Récherche Opérationnelle

Recherche oprationnelle
et aide la dcision
Cours du Cycle Probatoire
Simplex
PERT
MPM
Cours dispens par Anne-Marie BACHAS.

CNAM Aix-en-Provence 2001-2002
351783446.doc
______________________________________________________________________________
INTRODUC
TION
I. PRSENTATION DE LA RECHERCHE OPRATIONNELLE.................................................7
II. DOMAINES D'APPLICATION...........................................................................................7
2.1) Les problmes combinatoires..................................................................................7
2.2) Les problmes alatoires.........................................................................................7
2.3) Les problmes de concurrence................................................................................7
III. PROPRITS DE LA R.O. INTERDISCIPLINAIRE..............................................................7
PROGRAMMATION LINEAIRE
I. PROBLMATIQUE DE LA PROGRAMMATION LINAIRE.................................................10
1.1) Introduction...........................................................................................................10
1.2) Exemple.................................................................................................................10
1.3) Forme canonique..................................................................................................11
1.4) Formulation gnrale...........................................................................................12
1.5) Interprtation gomtrique...................................................................................12
1.6) Forme standard.....................................................................................................13
II. CONVEXIT.................................................................................................................14
III. MTHODE DU SIMPLEXE.............................................................................................14
3.1) Exemple avec deux variables................................................................................14
3.2) Mthode des tableaux...........................................................................................16
3.3) Mthode des 2 phases et mthode M....................................................................24
3.4) Paramtrisation des coeff. de la fn co.................................................................27
IV. DUALIT :...................................................................................................................32
PROBLEMES DE TRANSPORT
I. EXEMPLE DE L'USINE..................................................................................................37
1.1) Problme : rpartition des expditions.................................................................37
___________________________________________________________________
DI GALLO Frdric Page 2 16/04/2017
351783446.doc
______________________________________________________________________________
1.2) Modlisation du problme....................................................................................38
1.3) Reprsentation graphique.....................................................................................39
1.4) Mthode plus rapide (des regrets)........................................................................40
1.5) Changement de base.............................................................................................40
1.6) Cas de dgnrescence.........................................................................................42
II. RECHERCHE DUNE SOLUTION INITIALE.....................................................................42
2.1) Rgle du coin Nord-Ouest ("hasard")...................................................................42
2.2) Rgle de Balas-Hammer :.....................................................................................43
___________________________________________________________________
351783446.doc
______________________________________________________________________________
LES GRAPHES
I. DFINITION VOCABULAIRE......................................................................................47
1.1) Graphe..................................................................................................................47
1.2) Chemins................................................................................................................48
II. MATRICES ASSOCIES UN GRAPHE..........................................................................49
2.1) Matrice latine........................................................................................................49
2.2) Matrices boolenne et arithmtique.....................................................................50
III. CONNEXIT FORTE CONNEXIT...............................................................................51
3.1) Connexit..............................................................................................................51
3.2) Forte connexit.....................................................................................................51
3.3) Fermeture transitive..............................................................................................52
3.4) Recherche des classes fortement connexes, des circuits hamiltoniens.................53
3.5) Mthode de Georges DEMOUCRON...................................................................53
CHEMIN DE VALEUR OPTIMALE

I. ALGORITHME DE FORD...............................................................................................58
II. ALGORITHME DE FORD-FULKERSON.........................................................................59
2.1) flot travers un rseau.........................................................................................59
2.2) Procdure..............................................................................................................60
2.3) Recherche dun flot complet initial.......................................................................61
2.4) Exercices...............................................................................................................64
III. PROBLME DAFFECTATION........................................................................................64
3.1) Exercices...............................................................................................................66
ORDONNANCEMENT
I. INTRODUCTION...........................................................................................................69
II. MTHODES DORDONNANCEMENT.............................................................................70
2.1) Mthode MPM......................................................................................................70
2.2) Mthode PERT......................................................................................................72
2.3) Comparaison des deux mthodes..........................................................................73
III. EXERCICES..................................................................................................................74
___________________________________________________________________
351783446.doc
______________________________________________________________________________
PROCESSUS STOCHASTIQUES
I. INTRODUCTION.....................................................................................................77
1.1) Historique.............................................................................................................77
1.2) Dfinition d'un Processus Stochastique................................................................77
II. LES CHANES DE MARKOV ESPACE D'TATS DISCRET.............................................78
2.1) Probabilits et matrice de transition....................................................................78
2.2) Probabilits de transition en m tapes..................................................................78
III. GRAPHE DES TRANSITIONS CLASSIFICATION DES CHANES.....................................79
3.1) Exemple sur les processus alatoires...............................................................79
IV. DISTRIBUTION DES TATS D'UNE CHANE...................................................................80
V. ETUDE DES CHANES RDUCTIBLES............................................................................80
VI. LES CHANES DE MARKOV TEMPS CONTINU...........................................................80
VII.COMPORTEMENT ASYMPTOTIQUE DES CHANES.........................................................80
VIII. PROCESSUS DE NAISSANCE ET DE MORT................................................................80
FIABILIT
I. INTRODUCTION.....................................................................................................83
II. GENERALITES - TERMINOLOGIE.......................................................................83
2.1) Fonction de dfaillance et fn de fiabilit..............................................................83
2.2) Taux davarie ou taux de dfaillance....................................................................83
III. LOIS UTILISEES......................................................................................................86
3.1) Loi exponentielle...................................................................................................86
3.2) Loi de Weibull.......................................................................................................86
IV. FIABILIT DUN SYSTME ET DE SES COMPOSANTS....................................................87
4.1) Systme structure en srie..................................................................................87
4.2) Systme structure parallle................................................................................87
4.3) Systmes structure mixte....................................................................................88
V. EXERCICES..............................................................................................................88
5.1) Exercice n 1.........................................................................................................88
5.2) Exercice n 2.........................................................................................................89
5.3) Exercice n 3.........................................................................................................89
___________________________________________________________________
351783446.doc
______________________________________________________________________________
INTRODUCTION
___________________________________________________________________
351783446.doc
______________________________________________________________________________
INTRODUCTION
I. PRSENTATION DE LA RECHERCHE OPRATIONNELLE.................................................7
II. DOMAINES D'APPLICATION...........................................................................................7

2.1) Les problmes combinatoires..................................................................................7
2.2) Les problmes alatoires.........................................................................................7
2.3) Les problmes de concurrence................................................................................7
III. PROPRITS DE LA R.O. INTERDISCIPLINAIRE..............................................................7
___________________________________________________________________
351783446.doc
______________________________________________________________________________
RECHERCHE OP. CNAM AIX 2001-2002
INTRODUCTION
1. 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.
2. 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.
3. Proprits de la R.O.
interdisciplinaire
Economie Informatique
B.D.
Recherche
Oprationnelle
___________________________________________________________________
351783446.doc
______________________________________________________________________________
Outils
mathmatique
___________________________________________________________________
351783446.doc
______________________________________________________________________________
Programmation
Linaire
___________________________________________________________________
351783446.doc
______________________________________________________________________________
I. PROBLMATIQUE DE LA PROGRAMMATION LINAIRE................................................ 10
1.1) Introduction.......................................................................................................... 10
1.2) Exemple................................................................................................................ 10
a) Agriculteur.................................................................................................................... 10
b) Usine............................................................................................................................. 11
1.3) Forme canonique................................................................................................. 11
1.4) Formulation gnrale.......................................................................................... 12
1.5) Interprtation gomtrique.................................................................................. 12
1.6) Forme standard.................................................................................................... 13
II. CONVEXIT................................................................................................................ 14
III. MTHODE DU SIMPLEXE............................................................................................ 14

3.1) Exemple avec deux variables............................................................................... 14
3.2) Mthode des tableaux.......................................................................................... 16
a) PL1 sous forme standard............................................................................................. 16
b) Exercice 1..................................................................................................................... 17
c) Exercice 2...................................................................................................................... 18
d) Exercice 3..................................................................................................................... 21
e) Exercice 4...................................................................................................................... 22
3.3) Mthode des 2 phases et mthode M................................................................... 24
a) Exemple 1 :................................................................................................................... 24
b) Mthode des 2 phases :................................................................................................. 24
c) Mthode M ou des perturbations :................................................................................ 26
3.4) Paramtrisation des coeff. de la fn co................................................................ 27
IV. DUALIT :.................................................................................................................. 32
___________________________________________________________________
351783446.doc
______________________________________________________________________________
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:
Prix (FF/ha) Temps (jour) Rapports (FF/ha)

Mas 1500 18 420
Bl 1800 27 510
soja 1050 15 360
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
___________________________________________________________________
351783446.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
j1 Fonction conomique
n
a ij .x j b i , pour 1 i m
j1 m: contraintes
x j 0, pour 1 j n
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
n n
a ij .x j b i b i
j1 j1
n
n
a ij.x j bi
j1
aij.x j bi

n
j1 a .x b
ij j i
j1

xj 0 xj 0 changement de variable xj = xj dans le PL
___________________________________________________________________
351783446.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.
___________________________________________________________________
351783446.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
2 x1 x 2 1

Le systme : x1 3x 2 10 (PL1) est associ la reprsentation graphique suivante.
x 4
1
x1 , x 2 0
Dans cet exemple, la solution optimale est x1=1, x2 = 3, z = 2
___________________________________________________________________
351783446.doc
______________________________________________________________________________
4
1
3
9
0
3
0,
0,
0,
1,
1,
1,
2,
2,
2,
3,
3,
3,
___________________________________________________________________
351783446.doc
______________________________________________________________________________
Soit le systme:
-2x1 + x2 1
x1 + 3x2 10
x1 4
max z = -x1 + x2
D1 2 1 D3
D1 -2x1 + x2 = 1
x2 = 2x1 + 1
0
D2 3x2 = 10 x1
x2 = 10/3 (1/3)x1 -1
A
D3 x1 4 D2
x2 = 2x1 + 1
k x2 x1 = k
x2 = x1 + k
z a pour maximum 2 atteint en x1 = 1, x2 = 3
A x2 = 1 - 2 x1 + x 2 + t 1 = 1 t1: variable d'cart

x1 = 0 x1 + 3x2 + t2 = 10
x1 +t3 = 4
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
j1
n
a ij .x j x n i b i , pour 1 i m
j1
x j 0, pour 1 j n
x n i 0, pour 1 i m
___________________________________________________________________
351783446.doc
______________________________________________________________________________
Ecriture matricielle :
max ( tc x)
Ax=b
x 0
avec :
x1 c1
a 11 a 1n 1 0 0

a 21 a 2n 0 1 0
x= x n , c= c n x, c Rn+m, A = ,A M (R), b=

m,n+m

a 0 0 1
x 0 m1 a mn
n m
b1

, b Rm
b
m
2. 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 est combinaison linaire
convexe de points extrmes de .
Remarque : Dans le cas o est un polydre non born, il existe un thorme analogue
utilisant la notion de rayons extrmaux.
3. 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
___________________________________________________________________
351783446.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 x2 1
t2 = 10 3x2 0 x2 10/3
t3 = 4 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 x1 -1/2
t2 = 7 - 7x1 0 x1 1
t 3 = 4 - x1 0 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 !!!
___________________________________________________________________
351783446.doc
______________________________________________________________________________
3.2) Mthode des tableaux

a) PL1 sous forme standard
max z x1 x 2
2x 1 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 bi x1 x2 t1 t2 t3
1 1 2 1 1 0 0
10/3 10 1 3 0 1 0
4 1 0 0 0 1
Z 1 1 0 0 0
La solution admissible de base (solution initiale) est:
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 bi x1 x2 t1 t2 t3
-1/2 1 2 1 1 0 0 x2
1 7 7 0 -3 1 0 t2 L2 3L1
4 4 1 0 0 0 1 t3
Z-1 1 0 -1 0 0 L4 L1
on va faire entrer x1 en base et en sortir t2:
bi x1 x2 t1 t2 t3
3 0 1 1/7 2/7 0 x2
1 1 0 -3/7 1/7 0 x1
3 0 0 3/7 -1/7 1 t3
Z2 0 0 -4/7 -1/7 0
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.
___________________________________________________________________
351783446.doc
______________________________________________________________________________
Conclusion : solution optimale : x1=1, x2=3, z =2
___________________________________________________________________
351783446.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 D3
D1 x1 + x2 = 14 30
x2 = 14 x1
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 0
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) bi x1 x2 t1 t2 t3 dfinit
14 14 1 1 1 0 0 t1
4 12 -2 3 0 1 0 t2
-2 2 2 -1 0 0 1 t3
Z 1 3 0 0 0
Solution de base admissible: x1 = x2 = 0 t1 = 14

t2 = 12
t3 = 2
___________________________________________________________________
351783446.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 bi x1 x2 t1 t2 t3 dfinit
10*3/5 6 10 5/3 0 1 -1/3 0 t1 L1 - L2
4*(-3/2) -6 4 -2/3 1 0 1/3 0 x2 L2/3
16*3/4 12 16 4/3 0 0 1/3 1 t3 L3 + L2
Z-12 3 0 0 -1 0 LZ - 3L2
L1 : t1 en fonction de x1, x2 L1 14 1 1 1 0 0
L'2 : x2 en fonction de t2 L'2 4 -2/3 1 0 1/3 0
L'1 : t1 en fonction de t2, x2 L'1 10 5/3 0 1 -1/3 0
L'3 : t3 en fonction de t2, x2 L3 12 2 -1 0 0 1

L'2 4 -2/3 1 0 1/3 0
L'3 16 4/3 0 0 1/3 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 x1 x2 t1 t2 t3 dfinit
6 1 0 3/5 -1/5 0 x1
8 0 1 2/5 1/5 0 x2
16-(4/3)*6 = 8 0 0 -4/5 3/5 1 t3
Z-12-18 0 0 -9/5 -2/5 0
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
___________________________________________________________________
351783446.doc
______________________________________________________________________________
___________________________________________________________________
351783446.doc
______________________________________________________________________________
coef (bi/ai1) bi x1 x2 t1 t2 t3 dfinit

8/3 8 3 1 1 0 0 t1
6 6 1 2 0 1 0 t2
9/3 9 3 2 0 0 1 t3
Z 1 1 0 0 0
Solution de base admissible: x1 = x2 = Z = 0 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 8 3x1 0 8/6 x1 + contraignante donc on fait sortir t1
x1 + t2 = 6 6 x1 0 6 x1
3x1 + t3 = 9 9 3x1 0 3 x1
et on fait sortir t1 de la base:

8 8/3 1 1/3 1/3 0 0 x1 L1/3
2 10/3 0 5/3 -1/3 1 0 t2 L2-L'1
1 1 0 1 -1 0 1 t3 L3-3L'1
Z-8/3 0 2/3 -1/3 0 0
L2 6 1 2 0 1 0
-L'1 -8/3 -1 -1/3 -1/3 0 0
L'2 10/3 0 5/3 -1/3 0 0
L3 9 3 2 0 0 1
-3L'1 -8 -3 -1 -1 0 0
L'3 1 0 1 -1 0 1
Lz Z 1 1 0 0 0
-L'1 -8/3 -1 -1/3 -1/3 0 0
L'z Z-8/3 0 2/3 -1/3 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
___________________________________________________________________
351783446.doc
______________________________________________________________________________

7/2 7/3 1 0 2/3 0 -1/3 x1 L'1-1/3L''3
5/4 5/3 0 0 4/3 1 -5/3 t2 L'2-5/3L''3
-1 1 0 1 -1 0 1 x2
Z-10/3 0 0 1/3 0 -2/3 Lz-2/3L''3
L'1 8/3 1 1/3 1/3 0 0

1/3L''3 1/3 0 1/3 -1/3 0 1/3
L'1-1/3L''3 7/3 1 0 2/3 0 -1/3
L'2 10/3 0 5/3 -1/3 1 0

5/3L''3 5/3 0 5/3 -5/3 0 5/3
L'2 5/3 L''3 5/3 0 0 4/3 1 5/3
L'z Z 8/3 0 2/3 -1/3 0 0

2/3L''3 2/3 0 2/3 -2/3 0 2/3
L'z-2/3L''3 Z 10/3 0 0 1/3 0 -2/3
Solution: x1 = 7/3 ; x2 = 1 ; t2 = 5/3 ; t1, t3=0 Z = 10/3
Faisons rentrer t1 et sortir t2 de la base (on fait sortir t2 car il a le coefficient le plus petit
positif).
3/2 1 0 0 -1/2 1/2 x1 L''1-1/3L''3
5/4 0 0 1 -5/4 t1 L'2-5/3L''3
9/4 0 1 0 -1/4 x2
Z-15/4 0 0 0 -1/4 -1/4 Lz-2/3L''3
L''1 7/3 1 0 2/3 0 -1/3

L'''2 5/4 0 0 1 -5/4
L''1-2/3L''2 3/2 1 0 0 -1/2 1/2
L''2 -1 1 0 1 -1 0
L'''2 5/4 0 0 1 -5/4
L''3 L''2 9/4 0 1 0 -1/4
L''z Z-10/3 0 0 1/3 0 -2/3

L'''2 5/4 0 0 1 -5/4
L''z+1/3L''2 Z-15/4 0 0 0 -1/4 -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
___________________________________________________________________
351783446.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

3 3 1 -1 1 0 0 t1
-4 4 -1 2 0 1 0 t2
4 8 2 1 0 0 1 t3
Z 1 1/2 0 0 0
Solution de base admissible: x1 = x2 = Z = 0 t1 = 3

t2 = 4
t3 = 8
On fait rentrer x1 en base et sortir t1:

-3 3 1 -1 1 0 0 x1
7 7 0 1 1 1 0 t2
2/3 2 0 3 -2 0 1 t3
Z-3 0 3/2 -1 0 0
On fait rentrer x2 en base et sortir t3:
11/3 1 0 1/3 0 1/3 x1 L1+L'3
19/3 0 0 5/3 1 -1/3 t2 L2-L'3 B
2/3 0 1 -2/3 0 1/3 x2 L'3
Z-4 0 0 0 0 -1/2
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.
___________________________________________________________________
351783446.doc
______________________________________________________________________________
___________________________________________________________________
351783446.doc
______________________________________________________________________________
12/5 1 0 0 -5 2 x1
19/5 0 0 1 3/5 -1/5 t1 A
16/5 0 1 0 2/5 1/5 x2
Z-4 0 0 0 0 -1/2
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 avec xi, ti 0
x1 + x2 + 4x3 -3x4 =4
bi x1 x2 x3 x4 t1
5 -1 1 5 -2 -1
7 1 0 -3 1 0
4 1 1 4 -3 0
Z 13 6 -2 -10 0
Si l'on veut que L1 dfinisse x2: on aura L2 ; L'3 L3 - L1 ; L'4 L4 - 6L1
bi x1 x2 x3 x4 t1 dfinit
5 -1 1 5 -2 -1 x2
7 1 0 -3 1 0
-1 2 0 -1 -1 1
Z-30 19 0 -32 2 6
Si l'on veut que L2 dfinisse x1:

on aura L'1 L3 + L2 ; L'3 L3 - 2L2; L'4 L4 - 19L2
___________________________________________________________________
351783446.doc
______________________________________________________________________________
12 0 1 2 -1 -1 x2
7 1 0 -3 1 0 x1
-15 0 0 5 -3 1
Z-163 0 0 25 -17 6
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.
17 0 1 1/3 0 -4/3 x2
2 1 0 -4/3 0 1/3 x1
5 0 0 -5/3 1 -1/3 x4
Z-78 0 0 -10/3 0 1/3
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
25 4 1 -5 0 0 x2
6 3 0 -4 0 1 t1
7 1 0 -3 1 0 x4
Z-80 -1 0 -2 0 0
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
___________________________________________________________________
351783446.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
2 x x 2
1 2
x1 , x 2 0
max z 2x1 3x 2
x1 x 2 x 3 6

En le mettant sous la forme standard : 2 x 1 x 2 x 4 4
2 x 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).
___________________________________________________________________
351783446.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
___________________________________________________________________
351783446.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) bi x1 x2 t1 t2 t3 V1 V2 dfinit

6 6 1 1 1 0 0 0 0 t1
2 4 2 1 0 -1 0 1 0 V1
1 2 2 -1 0 0 -1 0 1 V2
Z'+6 4 0 0 -1 -1 0 0
Z 2 3 0 0 0 0 0
Ici, L1 L1 - L3

10/3 5 0 3/2 1 0 0 -1/2 t1
1 2 0 2 0 -1 1 1 -1 V1
-2 1 1 -1/2 0 0 -1/2 0 x2
Z'+2 0 2 0 -1 1 0 -2
Z-2 0 4 0 0 1 0 -1
V2 tant devenu nul, on limine sa colonne du tableau.
coef (bi/ai1) bi x1 x2 t1 t2 t3 V1 dfinit

14/3 7/2 0 0 1 - - t1
-2 1 0 1 0 - x2
-6 3/2 1 0 0 - - x1
Z' 0 0 0 0 0 -1
Z-6 0 0 0 2 -1 -2
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.
14/3 0 0 4/3 1 -1/3 t2
10/3 0 1 2/3 0 1/3 x2
8/3 1 0 1/3 0 -1/3 x1
Z 46/3 0 0 -8/3 0 -1/3
La solution optimale est donc pour x1 = 8/3 , x2 = 10/3 , t2 = 14/3 , et z = 46/3
___________________________________________________________________
351783446.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

6 6 1 1 1 0 0 0 0 t1
4 4 2 1 0 -1 0 1 0 V1
-2 2 2 -1 0 0 -1 0 1 V2
Z 2 3 0 0 0 -M -M
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 x1 x2 t1 t2 t3 V1 V2 dfinit
2 -1 0 1 1 0 -1 0 t1
4 2 1 0 -1 0 1 0 x2
6 4 0 0 -1 -1 1 1 V2
Z-12 -4 0 0 3 0 -M-3 -M
On fait rentrer t2 dans la base et sortir t1.
bi x1 x2 t1 t2 t3 V2 dfinit
2 -1 0 1 1 0 0 t2
6 1 1 1 0 0 0 x2
8 3 0 1 0 -1 1 V2
Z-18 -1 0 -3 0 0 -M
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 t1 t2 t3 V1 V2 dfinit
6 1 1 1 0 0 0 0 t1
4 2 1 0 -1 0 1 0 V1
2 2 -1 0 0 -1 0 1 V2
Z+4M 2+2M 3+M 0 -M 0 0 -M L'4 L4 + ML2
Z+6M 2+4M 3 0 -M -M 0 0 L'4 L4 + ML3
___________________________________________________________________
351783446.doc
______________________________________________________________________________
Le tableau initial du simplexe est donc:

6 6 1 1 1 0 0 0 0 t1
2 4 2 1 0 -1 0 1 0 V1
1 2 2 -1 0 0 -1 0 1 V2
Z+6M 2+4M 3 0 -M -M 0 0
On fait rentrer x1 dans la base et sortir V2.

10/3 5 0 3/2 1 0 0 - t1
1 2 0 2 0 -1 1 1 -1 V1
-2 1 1 - 0 0 - 0 x1
Z+2M-2 0 4+2M 0 -M 1+M 0 -1-2M
On fait rentrer x2 dans la base et sortir V1.
bi x1 x2 t1 t2 t3 V1 dfinit
7/2 0 0 1 - -3/4 t1
1 0 1 0 - x2
3/2 1 0 0 - - x1
Z-6 0 0 0 2 -1 -2-M
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 ?
___________________________________________________________________
351783446.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 27 x 15x 840
1 2 3
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) bi x1 x2 x3 t1 t2 t3 dfinit

40 40 1 1 1 1 0 0 t1
60 420 10 12 7 0 1 0 t2
280/5=56 280 6 9 5 0 0 1 t3
Z 420 510 360+360 0 0 0
Si 360 (1+) 510 1+ 510/360=17/12

5/12
On fait rentrer x3 dans la base et sortir t1:
bi x1 x2 x3 t1 t2 t3 dfinit
40 1 1 1 1 0 0 x3
140 3 5 0 -7 1 0 t2
80 1 4 0 -5 0 1 t3
Z-40(360+360) 60-360 150-360 0 -360-360 0 0
Si > 5/12, la solution optimale est 40 ha de soja

Si =5/12:

40 40 1 1 1 1 0 0 t1
35 420 10 12 7 0 1 0 t2
280/9 280 6 9 5 0 0 1 t3
Z 420 510 510 0 0 0

80/4=20 80/9 1/3 0 4/9 1 0 -1/9 t1
140 140/3 2 0 1/3 0 1 -4/3 t2
___________________________________________________________________
351783446.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
___________________________________________________________________
351783446.doc
______________________________________________________________________________
bi x1 x2 x3 t1 t2 t3 dfinit
20 3/4 0 1 9/4 0 -1/4 x3
40 7/4 0 0 - 1 -5/4 t2
80/9 1/4 1 0 -5/4 0 1/4 x2
Z - 49300/3 -120 0 0 -510 0 0
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 420 510 360 0 0 0

40 1 1 1 1 0 0
63000 1500 1800 1050 0 1 0
840 18 27 15 0 0 1
z 14 17 12 0 0 0 Cff
40 1 1 1 1 0 0 40
420 10 12 7 0 1 0 35
280 6 9 5 0 0 1 31,11
z4760/9 2 2/3 0 2 5/9 0 0 1 8/9 Cff

8 8/9 1/3 0 4/9 1 0 1/9 26,666
46 2/3 2 0 1/3 0 1 1 1/3 23,33
31 1/9 2/3 1 5/9 0 0 1/9 46,666
z5320/9 0 0 2 1/9 0 1 1/3 1/9 cff

1 1/9 0 0 2/5 1 1/6 1/9 2,8571
23 1/3 1 0 1/6 0 1/2 2/3 140
15 5/9 0 1 4/9 0 1/3 5/9 35
z4180/7 0 0 0 38/7 3/7 5/7

20/7 0 0 1 18/7 3/7 2/7
160/7 1 0 0 3/7 4/7 5/7
100/7 0 1 0 8/7 1/7 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
___________________________________________________________________
351783446.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 0 0 0 38/7216/7 3/7+36/7 5/724/7

20/7 0 0 1 18/7 3/7 2/7
160/7 1 0 0 3/7 4/7 5/7
100/7 0 1 0 8/7 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 :
___________________________________________________________________
351783446.doc
______________________________________________________________________________
1 5/2 19/108 1/12
1 + +
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 0 0 0 38/7216/7 3/7+36/7 5/724/7 Coeff

20/7 0 0 1 18/7 3/7 2/7 10/9
160/7 1 0 0 3/7 4/7 5/7 6400/21
100/7 0 1 0 8/7 1/7 3/7 25/2
On fait donc sortir x3 et entrer x4.
Z5320/9 0 0 19/9+12 0 4/3 1/9

10/9 0 0 7/18 1 1/6 1/9
70/3 1 0 1/6 0 2/3
140/9 0 1 4/9 0 1/3 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 0 0 0 38/7216/7 3/7+36/7 5/724/7 Coeff
20/7 0 0 1 18/7 3/7 2/7 20/3
160/7 1 0 0 3/7 4/7 5/7 40
100/7 0 1 0 8/7 1/7 3/7 v1/100
On va faire sortir x5 et rentrer x1.
Z580/7240 9 0 0 23/4 27 3/7+36/7 5/724/7
20 0 1 9/4 0 1/4
40 7/4 0 0 3/4 1 5/4
20 1 0 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 212 512 0 1212 0 0
40 1 1 1 1 0 0
140 3 5 0 7 1 0
80 1 4 0 5 0 1
___________________________________________________________________
351783446.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.
___________________________________________________________________
351783446.doc
______________________________________________________________________________
Bilan :
19/108 1/12 5/12
Mas 70/3 160/7 0 0
Bl 140/9 100/7 20 0
Soja 0 20/7 20 40
Gain 5320/9 4180/7+240/7 580+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.
4. Dualit :
max z 14x1 17 x 2 12x 3
x1 x 2 x 3 40

Reprenons lexemple ci-dessus : 10 x 1 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
min z' 40 y1 420y 2 280 y 3 min z' 40y1 420y 2 280y 3

y1 10y 2 6 y 3 14 y1 10y 2 6y 3 y 4 14

Cest--dire : y1 12 y 2 17 y 3 17 y1 12y 2 17 y 3 y 5 17
y 7 y 5y 12 y 7 y 5y y 12
1 2 3 1 2 3 6
y1 , y 2 , y 3 0 y1 , y 2 , y 3 , y 4 , y 5 , y 6 0
___________________________________________________________________
351783446.doc
______________________________________________________________________________
min z' 40y1 420 y 2 280y 3 My 7 My8 My 9
y1 10y 2 6y 3 y 4 y 7 14

y 12 y 9 y y y 17
1 2 3 5 8
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 , y8 , 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 40 420 280 0M 0 0 0 M M
+14M +M +10M +6M
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
2me transformation : (la ligne de z est remplace par L1+ML3+ML4)

Z 40 420 280 M M M 0 0 0
+43M +3M +29M +20M
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
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 M M 4229/10M 0 0 coeff

y2 7/5 1/10 1 3/5 1/10 0 0 1/10 0 0 7/3
y8 1/5 1/5 0 9/5 6/5 1 0 6/5 1 0 1/9
___________________________________________________________________
351783446.doc
______________________________________________________________________________
y9 11/5 3/10 0 4/5 7/10 0 1 7/10 0 1 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 0 0 70/3+1/6M 140/9+4/9M M 140/913/9M M coeff
y2 4/3 1/6 1 0 1/2 1/3 0 1/3 0 1/8
y3 1/9 1/9 0 1 2/3 5/9 0 5/9 0 1/1
y9 19/9 7/18 0 0 1/6 4/9 1 4/9 1 7/38
Pour liminer y9, on va choisir une variable HB ayant un coefficient dans la fonction conomique
positif
Z +4180/7 0 0 0 160/7 100/7 20/7

y2 3/7 0 1 0 4/7 1/7 3/7
y3 5/7 0 0 1 5/7 3/7 2/7
y1 38/7 1 0 0 3/7 8/7 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.
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
Lignes
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
colonnes
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 1 + 2x2 + x3 + x4 x5=3 (L2 L1)
x1 10x 2 6x 3 x 4 14
x1 12x 2 9x 3 x 5 17
0x 1 + 5x2 + 4x3 x5 + x6 = 5 (L2L3)
x1 7x 2 5x 3 x 6 12
Le tableau ne ncessite alors plus quune variable artificielle :
___________________________________________________________________
351783446.doc
______________________________________________________________________________
z 40 40 280 0 0 0 M
17 1 12 9 0 1 0 1
3 0 2 1 1 1 0 0
5 0 5 4 0 1 1 0
___________________________________________________________________
351783446.doc
______________________________________________________________________________
Problmes de
TRANSPORT
___________________________________________________________________
351783446.doc
______________________________________________________________________________
I. EXEMPLE DE L'USINE................................................................................................. 37
1.1) Problme : rpartition des expditions................................................................ 37
1.2) Modlisation du problme................................................................................... 38
1.3) Reprsentation graphique.................................................................................... 39
1.4) Mthode plus rapide (des regrets)....................................................................... 40
1.5) Changement de base............................................................................................ 40
1.6) Cas de dgnrescence........................................................................................ 42
II. RECHERCHE DUNE SOLUTION INITIALE.................................................................... 42

2.1) Rgle du coin Nord-Ouest ("hasard").................................................................. 42
2.2) Rgle de Balas-Hammer :.................................................................................... 43
___________________________________________________________________
351783446.doc
______________________________________________________________________________
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--
dire si a i bi . Si cette condition nest pas vrifie initialement, on cherchera
i i
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.
Client disponibilit
Usine cij aj
Demande bj
Avec a i bi
i i
Exemple : grille des cots

On essaye de rpartir les transports pour un cot minimal en tenant compte de la grille des
cots:
Clients Disponibilit
des usines
Usine
8 11 2 8 9
3 7 1 4 10
2 0 10 5 7
Demande 6 9 8 3 26
des clients
___________________________________________________________________
351783446.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
n
contraintes de production : x ij a i pour 1 i m
j1
m
contraintes de consommation : x ij b j pour 1 j n
i 1
contraintes de signe : xij 0
cest--dire :
(pour l'usine 1)
x11 x12 x13 x14 9
(pour l'usine 2)
x 21 x 22 x 23 x 24 10
(pour l'usine 3)
x 31 x 32 x 33 x 34 7

x11 x 21 x 31 6
x12 x 22 x 32 9

x13 x 23 x 33 8

x14 x 24 x 34 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 10
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 j j i i j
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.
___________________________________________________________________
351783446.doc
______________________________________________________________________________
1.3) Reprsentation graphique

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

/ 6 4 / 10 annule ensuite les lignes et les colonnes
/ / 4 3 7
suivantes
6 9 8 3
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 6 clients
1=6
6 3 9
1 9 1 10
3 9 2=9 7 7
2 6 9 8 3
7 3=88
3
Remarque : Dans cet exemple, 4=3 m=3, n=4, toute solution de base comportera au plus 6
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 :

Min z - =
i, j
c ij .x ij
o 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. :
6 route (3, 2) : incidence sur le cot total de lenvoi
1=6
dune unit supplmentaire sur (3, 2) : la production
1 3 9-1 2=9 de lusine 3 est inchange donc le transport (3, 3)
2 +1 1+1 doit dcrotre dune unit donc le transport (2, 3)
7-1
3=8 crot dune unit et le transport (2,2) dcrot dune
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.
___________________________________________________________________
351783446.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 u1 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 8 c11 c11 u 1 v1 = 0
7 1 7
. 3 10. . 16
8 c 32 c 32 u 3 v 2 c 32 0 16 16
Ici -4
0 0. - .6 -3
0 7 plusieurs coefficients sont ngatifs, donc plusieurs
routes -14 -16 . -11 16 permettent doptimiser le transport. La solution
nest donc 0 0 -6 0 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
9- 1+ 2 8
7- 7
Prenons maximum : = 7. Le cot de cette rpartition est 206 7x16 = 94.
___________________________________________________________________
351783446.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 0 -6 0
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:
6- 3 Ou
6- 3
2 8-
2- 8
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
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 4 -2 4
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:
6+ 3- donc = 2 8 1
6 2 2- 6 2 2
7 7
Le cot de cette rpartition est de 64.
Le tableau des regrets est :

1 0 2 8 7
3 7 3 4 3
6 0 19 8 -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).
___________________________________________________________________
351783446.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.
Le cot de 8 1- =1 1 8 cette
nouvelle 6 2- 2+ 6 1 3
solution est 7 7 70.
Cest
galement une solution optimale.
2. Recherche dune solution initiale
2.1) Rgle du coin Nord-Ouest ("hasard")

Quantit
disponible
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
Quantit demand 9 11 28 6 14 5 73
par les clients
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!
___________________________________________________________________
351783446.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 le chemin
(3,4) est utilis pour faire transiter 6 units, la quatrime colonne est alors sature.
9 9 12 27 61 49 83 35 18
32 23 39 78 28 65 42 32
6 14-6=8 67 56 92 24 53 54 14
9 71 43 91 67 40 49 9
0 11 28 0 14 5 9 11 28 6 14 5
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 0
2 25 5 32-2=30 ; 30-5=25 ; 25-25=0 12 27 61 49 83 35 18
3 6 5 14-6=8 ; 8-5=3 ; 3-3=0 23 39 78 28 65 42 32
9 9-9=0 67 56 92 24 53 54 14
0 0 28-25=3 0 14-9=5 ; 0 71 43 91 67 40 49 9
3-3=0 5-5=0 9 11 28 6 14 5
La solution obtenue a un cot de 3634.
___________________________________________________________________
351783446.doc
______________________________________________________________________________
Regrets :
12 27 -5 51 56 5 12
-1 39 78 18 26 42 24 Grille des transports :
29 3 92 24 53 -2 38
46 3 12 56 40 6 25 9 9- 18
0 15 54 -14 15 18 2+ 25- 5 32
3 6 5 14
Cot de cette solution : 3634 5*9= 3589 9 9
9 11 28 6 14 5
12 5 61 56 61 10 12 = 9, donc :
-6 39 78 18 26 42 29 9 9 18
24 3 92 24 53 -2 43 11 16 5 32
41 3 12 56 40 6 30 3 6 5 14
0 10 49 -19 10 13 9 9
Cette solution nest pas optimale. 9 11 28 6 14 5
Cot de cette solution : 3589 6*9 = 3535
9- 9+ 18
11 16- 5 32
3 6 5 14
9 9
6 9 61 56 61 10 6 9 11 28 6 14 5
23 39 78 18 26 42 23 =9, donc :
30 3 92 24 53 -2 37 18 18
47 3 12 56 40 6 24 9 11 7 5 32
0 16 55 -13 16 19 3 6 5 14
Cette solution nest pas optimale. 9 9
9 11 28 6 14 5
Cot de cette solution : 3535 3*2= 3529 18 18

9 11 7+ 5- 32
3- 6 5 14
9 9
6 5 61 54 59 10 6
9 11 28 6 14 5
23 39 78 16 24 42 23
32 5 2 24 53 54 35 =3, donc :
49 5 14 56 40 8 22 18 18
0 16 55 -11 18 19 9 11 10 2 32
Cette solution est optimale. 6 5 3 14
9 9
9 11 28 6 14 5
___________________________________________________________________
LES
GRAPHES
LES GRAPHES
I. DFINITION VOCABULAIRE..................................................................................... 47
1.1) Graphe................................................................................................................. 47
1.2) Chemins............................................................................................................... 48
II. MATRICES ASSOCIES UN GRAPHE......................................................................... 49

2.1) Matrice latine....................................................................................................... 49
2.2) Matrices boolenne et arithmtique.................................................................... 50
a) Matrice arithmtique :.................................................................................................. 50
b) Matrice boolenne :...................................................................................................... 50
III. CONNEXIT FORTE CONNEXIT.............................................................................. 51

3.1) Connexit............................................................................................................. 51
3.2) Forte connexit.................................................................................................... 51
3.3) Fermeture transitive............................................................................................. 52
3.4) Recherche des classes fortement connexes, des circuits hamiltoniens................ 53
3.5) Mthode de Georges DEMOUCRON.................................................................. 53
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 Suivants
x1 x2, x4, x6
x2 x1 x3, x4
x3 x2 x4, x5
x4 x1, x2, x3, x6 x5
x5 x3, x4, x6
x6 x1 x4, x5
Deux sommets relis sappellent sommets adjacents.

1.2) Chemins
Un graphe peut tre orient ou non orient.
Ex. :
x2 x2 arte
cycle
x1 x3 x1 x3
x4 x4
Graphe orient 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.
x2
x1 x2
x1
x3
x5 x3
x4 x5
x4
Chemin circuit
Longueur dun chemin = nombre darcs du chemin

Boucle = chemin de longueur 1
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

a b (abbcd) = chemin non lmentaire
(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.
2. Matrices associes un graphe
On crit tous les chemins possibles d'un graphe pour trouver les chemins hamiltoniens.
2.1) Matrice latine

A B C D E
B A AB AC AE
B BB BC
A C C CD
D DA DE
E EA EC
E D
Pour trouver les chemins de longueur 2, on calcule M ; pour les chemins de longueur 3, on
calcule M3 et ainsi de suite.
ABC
AEA ABB ACD
M = AEC
BBB BBC BCD
CDA CDE
DAC
DEA DAB DAE
DEC
EAB EAC ECD EAE
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.
AEABC
AEAEA
AEABB AEAEC ABCDE
ABCDA AEACD
ABBBB ABBBC AECDE
M = 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
0 1 1 0 1 1 1 2 1 0
A C
M= 0 1 1 0 0 M = 0 1 1 1 0
0 0 0 1 0 1 0 0 0 1
1 0 0 0 1 1 1 2 0 1
1 0 1 0 0 0 1 1 1 1
E D
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:
25
B= 8 7 1x2 + 3x8 = 26
1x5 + 3x7 = 26
13 25 26 26 13
24 . 87 = 36 38 A= 24 26 26 2x2 + 4x8 = 36
36 38 2x5 + 4x7 = 38
N'oublions pas que BA AB ! 13

A= 2 4
25
B= 87 12 26
22 52
b) Matrice boolenne :
0 1 1 1 1 1 1 1 1 1 1 1
A B
0 1 1 0 0 1 1 1 3 1 1 1 1
M M M
0 0 0 1 1 1 1 0 0 1 1 1

D C 1 1 1 0 0 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.
3. Connexit forte connexit
3.1) Connexit
Un graphe est dit connexe sil existe au moins un chemin entre toute paire de sommets.
Exemple :
Ce graphe est non connexe, mais il a 3
A B composantes connexes.
C D E G
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)
Ex : A B C X= {A, B, C, D, E, F}
E
Ce graphe contient deux composantes connexes :
D F {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 B -> C B -> D
C -> B D -> C -> B
D F
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 3
4
5
0 1 1 0 1 1 1 1 0 1 1 1 1 1 1

0 0 1 0 0 0 1 1 0 0 0 1 1 1 1
M = 0 0 0 1 1 , I+M=A= 0

0 1 1 1 , A= 0

0 1 1 1 ,

0 0 0 0 0 0 0 0 1 0 0 0 0 1 0
0 0 0 1 0 0 0 0 1 1 0 0 0 1 1

A3= A=Ak pour k 2
La fermeture transitive du graphe est donc obtenue en permutant lignes et colonnes :
1 1 1 1 1

0 1 1 1 1
0 0 1 1 1 1 2 3 5 4

0 0 0 1 1
0 0 0 0 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 B G C
F E D
0 1 0 0 0 0 0 1 1 1 1 1 1 1

0 0 0 0 0 1 1 1 1 1 1 1 1 1
0 0 0 1 0 0 0 0 0 1 1 1 0 1

M= 0 0 0 0 1 0 0 (I+M)6 = 0 0 1 1 1 0 1
0 0 0 0 0 0 1 0 0 1 1 1 0 1

1 0 0 0 1 0 0 1 1 1 1 1 1 1

0 0 1 0 0 0 0 0 0 1 1 1 0 1
Aprs rorganisation des lignes et des colonnes, on dtermine les classes fortement connexes :
c1 c2 c6 c3 c4 c5 c7
A 1 1 1 1 1 A11 B G C

B 1 1 1 1 1 1 1 I II
F 1 1 1 1 1 1 1 F E D
II
C 0 0 0 1 1 1 1
D 0 0 0 1 1 1 1
E 0 0 0 1 1 1 1

G 0 0 0 1 1 1 1
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 B
C
J D
I
E
H
G F
On va essayer de dterminer les successeurs et prdcesseurs de A par des chemins de

longueur quelconque: t-(A) et t+(A)
A B C D E F G H I J t-(A)
A 1 1 1 0
B 1 1
C 1 1
D 1
E 1 1
F 1 1
G 1 2 1 chemin de long. 2 de G A
H 1 1
I 1 1 1 chemin de long. 1 de I A
J 1
t+(A) 0 1 5 3 2 1 1 4 2 5
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}
Pour B : Pour C :
t-(B) t-(C)
X (1) A X (5) A
0 B X (4) B
C 0 C
D 2 D
2 E X (3) E
1 F X (4) F
X (3) G X (7) G
H 1 H
X (2) I X (6) I
J 3 J
t+(B) X 0 4 2 1 1 X 3 X 4
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}
Pour C : t+(C) t-(C) = {C, D, H, J}
t+(C) X X 0 1 X X X 2 X 3
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
D H
E
A
I F J C
I II III
CHEMIN de
VALEUR
OPTIMALE
I. ALGORITHME DE FORD.............................................................................................. 58
II. ALGORITHME DE FORD-FULKERSON........................................................................ 59

2.1) flot travers un rseau........................................................................................ 59
2.2) Procdure............................................................................................................. 60
2.3) Recherche dun flot complet initial...................................................................... 61
2.4) Exercices.............................................................................................................. 64
a) Exercice n1: Plus court chemin................................................................................... 64
b) Exercice n2: Chemin de longueur minimale................................................................ 64
c) Exercice n3: Flot maximal........................................................................................... 64
III. PROBLME DAFFECTATION....................................................................................... 64

3.1) Exercices.............................................................................................................. 66
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.
3
C D
2 2
8 2
6
A
5 E 2 F 1 B
8
3 3
G
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 D =5
3
C D
2 2
8 2
A = 0 6
A F = 6
5 2 F 1 BB =7
E
E=5 8
3 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

2. 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] D
A [15] [30]
[15]
[45]
E [10]
O [25] [5] S
B
[15] [20]
[20] F
[10]
C
[20] [30]
[10]
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 pour tout sommet x diffrent de lentre et de la

uU x uU x
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 D
A 10 20
5
35
E 10
O 25 5 S
B
10 20
20 F
10
C
20 30
10
G
OCGXn : O C G Xn CG = 10 satur
20 10 30 OC = GXn =10
OCFXn : CF satur puis OC satur (CF=10, donc OC = 10+10=20)

OBFXn : O B F Xn FXn = 10 satur
25 15 10 OB = BF = 10
OBEXn : O B E Xn BE = 5
15 5 10 OB = (10+)5=15, EXn = 5
OBDXn : O B D Xn OB = (25+)10
10 15 30 BD=DXn= 10
OAGXn : O A G Xn AG = GXn = 20
45 20 (30-10)=20 OA = 20
OAEXn : O A E Xn EXn= 5
25 15 10-5 OA = AE = 5
OADXn : O A D Xn AD = 10
20 10 20 OA = DXn = 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 :
+B
+O 10 D
A 10 20
5
35 +A +D
E 10
O 25 -E 5 S
B
+B
10 20
20 F
-F 10
C
20 30
10
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 D
A 15 25
+A
40 10
25 E 10
O S
B
10 20
20 F
10
C
20 30
10
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
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 [4] E
[5] [7] [5]
A
[8] C [10] F
[5] [5] I
[9] [1] [5] H
[6]
[4] [4]
D G
[5]
1 2 3 4 5 6 7 8 9 10 11
AB 5 5 5 5 5 5 1 0 0 0 0
AC 8 8 5 5 5 5 5 5 5 1 X
AD 9 8 8 8 6 6 X X X X X
BC 7 7 7 7 7 7 7 6 X X X
BE 4 4 4 4 4 4 0 0 0 0 0
CF 10 9 9 9 9 9 9 8 8 4 X
CH 5 5 2 X X X X X X X X
DC 1 0 0 0 0 0 0 0 0 0 0
DG 5 5 5 5 3 X X X X X X
DH 4 4 4 X X X X X X X X
EI 5 5 5 5 5 5 1 X X X X
FH 5 4 4 X X X X X X X X
FI 5 5 5 5 5 5 5 4 4 0 0
GI 6 5 2 2 0 0 0 0 0 0 0
HG 4 3 0 0 0 0 0 0 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
5 4[5]
A +A +C
7[8] 5
C F 5 I
3[9] 1 4[5] +C
H 6
4
D 2[5] G
-C +D
Est-il optimal ? Marquage. On s'aperoit que I nest pas marqu donc le flux est maximal.
Exemple de marquage:
-C
B Si AC < CD : B
+C
A D
+ +A +A D
C C
E
E
+C
Si AC > CD : -D
B
+C
A D
+ +A
C
E
+C
2.4) Exercices
a) Exercice n1: Plus court chemin
b) Exercice n2: Chemin de longueur minimale
c) Exercice n3: Flot maximal
3. 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 On ne change pas le problme en soustrayant ligne par

A 1 2 3 4 5 ligne, puis colonne par colonne, le plus petit lment de la
B 1 4 2 5 3 ligne ou de la colonne.
C 3 2 1 5 4 Sil y avait un zro par ligne et par colonne, on aurait une
D 1 2 3 5 4 solution optimale immdiate. Mais dans ce cas, ce nest pas
E 2 1 4 3 5 le cas :
0 1 2 3 4 0 1 2 1 2
0 3 1 4 2 0 3 1 2 0
2 1 0 4 3 2 1 0 2 1
0 1 2 4 3 0 1 2 2 1
1 0 3 2 4 1 0 3 0 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 On encadre un zro par ligne et par colonne, tant quon le peut.

0 0 a. Marquons toute ligne sans zro encadr
0 b.Onmarquons
encadre untoute
zrocolonne
par ligneayant
et par
uncolonne,
zro barrtantsur
quon le peut.
une ligne marque
d. Marquons toute ligne sans zro encadr
c. marquons toute ligne ayant un zro encadr dans une colonne

0
e. marque
marquonset toute colonne
revenons ayant uncezro
b jusqu quebarr sur une soit
le marquage ligneimpossible.
marque
0
0
f. barre
On marquons
alors lestoute ligne
lignes nonayant un et
marques zro encadr dans
les colonnes une :colonne
marques
marque et revenons b jusqu ce que le marquage soit impossible.
0 1 2 1 2 X3 On barreSoit
alorsleles
plus petitnon
lignes nombre du tableau
marques et les restant.
colonnes marques :
0 3 1 2 0 On le retranche tous les lments non rays et on lajoute
2 1 0 2 1 aux lments barrs deux fois.
0 1 2 2 1 X1
1 0 3 0 2
X2
On recommence alors le marquage. Voici les zros quil faut
0 0 1 0 1
obligatoirement encadrer :
1 3 1 2 0
0 0 1 0 1
3 1 0 2 1
1 3 1 2 0
0 0 1 1 0
3 1 0 2 1
2 0 3 0 2
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
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 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
ORDONNANCEMENT
I. INTRODUCTION.......................................................................................................... 69
Contraintes potentielles :.................................................................................................. 69
II. MTHODES DORDONNANCEMENT............................................................................ 70
2.1) Mthode MPM..................................................................................................... 70

a) Exemple des tches du btiment................................................................................... 70
b) Exemple: travail de graphe........................................................................................... 70
2.2) Mthode PERT..................................................................................................... 72
2.3) Comparaison des deux mthodes......................................................................... 73

a) Oprations parallles................................................................................................... 73
b) Oprations dpendantes et indpendantes.................................................................... 74
c) Oprations composes (successions avec recouvrement).............................................. 74
III. EXERCICES................................................................................................................. 74
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
plom biers
maon
0 10 20 30 40 50
2. 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 1m 2m
Couvreur: 1 mois 1m couvreur
Dpart maon 1m Fin
Electricien: 15 jours 15j 3 sem
Carreleur: 3 semaines lectric. 1,5 m carrel. 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 Contraintes Dure
A Peut dbuter 5 jours aprs lorigine 16 j
B Peut dbuter ds lorigine 14 j
C Peut dbuter 3 jours aprs lorigine 20 j
D Ne peut dbuter que quand A et B sont finis 8j
E Quand B est fini 18 j
F Quand B et C sont finis 25 j
G Quand D, E, F sont finis 15 j
H Quand E est fini et que la moiti de C est ralise 17 j
I Quand D, E, F sont finis 10 j
A 16 D 8 G
5 5 8 15
14 18

0 B 14 E 18 I 10
3 14 25 17
25
20 18
C F H
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 A 0 B 3 C 21 D 14 E 23 F 48 G 32 H 48 I 63
5 :0 0 :0 3 :0 16 A :5 14 B : 0 14 B:0 8 D : 21 10 C:3 8 D : 21 15 G : 48
14 B :0 20 C:3 18 E : 14 18 E : 14 18 E : 14 17 H : 32
25 F : 23 25 F : 23 10 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 9 C 3 D 40 E 28 F 23 G 48 H 46 I 53 63
A: 5 D :40 16 D :40 14 F :23 20 G :48 8 G: 48 18 G: 48 25 :63 15 :63 17 : 63 10
B: 0 E :28 14 H :46 10 I :53 8 H: 46 18 I: 53 25
C :3 3 F :23 14 I: 53 18
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 Date au plus tard de Xi

Successeur Xj: date au plus tard de Xj 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 :
a(4) b(6) b ne peut dbuter que quand a est achev, mais il nest pas
1 2 3 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 :
a(2) a(4)
1 2 3
b(6)
4
Pour le mme exemple que plus haut, on obtient le graphe suivant :
A 8 D 9 G 10
16 21 40 8 48 48 15 63 63
5 24 8
1 3 5 0
5 I
0 0
10
B 3 E 7 12
0 0 14 14 23 32 46 63 63
18
2 4 6
0
3 0 H
4 C1 5 C2 6 F 17
3 3 10 13 13 10 23 23 25
7
11 Chemin critique
0 32 46
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 : MPM : b
2
a(3) c(5) d(7) 3
1 2 3 4
b(2) a d
b(0) : opration
virtuelle
3 5
3
On peut interchanger le rle de b et c par c
symtrie.
Remarque : on ne peut pas tracer ce style

de graphe, car il ne serait pas simple :
a(3) c(5) d(7)
1 2 3 4
b(2)
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)
1 3 4 a c
a(0)
b(2) d(1)
2 3 5
2
b d
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,
Il faut fractionner lopration en plusieurs lautre non.
sous-oprations successives : 2 1 2 4
a b1 b2 b3 e
a(2) b1(1) b2(2) b3(4) e(2) 1 2
1 2 3 5 7 8
c d
c(3) d(4)
Ou :
4 6 c
1
2 2+1=3
a b d
1+2+4=7
3. Exercices
PROCESSUS
STOCHASTIQUES
351783446.doc
______________________________________________________________________________
I. INTRODUCTION.................................................................................................... 77
1.1) Historique............................................................................................................ 77
1.2) Dfinition d'un Processus Stochastique............................................................... 77
II. LES CHANES DE MARKOV ESPACE D'TATS DISCRET............................................ 78

2.1) Probabilits et matrice de transition................................................................... 78
2.2) Probabilits de transition en m tapes................................................................. 78
III. GRAPHE DES TRANSITIONS CLASSIFICATION DES CHANES.................................... 79

3.1) Exemple sur les processus alatoires.............................................................. 79
IV. DISTRIBUTION DES TATS D'UNE CHANE.................................................................. 80
V. ETUDE DES CHANES RDUCTIBLES........................................................................... 80
VI. LES CHANES DE MARKOV TEMPS CONTINU.......................................................... 80
VII.COMPORTEMENT ASYMPTOTIQUE DES CHANES........................................................ 80
VIII. PROCESSUS DE NAISSANCE ET DE MORT............................................................... 80
___________________________________________________________________
351783446.doc
______________________________________________________________________________
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 X t = 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)
___________________________________________________________________
351783446.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 2 n
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
:
:
:
:

j1
P (X1 Ej / Xo Ei) 1
: :
Pr1 Prr = M (matrice des transitions)
Remarque: Toute matrice de transition est stochastique.
Dfinition: Une matrice carre P = (P ij) 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.
j1
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
___________________________________________________________________
351783446.doc
______________________________________________________________________________
Proprit: . P(m) = Pm pour tout m IN .
___________________________________________________________________
351783446.doc
______________________________________________________________________________
En effet, Pij(m) = P (Xm=j / X0=i)

r
= P (X
k 1
m j / Xm -1 k) P (Xm -1 k / X0 i)
r (1)
P
(m -1) m -1 m
= kj Pik terme (ij) de P.P P par df. des produits
k 1
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 .
pour i, j , n, m I
r (m)
Pkj
(n)
ou Pij (n+m)
= Pik
k 1
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 0.5 0.4
B 0.2 0.5 0.3
C 1
D 0.3 0.7
E 0.4 0.2 0.4
F 1
G 1
H 0.6 0.3 0.1
I 0.2 0.8
J 1
K 0.4 0.5 0.1
L 0.8 0.1 0.1
___________________________________________________________________
351783446.doc
______________________________________________________________________________
Si P (X0 = A) = 1 alors P (X1 = C) = 0 et P (X1 = B) = 0.5
___________________________________________________________________
351783446.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 (X1 = B) = P (X
k 1
0 Ej ) P (X1 B / X0 Ej) (formule des probabilits totales)
= 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 B K D
I L
H G E
J
C F
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
___________________________________________________________________
351783446.doc
______________________________________________________________________________
FIABILITE
___________________________________________________________________
351783446.doc
______________________________________________________________________________
FIABILIT
I. INTRODUCTION.................................................................................................... 83
II. GENERALITES TERMINOLOGIE..................................................................... 83

2.1) Fonction de dfaillance et fn de fiabilit............................................................. 83
2.2) Taux davarie ou taux de dfaillance................................................................... 83
a) Relations fondamentales............................................................................................... 85
b) Estimation des fonctions R et F..................................................................................... 85
III. LOIS UTILISEES..................................................................................................... 86

3.1) Loi exponentielle.................................................................................................. 86
3.2) Loi de Weibull...................................................................................................... 86
IV. FIABILIT DUN SYSTME ET DE SES COMPOSANTS................................................... 87

4.1) Systme structure en srie................................................................................. 87
4.2) Systme structure parallle............................................................................... 87
4.3) Systmes structure mixte................................................................................... 88
V. EXERCICES............................................................................................................. 88
5.1) Exercice n 1........................................................................................................ 88
5.2) Exercice n 2........................................................................................................ 89
5.3) Exercice n 3........................................................................................................ 89
___________________________________________________________________
351783446.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.
2. 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 :
___________________________________________________________________
351783446.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
___________________________________________________________________
351783446.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 1 2 3 4 5 6 7 8 9
T 90 350 950 1660 530 1260 2380 230 720
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 90 230 530 720 950 1260 1660 2380

N(t) 8 7 6 5 4 3 2 1 0
R(t) 8/9 7/9 6/9 5/9 4/9 3/9 2/9 1/9 0
F(t) 1/9 2/9 3/9 4/9 5/9 6/9 7/9 8/9 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 1 2 3 4 5 6 7 8 9
t 90 230 530 720 950 1260 1660 2380
F(t) 0,07 0,18 0,29 0,39 0,5 0,61 0,72 0,82 0,93
R(t) 0,93 0,82 0,71 0,61 0,5 0,39 0,28 0,18 0,07
___________________________________________________________________
351783446.doc
______________________________________________________________________________
3. 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,
___________________________________________________________________
351783446.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.
4. 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.
La fonction de dfaillance F est dfinie par

C1
F(t) = P(T t) = P(T1 t et et Tn t)
C2 = P(T1 t). .P(Tn t)
Do
___________________________________________________________________
C3
351783446.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.
C3
La dure de vie de ce sous-systme est:
R1,2(t) = 1 (1 R1(t))(1 R2(t))
C2
= R1(t) + R2(t) R1(t).R2(t)
Par la suite :
R(t) = R3(t).( R1(t) + R2(t) R1(t).R2(t)).
5. 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
___________________________________________________________________
351783446.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.
___________________________________________________________________

Récherche Opérationnelle

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Récherche Opérationnelle

Hochgeladen von

Copyright:

Verfügbare Formate

Recherche oprationnelle

Cours dispens par Anne-Marie BACHAS.

CHEMIN DE VALEUR OPTIMALE

I. PRSENTATION DE LA RECHERCHE OPRATIONNELLE.................................................7

II. DOMAINES D'APPLICATION...........................................................................................7

III. PROPRITS DE LA R.O. INTERDISCIPLINAIRE..............................................................7

2.1) Les problmes combinatoires

2.2) Les problmes alatoires

2.3) Les problmes de concurrence

III. MTHODE DU SIMPLEXE............................................................................................ 14

IV. DUALIT :.................................................................................................................. 32

I. Problmatique de la programmation linaire

Prix (FF/ha) Temps (jour) Rapports (FF/ha)

On peut synthtiser les contraintes de cette faon:

et la fonction conomique max z = 420 x1 + 510 x2 + 360 x3

1.3) Forme canonique

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

Remarque: 2 x1 + x2 12 est impossible rsoudre avec cet outil.

1.4) Formulation gnrale

1.5) Interprtation gomtrique

z a pour maximum 2 atteint en x1 = 1, x2 = 3

A x2 = 1 - 2 x1 + x 2 + t 1 = 1 t1: variable d'cart

1.6) Forme standard

On a les variables hors base: x1 , x2 et les variables en base: t1 , t2 , t3

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

On veut crire tout le monde en fonction de x1 et de t1.

Donc le systme S2:

Faisons crotre x1 (avec t1 = 0):

S2 devient donc avec t1 = 0:

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

Donc le systme S3:

Et ici la solution optimale est donc maximum !!!

3.2) Mthode des tableaux

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

Comme le coefficient de x2 est le plus petit positif, on va faire entrer x2 en 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

1. Mettre sous forme standard

On introduit donc les variables d'cart t1, t2 et t3:

2. Proposer une rsolution graphique

3. Trouver une solution optimale par la mthode des tableaux

Solution de base admissible: x1 = x2 = 0 t1 = 14

L'3 : t3 en fonction de t2, x2 L3 12 2 -1 0 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:

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

Soit le programme linaire suivant sous sa forme canonique:

1. Mettre sous forme standard

On introduit donc les variables d'cart t1 et t2:

2. Trouver une solution optimale par la mthode des tableaux

coef (bi/ai1) bi x1 x2 t1 t2 t3 dfinit

Solution de base admissible: x1 = x2 = Z = 0 t1 = 8

Faisons rentrer x1 en base:

et on fait sortir t1 de la base:

coef (bi/ai1) bi x1 x2 t1 t2 t3 dfinit

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

coef (bi/ai1) bi x1 x2 t1 t2 t3 dfinit

L'1 8/3 1 1/3 1/3 0 0

L'2 10/3 0 5/3 -1/3 1 0

L'z Z 8/3 0 2/3 -1/3 0 0

Solution: x1 = 7/3 ; x2 = 1 ; t2 = 5/3 ; t1, t3=0 Z = 10/3