Beruflich Dokumente
Kultur Dokumente
et aide la dcision
Cours du Cycle Probatoire
Simplex
PERT
MPM
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
___________________________________________________________________
DI GALLO Frdric Page 3 16/04/2017
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
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
___________________________________________________________________
DI GALLO Frdric Page 4 16/04/2017
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
___________________________________________________________________
DI GALLO Frdric Page 5 16/04/2017
351783446.doc
______________________________________________________________________________
INTRODUCTION
___________________________________________________________________
DI GALLO Frdric Page 6 16/04/2017
351783446.doc
______________________________________________________________________________
INTRODUCTION
___________________________________________________________________
DI GALLO Frdric Page 7 16/04/2017
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:
3. Proprits de la R.O.
interdisciplinaire
Economie Informatique
B.D.
Recherche
Oprationnelle
___________________________________________________________________
DI GALLO Frdric Page 8 16/04/2017
351783446.doc
______________________________________________________________________________
Outils
mathmatique
___________________________________________________________________
DI GALLO Frdric Page 9 16/04/2017
351783446.doc
______________________________________________________________________________
Programmation
Linaire
___________________________________________________________________
DI GALLO Frdric Page 10 16/04/2017
351783446.doc
______________________________________________________________________________
PROGRAMMATION LINEAIRE
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
___________________________________________________________________
DI GALLO Frdric Page 11 16/04/2017
351783446.doc
______________________________________________________________________________
RECHERCHE OP. CNAM AIX 2001-2002
PROGRAMMATION LINEAIRE
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:
___________________________________________________________________
DI GALLO Frdric Page 12 16/04/2017
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
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
___________________________________________________________________
DI GALLO Frdric Page 13 16/04/2017
351783446.doc
______________________________________________________________________________
si certaines variables nont pas de condition de signe, on pose xi = xi xi, avec xi0 et xi0.
___________________________________________________________________
DI GALLO Frdric Page 14 16/04/2017
351783446.doc
______________________________________________________________________________
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
exemple: Max Z(x) = x
= {x / x 0}
= 0 Z(x) non born sur
exemple: Max Z(x) = x
= {x / x 0}
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
___________________________________________________________________
DI GALLO Frdric Page 15 16/04/2017
351783446.doc
______________________________________________________________________________
4
1
3
9
0
3
0,
0,
0,
1,
1,
1,
2,
2,
2,
3,
3,
3,
___________________________________________________________________
DI GALLO Frdric Page 16 16/04/2017
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
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
___________________________________________________________________
DI GALLO Frdric Page 17 16/04/2017
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
___________________________________________________________________
DI GALLO Frdric Page 18 16/04/2017
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.
t1 = 1 x2 0 x2 1
t2 = 10 3x2 0 x2 10/3
t3 = 4 pas de contrainte
2ime tape:
___________________________________________________________________
DI GALLO Frdric Page 19 16/04/2017
351783446.doc
______________________________________________________________________________
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:
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
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
___________________________________________________________________
DI GALLO Frdric Page 21 16/04/2017
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
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
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
___________________________________________________________________
DI GALLO Frdric Page 22 16/04/2017
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
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
c) Exercice 2
___________________________________________________________________
DI GALLO Frdric Page 23 16/04/2017
351783446.doc
______________________________________________________________________________
___________________________________________________________________
DI GALLO Frdric Page 24 16/04/2017
351783446.doc
______________________________________________________________________________
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.
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
___________________________________________________________________
DI GALLO Frdric Page 25 16/04/2017
351783446.doc
______________________________________________________________________________
Faisons rentrer t1 et sortir t2 de la base (on fait sortir t2 car il a le coefficient le plus petit
positif).
bi x1 x2 t1 t2 t3 dfinit
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''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
Ici, on a la solution optimale car les coefficients de la fonction conomique sont tous
ngatifs.
___________________________________________________________________
DI GALLO Frdric Page 26 16/04/2017
351783446.doc
______________________________________________________________________________
d) Exercice 3
bi x1 x2 t1 t2 t3 dfinit
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.
___________________________________________________________________
DI GALLO Frdric Page 27 16/04/2017
351783446.doc
______________________________________________________________________________
___________________________________________________________________
DI GALLO Frdric Page 28 16/04/2017
351783446.doc
______________________________________________________________________________
bi x1 x2 t1 t2 t3 dfinit
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
e) Exercice 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
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
___________________________________________________________________
DI GALLO Frdric Page 29 16/04/2017
351783446.doc
______________________________________________________________________________
bi x1 x2 x3 x4 t1 dfinit
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.
bi x1 x2 x3 x4 t1 dfinit
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
bi x1 x2 x3 x4 t1 dfinit
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
. z = 80 .
Et si x1 = x4 = x2 = 0 , on a donc:
1/3 x3 4/3 t1 17
4/3 x3 + 1/3 t1 2
5/3 x3 - 1/3 t1 5
max z = 18 -10/3 x3 + 1/3 t1
___________________________________________________________________
DI GALLO Frdric Page 30 16/04/2017
351783446.doc
______________________________________________________________________________
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).
___________________________________________________________________
DI GALLO Frdric Page 31 16/04/2017
351783446.doc
______________________________________________________________________________
___________________________________________________________________
DI GALLO Frdric Page 32 16/04/2017
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
Ici, L1 L1 - L3
bi x1 x2 t1 t2 t3 dfinit
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
___________________________________________________________________
DI GALLO Frdric Page 33 16/04/2017
351783446.doc
______________________________________________________________________________
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
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
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:
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
___________________________________________________________________
DI GALLO Frdric Page 34 16/04/2017
351783446.doc
______________________________________________________________________________
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
Un agriculteur veut mettre en valeur un espace de 40 hectares, il dispose dun montant annuel
de 63 000 u.m.(units montaires), de 840 journes de travail et se propose de semer du mas,
du bl et du soja. La prparation la culture cote 1500 u.m. par ha pour le mas, 1800 u.m.
par ha pour le bl et enfin 1050 u.m. par ha pour le soja. La culture dun ha ncessite : 18
journes de travail pour le mas, 27 journes pour le bl et 15 journes pour le soja. Les
rapports esprs sont respectivement proportionnels : 420 u.m. pour le mas, 510 u.m. pour
le bl et 360 u.m. (compte tenu dune prime dencouragement) pour le soja.
a. Quels sont les choix de lagriculteur ?
b. Lagriculteur apprend que la prime dencouragement la culture du soja est
susceptible dtre modifie. Il dsire savoir quel taux de prime il devrait changer la
distribution des cultures rvles par le P.L.
c. Supposons maintenant que les moyens sous la forme du travail humain se trouvent
soumis une limitation variable. Quelle est alors la meilleure occupation des sols ?
___________________________________________________________________
DI GALLO Frdric Page 35 16/04/2017
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
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
___________________________________________________________________
DI GALLO Frdric Page 37 16/04/2017
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
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 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
___________________________________________________________________
DI GALLO Frdric Page 38 16/04/2017
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 :
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 :
Bilan :
___________________________________________________________________
DI GALLO Frdric Page 39 16/04/2017
351783446.doc
______________________________________________________________________________
1 5/2 19/108 1/12
1 + +
2 +
3 +
On va donc garder la solution prcdente si ]19/108, 1/12[
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
___________________________________________________________________
DI GALLO Frdric Page 40 16/04/2017
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.
___________________________________________________________________
DI GALLO Frdric Page 41 16/04/2017
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
___________________________________________________________________
DI GALLO Frdric Page 42 16/04/2017
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
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
___________________________________________________________________
DI GALLO Frdric Page 43 16/04/2017
351783446.doc
______________________________________________________________________________
y9 11/5 3/10 0 4/5 7/10 0 1 7/10 0 1 11/4
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
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 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 :
___________________________________________________________________
DI GALLO Frdric Page 44 16/04/2017
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
___________________________________________________________________
DI GALLO Frdric Page 45 16/04/2017
351783446.doc
______________________________________________________________________________
Problmes de
TRANSPORT
___________________________________________________________________
DI GALLO Frdric Page 46 16/04/2017
351783446.doc
______________________________________________________________________________
PROBLEMES DE TRANSPORT
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
___________________________________________________________________
DI GALLO Frdric Page 47 16/04/2017
351783446.doc
______________________________________________________________________________
RECHERCHE OP. CNAM AIX 2001-2002
PROBLEMES DE TRANSPORT
I. Exemple de l'usine
m usines fournissent n clients : lusine i (1 i m) produit ai units, le client j rclame bj
units. On suppose que le cot de transport de lusine i au client j est proportionnel la
quantit transporte et que le cot unitaire de ce transport est cij, la quantit transporte de i
vers j tant linconnue xij.
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
8 11 2 8 9
3 7 1 4 10
2 0 10 5 7
Demande 6 9 8 3 26
des clients
___________________________________________________________________
DI GALLO Frdric Page 48 16/04/2017
351783446.doc
______________________________________________________________________________
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.
___________________________________________________________________
DI GALLO Frdric Page 49 16/04/2017
351783446.doc
______________________________________________________________________________
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
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.
___________________________________________________________________
DI GALLO Frdric Page 50 16/04/2017
351783446.doc
______________________________________________________________________________
___________________________________________________________________
DI GALLO Frdric Page 51 16/04/2017
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
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.
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.
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
___________________________________________________________________
DI GALLO Frdric Page 53 16/04/2017
351783446.doc
______________________________________________________________________________
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
___________________________________________________________________
DI GALLO Frdric Page 54 16/04/2017
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
___________________________________________________________________
DI GALLO Frdric Page 55 16/04/2017
LES
GRAPHES
LES GRAPHES
I. DFINITION VOCABULAIRE..................................................................................... 47
1.1) Graphe................................................................................................................. 47
1.2) Chemins............................................................................................................... 48
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
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
x2
x1 x2
x1
x3
x5 x3
x4 x5
x4
Chemin circuit
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.
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.
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
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
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}
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
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
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
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.
I
E
H
G F
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)
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
t+(C) X X 0 1 X X X 2 X 3
Conclusion :
Il y a deux chemins hamiltoniens :
GIABFEDHCJ
GIAFBEDHCJ
Graphique :
G B
D H
E
A
I F J C
I II III
CHEMIN de
VALEUR
OPTIMALE
CHEMIN DE VALEUR OPTIMALE
I. ALGORITHME DE FORD.............................................................................................. 58
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
[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)
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
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
+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.
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
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
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).
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
III. EXERCICES................................................................................................................. 74
RECHERCHE OP. CNAM AIX 2001-2002
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
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.
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.
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
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
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
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.
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.
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
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.
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
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
______________________________________________________________________________
PROCESSUS STOCHASTIQUES
I. INTRODUCTION.................................................................................................... 77
1.1) Historique............................................................................................................ 77
1.2) Dfinition d'un Processus Stochastique............................................................... 77
___________________________________________________________________
DI GALLO Frdric Page 88 16/04/2017
351783446.doc
______________________________________________________________________________
PROCESSUS STOCHASTIQUES
I. INTRODUCTION
On appelle processus stochastique tout problme qui dpend du hasard.
1.1) Historique
La premire ide de la thorie des processus se trouve chez Einstein en 1905 dans l'tude
du mouvement brownien. Puis, vers 1910, Markov dcrit l'alternance des voyelles et des
consonnes dans "Eugne Ouguine" de Pouchkine l'aide d'une chane de Markov.
En 1910, le danois Erlang cre la thorie des files d'attente pour l'aider rsoudre des
problmes de dimensionnement de standards tlphoniques. En 1933, Kolmogorov rdige la
formalisation des processus stochastiques. Depuis, Kendall, Levy, Khintchine, Feller, Dood
ont dvelopp cette thorie.
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:
___________________________________________________________________
DI GALLO Frdric Page 89 16/04/2017
351783446.doc
______________________________________________________________________________
: :
Pr1 Prr = M (matrice des transitions)
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
___________________________________________________________________
DI GALLO Frdric Page 90 16/04/2017
351783446.doc
______________________________________________________________________________
Proprit: . P(m) = Pm pour tout m IN .
___________________________________________________________________
DI GALLO Frdric Page 91 16/04/2017
351783446.doc
______________________________________________________________________________
P
(m -1) m -1 m
= kj Pik terme (ij) de P.P P par df. des produits
k 1
matriciels
pour i, j , n, m I
r (m)
Pkj
(n)
ou Pij (n+m)
= Pik
k 1
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
___________________________________________________________________
DI GALLO Frdric Page 92 16/04/2017
351783446.doc
______________________________________________________________________________
Si P (X0 = A) = 1 alors P (X1 = C) = 0 et P (X1 = B) = 0.5
___________________________________________________________________
DI GALLO Frdric Page 93 16/04/2017
351783446.doc
______________________________________________________________________________
Si P (X0 = A) = 0.1
P (X0 = B) = 0.8
P (X0 = C) = 0.1
Mathmatiquement:
(0) = ( P(X0=E1), P(X0=E2), , P(X0=Er) ) (distribution initiale des probabilits des tats)
. (1) = (0) . M .
Graphe:
A B K D
I L
H G E
J
C F
___________________________________________________________________
DI GALLO Frdric Page 94 16/04/2017
351783446.doc
______________________________________________________________________________
FIABILITE
___________________________________________________________________
DI GALLO Frdric Page 95 16/04/2017
351783446.doc
______________________________________________________________________________
FIABILIT
I. INTRODUCTION.................................................................................................... 83
V. EXERCICES............................................................................................................. 88
5.1) Exercice n 1........................................................................................................ 88
5.2) Exercice n 2........................................................................................................ 89
5.3) Exercice n 3........................................................................................................ 89
___________________________________________________________________
DI GALLO Frdric Page 96 16/04/2017
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).
___________________________________________________________________
DI GALLO Frdric Page 97 16/04/2017
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).
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 :
___________________________________________________________________
DI GALLO Frdric Page 98 16/04/2017
351783446.doc
______________________________________________________________________________
a) Relations fondamentales
Ln(R(t)) = 0t (u)du
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 :
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 :
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
___________________________________________________________________
DI GALLO Frdric Page 99 16/04/2017
351783446.doc
______________________________________________________________________________
3. LOIS UTILISEES
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
: paramtre de position,
: paramtre de dispersion,
___________________________________________________________________
DI GALLO Frdric Page 100 16/04/2017
351783446.doc
______________________________________________________________________________
: paramtre de forme.
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.
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 .
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.
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
___________________________________________________________________
DI GALLO Frdric Page 102 16/04/2017
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.
___________________________________________________________________
DI GALLO Frdric Page 103 16/04/2017