIT 116
I. INTRODUCTION 116

V. EXERCICES 121
ORDONNANCEMENT
Il s'agit de l'utilisation des graphes pour optimiser les enchanements (le chemin critique
dans l'organisation des tches).
I.
Introduction
Un dcideur a un projet raliser, il le dcompose en macro-tches, puis chacune de ces

tches est dcompose en tches lmentaires. Ces dernires sont articules entre elles par des
contraintes :
Contraintes potentielles :
Contraintes de succession : telle chose doit se faire compltement ou
partiellement avant une autre.
la tche i prcde la tche j = succession totale ;
la tche i doit tre aux 2/3 commence avant que j commence =
succession partielle
Localisation temporelle : disponibilit dans le temps. Si par exemple, un
quipement nest disponible quentre les instants t1 et t2
Formalisation :
Soit di :
la dure de la tche i
donnes
dj :
la dure de la tche j
ti :
la date de dbut de la tche i
inconnues
tj :
la date de dbut de la tche j
Contraintes : si i prcde j,
ti + di tj di tj - ti
si 2/3 i prcde j,
ti + 2/3 di tj 2/3 di tj -ti
dune manire gnrale,
ij di tj ti cd ij tj - ti (o ij est une donne)
contraintes disjonctives : exclusion mutuelle car les thces ne peuvent pas se
faire en mme temps (exemple : les tches i et j utilisent une mme ressource : une
seule machine, ). [ti, ti + di] [tj, tj + dj] =
contraintes cumulatives : les moyens sont limits, en main duvre, en
quipement, en budget
Pour illustrer une solution, on peut utiliser un diagramme de GANT :
charpentiers
couvreurs
plombiers
maon
0
10
20
30
40
50
II. Mthodes dordonnancement

Deux mthodes sont principalement utilises pour rsoudre les problmes
dordonnancement contraintes potentielles : les mthodes MPM (franaise) et PERT
(amricaine). Leurs buts sont :
1. dtablir un ordonnancement, i.e. un calendrier si les contraintes sont compatibles en
dterminant pour chaque tche la date ti de dbut de la tche i
2. de minimiser la dure totale du projet.
3. dnumrer les tches critiques, (ce sont celles qui, si elles subissent un retard, dcalent la
fin prvue du projet) et dvaluer les marges des tches non critiques.
2.1) Mthode MPM

MPM = mthode des Potentiels Mtra, du Professeur B. Roy
On la reprsente grce un graphe G=(X,U) o les sommets reprsentent les tches
(auxquelles on a ajout une tche de dbut et une tche de fin ) et les arcs traduisent les
contraintes.
Si deux sommets sont lis par un arc, cela signifie que lopration associe lextrmit
initiale de larc doit tre commence pour que puisse dbuter lopration lie lextrmit
terminale de larc.
Succession de deux oprations : a de dure 4, b de dure inconnue, b
a
b
ne pouvant dbuter quune fois a acheve.
4
Si b ne peut dbuter que deux units de temps aprs le dbut de a, on reprsentera les deux
tches ainsi :
a
b
2
Ainsi, sur un graphe MPM, la valeur numrique associe larc (i,j) est le dlai minimum
aprs le dbut de la tche i au bout duquel peut dmarrer la tche j.
Le sommet du graphe reprsente le dbut de la tche a dans un graphe MPM.
a) Exemple des tches du btiment

La construction d'un btiment ncessite les interventions des personnes suivantes:
Maons-platriers: 1 mois
Couvreur: 1 mois
Electricien: 15 jours
Carreleur: 3 semaines
1m
Dpart maon
1m
2m
couvreur
1m
3 sem
15j
1,5
m
carrel.
lectric.
Fin
2 m 1s
b) Exemple: travail de graphe

Dans cette organisation, certaines tches ont de la marge, d'autres non. Le chemin critique
C-F-G- ne doit pas connatre de retard car c'est lui qui impose sa dure. Cette mthode
peut tre complte par des tableaux (qui marcherait aussi avec la mthode PERT).
Tches
A
B
C
D
E
F
G
H
I
Contraintes
Peut dbuter 5 jours aprs lorigine
Peut dbuter ds lorigine
Peut dbuter 3 jours aprs lorigine
Ne peut dbuter que quand A et B sont finis
Quand B est fini
Quand B et C sont finis
Quand D, E, F sont finis
Quand E est fini et que la moiti de C est ralise
Quand D, E, F sont finis
A
5
0
16
14
14
14
20
8
8
18
18
25
I
25
18
Dure
16 j
14 j
20 j
8j
18 j
25 j
15 j
17 j
10 j
15
10
17
10
De plus en , t = 0, tA = 5, tB = 0, tC =3, tD = max (16+5, 14+0)=21, tE= max(14+0)=14,

tF= max(14+0, 20+3)=23, tG= max (tD+8, tE+18, tF+25)=max(21+8, 14+18, 23+25)=48,
tI= max (tD+8, tE+18, tF+25)=max(21+8, 14+18, 25+23)=48
tH= max (tE+18, tC+10) = 32
t = max(tG+15, tI+10, tH+17)= max(48+15, 48+10, 32+17)=63
Alors le chemin critique est C F G , il y a trois tches critiques, le projet durera au
minimum 63 jours.
t *= t,
tH* = max( 32, 63-17)= 46, la tche H doit et peut commencer entre le 32me jour et le 45me j.
tI*= max (48, 63-10)=53
tG* = tG = 48, tF* = tF= 23 (ce sont des tches critiques), tC* = tC
tE* = min (tG*-18, tI* - 18, tH* -18)=28
tD*= min (tG* - 8, tI*-8)= 40
tB* = min (tD* -14, tE* -14, tF* -14) = 9
tA* = min (tD* -16)= 26
On peut galement calculer les dates au plus tt et les dates au plus tard par les tableaux
suivants :
Dates au plus tt :
0 5
5
:0
:0
21
:0 16
14
14
A :5
B :0
14
23
B : 0 14
20
48
32
48
63
B:0
C:3
8
18
25
D : 21
E : 14
F : 23
10
18
C:3
E : 14
8
18
25
D : 21
E : 14
F : 23
15
17
10
G : 48
H : 32
I : 48
Chemin critique
Chaque colonne de ce tableau est constitue :
Date au plus tt de Xi
Nom du sommet : Xi
Dure de la tche XjXi
Prdcesseur Xj: date au plus tt de Xj
On retrouve le chemin critique en repartant de et en dterminant le chemin qui a permis
de trouver la date au plus tt de ce sommet final.(en gras et soulign dans le tableau)
Dates au plus tard :
0 A
24 B
A:
B:
C :3
5 D :40
0
3
16 D :40
E :28
F :23
14 F :23 20
14 H :46 10
14
40
G :48 8
I :53 8
28
G: 48 18
H: 46 18
I: 53 18
23
G: 48 25
I: 53 25
48
:63 15
46
:63 17
53
: 63 10
On remplit ce tableau aprs le prcdent en partant du sommet final et de la date

minimale de fin du projet : 63, puis en remontant les calculs. Pour cela, dans chaque colonne
de ce tableau, on a inscrit :
Nom du sommet : Xi
Successeur Xj: date au plus tard de Xj
Date au plus tard de Xi

Dure de la tche XiXj
2.2) Mthode PERT

PERT= Program Evaluation Research of Tascks
Dans cette mthode, on reprsente aussi les tches et les contraintes quelles subissent
travers un graphe G = (X, U), mais les sommets reprsentent des tapes de la ralisation du
projet et les arcs les tches.
Notation :
Numro de ltape k
Date au plus tard de ltape k
Date au plus tt de ltape k
Lopration est donc reprsente par un arc auquel on associe une valeur numrique, dure
de lopration.
Les sommets sont les aboutissements des oprations, ou reprsentent la ralisation de
certaines tapes ou objectifs partiels du programme (oprations fictives parfois).
Si on veut reprsenter la succession de deux oprations a et b, a durant 4 units de temps et
b 6, on tracera :
b ne peut dbuter que quand a est achev, mais il nest pas
b(6)
a(4)
3
2
1
oblig de commencer immdiatement aprs. Le moment 1 est le
dmarrage de a, linstant 2 est lachvement de a et le moment
o b peut commencer, linstant 3 est lachvement de b.
En revanche, si b peut commencer ds que deux units de temps ont t consacres a, il
faut introduire un autre sommet :
1
a(2)
2
b(6
)
a(4)
63
Pour le mme exemple que plus haut, on obtient le graphe suivant :

8
21 40
A
16
5 24
B
0 0
3
4
3 3
3
14 23
14
9
48 48
C1
10
15
10
63 63
10
0
5
C2
10
13 13
12
63 63
7
32 46
18
17
25
23 23
11
32 46
Chemin critique
On retrouve que les tches critiques sont C, F et G.

Marges pour ltape 10 par exemple : il y a quatorze jours de marge entre la fin de
lopration qui mne 11 et le dbut de lopration H pour ne pas retarder lachvement des
travaux
2.3) Comparaison des deux mthodes

a) Oprations parallles
Soient deux oprations b et c devant satisfaire aux conditions suivantes : seffectuer en
mme temps, succder une mme opration a, prcder une opration d.
Les dures respectives de a, b, c,d sont : 3, 2, 5, 7.
PERT :
a(3)
MPM :
2
b(2)
c(5)
d(7)
On peut interchanger le rle de b et c par

symtrie.
Remarque : on ne peut pas tracer ce style
de graphe, car il ne serait pas simple :
a(3)
c(5)
b(2)
d(7)
b(0) : opration
virtuelle
d
3
5
c
b) Oprations dpendantes et indpendantes

Soient a et b deux oprations de dure respectives 5 et 2 indpendantes, et c et d de dures
respectives 3 et 1 indpendantes, telles que c succde a sans succder b et d succde la
fois a et b.
PERT :
MPM :
a(5)
c(3)
a(0)
b(2)
d(1)
Attention : cette fois, c et d nont pas des

rles symtriques
c) Oprations composes (successions avec recouvrement)

Situation : certaines oprations peuvent dbuter avant lachvement complet dune
opration :
Exemple : a dure 2 jours ; b, qui dure 7 jours, succde a ; e, qui dure 2 jours, succde b ; c,
qui dure 3 jours, peut dbuter 1 jour aprs le dbut de b ; d ; qui dure 4 jours, peut dbuter 3
jours aprs le dbut de b.
PERT :
MPM :
deux solutions, lune en fractionnant,
lautre non.
Il faut fractionner lopration en plusieurs

sous-oprations successives :
1
a(2)
b1(1)
b2(2)
b3(4)
5
c(3)
4
b1
e(2)
b2
d(4)
Ou :
c
2
1
b
2+1=3
1+2+4=7
III. Exercices
b3
1
8
PROCESSUS
STOCHASTIQUES
176221984.doc
______________________________________________________________________________
INTRODUCTION 10
1.2) Exemple 15
a) Agriculteur 15
b) Usine 16

II. CONVEXIT 21
b) Exercice 1 25
c) Exercice 2 26
d) Exercice 3 30
e) Exercice 4 32

a) Exemple 1 : 34

IV. DUALIT : 45
___________________________________________________________________
DI GALLO Frdric
Page 103
30/09/2013
176221984.doc
______________________________________________________________________________
LES GRAPHES 66
1.1) Graphe 66
1.2) Chemins 67

3.1) Connexit 73

2.2) Procdure 84
2.4) Exercices 89

3.1) Exercices 91
ORDONNANCEMENT 96
I. INTRODUCTION 96

2.1) Mthode MPM 97
2.2) Mthode PERT 99

III. EXERCICES 101

___________________________________________________________________
DI GALLO Frdric
Page 104
30/09/2013
176221984.doc
______________________________________________________________________________
I. INTRODUCTION 106
1.1) Historique 106
FIABILIT 116
I. INTRODUCTION 116

V. EXERCICES 121
___________________________________________________________________
DI GALLO Frdric
Page 105
30/09/2013
176221984.doc
______________________________________________________________________________
PROCESSUS STOCHASTIQUES
I.
INTRODUCTION
On appelle processus stochastique tout problme qui dpend du hasard.
1.1) Historique
La premire ide de la thorie des processus se trouve chez Einstein en 1905 dans l'tude
du mouvement brownien. Puis, vers 1910, Markov dcrit l'alternance des voyelles et des
consonnes dans "Eugne Ouguine" de Pouchkine l'aide d'une chane de Markov.
En 1910, le danois Erlang cre la thorie des files d'attente pour l'aider rsoudre des
problmes de dimensionnement de standards tlphoniques. En 1933, Kolmogorov rdige la
formalisation des processus stochastiques. Depuis, Kendall, Levy, Khintchine, Feller, Dood
ont dvelopp cette thorie.
1.2) Dfinition d'un Processus Stochastique

Un processus stochastique est une famille de variables alatoire X t, t T (T reprsentant
le plus souvent le temps). La variable Xt reprsente l'tat du processus au temps t et
l'ensemble de toutes les valeurs possibles pour cette variable s'appelle espace des tats du
processus.
Elle est not .
Si T = IR+ , temps continu, on parle de processus stochastique
Si T = IN , temps discret, on parle de suite stochastique
Si Xt prend des valeurs finies ou dnombrables, on dit que le processus est espace d'tats
discret, sinon, on parle de processus espace d'tats continu.
Si est fini ou dnombrables, on parle de chane.
Un processus est Markovien s'il est sans mmoire (c'est dire qu'il ne dpend pas de ce
qui s'est pass avant). A tous instants u et t avec t>u , la probabilit que Xt = y ne dpend pas
de Xs pour s<u et de Xu mais seulement de Xu:
P (Xt = y / Xs
pour s<u et
Xu=x) = P (Xt = y / Xu = x)
___________________________________________________________________
DI GALLO Frdric
Page 106
30/09/2013
176221984.doc
______________________________________________________________________________
II. Les Chanes de Markov espace d'tats discret

En recherche oprationnelle, les processus tudies sont homognes. P (Xt+u = s / Xt =x) ne
dpend pas de t mais seulement de u (et de x et s).
Soit une chane de Markov espace d'tats discret
T = { t0, t1, , tn, }
(souvent confondu avec IN)
= { E , E , , E , }
1
La probabilit de transition est: P (Xn = Ej / Xm = Ei ) pour n>m

Il s'agit de passer de l'tat Ei l'tat Ej en un temps n-m, soit:
Pij = P (Xn = Ej / Xn-1 = Ei ) = P (X1 = Ej / X0 = Ei )
Remarque: le plus souvent, en pratique, est fini.
2.1) Probabilits et matrice de transition

On pose Pij = P (X1 = j / X0 = i ) pour (i, j)
(nombre d'lment de )
En supposant que est fini, on pose r = card et on peut dfinir une matrice P appel
matrice de transition.
Avec Pij 0
P11 P1r
r
:
:
P (X1 = Ej / Xo = Ei) =1
j=1
:
:
:
:
Pr1 Prr
= M (matrice des transitions)
Remarque: Toute matrice de transition est stochastique.
Dfinition: Une matrice carre P = (Pij) est stochastique si ses lments sont positifs ou
nuls: i,j , Pij 0 . La somme des lments de chaque ligne est gale 1:
r
P ij =1 pour tout i.
j=1
2.2) Probabilits de transition en m tapes

La probabilit d'aller de i j en m tapes exactement est P ij(m) = P (Xm = j / X0 = i ) et
s'appelle probabilit de transition en m tapes de i j.
Convention: P(0) = I . On a clairement P(0) = P0 et P(1) = P
___________________________________________________________________
DI GALLO Frdric
Page 107
30/09/2013
176221984.doc
______________________________________________________________________________
Proprit:
. P(m) = Pm pour tout m IN .
___________________________________________________________________
DI GALLO Frdric
Page 108
30/09/2013
176221984.doc
______________________________________________________________________________
En effet, Pij(m) = P (Xm=j / X0=i)
r
P (X
= j / Xm -1 = k) P (Xm -1 = k / X0 = i)
k =1
(1)
kj
Pik
(m -1)
k =1
= terme (ij) de P.P
m -1
=P
par df. des produits
matriciels
Conclusion de la rcurrence: P(m) = Pm pour tout m IN .

Proprit: quation de Chapman-Kolmogorov:
. P(n+m) = P(n) P (m) pour tout n, m IN .
r
ou P
(n+m)
ij
Pkj
(m)
(n)
Pik
k =1
pour i, j , n, m I
III. Graphe des transitions Classification des chanes

3.1) Exemple sur les processus alatoires
Dans la cour de rcration d'une cole, des enfants s'exercent au ballon. La matrice de
transition dcrit le comportement de tout lve. Ainsi l'lve A, ds qu'il dtient le ballon, le
garde encore trois seconde avec la probabilit 0,1 ou bien l'envoie avec la probabilit 0,5
l'lve B, ce qui prend encore trois seconde, ou bien l'envoie avec la probabilit 0,4 l'lve
H, la dure de la transition tant encore de trois seconde. D'autres lves ont des
comportements plus simples, par exemple, l'lve C s'il reoit le ballon le renvoie toujours
F, la dure de la transition tant aussi de trois secondes, etc. Le surveillant donne un ballon
l'lve A et un ballon l'lve I. que deviennent ces ballons au bout d'un temps assez long?
A
B
C
D
E
F
G
H
I
J
K
L
A
0.1
B
0.5
0.2
H
0.4
0.5
0.3
1
0.3
0.4
0.7
0.2
0.4
1
0.6
1
0.3
0.1
0.2
0.8
1
0.4
0.5
0.1
0.8
0.1
0.1
___________________________________________________________________
DI GALLO Frdric
Page 109
30/09/2013
176221984.doc
______________________________________________________________________________
Si P (X0 = A) = 1 alors P (X1 = C) = 0 et P (X1 = B) = 0.5
___________________________________________________________________
DI GALLO Frdric
Page 110
30/09/2013
176221984.doc
______________________________________________________________________________
Si P (X0 = A) = 0.1
P (X0 = B) = 0.8
P (X0 = C) = 0.1
Alors P (X1 = A) = P (X0 = A) x P (X1 = A / X0 = A) = 0.1 x 0.1
r
P (X
P (X1 = B) =
= Ej ) P (X1 = B / X0 = Ej)
(formule des probabilits totales)
k =1
= 0.1 x 0.5 + 0.8 x 0.2 + 0 x 0.6 = 0.21

Mathmatiquement:
(0) = ( P(X0=E1), P(X0=E2), , P(X0=Er) ) (distribution initiale des probabilits des tats)
. (1) = (0) . M .
ligne
matrice carre
de mme (2) = (1) . M = (0) . M d'o (n) = (0) . Mn

Graphe:
A
D
I
G
C
E
J
IV. Distribution des tats d'une chane

V.
Etude des chanes rductibles
VI. Les chanes de Markov temps continu

VII. Comportement asymptotique des chanes
VIII. Processus de naissance et de mort
___________________________________________________________________
DI GALLO Frdric
Page 111
30/09/2013
176221984.doc
______________________________________________________________________________
FIABILITE
___________________________________________________________________
DI GALLO Frdric
Page 112
30/09/2013
176221984.doc
______________________________________________________________________________
INTRODUCTION 10
1.2) Exemple 15
a) Agriculteur 15
b) Usine 16

II. CONVEXIT 21
b) Exercice 1 25
c) Exercice 2 26
d) Exercice 3 30
e) Exercice 4 32

a) Exemple 1 : 34

IV. DUALIT : 45
___________________________________________________________________
DI GALLO Frdric
Page 113
30/09/2013
176221984.doc
______________________________________________________________________________
LES GRAPHES 66
1.1) Graphe 66
1.2) Chemins 67

3.1) Connexit 73

2.2) Procdure 84
2.4) Exercices 89

3.1) Exercices 91
ORDONNANCEMENT 96
I. INTRODUCTION 96

2.1) Mthode MPM 97
2.2) Mthode PERT 99

III. EXERCICES 101

___________________________________________________________________
DI GALLO Frdric
Page 114
30/09/2013
176221984.doc
______________________________________________________________________________
I. INTRODUCTION 106
1.1) Historique 106
FIABILIT 116
I. INTRODUCTION 116

V. EXERCICES 121
___________________________________________________________________
DI GALLO Frdric
Page 115
30/09/2013
176221984.doc
______________________________________________________________________________
FIABILIT
I.
INTRODUCTION
La fiabilit est laptitude dun systme, dun matriel fonctionner sans incident pendant un
temps donn. Pour lAFNOR cest la caractristique dun dispositif qui sexprime par la
probabilit pour ce dispositif daccomplir la fonction requise, dans des conditions
dtermines, pendant une priode donne. Prvoir la fiabilit est essentiel pour des raisons de
scurit (systmes de freinage, systmes nuclaires, systmes informatiques, ). La quasi
impossibilit de rparer certains matriels, (satellites), les problmes conomiques (cots de
dfaillances, gestion du personnel de maintenance, maintenance des stocks de pices de
rechange, ...) rendent ncessaire la connaissance de la fiabilit des systmes utiliss. On ne
considrera ici que des situations simples.
II. GENERALITES - TERMINOLOGIE

2.1) Fonction de dfaillance et fn de fiabilit
On considre dans un premier temps un dispositif unique ou un groupe de dispositifs
identiques de mme provenance utiliss dans des conditions semblables, dont les proprits
sont susceptibles de se modifier au cours du temps. Au bout dun certain temps appel dure
de vie, le systme cesse de satisfaire aux conditions dutilisation. On considrera soit un
groupe de dispositifs identiques, on relvera alors les temps jusqu la dfaillance, soit un
dispositif unique rpar aprs chaque panne, en supposant que la rparation ninflue pas sur
les conditions initiales de fonctionnement du dispositif, on relve alors les temps entre
dfaillance. Cette dure de vie permet de dfinir une variable alatoire T, absolument
continue valeur dans R+. Sa fonction de rpartition F, appele fonction de dfaillance est
donc la probabilit pour que le systme soit en panne avant linstant t. F(t) = P(T < t). On
considre galement la fonction de fiabilit R qui donne la probabilit pour que le systme
fonctionne aprs un temps dutilisation t.
R(t) = P(T t) = 1 - F(t).
2.2) Taux davarie ou taux de dfaillance

Considrons un ensemble de systmes identiques, tous mis en service linstant t, on peut
relever le nombre N(t) de systmes en tat de marche. Le taux de dfaillance moyen dans un
intervalle de temps [t, t1], rapport au nombre de systmes encore en vie au dbut de cet
intervalle sexprime par :
___________________________________________________________________
DI GALLO Frdric
Page 116
30/09/2013
176221984.doc
______________________________________________________________________________
(N(t) N(t1)) / N(t)( t1 - t)
Par analogie, si la fonction de fiabilit R est drivable, on dfinit le taux instantan davarie
par la fonction dfinie par
(t) = lim t1t (R(t) R(t1)) / R(t)(t1 t) = - R(t) / R(t).
On constate exprimentalement que la courbe reprsentative de cette fonction est, pour de

nombreux systmes, une courbe en baignoire.
Trois priodes sont distinguer, notes (1), (2) et (3). Durant la premire priode, le taux de
dfaillance dcrot, il correspond des fautes de jeunesse. Durant la seconde, qualifie de vie
utile, il reste peu prs constant, les pannes semblent seulement dues au hasard. Durant la
troisime priode, le taux davarie crot rapidement, les pannes sont alors due aux dfauts
causs par lusure.
Pour un systme dont la fonction de fiabilit est R, dsignons par p(h) la probabilit pour que
le systme tombe en panne entre les instants t et t + h sachant quil ny a pas eu de dfaillance
pendant lintervalle [0, t] o t est fix. Le taux instantan de dfaillance est :
(t) = limh0 p(h) / h.

Soit E1, respectivement E2, les vnements "le systme fonctionne aprs le un temps
dutilisation t" et "le systme tombe en panne entre les instants t et t + h".
On a p(h) = P(E2|E1) = P(E1E2) / P(E1).
Par ailleurs
P(E1) = R(t) = 1 F(t) et P(E1E2) = P(t T t + h) = F(t + h) F(t).
Il en rsulte que
(t) = limh0 (F(t + h)-F(t)) / h (1 - F(t)) = F(t) / (1 - F(t)) = - R(t) / R(t)
On supposera que R est partout non nulle et continment drivable sur [0, + [, ce qui
implique que est continue sur [0, + [.
MTBF (Mean Time Between Failure): moyenne des temps entre deux dfaillance ne pas
confondre avec la moyenne des temps de bon fonctionnement. La MTBF est lesprance
mathmatique de la variable alatoire T reprsentant la dure de vie du systme, si f est la
densit de probabilit de T, alors :
MTBF = E(T) = 0+ tf(t)dt

___________________________________________________________________
DI GALLO Frdric
Page 117
30/09/2013
176221984.doc
______________________________________________________________________________
a) Relations fondamentales
Ln(R(t)) = 0t (u)du
F(t) = 1 - exp(-0t (u)du)
b) Estimation des fonctions R et F
Une estimation de R(t) est fournie par le pourcentage de dispositifs nayant pas subi de
dfaillance dans lintervalle de temps [0, t].
Exemple :
Ltude de la fiabilit de pices mcaniques a conduit tudier la dure de vie de 9 de ces
pices. Les temps de bon fonctionnement en heures jusqu dfaillance sont :
Pice n
T
1
90
2
350
3
950
4
1660
5
530
6
1260
7
2380
8
230
9
720
On estime R(t) par le quotient par 9 du nombres de systme en tat de marche linstant t. On
obtient ainsi le tableau suivant :
t
N(t)
R(t)
F(t)
90
8
8/9
1/9
230
7
7/9
2/9
530
6
6/9
3/9
720
5
5/9
4/9
950
4
4/9
5/9
1260
3
3/9
6/9
1660
2
2/9
7/9
2380
1
1/9
8/9
0
0
1
Cette mthode destimation est acceptable si le nombre des systmes mis en service linstant
t = 0 est suffisamment grand. Pratiquement si N dsigne ce nombre de systmes, on estime
F(t) linstant de la i-me dfaillance par :
i / N si N > 50 (mthode des rangs bruts)
i / (N + 1) si 20 < N <= 50 (mthode des rangs moyens)
(i - 0,3) / (N + 0,4) si N <= 20 (mthode des rangs mdians)
Par exemple, dans le cas prcdent, on obtient en utilisant les rangs mdians:
i
t
F(t)
R(t)
1
90
0,07
0,93
2
230
0,18
0,82
3
530
0,29
0,71
4
720
0,39
0,61
5
950
0,5
0,5
6
1260
0,61
0,39
7
1660
0,72
0,28
8
2380
0,82
0,18
9
0,93
0,07
___________________________________________________________________
DI GALLO Frdric
Page 118
30/09/2013
176221984.doc
______________________________________________________________________________
III. LOIS UTILISEES

3.1) Loi exponentielle
Si on considre des systmes ne prsentant pas de phnomnes dusure (semi-conducteurs,)
et pour lesquels les dfauts de jeunesse sont inexistants, il faut envisager une loi dont le taux
davarie est constant. On alors (t) =
On a alors
F(t) = 1 - e-t si t [0, +[ et R(t) = e-t

MTBF = E[T] = 1 /
La probabilit pour que le systme fonctionne aprs un temps dutilisation gal la MTBF
est R(1/) = 1 / e 0,368, soit 36,8%.
Dans lexemple ci-dessus, on peut approximer la loi par une loi exponentielle de paramtre
1 / 1060 0,00094. On en dduit que la probabilit pour que la pice fonctionne au moins
2000 heures est R(2000) = exp(-2000/1060) 0,15
3.2) Loi de Weibull

On se place dans le cas de systme ne tombant pas en panne avant linstant g et dont le taux
davarie nest pas constant aprs cet instant mais est une fonction puissance du temps, on a
ainsi :
(t) = / . [(t -) / ] - 1, si t > , 0 sinon.

Si 0 < < 1, alors le taux davarie est dcroissant,
Si = 1, le taux davarie est constant
Si > 1, le taux davarie est croissant.
La fonction de fiabilit est donc :
R(t) = 1 si t , exp(-[(t - )/] ) si t > .

F(t) = 0 si t , 1 - exp(-[(t - )/] ) si t > .
On obtient la densit de probabilit de T,
f(t) = / . [(t - ) / ] -1 exp [ - [(t - ) / ] ] si t ,
0 si t <
: paramtre de position,
: paramtre de dispersion,
___________________________________________________________________
DI GALLO Frdric
Page 119
30/09/2013
176221984.doc
______________________________________________________________________________
: paramtre de forme.
On montre que la MTBF est :
MTBF = E(T) = (1 + 1 / ) + .
Le calcul pratique se fait grce la formule E(T) = A + , o le nombre A est donn par une
table de Weibull. De mme V(T) = B2
o B est donn galement par la table.
IV. Fiabilit dun systme et de ses composants

4.1) Systme structure en srie
Un systme prsente une structure srie si la dfaillance dun seul de ses composants entrane
celle du systme. Il est souvent reprsent par le schma :
C1
C2
C3
La dure de vie du systme S est dfinie par la donne de la fonction R. Les vnements
"Ti > t" tant indpendants, on a :
P(T > t) = P(T1 > t et T2 > t et et Tn > t)
= P(T1 > t) . P(T2 > t) P(Tn > t)
Do
R(t) = 1 i n Ri(t)
Exemple :
Si les composants suivent des lois exponentielles de paramtre i, R suit une loi
exponentielle de paramtre = 1 + + n .
4.2) Systme structure parallle

Un systme prsente une structure parallle si ltat de marche dun seul de ses composants
entrane celle du systme. Le systme est dfaillant si chacun des composants est dfaillant.
C1
C2
La fonction de dfaillance F est dfinie par

F(t) = P(T t) = P(T1 t et et Tn t)
= P(T1 t). .P(Tn t)
Do
C3
___________________________________________________________________
DI GALLO Frdric
Page 120
30/09/2013
176221984.doc
______________________________________________________________________________
R(t) = 1 F(t) = 1 - 1 i n (1 - Ri(t))
Exemple :
Un systme structure srie est constitu de n composants Ci indpendants dont la dure de
vie Ti suit une loi exponentielle de paramtre li. Calculons la MTBF de ce systme.
Pour chaque composant Ci, nous avons Ri (t) = exp(i t) si t 0, 0 sinon.
La fonction de fiabilit de ce systme est dfinie par le produit de ces fonctions do,
R(t) = exp(1t + + nt) si t 0, 0 sinon.
On en dduit que le systme suit une loi exponentielle de paramtre, = 1 + + n.
Do,
MTBF = 1 / (1 + + n)
4.3) Systmes structure mixte

Si le systme nest ni structure srie ni structure parallle, on peut en gnral le
dcomposer en sous-systmes qui sont soit en srie, soit en parallle.
Exemple :
C1
Le systme est une structure srie du composant C3 et du

sous-systme not C1,2 lui-mme structure parallle.
La dure de vie de ce sous-systme est:
R1,2(t) = 1 (1 R1(t))(1 R2(t))
= R1(t) + R2(t) R1(t).R2(t)
C3
C2
Par la suite :
R(t) = R3(t).( R1(t) + R2(t) R1(t).R2(t)).
V.
EXERCICES
5.1) Exercice n 1
Soit un systme S constitu de 5 composants suivant le schma ci-dessous, de fonction de

fiabilit respective Ri. Dterminer la fonction de fiabilit R de ce systme.
C1
C3
C4
C2
C5
___________________________________________________________________
DI GALLO Frdric
Page 121
30/09/2013
176221984.doc
______________________________________________________________________________
5.2) Exercice n 2
La fiabilit dun type de machines a t ajuste par une loi de Weibull de paramtres = 40,
= 60 et = 1.1.
1) Dterminer la MTBF et calculer le temps de bon fonctionnement pour une
dfaillance admise de 50%.
2) Calculer le taux davarie pour les valeurs t = 45, 75, 105, 135 et 165.
5.3) Exercice n 3
La fiabilit dun portail automatique suit une loi exponentielle de paramtre =1.52 . 10-3.
Quelle est la MTBF ? Calculer la probabilit de voir le systme tomber en panne pendant la
premire anne de fonctionnement.
___________________________________________________________________
DI GALLO Frdric
Page 122
30/09/2013

Recherche Opérationnelle Et Aide À La Décision

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Recherche Opérationnelle Et Aide À La Décision

Enviado por

Direitos autorais:

Formatos disponíveis

Recherche oprationnelle

Cours dispens par Anne-Marie BACHAS.

CNAM Aix-en-Provence 2001-2002

CHEMIN DE VALEUR OPTIMALE...................82

CHEMIN DE VALEUR OPTIMALE...................82

RECHERCHE OP. CNAM AIX 2001-2002

Prsentation de la Recherche Oprationnelle

II. Domaines d'application

2.1) Les problmes combinatoires

2.2) Les problmes alatoires

2.3) Les problmes de concurrence

III. Proprits de la R.O. interdisciplinaire

1.3) Forme canonique 16

3.3) Mthode des 2 phases et mthode M 34

3.4) Paramtrisation des coeff. de la fn co. 38

III. CONNEXIT FORTE CONNEXIT 73

CHEMIN DE VALEUR OPTIMALE 82

III. PROBLME DAFFECTATION 89

II. MTHODES DORDONNANCEMENT 97

2.2) Mthode PERT 99

III. EXERCICES 101

PROCESSUS STOCHASTIQUES 106

III. LOIS UTILISEES 119

RECHERCHE OP. CNAM AIX 2001-2002

Problmatique de la programmation linaire

Un programme linaire est un programme mathmatique, i.e. problme consistant trouver

On peut synthtiser les contraintes de cette faon:

1.3) Forme canonique

Il y a m contraintes propres et n contraintes impropres (de positivit), et n variables naturelles.

xj 0 xj 0 changement de variable xj = xj dans le PL

1.4) Formulation gnrale

<c, x> = + c.x

1.5) Interprtation gomtrique

(PL1) est associ la reprsentation graphique suivante.

Dans cet exemple, la solution optimale est x1=1, x2 = 3, z = 2

t1: variable d'cart

1.6) Forme standard

est combinaison linaire

III. Mthode du simplexe

On trouve donc une deuxime solution admissible: x1 = 0 , x2 = 1 ,

On fait rentrer x1 dans la base en posant x1 = 1, et on a donc hors base: t 1 = 0 , t2 = 0 et en

3.2) Mthode des tableaux

x1=x2=0 (donc ce sont les variables Hors Base)

on va faire entrer x1 en base et en sortir t2:

On a obtenu la solution optimale , puisque les coefficients de la fonction conomique sont

Solution de base admissible: x1 = x2 = 0

L'3 : t3 en fonction de t2, x2

Donc x1 = 0 = t2 ; x2=4 ; t1=10 ; t3=16 ; z=12

z=30 ; x1 = 6 ; x2=8 ; t1=t2=0 ; t3=8

Solution de base admissible: x1 = x2 = Z = 0

+ contraignante donc on fait sortir t1

et on fait sortir t1 de la base:

Z-8/3 = 2/3 x2 1/3 t1

Ce n'est pas la solution optimale. On fait donc rentrer x2 en base et sortir t3

Solution: x1 = 7/3 ; x2 = 1 ; t2 = 5/3 ; t1, t3=0

Solution de base admissible: x1 = x2 = Z = 0

On fait rentrer x1 en base et sortir t1:

On fait rentrer x2 en base et sortir t3:

En fait, il y a une infinit de solutions optimales sur le segment [AB].

2. Trouver une solution optimale par la mthode des tableaux

Si l'on veut que L1 dfinisse x2: on aura L2 ; L'3 L3 - L1 ; L'4 L4 - 6L1

Si l'on veut que L2 dfinisse x1:

Et on obtient donc la solution optimale pour x2 = 25 , x4 = 7 , x1 = x4 = 0 (t1 = 6 )