Recherche opérationnelle

et aide à la décision
Cours du Cycle Probatoire

Simplex
PERT
MPM

Cours dispensé par Anne-Marie BACHAS.

CNAM Aix-en-Provence 2001-2002

9580622.doc
______________________________________________________________________________

INTRODUCTION..................................................9
I. PRÉSENTATION DE LA RECHERCHE OPÉRATIONNELLE.............................................................9
II. DOMAINES D'APPLICATION................................................................................................9
2.1) Les problèmes combinatoires.............................................................................9
2.2) Les problèmes aléatoires....................................................................................9
2.3) Les problèmes de concurrence...........................................................................9
III. PROPRIÉTÉS DE LA R.O. INTERDISCIPLINAIRE....................................................................9

PROGRAMMATION LINEAIRE.....................14
I. PROBLÉMATIQUE DE LA PROGRAMMATION LINÉAIRE.............................................................14
1.1) Introduction......................................................................................................14
1.2) Exemple............................................................................................................14
1.3) Forme canonique.............................................................................................15
1.4) Formulation générale.......................................................................................16
1.5) Interprétation géométrique..............................................................................16
1.6) Forme standard................................................................................................17
II. CONVEXITÉ.................................................................................................................19
III. MÉTHODE DU SIMPLEXE...............................................................................................19
3.1) Exemple avec deux variables...........................................................................19
3.2) Méthode des tableaux.......................................................................................21
3.3) Méthode des 2 phases et méthode M................................................................29
3.4) Paramétrisation des coeff. de la fn éco............................................................32
IV. DUALITÉ :..................................................................................................................37

PROBLEMES DE TRANSPORT......................45
I. EXEMPLE DE L'USINE......................................................................................................45
1.1) Problème : répartition des expéditions............................................................45
1.2) Modélisation du problème................................................................................46
1.3) Représentation graphique................................................................................47
1.4) Méthode plus rapide (des regrets)....................................................................48
1.5) Changement de base........................................................................................48
1.6) Cas de dégénérescence.....................................................................................50
II. RECHERCHE D’UNE SOLUTION INITIALE.............................................................................50
2.1) Règle du coin Nord-Ouest ("hasard")..............................................................50
2.2) Règle de Balas-Hammer :................................................................................51

LES GRAPHES....................................................58
I. DÉFINITION – VOCABULAIRE............................................................................................58
1.1) Graphe..............................................................................................................58
1.2) Chemins............................................................................................................59
II. MATRICES ASSOCIÉES À UN GRAPHE.................................................................................60
2.1) Matrice latine...................................................................................................60
2.2) Matrices booléenne et arithmétique.................................................................61
III. CONNEXITÉ – FORTE CONNEXITÉ....................................................................................62
3.1) Connexité..........................................................................................................62

___________________________________________________________________
Beniaich Adnane

Page 2

22/10/200808

9580622.doc
______________________________________________________________________________
3.2) Forte connexité.................................................................................................62
3.3) Fermeture transitive.........................................................................................63
3.4) Recherche des classes fortement connexes, des circuits hamiltoniens.............64
3.5) Méthode de Georges DEMOUCRON...............................................................64

CHEMIN DE VALEUR OPTIMALE................71
I. ALGORITHME DE FORD...................................................................................................71
II. ALGORITHME DE FORD-FULKERSON...............................................................................72
2.1) flot à travers un réseau....................................................................................72
2.2) Procédure.........................................................................................................73
2.3) Recherche d’un flot complet initial..................................................................75
2.4) Exercices..........................................................................................................78
III. PROBLÈME D’AFFECTATION...........................................................................................78
3.1) Exercices..........................................................................................................80

ORDONNANCEMENT.......................................85
I. INTRODUCTION..............................................................................................................85
II. MÉTHODES D’ORDONNANCEMENT....................................................................................86
2.1) Méthode MPM..................................................................................................86
2.2) Méthode PERT.................................................................................................88
2.3) Comparaison des deux méthodes.....................................................................89
III. EXERCICES.................................................................................................................90

PROCESSUS STOCHASTIQUES....................95
I. INTRODUCTION....................................................................................................95
1.1) Historique.........................................................................................................95
1.2) Définition d'un Processus Stochastique...........................................................95
II. LES CHAÎNES DE MARKOV À ESPACE D'ÉTATS DISCRET.......................................................96
2.1) Probabilités et matrice de transition................................................................96
2.2) Probabilités de transition en m étapes.............................................................96
III. GRAPHE DES TRANSITIONS – CLASSIFICATION DES CHAÎNES................................................98
3.1)Exemple sur les processus aléatoires.................................................................98
IV. DISTRIBUTION DES ÉTATS D'UNE CHAÎNE..........................................................................99
V. ETUDE DES CHAÎNES RÉDUCTIBLES...................................................................................99
VI. LES CHAÎNES DE MARKOV À TEMPS CONTINU..................................................................99
VII. COMPORTEMENT ASYMPTOTIQUE DES CHAÎNES................................................................99
VIII. PROCESSUS DE NAISSANCE ET DE MORT........................................................................99

FIABILITÉ.........................................................104
I. INTRODUCTION..................................................................................................104
II. GENERALITES - TERMINOLOGIE...................................................................104
2.1) Fonction de défaillance et fn de fiabilité........................................................104
2.2) Taux d’avarie ou taux de défaillance.............................................................104
III. LOIS UTILISEES................................................................................................107
3.1) Loi exponentielle............................................................................................107
3.2) Loi de Weibull.................................................................................................107

___________________________________________________________________
Beniaich Adnane

Page 3

22/10/200808

9580622.doc
______________________________________________________________________________
IV. FIABILITÉ D’UN SYSTÈME ET DE SES COMPOSANTS...........................................................108
4.1) Système à structure en série...........................................................................108
4.2) Système à structure parallèle.........................................................................108
4.3) Systèmes à structure mixte.............................................................................109
V. EXERCICES..........................................................................................................109
5.1) Exercice n° 1..................................................................................................109
5.2) Exercice n° 2...................................................................................................110
5.3) Exercice n° 3...................................................................................................110

___________________________________________________________________
Beniaich Adnane

Page 4

22/10/200808

9580622.doc
______________________________________________________________________________

INTRODUCTION

___________________________________________________________________
Beniaich Adnane

Page 5

22/10/200808

9580622.doc
______________________________________________________________________________

INTRODUCTION..................................................9
I. PRÉSENTATION DE LA RECHERCHE OPÉRATIONNELLE.............................................................9
II. DOMAINES D'APPLICATION................................................................................................9
2.1) Les problèmes combinatoires.............................................................................9
2.2) Les problèmes aléatoires....................................................................................9
2.3) Les problèmes de concurrence...........................................................................9
III. PROPRIÉTÉS DE LA R.O. INTERDISCIPLINAIRE....................................................................9

PROGRAMMATION LINEAIRE.....................14
I. PROBLÉMATIQUE DE LA PROGRAMMATION LINÉAIRE.............................................................14
1.1) Introduction......................................................................................................14
1.2) Exemple............................................................................................................14
1.3) Forme canonique.............................................................................................15
1.4) Formulation générale.......................................................................................16
1.5) Interprétation géométrique..............................................................................16
1.6) Forme standard................................................................................................17
II. CONVEXITÉ.................................................................................................................19
III. MÉTHODE DU SIMPLEXE...............................................................................................19
3.1) Exemple avec deux variables...........................................................................19
3.2) Méthode des tableaux.......................................................................................21
3.3) Méthode des 2 phases et méthode M................................................................29
3.4) Paramétrisation des coeff. de la fn éco............................................................32
IV. DUALITÉ :..................................................................................................................37

PROBLEMES DE TRANSPORT......................45
I. EXEMPLE DE L'USINE......................................................................................................45
1.1) Problème : répartition des expéditions............................................................45
1.2) Modélisation du problème................................................................................46
1.3) Représentation graphique................................................................................47
1.4) Méthode plus rapide (des regrets)....................................................................48
1.5) Changement de base........................................................................................48
1.6) Cas de dégénérescence.....................................................................................50
II. RECHERCHE D’UNE SOLUTION INITIALE.............................................................................50
2.1) Règle du coin Nord-Ouest ("hasard")..............................................................50
2.2) Règle de Balas-Hammer :................................................................................51

LES GRAPHES....................................................58
I. DÉFINITION – VOCABULAIRE............................................................................................58
1.1) Graphe..............................................................................................................58
1.2) Chemins............................................................................................................59
II. MATRICES ASSOCIÉES À UN GRAPHE.................................................................................60
2.1) Matrice latine...................................................................................................60
2.2) Matrices booléenne et arithmétique.................................................................61

___________________________________________________________________
Beniaich Adnane

Page 6

22/10/200808

..................................................................................... PROCESSUS DE NAISSANCE ET DE MORT.......1) Probabilités et matrice de transition......................................71 I..doc ______________________________________________________________________________ III................................ GENERALITES ........104 2.......1) Méthode MPM.......... GRAPHE DES TRANSITIONS – CLASSIFICATION DES CHAÎNES......................................................................62 3..73 2.........................95 1............................................ ALGORITHME DE FORD-FULKERSON. des circuits hamiltoniens..................................104 III...................TERMINOLOGIE...............................................................................1) Exercices............................................................63 3.....................................................................64 CHEMIN DE VALEUR OPTIMALE......................71 II..................................95 II.........3) Comparaison des deux méthodes...........................................78 3......................62 3..........96 III.............................................................................................98 3................78 III....................................4) Exercices................1) Fonction de défaillance et fn de fiabilité..........................98 IV.......... ALGORITHME DE FORD....................... LES CHAÎNES DE MARKOV À TEMPS CONTINU..................................................99 FIABILITÉ.. MÉTHODES D’ORDONNANCEMENT... ETUDE DES CHAÎNES RÉDUCTIBLES...................................... EXERCICES.................................... DISTRIBUTION DES ÉTATS D'UNE CHAÎNE.........................................................................................................................................64 3..................99 V.................................2) Méthode PERT................95 I...................................2) Probabilités de transition en m étapes.........................................................62 3...........72 2. LOIS UTILISEES........9580622...........................................................99 VIII.................................1) Connexité................................................................................................................................................................... INTRODUCTION.........................................................................90 PROCESSUS STOCHASTIQUES..............85 II...................104 II............................................. INTRODUCTION............................................................................. CONNEXITÉ – FORTE CONNEXITÉ. LES CHAÎNES DE MARKOV À ESPACE D'ÉTATS DISCRET................3) Fermeture transitive...............................................1) flot à travers un réseau..............................................................................................................................................................80 ORDONNANCEMENT.................................................................4) Recherche des classes fortement connexes......................................................................................................................104 2.........86 2.2) Taux d’avarie ou taux de défaillance...................................................................................................................................................................96 2............................................................................................... COMPORTEMENT ASYMPTOTIQUE DES CHAÎNES..............................1) Historique..............86 2...........................................................................................................85 I.75 2....................................................................89 III......................99 VII.............................. PROBLÈME D’AFFECTATION........................104 I.............88 2...............3) Recherche d’un flot complet initial................................................2) Définition d'un Processus Stochastique.............................72 2........................................................99 VI...................... INTRODUCTION.......96 2........................................107 ___________________________________________________________________ Beniaich Adnane Page 7 22/10/200808 ..2) Forte connexité...............................................................................95 1......2) Procédure.........5) Méthode de Georges DEMOUCRON..........................1)Exemple sur les processus aléatoires..........................

...........................................................................................................108 4..........................................................1) Loi exponentielle..........................................................................2) Système à structure parallèle.....................................................................................................................................doc ______________________________________________________________________________ 3..............................................................................2) Loi de Weibull............................................................1) Exercice n° 1. FIABILITÉ D’UN SYSTÈME ET DE SES COMPOSANTS............................................107 3..................................................................3) Exercice n° 3.........................109 5.........3) Systèmes à structure mixte................................. EXERCICES...........................................1) Système à structure en série.107 IV..........108 4..................109 5.................................................9580622....................109 V.....108 4........................110 ___________________________________________________________________ Beniaich Adnane Page 8 22/10/200808 .........110 5............2) Exercice n° 2........

2.O.D. Par exemple 20! Pour un ordinateur qui traite 1M/sec. III.).1) Les problèmes combinatoires Essentiellement lorsque l'on a trop de combinaisons pour les traiter cas par cas. Elle consiste à recevoir un maximum d'information sur le problème afin de proposer des solutions mais surtout pas de décider laquelle est la meilleure. II. – CNAM AIX 2001-2002 INTRODUCTION I. Cette méthodologie est une mélange d'analyse et de méthodes mathématique réunies pour aider un décideur à prendre une décision. Propriétés de la R. La solution choisie dépend surtout des intérêts du décideur. interdisciplinaire Economie Informatique B. gestion des convois. Domaines d'application La recherche opérationnelle a maintenant de nombreux domaines d'application dont: 2. On pourrait croire qu'un seul employé suffit mais un modèle mathématique pourra démontrer qu'il faut en fait 2 employés (pour gérer les heures de pointes). Recherche Opérationnelle Outils mathématique ___________________________________________________________________ Beniaich Adnane Page 9 22/10/200808 . cela mettrai 77 096 ans!!! C'est le premier domaine application avec l'utilisation des graphes et de la programmation linéaire.2) Les problèmes aléatoires Notamment la gestion de files d'attente.3) Les problèmes de concurrence Notamment tout ce qui concerne la théorie des jeux.9580622.doc ______________________________________________________________________________ RECHERCHE OP. 2. Présentation de la Recherche Opérationnelle La recherche opérationnelle est une méthode d'analyse scientifique d'un problème. Par exemple: un guichet supporte une arrivée de personne toutes les 4 minutes en moyenne et la sert en 3 minutes. Crée en Angleterre durant la seconde guerre mondiale. etc. elle servait à résoudre les problèmes militaires (placements de radar.

9580622.doc ______________________________________________________________________________ Programmation Linéaire ___________________________________________________________________ Beniaich Adnane Page 10 22/10/200808 .

de la fn éco.1) Les problèmes combinatoires 9 2.9580622.3) Méthode des 2 phases et méthode M 29 a) Exemple 1 : 29 b) Méthode des 2 phases : 29 c) Méthode M ou des perturbations : 31 3.1) Problème : répartition des expéditions 45 1.6) Forme standard 17 II. DOMAINES D'APPLICATION 9 2. CONVEXITÉ 19 III. MÉTHODE DU SIMPLEXE 19 3.3) Forme canonique 15 1. PRÉSENTATION DE LA RECHERCHE OPÉRATIONNELLE 9 II. PROPRIÉTÉS DE LA R. INTERDISCIPLINAIRE 9 PROGRAMMATION LINEAIRE 14 I.1) Introduction 14 1. DUALITÉ : 37 PROBLEMES DE TRANSPORT 45 I.4) Méthode plus rapide (des regrets) 48 1.4) Formulation générale 16 1.1) Exemple avec deux variables 19 3.2) Les problèmes aléatoires 9 2.5) Changement de base 48 1.2) Modélisation du problème 46 1.4) Paramétrisation des coeff.5) Interprétation géométrique 16 1. RECHERCHE D’UNE SOLUTION INITIALE 50 2. EXEMPLE DE L'USINE 45 1.O.2) Méthode des tableaux 21 a) PL1 sous forme standard 21 b) Exercice 1 22 c) Exercice 2 23 d) Exercice 3 26 e) Exercice 4 27 3. 32 IV. PROBLÉMATIQUE DE LA PROGRAMMATION LINÉAIRE 14 1.1) Règle du coin Nord-Ouest ("hasard") 50 ___________________________________________________________________ Beniaich Adnane Page 11 22/10/200808 .6) Cas de dégénérescence 50 II.2) Exemple 14 a) Agriculteur 14 b) Usine 15 1.3) Représentation graphique 47 1.3) Les problèmes de concurrence 9 III.doc ______________________________________________________________________________ INTRODUCTION 9 I.

des circuits hamiltoniens 64 3.1) Matrice latine 60 2. CONNEXITÉ – FORTE CONNEXITÉ 62 3.doc ______________________________________________________________________________ 2.1) flot à travers un réseau 72 2. DÉFINITION – VOCABULAIRE 58 1.1) Connexité 62 3.2) Matrices booléenne et arithmétique 61 a) Matrice arithmétique : 61 b) Matrice booléenne : 61 III. INTRODUCTION 85 Contraintes potentielles : 85 II.4) Exercices 78 a) Exercice n°1: Plus court chemin 78 b) Exercice n°2: Chemin de longueur minimale 78 c) Exercice n°3: Flot maximal 78 III. EXERCICES 90 PROCESSUS STOCHASTIQUES 95 I. ALGORITHME DE FORD 71 II.1) Graphe 58 1.1) Méthode MPM 86 a) Exemple des tâches du bâtiment 86 b) Exemple: travail de graphe 86 2.2) Méthode PERT 88 2. PROBLÈME D’AFFECTATION 78 3.3) Recherche d’un flot complet initial 75 2. MATRICES ASSOCIÉES À UN GRAPHE 60 2. MÉTHODES D’ORDONNANCEMENT 86 2. ALGORITHME DE FORD-FULKERSON 72 2.2) Forte connexité 62 3.1) Exercices 80 ORDONNANCEMENT 85 I.2) Chemins 59 II.5) Méthode de Georges DEMOUCRON 64 CHEMIN DE VALEUR OPTIMALE 71 I.2) Règle de Balas-Hammer : 51 LES GRAPHES 58 I.4) Recherche des classes fortement connexes.2) Procédure 73 2.9580622.3) Fermeture transitive 63 3.3) Comparaison des deux méthodes 89 a) Opérations parallèles 89 b) Opérations dépendantes et indépendantes 90 c) Opérations composées (successions avec recouvrement) 90 III. INTRODUCTION 95 ___________________________________________________________________ Beniaich Adnane Page 12 22/10/200808 .

2) Probabilités de transition en m étapes 96 III. LES CHAÎNES DE MARKOV À ESPACE D'ÉTATS DISCRET 96 2.3) Exercice n° 3 110 ___________________________________________________________________ Beniaich Adnane Page 13 22/10/200808 .1) Système à structure en série 108 4.2) Exercice n° 2 110 5. GENERALITES .TERMINOLOGIE 104 2.3) Systèmes à structure mixte 109 V. INTRODUCTION 104 II.2) Définition d'un Processus Stochastique 95 II. COMPORTEMENT ASYMPTOTIQUE DES CHAÎNES 99 VIII. GRAPHE DES TRANSITIONS – CLASSIFICATION DES CHAÎNES 98 3.1)Exemple sur les processus aléatoires 98 IV. DISTRIBUTION DES ÉTATS D'UNE CHAÎNE 99 V.2) Système à structure parallèle 108 4. LES CHAÎNES DE MARKOV À TEMPS CONTINU 99 VII.1) Exercice n° 1 109 5.1) Probabilités et matrice de transition 96 2. ETUDE DES CHAÎNES RÉDUCTIBLES 99 VI.2) Taux d’avarie ou taux de défaillance 104 a) Relations fondamentales 106 b) Estimation des fonctions R et F 106 III.9580622.1) Fonction de défaillance et fn de fiabilité 104 2.doc ______________________________________________________________________________ 1. FIABILITÉ D’UN SYSTÈME ET DE SES COMPOSANTS 108 4.1) Historique 95 1. PROCESSUS DE NAISSANCE ET DE MORT 99 FIABILITÉ 104 I.2) Loi de Weibull 107 IV. EXERCICES 109 5.1) Loi exponentielle 107 3. LOIS UTILISEES 107 3.

du blé et du soja qui ont les coûts et les rapports suivants: Maïs Blé soja Prix (FF/ha) 1500 1800 1050 Temps (jour) 18 27 15 Rapports (FF/ha) 420 510 360 On peut synthétiser les contraintes de cette façon: 1500 x1 + 1800 x2 + 1050 x3 ≤ 63 000 18 x1 + 27 x2 + 15 x3 ≤ 840 X1 + x2 + x3 ≤ 40 X1. problème consistant à trouver un extremum (maximum ou minimum) d’une fonction à plusieurs variables.2) Exemple a) Agriculteur Un agriculteur possède 40ha. 63 000 FF et 840 jours de travail. – CNAM AIX 2001-2002 PROGRAMMATION LINEAIRE I. vérifiant en outre un système d’équations ou d’inéquations. x3 ∈ IR+ X1. x3 ≥ 0 Et la fonction économique max z = 420 x1 + 510 x2 + 360 x3 ___________________________________________________________________ Beniaich Adnane Page 14 22/10/200808 . Problématique de la programmation linéaire 1. x2. x2. i. Il désire semer du maïs. ces fonctions étant linéaires.doc ______________________________________________________________________________ RECHERCHE OP. 1.9580622.1) Introduction Un programme linéaire est un programme mathématique.e.

Une solution admissible est un n-uplet qui vérifie toutes les contraintes .x ≤ − b ij j i ∑  j=1 xj ≤ 0 ⇔ –xj ≥ 0 ⇒ changement de variable x’j = – xj dans le PL si certaines variables n’ont pas de condition de signe.9580622. et n variables naturelles. on pose xi = x’i – x’’i. avec x’i≥0 et x’’i≥0.3) Forme canonique Tout programme linéaire peut être mis sous forme canonique. n max z = ∑ c j .x j ≤ b i .x j ≥ b i j=1 ⇔ ∑ ( − a ij ). n: nbre de variables x1.x j Fonction économique j=1 n ∑ a ij .…. parmi ces solutions admissibles celle(s) pour la(les)quelle(s) la fonction économique est maximale. pour 1 ≤ i ≤ m m: contraintes x j ≥ 0.x j ≤ b i n  j=1 ∑ a ij . ___________________________________________________________________ Beniaich Adnane Page 15 22/10/200808 .doc ______________________________________________________________________________ b) Usine De la même façon.x j ≤ −b i n j=1 n ∑ a ij . une usine produit du "A" et du "B" avec du "M1" et du "M2" avec les caractéristiques suivantes: A B Stocks M1 2 1 8 M2 1 2 7 M3 0 1 3 gains 4 5 Mise en équations 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 critère étant un max z = 4 x1 + 5 x2 1. Propriété : Tout programme linéaire peut être mis sous forme canonique. s’appelle(nt) solution(s) optimale(s). ( ) Remarque: 2 x1² + x2 ≤ 12 est impossible à résoudre avec cet outil. Min(z)=–max(–z) n ∑ a ij . c'est à dire un système avec un ensemble d'inéquation et une fonction à optimiser.xn j=1 pour 1 ≤ j ≤ n Il y a m contraintes propres et n contraintes impropres (de positivité).x j = b i ⇔  n j=1  − a .

c ∈ IRn .5) Interprétation géométrique max z = − x1 + x 2 Le système :  − 2 x1 + x 2 ≤ 1   x1 + 3x 2 ≤ 10 x ≤ 4  1 x1 . 3 0 0 ___________________________________________________________________ Beniaich Adnane Page 16 22/10/200808 . la solution optimale est x1=1.4) Formulation générale max Z(x) = <c. 9 3. 6 3. x 2 ≥ 0 (PL1) est associé à la représentation graphique suivante.9580622. z = 2 4 3 2 1 3. 9 0. 7 2. x> (P) Ax ≤ b x≥0 Ω Remarques: • • • • • • • • <c. 4 2. 6 0. x> = + c. Dans cet exemple.doc ______________________________________________________________________________ 1. x2 = 3. x ∈ IRn x ≥ 0 ⇔ V i xi ≥ 0 Ω = {x ∈ IRn / x ≥ 0 Ax ≤ b} ensemble des solutions réalisables On ne suppose pas à priori qu'il existe un maximum Ω = 0 le problème n'a pas de solution réalisable Exemple: Max Z(x) = x Ω = {x / x ≥ 0 x ≤ -1} Ω = 0 le problème a une solution optimale Exemple: Max Z(x) = x Ω = {x / x ≤ 0} Ω = 0 Z(x) non borné sur Ω Exemple: Max Z(x) = x Ω = {x / x ≥ 0} 1. 3 3 2. 2 0. 5 1. 8 1. 1 1.x A ∈ IRmxn b ∈ IRm .

___________________________________________________________________ Beniaich Adnane Page 17 22/10/200808 . La forme standard d’un PL est telle que : • On maximise une fonction économique linéaire des variables • Les variables sont assujetties à des contraintes :  Propres : équations linéaires (en introduisant des variables d’écart.2 x1 + x 2 + t 1 = 1 x1 + 3x2 + t2 = 10 x1 +t3 = 4 t1: variable d'écart 1. positives)  Impropres : conditions de positivité (des variables naturelles et des variables d’écart) Théorème : tout programme linéaire peut être écrit sous forme canonique ou sous forme standard. x2 = 3 A x2 = 1 x1 = 0 .doc ______________________________________________________________________________ Soit le système: -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 x2 = 2x1 + 1 D2 ∆k x2 – x1 = k x2 = x1 + k z a pour maximum 2 atteint en x1 = 1.6) Forme standard On introduit des variables dites d'écart.9580622.

pour 1 ≤ j ≤ n x n +i ≥ 0. pour 1 ≤ i ≤ m j=1 ___________________________________________________________________ Beniaich Adnane Page 18 22/10/200808 .x j j=1 n ∑ a ij .9580622.doc ______________________________________________________________________________ n max z = ∑ c j .x j + x n +i = b i . pour 1 ≤ i ≤ m x j ≥ 0.

n+m II. ou sommet) SSI il n'existe pas: x' . il existe un théorème analogue utilisant la notion de rayons extrémaux. est combinaison linéaire Remarque : Dans le cas où Ω est un polyèdre non borné.1) Exemple avec deux variables Soit le système S1: -2x1 + x2 + t1 =1 x1 + 3x2 + t2 = 10 x1 + t3 = 4 x1 . t3 ≥ 0 max z = -x1 + x2 ___________________________________________________________________ Beniaich Adnane Page 19 22/10/200808 .doc ______________________________________________________________________________ Ecriture matricielle : max ( tc x) Ax=b x≥ 0 avec :  x1   c1           x =  x n  . c=  c n  x. Un polyèdre convexe est l'intersection d'un nombre fini d'ensembles du type Aα . t1. et ∀ y ∈ C .A∈M    0  1  (R). b= m. Bα . x2 . c ∈ Rn+m. x est un point extrémal d'un convexe (ou point anguleux.1[ Théorème : Tout point x d'un polyèdre convexe borné Ω ⊂ IRn convexe de points extrêmes de Ω. x² ∈ C x' ≠ x² tels que x = αx' + (1-α)x² avec α ∈ ]0. Convexité C ⊂ IRn est convexe SSI ∀ x ∈ C . Méthode du simplexe 3.9580622.1] ⇒ λx + (1-λ)y ∈ C L'intersection d'un nombre fini de convexes est convexe. III. b ∈ Rm b   m  a 11  a 1n   a 21  a 2 n     a  m1  a mn 1 0  0 0  0  1  0 . A =      x  0    n +m   b1       . Théorème : L'ensemble Ω des solutions réalisables d'un programme linéaire est convexe. ∀ λ ∈ [0. Cα. t2 .

x1 ≥ 0 → → → x1 ≥ -1/2 x1 ≤ 1 x1 ≤ 4 On fait rentrer x1 dans la base en posant x1 = 1.x1 hors base base On veut écrire tout le monde en fonction de x1 et de t1. t2 . t2 . x2 .t2) x1 . x1 = 0 . t2 =7 . t3 Essayons de faire croître x2 .t2) .7x1 ≥ 0 t 3 = 4 . x2 = 1 .t1 .doc ______________________________________________________________________________ Ici. t2 . t2 = 0 et en base x2 = 3 . z = 2 Donc le système S3: x1 = 1/7 ( 7 + 3t1 .x1 x1 . Donc le système S2: x2 = 1 + 2x1 . t3 ≥ 0 z = 1 + 1 + 3/7 t1 – 1/7 t2 . x2 = 0 est une solution de base admissible avec z = 0. avec x1 = 0 t1 = 1 –x2 ≥ 0 t2 = 10 –3x2 ≥ 0 t3 = 4 → → → x2 ≤ 1 x2 ≤ 10/3 pas de contrainte On trouve donc une deuxième solution admissible: x1 = 0 .9580622. t3 = 4 z = 1 = x 2 . t3 ≥ 0 z = 1 + 2x1 . t3 = 3 . et on a donc hors base: t1 = 0 . t1 = 0 .t1 = 2 –4/7 t1 – 1/7 t2 Et ici la solution optimale est donc maximum !!! ___________________________________________________________________ Beniaich Adnane Page 20 22/10/200808 . x2 .x1 – 3(1 + 2x1 – t1) = 7 .t1 t2 = 10 .7x1 + 3t1 t 3 = 4 .t2) x2 = 1 + 2/7 (7 + 3t1 . c'est à dire qu'elle fait partie de la zone graphique concernée et qu'elle répond à toutes les conditions posées.x1 = 1 + x1 – t1 2ième étape: Faisons croître x1 (avec t1 = 0): S2 devient donc avec t1 = 0: x2 = 1 + 2x1 ≥ 0 t2 = 7 .t1 t3 = 4 – 1/7 (7 +3t1 . On a les variables hors base: x1 . t1. x2 et les variables en base: t1 . t1.

variables hors base entraînerait une diminution de la valeur de Z.doc ______________________________________________________________________________ 3. x 4 .9580622. on va faire entrer x2 en base: coef -1/2 1 4 bi 1 7 4 Z-1 x1 –2 7 1 1 x2 1 0 0 0 t1 1 -3 0 -1 t2 0 1 0 0 t2 2/7 1/7 -1/7 -1/7 t3 0 0 1 0 t3 0 0 1 0 x2 t2 L2 – 3L1 t3 L4 – L1 on va faire entrer x1 en base et en sortir t2: bi 3 1 3 Z–2 x1 0 1 0 0 x2 1 0 0 0 t1 1/7 -3/7 3/7 -4/7 x2 x1 t3 On a obtenu la solution optimale . z =2 ___________________________________________________________________ Beniaich Adnane Page 21 22/10/200808 . x 5 =1 = 10 =4 ≥0 Sous forme de tableau : coef 1 10/3 ∝ bi x1 x2 t1 1 –2 1 1 10 1 3 0 4 1 0 0 Z –1 1 0 La solution admissible de base (solution initiale) est: t2 0 1 0 0 t3 0 0 1 0 x1=x2=0 (donc ce sont les variables Hors Base) et t1 =1. x 3 . Conclusion : solution optimale : x1=1. puisque les coefficients de la fonction économique sont tous négatifs ou nuls. x2=3. une augmentation de t2 ou de t1. t2= 10. Comme le coefficient de x2 est le plus petit positif. x 2 .2) Méthode des tableaux a) PL1 sous forme standard max z = − x 1 + x 2 − 2x1 + x 2 + x 3   x 1 + 3x 2 + x 4  x1 + x 5  x1 . t3= 4 (en base) avec z = 0.

12 D1 si x1 = 0 et k = 0 alors x2 = 0 car x2 = (k – x1) / 3 donc ∆0 x2 = -(1/3) x1 ∆12 x2 = 4 = (1/3) k ∆30 x2 = 8 x1 = 6 ∆0 Z = 30 pour x1 = 6 et x2 = 8 3. Proposer une résolution graphique D2 D1 x1 + x2 = 14 x2 = 14 – x1 D3 ∆30 ∆12 D2 x2 = 2/3 x1 + 4 D3 x2 = 2 x1 .9580622. t2. Mettre sous forme standard On introduit donc les variables d'écart t1. t2 et t3: x1 + x2 + t1 = 14 -2x1 + 3x2 + t2 = 12 avec x1.x2 ≤ 12 max z = x1 + 3x2 1. t1. x2. x2 ≥ 0 2x1 . Trouver une solution optimale par la méthode des tableaux coef(bi/ai1) 14 4 -2 bi 14 12 2 Z x1 1 -2 2 1 x2 1 3 -1 3 t1 1 0 0 0 Solution de base admissible: x1 = x2 = 0 t2 0 1 0 0 t3 0 0 1 0 définit t1 t2 t3 t1 = 14 t2 = 12 t3 = 2 ___________________________________________________________________ Beniaich Adnane Page 22 22/10/200808 .doc ______________________________________________________________________________ b) Exercice 1 Soit le programme linéaire suivant sous sa forme canonique: x1 + x2 ≤ 14 -2x1 + 3x2 ≤ 12 avec x1.x2 + t3 = 12 max z = x1 + 3x2 2. t3 ≥ 0 2x1 .

coef 10*3/5 4*(-3/2) 16*3/4 6 -6 12 bi 10 4 16 Z-12 x1 5/3 -2/3 4/3 3 x2 0 1 0 0 t1 1 0 0 0 t2 -1/3 1/3 1/3 -1 t3 0 0 1 0 définit t1 L1 .3L2 L1 : t1 en fonction de x1.9580622. x2 L1 14 L'2 4 L'1 10 1 -2/3 5/3 1 1 0 1 0 1 0 1/3 -1/3 0 0 0 L'3 : t3 en fonction de t2. t3=8 c) Exercice 2 Soit le programme linéaire suivant sous sa forme canonique: 3x1 + x2 ≤ 8 x1 + 2x2 ≤ 6 avec x1. t1=t2=0 . x2=8 .doc ______________________________________________________________________________ On prend celui qui fait augmenter le plus Z donc ici on choisit de faire rentrer x2 en base car son coeff sur Z est de 3. x2 L'2 : x2 en fonction de t2 L'1 : t1 en fonction de t2. x2 ≥ 0 3x1 + 2x2 ≤ 9 max z = x1 + x2 1. x2 L3 12 L'2 4 L'3 16 2 -2/3 4/3 -1 1 0 0 0 0 0 1/3 1/3 1 0 1 Donc x1 = 0 = t2 . Mettre sous forme standard On introduit donc les variables d'écart t1 et t2: 3x1 + x2 + t1 = 8 x1 + 2x2 + t2 = 6 avec xi.L2 x2 L2/3 t3 L3 + L2 LZ . t3=16 . x2=4 . x1 = 6 . et donc rentrer x1: bi 6 8 16-(4/3)*6 = 8 Z-12-18 x1 1 0 0 0 x2 0 1 0 0 t1 3/5 2/5 -4/5 -9/5 t2 -1/5 1/5 3/5 -2/5 t3 0 0 1 0 définit x1 x2 t3 z=30 . t1=10 . z=12 On fait maintenant sortir t1 de la base. ti ≥ 0 3x1 + 2x2 + t3 = 9 max z = x1 + x2 ___________________________________________________________________ Beniaich Adnane Page 23 22/10/200808 .

Faisons rentrer x1 en base: 3x1 + t1 = 8 x1 + t2 = 6 3x1 + t3 = 9 8 – 3x1 ≥ 0 6 – x1 ≥ 0 9 – 3x1 ≥ 0 8/6 ≥ x1 6 ≥ x1 3 ≥ x1 + contraignante donc on fait sortir t1 et on fait sortir t1 de la base: coef (bi/ai1) 8 2 1 bi 8/3 10/3 1 Z-8/3 x1 1 0 0 0 x2 1/3 5/3 1 2/3 t1 1/3 -1/3 -1 -1/3 t2 0 1 0 0 L2 -L'1 L'2 6 -8/3 10/3 1 -1 0 2 -1/3 5/3 0 -1/3 -1/3 1 0 0 0 0 0 L3 -3L'1 L'3 9 -8 1 3 -3 0 2 -1 1 0 -1 -1 0 0 0 1 0 1 Lz -L'1 L'z Z -8/3 Z-8/3 1 -1 0 1 -1/3 2/3 0 -1/3 -1/3 0 0 0 t3 0 0 1 0 définit x1 L1/3 t2 L2-L'1 t3 L3-3L'1 0 0 0 Z-8/3 = 2/3 x2 – 1/3 t1 Ici. la solution est donc x1 = 8/3 t2 = 10/3 t3 = 1 x2 = t1 = 0 Z = 8/3 Ce n'est pas la solution optimale. Coef x1 = Coef x2 = 1 donc on le choisit au hasard.doc ______________________________________________________________________________ 2. On fait donc rentrer x2 en base et sortir t3 Page 24 22/10/200808 . Ici.9580622. Trouver une solution optimale par la méthode des tableaux coef (bi/ai1) 8/3 6 9/3 bi 8 6 9 Z x1 3 1 3 1 x2 1 2 2 1 t1 1 0 0 0 t2 0 1 0 0 Solution de base admissible: x1 = x2 = Z = 0 t3 0 0 1 0 définit t1 t2 t3 t1 = 8 t2 = 6 t3 = 9 On choisit alors celui qui a le coefficient le plus important pour faire augmenter Z.

9580622. t1 = 5/4 . Z = 15/4 pour x1 = 3/2 . t3=0 définit x1 L'1-1/3L''3 t2 L'2-5/3L''3 x2 Lz-2/3L''3 Z = 10/3 Faisons rentrer t1 et sortir t2 de la base (on fait sortir t2 car il a le coefficient le plus petit positif).doc ______________________________________________________________________________ coef (bi/ai1) 7/2 5/4 -1 bi 7/3 5/3 1 Z-10/3 L'1 1/3L''3 L'1-1/3L''3 8/3 1/3 7/3 L'2 5/3L''3 L'2 – 5/3 L''3 L'z 2/3L''3 L'z-2/3L''3 10/3 5/3 5/3 x1 1 0 0 0 x2 0 0 1 0 t1 2/3 4/3 -1 1/3 t2 0 1 0 0 t3 -1/3 -5/3 1 -2/3 1 0 1 1/3 1/3 0 1/3 -1/3 2/3 0 0 0 0 1/3 -1/3 0 0 0 5/3 5/3 0 -1/3 -5/3 4/3 1 0 1 0 5/3 5/3 -1/3 -2/3 1/3 0 0 0 0 2/3 -2/3 Z – 8/3 2/3 Z –10/3 0 0 0 2/3 2/3 0 Solution: x1 = 7/3 . on a la solution optimale car les coefficients de la fonction économique sont tous négatifs. t2 = 5/3 . t1. x2 = 1 . t2. bi 3/2 5/4 9/4 Z-15/4 x1 1 0 0 0 x2 0 0 1 0 L''1 L'''2 L''1-2/3L''2 7/3 5/4 3/2 L''2 L'''2 L''3 – L''2 -1 5/4 9/4 L''z L'''2 L''z+1/3L''2 Z-10/3 5/4 Z-15/4 t1 0 1 0 0 1 0 1 t2 -1/2 ¾ ¾ -1/4 0 0 0 1 0 0 0 0 0 t3 1/2 -5/4 -1/4 -1/4 définit x1 L''1-1/3L''3 t1 L'2-5/3L''3 x2 Lz-2/3L''3 2/3 1 0 0 ¾ -1/2 -1/3 -5/4 1/2 0 0 1 1 1 0 -1 ¾ ¾ 0 -5/4 -1/4 0 0 0 1/3 1 0 0 ¾ -1/4 -2/3 -5/4 -1/4 Ici. t3 = 0 Page 25 22/10/200808 . x2 = 9/4 .

x2 ≤ 3 -x1 + 2x2 ≤ 4 avec x1. Mettre sous forme standard On introduit donc les variables d'écart t1 et t2: x1 . Page 26 22/10/200808 . ti ≥ 0 2x1 + x2 + t3 = 8 max z = x1 + ½ x2 2.9580622. x2 ≥ 0 2x1 + x2 ≤ 8 max z = x1 + ½ x2 1.x2 + t1 = 3 -x1 + 2x2 + t2 = 4 avec xi. Trouver une solution optimale par la méthode des tableaux coef (bi/ai1) 3 -4 4 bi 3 4 8 Z x1 1 -1 2 1 x2 -1 2 1 1/2 t1 1 0 0 0 Solution de base admissible: x1 = x2 = Z = 0 t2 0 1 0 0 t3 0 0 1 0 définit t1 t2 t3 t1 = 3 t2 = 4 t3 = 8 On fait rentrer x1 en base et sortir t1: coef (bi/ai1) -3 7 2/3 bi 3 7 2 Z-3 x1 1 0 0 0 x2 -1 1 3 3/2 t1 1 1 -2 -1 t2 0 1 0 0 t3 1/3 -1/3 1/3 -1/2 t2 0 1 0 0 t3 0 0 1 0 définit x1 t2 t3 On fait rentrer x2 en base et sortir t3: bi 11/3 19/3 2/3 Z-4 x1 1 0 0 0 x2 0 0 1 0 t1 1/3 5/3 -2/3 0 définit x1 L1+L'3 t2 L2-L'3 x2 L'3 B Mais on voit que ce n'est pas la seule solution (notamment grâce au graphique) et on peut donc continuer en faisant rentrer t1 et sortir t2.doc ______________________________________________________________________________ d) Exercice 3 Soit le programme linéaire suivant sous sa forme canonique: x1 .

6L1 bi 5 7 -1 Z-30 x1 -1 1 2 19 x2 1 0 0 0 x3 5 -3 -1 -32 x4 -2 1 -1 2 t1 -1 0 1 6 définit x2 Si l'on veut que L2 définisse x1: on aura L'1 ← L3 + L2 .2x3 . Mettre sous forme standard On introduit donc une seule variable d'écart t1: -x1 + x2 + 5x3 –2x4 . L'4 ← L4 . L'3 ← L3 . il y a une infinité de solutions optimales sur le segment [AB].9580622.t1 = 5 x1 . ti ≥ 0 2. Trouver une solution optimale par la méthode des tableaux bi 5 7 4 Z x1 -1 1 1 13 x2 1 0 1 6 x3 5 -3 4 -2 x4 -2 1 -3 -10 t1 -1 0 0 0 Si l'on veut que L1 définisse x2: on aura L2 .doc ______________________________________________________________________________ bi 12/5 19/5 16/5 Z-4 x1 1 0 0 0 x2 0 0 1 0 t1 0 1 0 0 t2 -5 3/5 2/5 0 t3 2 -1/5 1/5 -1/2 définit x1 t1 x2 A En fait. e) Exercice 4 Soit le programme linéaire suivant sous sa forme canonique: -x1 + x2 + 5x3 –2x4 ≥ 5 x1 .19L2 Page 27 22/10/200808 .10x4 1.2L2. L'4 ← L4 .3x3 + x4 = 7 avec xi ≥ 0 x1 + x2 + 4x3 -3x4 = 4 max z = 13x1 + 6x2 .3x3 + x4 =7 x1 + x2 + 4x3 -3x4 =4 avec xi.L1 . L'3 ← L3 .

Sinon en passant par le système: 1/3 x3 – 4/3 t1 + x2 = 17 – 4/3 x3 + 1/3 t1 + x1 = 2 – 5/3 x3 . z = 80 . cela se simplifie): on aura L'3 ← L3/-3.1/3 t1 + x4 = 5 max z = 78 + (-10/3 x3 + 1/3 t1) Et si x1 = x4 = x2 = 0 . L'3 ← L3 + 1/3 L2.doc ______________________________________________________________________________ bi 12 7 -15 Z-163 x1 0 1 0 0 x2 1 0 0 0 x3 2 -3 5 25 x4 -1 1 -3 -17 t1 -1 0 1 6 définit x2 x1 Si l'on veut que L3 définisse x4 (car le second membre est négatif donc x4 ayant un coefficient négatif. x4 = 7 . bi 17 2 5 Z-78 x1 0 1 0 0 x2 1 0 0 0 x3 1/3 -4/3 -5/3 -10/3 x4 0 0 1 0 t1 -4/3 1/3 -1/3 1/3 définit x2 x1 x4 On arrive donc ici à un simplexe et maintenant.9580622. x1 = x4 = 0 (t1 = 6 ) . on peut chercher à optimiser z. on a donc: 1/3 x3 – 4/3 t1 ≤ 17 – 4/3 x3 + 1/3 t1 ≤ 2 – 5/3 x3 . L'4 ← L4 – 1/3 L2 bi 25 6 7 Z-80 x1 4 3 1 -1 x2 1 0 0 0 x3 -5 -4 -3 -2 x4 0 0 1 0 t1 0 1 0 0 définit x2 t1 x4 Et on obtient donc la solution optimale pour x2 = 25 . L'2 ← 3L2 .1/3 t1 ≤ 5 max z = 18 -10/3 x3 + 1/3 t1 Page 28 22/10/200808 . on fait rentrer t1 en base et on sort x1: on a donc L'1 ← L1 + 4/3 L2 . Pour cela.

doc ______________________________________________________________________________ 3. mais x4=–4 ≤ 0 (non valable) et x5 = –2 ≤ 0 (non valable). donc z = 0 (x1 . Ou alors. Le Programme Linéaire devient : max z =2 x1 +3 x2 −Mx6 −Mx7 x1 +x2 +x3 =6  −2 x1 −x2 +x4 −x6 =− 4   −2 x1 +x2 +x5 −x7 =− 2  x1 . x6 = 6 . Il faut donc commencer par chercher une première solution admissible. x7 = 2 .t3+ V2 = 2 Page 29 22/10/200808 . x3 . x 2 ≥ 0 max z = 2 x1 + 3x 2 x 1 + 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 .3) Méthode des 2 phases et méthode M Ces méthodes sont à utiliser si les second membres ne sont pas tous positifs. (pour que la solution optimale du PL avec ces deux variables artificielles soit obtenue avec x6 et x7 nulles. x7 ≥0 ∫∫ On a alors une solution initiale admissible: x3 = 6 . x4 . on utilisera les noms de variables suivants: x1 + x2 + t1 =6 2x1 + x2 .t2 + V1 = 4 avec xi. b) Méthode des 2 phases : Pour la suite de l'exemple. x6 . On pourrait essayer se ramener au simplexe. x5 sont hors base). x 4 . x 2 . a) Exemple 1 : max z = 2 x1 + 3x 2 x 1 + x 2 ≤ 6  Soit le Programme Linéaire dont la forme canonique est la suivante : − 2 x 1 − x 2 ≤ −4  − 2 x + x ≤ −2 1 2  x1 . ti ≥ 0 2x1 . c’est-à-dire la solution optimale du nouveau PL est la même que celle du PL sans ces deux variables artificielles). x4 . en fixant x1=x2=0 (variables hors-base) car on aurait alors x3=6 ≥ 0 (valable). x5 . on introduit des variables artificielles : x6 et x7.9580622.x2 . x 3 . x 5 ≥ 0 La difficulté de cette étude provient du fait que l’on n’a pas une solution admissible initiale. associées à un coefficient de la fonction économique négatif. x2 . x2 .

L3 coef (bi/ai1) 10/3 1 -2 V2 étant devenu nul. bi 14/3 10/3 8/3 Z –46/3 x1 0 0 1 0 x2 0 1 0 0 t1 4/3 2/3 1/3 -8/3 t2 1 0 0 0 t3 -1/3 1/3 -1/3 -1/3 définit t2 x2 x1 La solution optimale est donc pour x1 = 8/3 .doc ______________________________________________________________________________ o 1ère phase: Cherchons dans le système à maximiser une nouvelle fonction économique z' = -V1 – V2 V1 = 4 – 2x1 – x2 + t2 V2 = 2 – 2x1 + x2 + t3 z' = -4 + 2x1 + x2 .2 + 2x1 – x2 .9580622. on élimine sa colonne du tableau. x2 = 1 . coef (bi/ai1) 14/3 -2 -6 bi 7/2 1 3/2 Z' Z-6 x1 0 0 1 0 0 x2 0 1 0 0 0 t1 1 0 0 0 0 t2 ¾ -½ -¼ 0 2 définit t1 x2 x1 Fin de la première phase: solution initiale de (S): x1 = 3/2 . L1 ← L1 . t2 = 14/3 .t3 coef (bi/ai1) 6 2 1 bi 6 4 2 Z'+6 Z x1 1 2 2 4 2 x2 1 1 -1 0 3 t1 1 0 0 0 0 t2 0 -1 0 -1 0 t3 0 0 -1 -1 0 V1 0 1 0 0 0 V2 0 0 1 0 0 définit t1 V1 V2 bi 5 2 1 Z'+2 Z-2 x1 0 0 1 0 0 x2 3/2 2 -1/2 2 4 t1 1 0 0 0 0 t2 0 -1 0 -1 0 t3 ½ 1 -1/2 1 1 V1 0 1 0 0 0 V2 -1/2 -1 ½ -2 -1 définit t1 V1 x2 t3 -¼ ½ -¼ 0 -1 V1 -¾ ½ ¼ -1 -2 Ici. et en base: x1 . x2 et t1.t2 . t1 = 7/2 . z = 6 o 2ième phase: simplexe classique sur (S) On a hors base: t2 et t3 . et z = 46/3 Page 30 22/10/200808 .t3 = -6 + 4x1 .t2 . x2 = 10/3 .

MV1 .doc ______________________________________________________________________________ c) Méthode M ou des perturbations : x1 + x2 + t1 =6 -2x1 . ti ≥ 0 -2x1 + x2 + t3.9580622. bi 2 6 8 Z-18 x1 -1 1 3 -1 x2 0 1 0 0 définit t2 x2 V2 Erreur de raisonnement: Le premier tableau n'est pas un tableau du simplexe. o Méthode correcte: Il faut modifier la ligne "z" pour obtenir un vrai tableau du simplexe: bi x1 x2 6 1 1 4 2 1 2 2 -1 Z+4M 2+2M 3+M Z+6M 2+4M 3 t1 1 0 0 0 0 t2 0 -1 0 -M -M Page 31 t3 0 0 -1 0 -M V1 0 1 0 0 0 V2 0 0 1 -M 0 définit t1 V1 V2 L'4 ← L4 + ML2 L'4 ← L4 + ML3 22/10/200808 .4 avec xi. il aurait donc fallu commencer par le ramener à une forme de vrai tableau du simplexe.L2 bi 2 4 6 Z-12 x1 -1 2 4 -4 x2 0 1 0 0 t1 1 0 0 0 t2 1 -1 -1 3 t3 0 0 -1 0 V1 -1 1 1 -M-3 t1 1 1 1 -3 t2 1 0 0 0 t3 0 0 -1 0 V2 0 0 1 -M V2 0 0 1 -M définit t1 x2 V2 On fait rentrer t2 dans la base et sortir t1.2 max z = 2x1 + 3x2 .MV2 avec M > 0 aussi grand coef (bi/ai1) 6 4 -2 bi 6 4 2 Z x1 1 2 2 2 x2 1 1 -1 3 t1 1 0 0 0 t2 0 -1 0 0 t3 0 0 -1 0 V1 0 1 0 -M V2 0 0 1 -M définit t1 V1 V2 Ici.V1 = .V2 = .x2 + t2 . nous n'avons pas tout à 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 .

La préparation à la culture coûte 1500 u. Supposons maintenant que les moyens sous la forme du travail humain se trouvent soumis à une limitation variable. La culture d’un ha nécessite : 18 journées de travail pour le maïs. Quelle est alors la meilleure occupation des sols ? Page 32 22/10/200808 . Il désire savoir à quel taux de prime il devrait changer la distribution des cultures révélées par le P. Exemple : (Faure : Guide de la R.doc ______________________________________________________________________________ Le tableau initial du simplexe est donc: coef (bi/ai1) 6 2 1 bi x1 6 1 4 2 2 2 Z+6M 2+4M x2 1 1 -1 3 t1 1 0 0 0 t2 0 -1 0 -M t3 0 0 -1 -M V1 0 1 0 0 V2 0 0 1 0 définit t1 V1 V2 t1 1 0 0 0 t2 0 -1 0 -M t3 ½ 1 -½ 1+M V1 0 1 0 0 V2 -½ -1 ½ -1-2M définit t1 1 0 0 0 t2 ¾ -½ -¼ 2 t3 -¼ ½ -¼ -1 V1 -3/4 ½ ¼ -2-M On fait rentrer x1 dans la base et sortir V2. par ha pour le soja.m. T. Les rapports espérés sont respectivement proportionnels à : 420 u. coef (bi/ai1) 10/3 1 -2 bi 5 2 1 Z+2M-2 x1 0 0 1 0 x2 3/2 2 -½ 4+2M t1 V1 x1 On fait rentrer x2 dans la base et sortir V1. 27 journées pour le blé et 15 journées pour le soja.m.m. c. de 840 journées de travail et se propose de semer du maïs. par ha pour le blé et enfin 1050 u. Pour moduler les résultats obtenus par la méthode du simplexe.. pour le blé et 360 u. Quels sont les choix de l’agriculteur ? b. pour le maïs.2 : les applications) Un agriculteur veut mettre en valeur un espace de 40 hectares.O. par ha pour le maïs. il dispose d’un montant annuel de 63 000 u.4) Paramétrisation des coeff. bi 7/2 1 3/2 Z-6 x1 0 0 1 0 x2 0 1 0 0 définit t1 x2 x1 3. on peut paramétrer certains des coefficients.m.(unités monétaires).9580622. 510 u. L’agriculteur apprend que la prime d’encouragement à la culture du soja est susceptible d’être modifiée.m.m.L. de la fn éco. 1800 u. du blé et du soja.m. (compte tenu d’une prime d’encouragement) pour le soja. a.

9580622. ti ≥ 0 6x1 + 9x2 + 5x3 + t3 = 280 max z = 420x1 + 510x2 + 360(1+ λ)x3 coef (bi/ai1) 40 60 280/5=56 bi 40 420 280 Z x1 1 10 6 420 x2 1 12 9 510 x3 1 7 5 360+360λ t1 1 0 0 0 t2 0 1 0 0 t3 0 0 1 0 définit t1 t2 t3 t3 0 0 1 0 définit x3 t2 t3 Si 360 (1+λ) ≥ 510 ⇔ 1+λ ≥ 510/360=17/12 ⇔ λ ≥ 5/12 On fait rentrer x3 dans la base et sortir t1: bi x1 x2 40 1 1 140 3 5 80 1 4 Z-40(360+360λ) 60-360λ 150-360λ x3 1 0 0 0 t1 1 -7 -5 -360-360λ t2 0 1 0 0 Si λ > 5/12. x 2 . x 3 ≥ 0 On introduit les variables d'écarts et on simplifie: x1 + x2 + x3 + t1 = 40 10x1 + 12x2 + 7x3 + t2 = 420 avec xi.doc ______________________________________________________________________________ o a. Forme Canonique : max z = 420 x1 + 510 x 2 + 360x 3 x 1 + x 2 + x 3 ≤ 40  1500 x1 + 1800 x 2 + 1050 x 3 ≤ 63000 18x + 27 x + 15x ≤ 840 2 3  1 x1 . la solution optimale est 40 ha de soja Si λ=5/12: coef (bi/ai1) 40 35 280/9 bi 40 420 280 Z coef (bi/ai1) 80/4=20 140 280/5=56 bi 80/9 140/3 280/9 x1 1 10 6 420 x1 1/3 2 2/3 Z-510*210/9 80 x2 1 12 9 510 x3 1 7 5 510 t1 1 0 0 0 t2 0 1 0 0 t3 0 0 1 0 définit t1 t2 t3 x2 0 0 1 0 x3 4/9 1/3 5/9 680/3 t1 1 0 0 0 t2 0 1 0 0 t3 -1/9 -4/3 1/9 -510/9 définit t1 t2 x2 Page 33 22/10/200808 .

8571 1/2 – 2/3 140 – 1/3 5/9 35 – 3/7 – 3/7 4/7 – 1/7 – 5/7 2/7 – 5/7 3/7 Solution optimale : z = 4180/7. journées de travail) et la terre est intégralement occupée.666 –1 1/3 – 1/9 cff – 1/6 1/9 2.m . x1 = 160/7 ≈ 22. Cela provient du fait que le premier P. mis sous forme d’égalité est un système de Cramer. Page 34 22/10/200808 .9580622. x2= 100/7 ≈ 14. on trouve le tableau suivant : Z 14 17 12 0 0 0 40 1 1 1 1 0 0 420 10 12 7 0 1 0 280 6 9 5 0 0 1 Z 420 510 40 1 1 63000 1500 1800 840 18 27 360 1 1050 15 0 1 0 0 0 0 0 1 z 40 420 280 14 1 10 6 z–4760/9 8 8/9 46 2/3 31 1/9 2 2/3 1/3 2 2/3 0 0 0 1 2 5/9 4/9 1/3 5/9 0 1 0 0 z–5320/9 1 1/9 23 1/3 15 5/9 0 0 1 0 0 0 0 1 2 1/9 2/5 1/6 4/9 0 1 0 0 z–4180/7 20/7 160/7 100/7 0 0 1 0 17 1 12 9 0 0 1 0 0 0 0 1 12 1 7 5 0 1 0 0 0 1 0 0 –38/7 18/7 – 3/7 –8/7 0 0 1 0 0 0 1 0 0 0 0 1 Cff 40 35 31.11 –1 8/9 Cff – 1/9 26.85 ha.49300/3 x2 0 0 1 0 x3 1 0 0 0 t1 9/4 -¾ -5/4 -510 t2 0 1 0 0 t3 -1/4 -5/4 1/4 0 définit x3 t2 x2 Si λ < 5/12 … même démarche… En divisant la première ligne par 30.666 –1 1/3 23. toutes les ressources sont épuisées (crédit.doc ______________________________________________________________________________ bi 20 40 80/9 x1 3/4 7/4 1/4 -120 Z .33 1/9 46. la troisième par 150 et la dernière par 3.28 ha . c’est-à-dire 4180/7*60 u.85 ha Rq : dans cet exemple.L. x3 = 20/7 ≈ 2.

remplaçons dans la matrice optimale le coefficient de x3 de la fonction économique par 12(1+λ).9580622.doc ______________________________________________________________________________ b. Le nouveau tableau est : Z–4180/7–240/7 λ 20/7 160/7 100/7 0 0 1 0 0 0 0 1 0 1 0 0 –38/7–216/7 λ 18/7 –3/7 –8/7 –3/7+36/7 λ –5/7–24/7 λ –3/7 2/7 4/7 –5/7 –1/7 3/7 La solution avant paramétrage était x1 = 160/7. avec λ ≥ –1. Pour paramétrer alors suivant la valeur de la prime accordée au soja. x2 = 100/7. x3 = 20/7. Cette solution n’est optimale que si tous les coefficients de la fonction économique sont négatifs : • • • δ1 = – 38/7 – 216/7 λ ≤ 0 ⇔ λ ≥ – 19/108 δ2 = –3/7 + 36/7 λ ≤ 0 ⇔ λ ≤ 1/12 δ3= –5/7 –24/7 λ ≤ 0 ⇔ –5/24 ≥ λ Bilan : Page 35 22/10/200808 .

Donc si λ ≤ – 19/108. mais c’est un hasard. les coefficients de la fonction économique sont tous négatifs et la solution optimale dans ce cas est de cultiver 40 ha de soja. pour un gain de 580+240 λ Si λ ≥ 5/12.9580622. Si λ ≥ 1/12. 1/12[ Si λ ≤ – 19/108. puisque le coefficient –5/4 + 3 λ est positif.m. indépendant de λ. on fait rentrer x6. Z–4180/7–240/7 λ 20/7 160/7 100/7 0 0 1 0 0 0 0 1 –38/7–216/7 λ 18/7 –3/7 –8/7 0 1 0 0 On va faire sortir x5 et rentrer x1. Z–4180/7–240/7 λ 20/7 160/7 100/7 0 0 1 0 0 0 0 1 0 1 0 0 –38/7–216/7 λ 18/7 –3/7 –8/7 –3/7+36/7 λ –5/7–24/7 λ –3/7 2/7 4/7 –5/7 –1/7 3/7 0 0 0 1 19/9+12 λ 7/18 1/6 4/9 0 1 0 0 Coeff 10/9 –6400/21 –25/2 On fait donc sortir x3 et entrer x4. la solution optimale consiste à cultiver 70/3 ha de maïs et 140/9 ha de blé. Z–5320/9 10/9 70/3 140/9 0 0 1 0 –4/3 –1/6 ½ –1/3 –1/9 1/9 –2/3 5/9 Cette solution est stable si 19/9 + 12 λ ≤ 0.doc ______________________________________________________________________________ –1 –5/2 –19/108 1/12 + + – – δ1 – – – + δ2 + – – – δ3 On va donc garder la solution précédente si λ ∈ ]–19/108. Z–680 40 140 80 2–12 λ 1 3 1 5–12 λ 1 5 4 0 1 0 0 –12–12 λ 1 –7 –5 0 0 1 0 0 0 0 1 Cette fois. δ1 est le plus coefficient positif de la fonction économique. ce qui est justement le cas.. il reste alors 10/9 ha non cultivés. 5/12] est 20 ha de soja et 20 ha de blé. donc on fait rentrer x4 dans la base. Page 36 22/10/200808 .m. Z–580/7–240 λ 20 40 20 ¾ –9λ ¾ 7/4 ¼ 0 0 0 1 0 1 0 0 –3/7+36/7 λ –5/7–24/7 λ –3/7 2/7 4/7 –5/7 –1/7 3/7 Coeff –20/3 40 v1/100 – 23/4 – 27 λ –3/7+36/7 λ –5/7–24/7 λ 9/4 0 –1/4 –3/4 1 –5/4 –5/4 0 1/4 Les coefficients de la fonction économique sont négatifs si : • ¾ – 9 λ ≤ 0 ⇔ λ ≥ 1/12 vrai • – 23/4 –27 λ ≤ 0 vrai car λ ≥ 0 • –5/4 + 3 λ ≤ 0 ⇔ λ ≤ 5/12 Donc la solution pour λ ∈ [1/12. Le profit est alors de 5320/9 u. pour un gain de 480+480 λ u. c’est–à–dire si λ ≤ – 19/108. et on fait sortir x2.

y 5 . y 2 . y 6 ≥ 0 min z ' = 40 y1 + 420 y 2 + 280 y 3 + My 7 + My 8 + My 9 ⇔ y1 +10 y 2 + 6 y 3 − y 4 + y 7 =14  y1 +12 y 2 +9 y 3 − y 5 + y 8 =17 y + 7 y +5 y − y + y =12 2 3 6 9  1 y1 . y 4 . y 4 . y 2 . y 7 . Le coefficient M représente ici une valeur très grande (plus grande que toutes les valeurs numériques apparaissant dans les calculs. y8= 17. y 3 . Dualité : max z = 14 x 1 +17 x 2 +12 x 3 Reprenons l’exemple ci-dessus : x 1 + x 2 + x 3 ≤ 40  10 x 1 +12 x 2 + 7 x 3 ≤ 420 6 x + 9 x + 5x ≤ 280 2 3  1 x1 . On cherche à minimiser z’ ou à maximiser z’’=–z’ Z’’ –40 –420 –280 0 0 Page 37 0 –M –M –M 22/10/200808 . y 5 . y 8 . y 3 ≥ 0 y1 . y 2 . IV. y2=y3=0 et y4 = –14 et y5 = –17 et y6 = –12. x 2 . pour les valeurs plus grandes et plus petites que la limite. y 3 .doc ______________________________________________________________________________ Bilan : –19/108 1/12 70/3 160/7 140/9 100/7 0 20/7 5320/9 4180/7+240/7 λ Maïs Blé Soja Gain 5/12 0 20 20 0 0 40 580+240 λ 480+480 λ Remarque : si λ prend exactement les valeurs limites : –19/108. y 6 . y9 = 12. 1/12. x 3 ≥ 0 Le dual du 1er PL est obtenu à 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 C’est-à-dire : min z ' = 40 y1 + 420 y 2 + 280 y 3 min z' = 40 y1 + 420 y 2 + 280 y 3  y1 + 10 y 2 + 6 y 3 ≥ 14   y1 + 12 y 2 + 17 y 3 ≥ 17  y + 7 y + 5 y ≥ 12 2 3  1  y1 + 10 y 2 + 6 y 3 − y 4 = 14   y1 + 12 y 2 + 17 y 3 − y 5 = 17  y + 7 y + 5 y − y = 12 2 3 6  1 ⇔ y1 . y 9 ≥ 0 On introduit des variables d’écart.9580622. sinon on n’a pas de solution initiale admissible : y1=0. les solutions optimales sont les mêmes par les deux procédés de calcul. et M≠∞) On a alors une solution admissible du nouveau PL : y1= … = y6 = 0. 5/12. y7=14.

4 17/12≈1. Le tableau résultant est : Z’+588 +12/5M 2 +M/10 7/5 1/10 y8 1/5 –1/5 y9 11/5 3/10 y2 0 –28+13/5M –42+19/10M 1 3/5 –1/10 0 9/5 6/5 0 4/5 7/10 –M 0 –1 0 –M 42–29/10M 0 1/10 0 –6/5 –1 –7/10 0 0 1 0 0 0 0 1 coeff 7/3 1/9 11/4 On élimine la colonne de y7 puisque la variable est maintenant hors base.doc ______________________________________________________________________________ 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 n’est pas encore un tableau du simplexe car les variables de la base sont y 7. y8 et y9 et la fonction économique z’’ dépend de ces variables ! ! ! 1ère transformation : (la ligne de z’’ est remplacée par L1+ML2) Z’’ +14M –40 +M –420 +10M –280 +6M 0–M 0 0 0 –M –M 14 17 12 1 1 1 10 12 7 6 9 5 –1 0 0 0 –1 0 0 0 –1 1 0 0 0 1 0 0 0 1 2ème transformation : (la ligne de z’’ est remplacée par L1+ML3+ML4) Z’’ +43M –40 +3M –420 +29M –280 +20M –M –M –M 0 0 0 14 17 12 1 1 1 10 12 7 6 9 5 –1 0 0 0 –1 0 0 0 –1 1 0 0 0 1 0 0 0 1 Rq : comme M est très grand. Pour voir quelle variable sort de la base. Page 38 22/10/200808 . Donc on fait rentrer y2 dans la base.4166 12/7≈1. déterminons la colonne des coefficients relatifs : Coeff 14/10=1. –420+29M > 0 et est le plus grand de tous les coefficient.7142 Donc il faut faire sortir y7 de la base.9580622.

: les solutions optimales du dual et les solutions optimales du primal sont associées : Page 39 22/10/200808 .doc ______________________________________________________________________________ on élimine Z’’ +5320/9+19/9M –10/9+7M/18 y2 4/3 1/6 y3 1/9 –1/9 y9 19/9 7/18 0 1 0 0 0 –70/3+1/6M –140/9+4/9M –M 0 –1/2 1/3 0 1 2/3 –5/9 0 0 1/6 4/9 –1 140/9–13/9M M –1/3 0 5/9 0 –4/9 1 coeff 1/8 –1/1 7/38 Pour éliminer y9. y5. De plus cette solution est optimale (ce ne sera pas toujours le cas). y6 étant des variables HB. car tous les coefficients de la fonction économique sont négatifs.9580622. y2= 3/7. on va choisir une variable HB ayant un coefficient dans la fonction économique positif y2 y3 y1 Z’’ +4180/7 3/7 5/7 38/7 0 0 0 1 0 1 0 0 0 0 1 0 –160/7 –4/7 5/7 3/7 –100/7 1/7 –3/7 8/7 –20/7 3/7 –2/7 –18/7 On a donc obtenu une solution de base admissible : y1= 38/7. y4. y3=5/7. Pr.

primal x1 x2 x3 x4 x5 x6 x1 1 0 0 –3/7 4/7 –5/7 160/7 y4 x2 0 1 0 –8/7 –1/7 3/7 100/7 y5 x3 0 0 1 18/7 –3/7 2/7 20/7 y6 x4 0 0 0 –1 0 0 0 y1 x5 0 0 0 0 –1 0 0 y2 x6 0 0 0 0 0 –1 0 y3 coeff primal 0 0 0 –38/7 –3/7 –5/7 y4 y5 y6 y1 y2 y3 n° dual lignes NB : on aurait pu ne prendre qu’une seule variable artificielle en transformant la matrice initiale du problème : x 1 + 12 x 2 + 9 x 3 − x 5 = 17 ⇒ 0x1 + 2x2 + x3 + x4 – x5=3 (L2 – L1)  − x 1 − 10x 2 − 6 x 3 + x 4 = −14 x 1 + 12 x 2 + 9 x 3 − x 5 = 17 ⇒ 0x1 + 5x2 + 4x3 – x5 + x6 = 5 (L2–L3)  − x 1 − 7 x 2 − 5x 3 + x 6 = −12 Le tableau ne nécessite alors plus qu’une variable artificielle : z 17 3 5 40 1 0 0 40 12 2 5 280 9 1 4 0 0 1 0 0 –1 –1 –1 Page 40 0 0 0 1 M 1 0 0 22/10/200808 .doc ______________________________________________________________________________ n° primal colonnes sol.colonnes Lignes 9580622.

9580622.doc ______________________________________________________________________________ Problèmes de TRANSPORT Page 41 22/10/200808 .

doc ______________________________________________________________________________ INTRODUCTION 9 I.4) Formulation générale 16 1.9580622.3) Méthode des 2 phases et méthode M 29 a) Exemple 1 : 29 b) Méthode des 2 phases : 29 c) Méthode M ou des perturbations : 31 3.3) Les problèmes de concurrence 9 III.6) Forme standard 17 II.2) Exemple 14 a) Agriculteur 14 b) Usine 15 1.1) Les problèmes combinatoires 9 2.1) Introduction 14 1. INTERDISCIPLINAIRE 9 PROGRAMMATION LINEAIRE 14 I. EXEMPLE DE L'USINE 45 1. RECHERCHE D’UNE SOLUTION INITIALE 50 2. DOMAINES D'APPLICATION 9 2.5) Changement de base 48 1.2) Les problèmes aléatoires 9 2.O.2) Règle de Balas-Hammer : 51 Page 42 22/10/200808 .6) Cas de dégénérescence 50 II. DUALITÉ : 37 PROBLEMES DE TRANSPORT 45 I.1) Exemple avec deux variables 19 3. CONVEXITÉ 19 III.3) Représentation graphique 47 1.4) Méthode plus rapide (des regrets) 48 1.1) Problème : répartition des expéditions 45 1.2) Modélisation du problème 46 1.1) Règle du coin Nord-Ouest ("hasard") 50 2. PROBLÉMATIQUE DE LA PROGRAMMATION LINÉAIRE 14 1.4) Paramétrisation des coeff. PRÉSENTATION DE LA RECHERCHE OPÉRATIONNELLE 9 II.3) Forme canonique 15 1.2) Méthode des tableaux 21 a) PL1 sous forme standard 21 b) Exercice 1 22 c) Exercice 2 23 d) Exercice 3 26 e) Exercice 4 27 3. MÉTHODE DU SIMPLEXE 19 3. PROPRIÉTÉS DE LA R. 32 IV. de la fn éco.5) Interprétation géométrique 16 1.

9580622. MÉTHODES D’ORDONNANCEMENT 86 2.1) Méthode MPM 86 a) Exemple des tâches du bâtiment 86 b) Exemple: travail de graphe 86 2.2) Définition d'un Processus Stochastique 95 Page 43 22/10/200808 .1) Historique 95 1. ALGORITHME DE FORD 71 II. CONNEXITÉ – FORTE CONNEXITÉ 62 3.doc ______________________________________________________________________________ LES GRAPHES 58 I.2) Matrices booléenne et arithmétique 61 a) Matrice arithmétique : 61 b) Matrice booléenne : 61 III.4) Exercices 78 a) Exercice n°1: Plus court chemin 78 b) Exercice n°2: Chemin de longueur minimale 78 c) Exercice n°3: Flot maximal 78 III. des circuits hamiltoniens 64 3. ALGORITHME DE FORD-FULKERSON 72 2.1) flot à travers un réseau 72 2.3) Fermeture transitive 63 3.1) Graphe 58 1. DÉFINITION – VOCABULAIRE 58 1.1) Connexité 62 3. INTRODUCTION 85 Contraintes potentielles : 85 II.3) Recherche d’un flot complet initial 75 2.3) Comparaison des deux méthodes 89 a) Opérations parallèles 89 b) Opérations dépendantes et indépendantes 90 c) Opérations composées (successions avec recouvrement) 90 III.2) Chemins 59 II.1) Matrice latine 60 2.2) Procédure 73 2.4) Recherche des classes fortement connexes. PROBLÈME D’AFFECTATION 78 3.2) Méthode PERT 88 2.5) Méthode de Georges DEMOUCRON 64 CHEMIN DE VALEUR OPTIMALE 71 I.2) Forte connexité 62 3. EXERCICES 90 PROCESSUS STOCHASTIQUES 95 I. INTRODUCTION 95 1.1) Exercices 80 ORDONNANCEMENT 85 I. MATRICES ASSOCIÉES À UN GRAPHE 60 2.

3) Exercice n° 3 110 Page 44 22/10/200808 . LES CHAÎNES DE MARKOV À TEMPS CONTINU 99 VII. ETUDE DES CHAÎNES RÉDUCTIBLES 99 VI.1) Système à structure en série 108 4. INTRODUCTION 104 II.2) Exercice n° 2 110 5. PROCESSUS DE NAISSANCE ET DE MORT 99 FIABILITÉ 104 I.doc ______________________________________________________________________________ II.1) Fonction de défaillance et fn de fiabilité 104 2. GENERALITES . EXERCICES 109 5.1) Probabilités et matrice de transition 96 2. LES CHAÎNES DE MARKOV À ESPACE D'ÉTATS DISCRET 96 2. COMPORTEMENT ASYMPTOTIQUE DES CHAÎNES 99 VIII. LOIS UTILISEES 107 3. FIABILITÉ D’UN SYSTÈME ET DE SES COMPOSANTS 108 4.2) Probabilités de transition en m étapes 96 III.3) Systèmes à structure mixte 109 V.1) Loi exponentielle 107 3.2) Taux d’avarie ou taux de défaillance 104 a) Relations fondamentales 106 b) Estimation des fonctions R et F 106 III.1)Exemple sur les processus aléatoires 98 IV.2) Loi de Weibull 107 IV.9580622. DISTRIBUTION DES ÉTATS D'UNE CHAÎNE 99 V. GRAPHE DES TRANSITIONS – CLASSIFICATION DES CHAÎNES 98 3.1) Exercice n° 1 109 5.TERMINOLOGIE 104 2.2) Système à structure parallèle 108 4.

– CNAM AIX 2001-2002 PROBLEMES DE TRANSPORT I. On suppose que le coût de transport de l’usine i au client j est proportionnel à la quantité transportée et que le coût unitaire de ce transport est cij. Exemple de l'usine m usines fournissent n clients : l’usine i (1 ≤ i ≤ m) produit ai unités. Client disponibilité cij aj Usine Demande Avec ∑ a i = ∑ bi i bj i Exemple : grille des coûts On essaye de répartir les transports pour un coût minimal en tenant compte de la grille des coûts: Usine Clients 8 3 2 11 7 0 2 1 10 8 4 5 Demande des clients 6 9 8 3 Page 45 Disponibilité des usines 9 10 7 26 22/10/200808 . Le problème n’admet des solutions que si la demande totale égale la production totale c’est-àdire si ∑ a i = ∑ bi . soit un client fictif qui réclamerait le surplus de la production.doc ______________________________________________________________________________ RECHERCHE OP. la quantité transportée de i vers j étant l’inconnue xij. soit une usine fictive qui fournirait la quantité manquante.9580622. le client j réclame bj unités. en créant. Si cette condition n’est pas vérifiée initialement. tout en rendant le coût total du transport minimal.1) Problème : répartition des expéditions Objectif: Il faut trouver la répartition des expéditions qui écoule la production et satisfait la demande. on cherchera à i i satisfaire au mieux les exigences de chacun. 1.

x ij i. j n contraintes de production : ∑ x ij = a i j=1 pour 1 ≤ i ≤ m m ∑ x ij = b j contraintes de consommation : i =1 pour 1 ≤ j ≤ n contraintes de signe : xij ≥ 0 c’est-à-dire : (pour l'usine 1) =9 x11 + x12 + x13 + x14 (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  + x 21 + x 31 =6  x11  x12 + x 22 + x 32 =9   x13 + x 23 + x 33 =8  x14 + x 24 + x 34 = 3  Dans cet exemple. m+n-1 variables dans une base et une solution de base comportera au plus m+n-1 variables non nulles.doc ______________________________________________________________________________ 1.2) Modélisation du problème xij = quantité fournie par l'usine i pour le client j Cij = coût de transport d'une unité de l'usine vers le client j min z = c11 x11 + c12 x12 + … + c34 x34 min ∑ c ij . Page 46 22/10/200808 . Le tableau pourrait donc devenir un tableau du simplexe : x11 x12 x13 x14 x21 x22 x23 x24 x31 x32 x33 x34 bi 1 1 1 1 9 1 1 1 1 1 0 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 éliminer une des contraintes. il y a 7 (=n+m) contraintes propres avec 12 inconnues.9580622. d’où il y a m+n-1 équations indépendantes.

x Min z . Pour cette distribution. 3) doit décroître d’une unité donc le transport (2. Cette méthode permet pour chaque variable de déterminer un cycle de rééquilibrage si c’est possible.3) Représentation graphique On va rechercher une solution initiale: 6 / / 3 6 / / 4 4 / / 3 6 9 8 3 9 10 7 On met le maximum dans la case et on annule ensuite les lignes et les colonnes suivantes… Ici le coût est de 6x8 + 3x11 + 6x7 + 4x1 + 4x10 + 3x5 = 182 mais on ne sait pas s'il s'agit de la solution optimale… Sous forme d’un arbre. variables non nulles. Cette solution est une solution admissible. On appelle c 32 la somme des regrets. 2) : la production de l’usine 3 est inchangée donc le transport (3. 7 On doit exprimer la fonction économique en fonction des variables hors base : c . le coût total diminuant proportionnellement (à xij). : 1=6 6 1 3 9-1 +1 1+1 2 3 7-1 2=9 3=8 4=3 route (3. Ex. On gagne ici 16 unités.2) décroît d’une unité. Pour cela. sinon on peut transporter une quantité aussi grande que possible. D’où c 32 = 1c32 – 1c33 – 1c22 + 1c23 = . 2) : incidence sur le coût total de l’envoi d’une unité supplémentaire sur (3. Si cette variation est positive. la démarche consiste donc à essayer toutes les possibilités pour diminuer les coûts. 3) croît d’une unité et le transport (2. on interprète ces coefficients en posant cij = ui + vj (d'où c 32 = -c22 + c23 – c33 + c32 ).doc ______________________________________________________________________________ 1. on a intérêt à ne rien transporter sur cette route (xij reste Hors Base). toute solution de base comportera au plus 6 Remarque : Dans cet exemple. résultant d’une modification d’une i. n=4. Pour avoir une autre solution de base. On va poser ces équations sur des chemins non nuls (autrement dit. Page 47 22/10/200808 . hors bases).9580622.16. Cette solution de base comporte sept variables nulles. on peut représenter autre solution usines clients 6 1=6 6 1 2 3 3 2=9 9 6 8 3 9 1 7 9 8 9 10 7 3 3=8 4=3 m=3. le coût est 206. on doit garder hors base 6 de ces variables et mettre la 7ème en base.δ = ∑ ij ij où c ij est la variation du coût total . j unité de la quantité transportée sur la route hors base.

j) HB Effectuons ces calculs grâce à des tableaux. donc plusieurs routes permettent d’optimiser le transport. . 1.doc ______________________________________________________________________________ 1. ici (3. 3 . on fait passer le maximum par le chemin (3. vj pour 1 ≤ i ≤ 3. Ce système a donc une infinité de solutions. u1 + v1 = c11 u + v = c 3 13  1 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 équations et 7 inconnues. 1 ≤ j ≤ 4.9580622. Améliorons-la en faisant entrer en base la variable x32 (car c’est celle qui rapporte la plus grande diminution). -4 . on cherche ui. de n’utiliser qu’un nouveau chemin. Regrets pour la solution initiale : 8 2 8 7 1 10 8 7 16 c11 = c11 − ( u 1 + v1 ) = 0 0 0 -6 0 . tant que cela est possible. Le coût de cette répartition est 206 – 7x16 = 94.4) Méthode plus rapide (des regrets) Décomposons cij en somme ui + vj. Dans notre exemple.2) et donc de faire décroître des chemins existants. Autrement dit. La solution n’est donc pas optimale (la solution optimale sera trouvé lorsque le tableau des regrets ne contiendra que des coefficients positifs). -11 8 7 16 c 32 = c 32 − ( u 3 + v 2 ) = c 32 − 0 − 16 = −16 0 0 -6 0 Ici plusieurs coefficients sont négatifs. . On peut trouver une de ces solutions en choisissant une des inconnues au hasard (u1 = 0) Alors c12 = c12 − ( u 1 + v 3 ) + ( u 2 + v 3 ) − ( u 2 + v 2 ) = c12 − ( u 1 + v 2 ) .5) Changement de base Faisons donc entrer x32 : on choisit.2). c ij = c ij − u i + v j . pour (i.θ 1+θ 7 θ 7-θ Prenons θ maximum : θ = 7. Page 48 22/10/200808 . … ( ) Plus généralement. 6 0 3 nouvelle grille des transports: 6 0 3 2 8 9. -3 -14 -16 .

on réalise 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 négatif.2). prenons le θ maximum (θ = 6).4) dans les chemins utilisés. on ne changerait rien en utilisant le chemin (1.7) = 2x(-1) = -2. Continuons donc avec la première solution. Le tableau des regrets est : 1 3 6 0 7 0 2 3 19 8 4 8 7 3 -4 0 4 -5 4 Cette fois-ci.6x1= 6x(-4) = -24 Dans la seconde solution. on ne peut utiliser que des chemins existants sauf (1.9580622. le coût est de 94 – 24 = 70 6-θ θ θ 8-θ 3 Ou 6-θ θ La solution est-elle optimale ? Pour le savoir. ce qui est plus faible que dans le premier cas.4). Page 49 22/10/200808 . Cependant. Le gain est de 6x3 . cette solution n’est pas unique car certains regrets sont nuls. En effet. on peut encore optimiser la solution en faisant entrer (2. Ce qui donne la grille des transports suivante: 8 1 6+θ 3-θ donc θ = 2 6 2 6 2 2 2-θ θ 7 7 Le coût de cette répartition est de 64.2).6x8 + 6x2 . donc on va comparer les diverses solutions: 3 θ 2 8 2-θ 7 7 Dans la première solution. prenons le θ maximum (θ = 2). on a atteint la solution optimale puisque tous les regrets sont positifs. Dans ce cas.2) plutôt que (2. la solution n’est pas optimale : elle peut être améliorée en utilisant le chemin (1. apparaît 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 négatif.doc ______________________________________________________________________________ Déterminons le tableau des regrets pour savoir si cette solution est optimale : 8 3 0 8 8 En grisé. On a donc une nouvelle grille des transports : 6 3 6 2 2 7 Pour cette répartition. On fait alors la recherche du nombre maximal d’unités de transport qui peuvent transiter par ce chemin. Le gain est de : 2x(3 – 8 + 11 .

2 / / / 4 10 / 14.doc ______________________________________________________________________________ 1. Cela signifie que si le chemin (1. Recherche d’une solution initiale 2. 10 / / / / 4 5 9 9 11 28 6. Exemple : On vient de trouver une solution dans laquelle un des regrets est nul. 9 / 2 28 2 / / 32. on a 9 équations avec 24 inconnues dont 9 sont hors base et 15 en base. Le coût est de: 9x12 + 9x27 + 2x39 + 28x78 + 2x28 + 4x24 + 10x53 + 4x40 + 5x49 = 3 700 Ce n'est pas la solution optimale! Page 50 22/10/200808 . 9 9 / / / / 18. Une seule de ces variables sortant de base. 4 14. on préfère en général faire sortir celle qui correspond au coût le moins élevé. 30. on a le choix de la variable sortante.6) Cas de dégénérescence Au cours d’un changement de base. 8 θ 1-θ Le coût de cette 6 2-θ 2+θ nouvelle 7 solution est 70.9580622. 4 5 Ici. il peut arriver que plusieurs variables s’annulent simultanément. la nouvelle solution est alors dégénérée. Dans ce cas. θ=1 6 1 1 7 8 3 II.2) était utilisé. C’est également une solution optimale. le gain serait nul.1) Règle du coin Nord-Ouest ("hasard") Quantité disponible Quantité demandé par les clients 12 23 67 71 9 27 39 56 43 11 61 78 92 91 28 49 28 24 67 6 83 65 53 40 14 35 42 54 49 5 18 32 14 9 73 La méthode consiste à choisir de partir en haut à gauche (nord ouest donc). les autres restent en base avec une valeur nulle .

doc ______________________________________________________________________________ 2.4) est utilisé pour faire transiter 6 unités. 5-5=0 83 65 35 42 14-6=8 . c’est le chemin (1. 25-25=0 6 0 49 28 5 9 14-9=5 . c’est-à-dire 24 et (3.2) (coeff.9580622. 9 18-9=9 32 14 9 0 11 28 6 14 5 Donc le premier client (c’est-à-dire la première colonne) est servi. puis le chemin (2. 40) pour faire passer 9 unités et saturer la quatrième ligne.1). puis le chemin (2. 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 coût de transport restant. 27) pour faire passer 9 unités et saturer la première ligne. 78) pour faire passer 25 unités et saturer la deuxième ligne . puis le chemin (2. 3-3=0 9-9=0 67 71 9 56 43 11 92 91 28 24 67 6 53 40 14 0 18 32 Page 51 22/10/200808 54 49 5 14 9 . 42) pour faire passer 5 unités et saturer la dernière colonne. la quatrième colonne est alors saturée. puis le chemin (3. on y fera passer 9 unités de marchandises. enfin. 8-5=3 . 9 9 2 0 25 3 0 0 28-25=3 3-3=0 12 23 27 39 61 78 5 32-2=30 . 39) pour faire passer 2 unités et saturer la deuxième colonne .5) (coeff.3) pour faire passer les trois unités restantes. 30-5=25 .2) Règle 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 coût le plus faible et on l’utilise pour faire transiter le maximum de marchandises : ici.5) (coeff. 53) pour faire passer 5 unités et saturer la cinquième colonne.2) (coeff. le chemin (3.3) (coeff. puis le chemin (4.6) (coeff. 9 9 12 27 61 49 83 32 23 39 78 28 65 6 14-6=8 67 56 92 24 53 9 71 43 91 67 40 0 11 28 0 14 5 9 11 28 6 14 le chemin 35 42 54 49 5 18 32 14 9 Puis le chemin (1.

Page 52 22/10/200808 .doc ______________________________________________________________________________ La solution obtenue a un coût de 3634.9580622.

9580622.doc ______________________________________________________________________________ Regrets : 12 -1 29 46 0 27 39 3 3 15 -5 78 92 12 54 51 18 24 56 -14 56 26 53 40 15 5 42 -2 6 18 12 24 38 25 Grille des transports : 9 Coût de cette solution : 3634 – 5*9= 3589 12 5 61 56 61 10 -6 39 78 18 26 42 24 3 92 24 53 -2 41 3 12 56 40 6 0 10 49 -19 10 13 Cette solution n’est pas optimale.θ θ 2+θ 25-θ 3 9 11 28 θ = 9. 6 23 37 24 9 11 θ=9. donc : 9 5 11 11 5 9 14 5 9 14 18 10 28 5 5 6 9 5 9 14 6 5 9 14 18 32 14 9 18 32 14 9 5 5-θ θ 18 32 14 9 5 2 3 18 32 14 9 5 ___________________________________________________________________ DI GALLO Frédéric Page 53 22/10/200808 . 12 29 43 30 9. donc : 9 9 11 16 3 9 5 6 6 5 9 14 5 5 6 11 28 6 11 9+θ 16-θ 3 6 28 6 5 9 14 18 32 14 9 18 32 14 9 5 Coût de cette solution : 3589 – 6*9 = 3535 9-θ θ 6 9 61 56 61 10 23 39 78 18 26 42 30 3 92 24 53 -2 47 3 12 56 40 6 0 16 55 -13 16 19 Cette solution n’est pas optimale. 10 42 54 8 19 6 23 35 22 9 11 θ=3. donc : 9 9 18 7 3 6 11 28 6 11 18 7+θ 3-θ 6 28 6 11 Coût de cette solution : 3535 – 3*2= 3529 9 6 5 61 54 59 23 39 78 16 24 32 5 2 24 53 49 5 14 56 40 0 16 55 -11 18 Cette solution est optimale.

LES GRAPHES .

INTERDISCIPLINAIRE 9 PROGRAMMATION LINEAIRE 14 I.INTRODUCTION 9 I.1) Exemple avec deux variables 19 3. CONVEXITÉ 19 III.2) Règle de Balas-Hammer : 51 .3) Représentation graphique 47 1.2) Modélisation du problème 46 1. MÉTHODE DU SIMPLEXE 19 3. PROBLÉMATIQUE DE LA PROGRAMMATION LINÉAIRE 14 1.5) Interprétation géométrique 16 1.4) Formulation générale 16 1.6) Cas de dégénérescence 50 II.5) Changement de base 48 1.3) Méthode des 2 phases et méthode M 29 a) Exemple 1 : 29 b) Méthode des 2 phases : 29 c) Méthode M ou des perturbations : 31 3.1) Problème : répartition des expéditions 45 1. DUALITÉ : 37 PROBLEMES DE TRANSPORT 45 I. PRÉSENTATION DE LA RECHERCHE OPÉRATIONNELLE 9 II.1) Règle du coin Nord-Ouest ("hasard") 50 2.2) Exemple 14 a) Agriculteur 14 b) Usine 15 1.2) Les problèmes aléatoires 9 2. RECHERCHE D’UNE SOLUTION INITIALE 50 2.3) Les problèmes de concurrence 9 III.O. PROPRIÉTÉS DE LA R.3) Forme canonique 15 1. EXEMPLE DE L'USINE 45 1.4) Méthode plus rapide (des regrets) 48 1. DOMAINES D'APPLICATION 9 2. 32 IV.1) Introduction 14 1.2) Méthode des tableaux 21 a) PL1 sous forme standard 21 b) Exercice 1 22 c) Exercice 2 23 d) Exercice 3 26 e) Exercice 4 27 3. de la fn éco.1) Les problèmes combinatoires 9 2.4) Paramétrisation des coeff.6) Forme standard 17 II.

EXERCICES 90 PROCESSUS STOCHASTIQUES 95 I. MATRICES ASSOCIÉES À UN GRAPHE 60 2. ALGORITHME DE FORD 71 II. MÉTHODES D’ORDONNANCEMENT 86 2.2) Forte connexité 62 3. ALGORITHME DE FORD-FULKERSON 72 2.3) Comparaison des deux méthodes 89 a) Opérations parallèles 89 b) Opérations dépendantes et indépendantes 90 c) Opérations composées (successions avec recouvrement) 90 III.2) Matrices booléenne et arithmétique 61 a) Matrice arithmétique : 61 b) Matrice booléenne : 61 III.1) Matrice latine 60 2. DÉFINITION – VOCABULAIRE 58 1.4) Exercices 78 a) Exercice n°1: Plus court chemin 78 b) Exercice n°2: Chemin de longueur minimale 78 c) Exercice n°3: Flot maximal 78 III. CONNEXITÉ – FORTE CONNEXITÉ 62 3.4) Recherche des classes fortement connexes. INTRODUCTION 85 Contraintes potentielles : 85 II. INTRODUCTION 95 1.1) Graphe 58 1.2) Procédure 73 2.3) Fermeture transitive 63 3.LES GRAPHES 58 I.1) Exercices 80 ORDONNANCEMENT 85 I.1) Connexité 62 3.2) Méthode PERT 88 2.3) Recherche d’un flot complet initial 75 2.1) flot à travers un réseau 72 2. des circuits hamiltoniens 64 3.1) Méthode MPM 86 a) Exemple des tâches du bâtiment 86 b) Exemple: travail de graphe 86 2. PROBLÈME D’AFFECTATION 78 3.1) Historique 95 .2) Chemins 59 II.5) Méthode de Georges DEMOUCRON 64 CHEMIN DE VALEUR OPTIMALE 71 I.

LOIS UTILISEES 107 3. LES CHAÎNES DE MARKOV À TEMPS CONTINU 99 VII.2) Système à structure parallèle 108 4.1) Fonction de défaillance et fn de fiabilité 104 2. ETUDE DES CHAÎNES RÉDUCTIBLES 99 VI.1) Exercice n° 1 109 5. EXERCICES 109 5. GRAPHE DES TRANSITIONS – CLASSIFICATION DES CHAÎNES 98 3.2) Probabilités de transition en m étapes 96 III.2) Exercice n° 2 110 5.2) Taux d’avarie ou taux de défaillance 104 a) Relations fondamentales 106 b) Estimation des fonctions R et F 106 III. LES CHAÎNES DE MARKOV À ESPACE D'ÉTATS DISCRET 96 2. PROCESSUS DE NAISSANCE ET DE MORT 99 FIABILITÉ 104 I. GENERALITES .1)Exemple sur les processus aléatoires 98 IV.TERMINOLOGIE 104 2.1) Probabilités et matrice de transition 96 2. COMPORTEMENT ASYMPTOTIQUE DES CHAÎNES 99 VIII.1) Loi exponentielle 107 3. DISTRIBUTION DES ÉTATS D'UNE CHAÎNE 99 V.3) Exercice n° 3 110 .2) Définition d'un Processus Stochastique 95 II. FIABILITÉ D’UN SYSTÈME ET DE SES COMPOSANTS 108 4. INTRODUCTION 104 II.3) Systèmes à structure mixte 109 V.2) Loi de Weibull 107 IV.1) Système à structure en série 108 4.1.

: Γ -(x2)={x1} Précédents x1 x2 x3 x4 x5 x6 x1 x2 x1. – CNAM AIX 2001-2002 LES GRAPHES Ces méthodes utilisant les graphes permettent. Les cas concret d'utilisation sont évidents… I.x2). x4. x2. Soit Γ une application de X dans lui-même (Γ est l'ensemble des arcs ou trajets existants = {(x 1.x3).x5)}. Représentation sagittale : x1 x2 x6 x3 x5 x4 On peut noter Γ+ l’application « successeur » : Γ+ : X → P(X) (ensemble des parties de X). (x6. Suivants x2. (x4.RECHERCHE OP. ou de faire passer le maximum par un chemin (d'eau par exemple).x5). Ex. (x1. Définition – vocabulaire 1.1) Graphe Définition : Soit X un ensemble fini et dénombrable : X = {x1. de trouver le chemin le plus court. x6 x3. (x3. Par exemple. xn}.x4). x6}. x4. x3. : X → P(X). x6 x1 Deux sommets reliés s’appellent sommets adjacents. x5 .x3). (x1. (x2. on peut définir Γ-. (x6.x5). x4. Γ+(x1) = {x2. Γ) un graphe d’ordre n (n est le nombre de sommets = card X). en général. x5 x5 x4.x6). l’application « prédécesseur ».x5). (x2. De même. …. On appelle l’ensemble (X. Un graphe est donc un ensemble de liaisons entre des points. x6 x3. (x3. x4 x4.x4).

b. (abcd) = chemin élémentaire (abbcd) = chemin non élémentaire a b (bb) = boucle et circuit élémentaire (abca) =circuit élémentaire c d (abcabc) = circuit non élémentaire Un chemin qui passe une fois exactement par chaque sommet est hamiltonien Ex. un chemin est de longueur n – 1.1. x1 x5 x2 x4 x1 x3 x5 Chemin x2 x4 x3 circuit Longueur d’un chemin = nombre d’arcs du chemin Boucle = chemin de longueur 1 a Un chemin est simple lorsqu’il ne passe qu’une seule fois par chacun de ses arcs Un chemin est élémentaire s’il ne rencontre pas plus d’une seule fois chaque sommet. un circuit hamiltonien est de longueur n. : (a. On appelle chemin une suite ordonnée d’arcs dans lesquels l’extrémité terminale d’un arc coïncide avec l’extrémité initiale du suivant : [x1x2]. Un chemin pour lequel u1 = uP s’appelle circuit. on parle d’arcs reliant deux sommets. le circuit cycle.c.2) Chemins Un graphe peut être orienté ou non orienté. Ex. Le chemin devient chaîne. Mais il n’y a pas de circuit hamiltonien : il faudrait que d a NB : dans un graphe d’ordre n. [x2 x3] = x1 x2 x3 (chaîne si non orienté). Dans un graphe non orienté : On appelle un arc non orienté une arête.d) est un chemin hamiltonien. . : x2 x1 x4 x3 x2 x1 Graphe orienté x4 arête x3 cycle graphe non orienté Dans un graphe orienté.

AEA ABB BBB ABC AEC BBC ACD CDA DEA M² = BCD CDE DAB EAB DAC DEC EAC DAE ECD EAE Recherche des chemins élémentaires : avec la multiplication latine. AEABC AEAEA AEABB AEAEC ABCDE ABCDA AEACD ABBBB ABBBC AECDE AECDA ABBCD ACDAB ACDAC ACDAE ACDEA ACDEC BBBBC BBCDA BBBBB BBCDE BCDAC BBBCD BCDEA BCDAB BCDAE BCDEC CDABC CDABB CDACD CDAEA CDAEC CDEAE CDEAB CDECD CDEAC DEABC DEAEA DEABB DEACD DACDE DEAEC DACDA DABBB DABCD DAEAE DABBC DECDA DAEAB DAECD DECDE DAEAC EABBC EABBB EACDE EACDA ECDAC EABCD ECDAB ECDAE ECDEA ECDEC EAECD EAEAB EAEAE EAEAC M² = . pour les chemins de longueur 3. 2. on calcule M3 et ainsi de suite. on calcule M² . il suffit de ne considérer que les chemins de Mn-1 qui n’ont pas de répétition de lettres . Matrices associées à un graphe On écrit tous les chemins possibles d'un graphe pour trouver les chemins hamiltoniens. matrice des chemins élémentaires de longueur 4. dans l’exemple.II. ici chemins hamiltoniens.1) Matrice latine A B A E A B C D E C B C AB AC BB BC D E AE CD DA EA DE EC D Pour trouver les chemins de longueur 2.

Les matrices booléennes permettent d’aider lors de la recherche des composantes connexes. etc. la présence d'un 1 représente l'existence d'un chemin. il a une ligne de 0.2) Matrices booléenne et arithmétique a) Matrice arithmétique : B A 0 0 0 1 1 C E D 1 1 0 0 0 1 1 0 0 1 0 0 1 0 0 1 0 0 1 0 M = 1 0 1 1 0 1 1 0 1 1 2 1 0 2 1 1 1 0 0 1 0 0 1 1 1 M² = Si M est symétrique. il y a une colonne de 0 associée à ce sommet . Remarque : si le graphe a une entrée (point de début. il y a un chemin de longueur 2. s’il y a un 2 (ex. il y a un 1 (ex. .2. c'est à dire que les arcs partent de ce sommet mais aucun n'y arrive). simple ou autre… Rappel: 13 24 B= 28 57 . le graphe est symétrique. 25 87 = 26 26 36 38 A= 13 24 1x2 + 3x8 = 26 1x5 + 3x7 = 26 2x2 + 4x8 = 36 2x5 + 4x7 = 38 26 26 36 38 N'oublions pas que BA ≠ AB ! 13 A= 2 4 B= 25 87 12 26 22 52 b) Matrice booléenne : A B D C 0  0 M= 0  1  1 1 0 1 1 1 0 1 1  0 1  0  1  0 M² =  1  0  1 1 1 1 1 1 1 1 1  1 0  1  1  1 3 M = 0  1  1 1 1 1 1 1 1 1 1  1 1  1 Ici. : (A. et si le graphe a une sortie. : (A. s’il y a un 1 cela signifie qu’il existe un chemin de longueur au plus 2 entre les deux sommets.B)) alors: il y a un chemin de longueur 1 de A à B. Si dans M². On peut connaître l'existence et le nombre de chemin d'une longueur donnée mais on ne peut pas préciser s'il est hamiltonien.C)). Dans M².

D}. Exemple : A C Ce graphe est non connexe. Dans la suite. A B C D F B -> C C -> B B -> D D -> C -> B Remarque : on définit là encore une relation d’équivalence (en admettant que A est en relation avec lui-même). {B. D. il y a quatre composantes fortement connexes qui sont : {A}. donc la relation est transitive On parle alors des classes d’équivalence de cette relation : la classe de x est l’ensemble des sommets équivalents à x. Exemple : dans l’exemple précédent. C. B ∈ X. C. E. Soit G =(X. il existe un chemin de A vers B et un chemin de B vers A. Si quels que soient A.2) Forte connexité Un graphe est dit fortement connexe si entre toute paire de sommets. alors le graphe est fortement connexe. F} Démo : Cette relation est bien une relation d’équivalence : A ∼ A donc la relation est réflexive. on l’appelle composante connexe de x. Remarque: un sommet est toujours lié à lui-même. de composante connexe : On définit une relation d’équivalence ∼ par xi ∼ xj si xi et xj (confondus ou non) sont reliés par une chaîne (On a évidemment : xi ∼ xi) A Ex : B C D F E X= {A. F} Ce graphe contient deux composantes connexes : {E} et {A. U) un graphe. mais il a 3 composantes connexes. on a une composante fortement connexe. . donc la relation est symétrique A ∼ B et B ∼ C ⇒ A ∼ C. C. B. A ∼ B et B ∼ A : car il existe une chaîne de A vers B ou de B vers A (l’ordre ne compte pas). Sinon on définit des composantes fortement connexes. B. Connexité – forte connexité 3. il existe un chemin de A vers B et un chemin de B vers A. D. {F} et {E}. B D E G F Déf.1) Connexité Un graphe est dit connexe s’il existe au moins un chemin entre toute paire de sommets. 3.III.

A²=  0 0   0 0 0  0 0 1  0 0 1 1 1 A3= A²=Ak pour k ≥ 2 1 1 1 0 0 1 1 1 1 1 1  1 1 . il existe au moins un chemin de longueur k si le terme (i.j) de la matrice M k vaut 1. Entre xI et xj.  0 1  La fermeture transitive du graphe est donc obtenue en permutant lignes et colonnes : 1  0 0  0 0  1 1 0 0 0 1 1 1 0 0 1 1 1 1 0 1  1 1  1 1 1 2 3 5 4 et le graphe a cinq composantes fortement connexes. on trouvera 1 en place (i.3) Fermeture transitive Fermeture transitive d’un sommet x : {ensemble des sommets reliés à x par un chemin de longueur ≤ n – 1} = {x} ∪ {t(x)}∪… ∪ {tn-1(x)}. A partir d’un graphe G. Alors dans M+M[2] +…+M[k-1]. où tk(x) = t(tk-1(x)). I+M=A=  0 0   0 0 0  0 0 0  1 1 1 0 0 1 1 1   0 0 1  1 . puis on calcule les puissances Mk. on peut s’arrêter dès que (I+M)(k-1) = (I+M)(k) .3. on définit une matrice booléenne M.j) s’il existe un chemin de longueur ≤ k-1 entre xi et xj La fermeture transitive de l’ensemble 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  0 M =  0 0 0  1 0 0 0 0 1 1 0 0 0 0 0 1 0 1 1 1 1   0 0 1  1 . Remarque : on n’est pas toujours obligé de calculer jusqu’à (I+M) (n-1).

FABGCDE . des circuits hamiltoniens Soit le graphe d’ordre 7 suivant : A M= 0  0 0  0  0 1  0 B G C F E D 1 0 0 0 0 0  0 0 0 0 1 1 0 0 1 0 0 0  0 0 0 1 0 0  0 0 0 0 0 1 0 0 0 1 0 0  0 1 0 0 0 0 (I+M)6 = 1  1 0  0  0 1  0 1 1 1 1 1 1  1 1 1 1 1 1 0 1 1 1 0 1  0 1 1 1 0 1  0 1 1 1 0 1 1 1 1 1 1 1  0 1 1 1 0 1 Après réorganisation des lignes et des colonnes.4) Recherche des classes fortement connexes. leur origine doit se trouver dans la classe I et leur extrémité dans la classe II. 3. on détermine les classes fortement connexes : c1 c2 c6 c3 c4 c5 c7 A 1  B 1 F 1  C 0 D  0 E 0  G 0 1 1 1 1 1 1  1 1 1 1 1 1 1 1 1 1 1 1  0 0 1 1 1 1 0 0 1 1 1 1 0 0 1 1 1 1  0 0 1 1 1 1 A B G C F E D I II II Recherche des chemins hamiltoniens : La classe II n’a que des arcs incidents intérieurement.3. Donc s’il existe un ou plusieurs chemins hamiltoniens. ABFEGCD sont les deux chemins hamiltoniens de ce graphe.5) Méthode de Georges DEMOUCRON A B C J D I E H G F On va essayer de déterminer les successeurs et prédécesseurs de A par des chemins de longueur quelconque: t-(A) et t+(A) .

B. GI : 2 (si non marqués) Arcs dont l’extrémité initiale est E ou I : ED. I} t+(B) = {B. G. HJ : 5 Pour t-(A). EF. G. C. FB. I. IA : 3 Arcs dont l’extrémité initiale est D : DH : 4 Arcs dont l’extrémité initiale est H : HC.G) t+(A) ∩t-(A)= classe d’équivalence ou composante fortement connexe du graphe Arcs dont l’extrémité initiale est A : AB. puis en I. J} . c’est-à-dire recherche des extrémités initiales des arcs finissant en A. D. F. même travail sur les colonnes. AF. puis en G. G} A n'est lié "dans les 2 sens" qu'avec I. I} t+(B) X Pour B : Pour C : t-(B) X (1) A 0 B C D 2 E 1 F X (3) G H X (2) I J t-(C) X (5) X (4) 0 2 X (3) X (4) X (7) 1 X (6) 3 0 4 2 1 1 X 3 A B C D E F G H I J X 4 Composante connexe de B: t+(B) ∩ t-(B) = {B. I. E.A A B C D E F G H I J B 1 C D E 1 F 1 1 G 1 H I 1 J t-(A) 0 1 1 1 1 1 1 1 1 2 1 chemin de long. 2 de G à A 1 1 chemin de long. G : BE. BF. H. F. E. G et A: 1ère composante fortement connexe: (A. F. AG : 1 Arcs dont l’extrémité initiale est B. 1 de I à A 1 1 1 t+(A) 0 1 5 3 2 1 1 4 2 5 A est le point de départ de chemin qui vont vers tous les points: t+(A) = {A B C … J} A est l'arrivée de chemin qui proviennent de G et de I: t-(A) = {A. F} t-(B) = {A. FE. E. t+(A) ∩ t-(A) = {A.

H. H. D. il n’y aurait qu’une seule classe d’équivalence. J} Conclusion : Il y a deux chemins hamiltoniens : GIABFEDHCJ GIAFBEDHCJ NB : s’il y avait un circuit hamiltonien. D. Graphique : G B A I I E F II D H J C III .t+(C) ∩ t-(C) = {C. J} Pour C : t+(C) X X 0 1 X X X 2 X 3 t+(C) ∩t-(C) = {C.

CHEMIN de VALEUR OPTIMALE .

1) Introduction 14 1.3) Les problèmes de concurrence 9 III.1) Exemple avec deux variables 19 3.3) Représentation graphique 47 1.2) Méthode des tableaux 21 a) PL1 sous forme standard 21 b) Exercice 1 22 c) Exercice 2 23 d) Exercice 3 26 e) Exercice 4 27 3. CONVEXITÉ 19 III. MÉTHODE DU SIMPLEXE 19 3.5) Changement de base 48 1.4) Paramétrisation des coeff.1) Règle du coin Nord-Ouest ("hasard") 50 2. 32 IV.O.4) Formulation générale 16 1.INTRODUCTION 9 I.2) Exemple 14 a) Agriculteur 14 b) Usine 15 1.3) Forme canonique 15 1. DOMAINES D'APPLICATION 9 2.4) Méthode plus rapide (des regrets) 48 1.2) Règle de Balas-Hammer : 51 . DUALITÉ : 37 PROBLEMES DE TRANSPORT 45 I.3) Méthode des 2 phases et méthode M 29 a) Exemple 1 : 29 b) Méthode des 2 phases : 29 c) Méthode M ou des perturbations : 31 3. INTERDISCIPLINAIRE 9 PROGRAMMATION LINEAIRE 14 I.1) Les problèmes combinatoires 9 2.6) Cas de dégénérescence 50 II.2) Modélisation du problème 46 1. PROBLÉMATIQUE DE LA PROGRAMMATION LINÉAIRE 14 1.5) Interprétation géométrique 16 1. RECHERCHE D’UNE SOLUTION INITIALE 50 2. PROPRIÉTÉS DE LA R. de la fn éco.6) Forme standard 17 II.2) Les problèmes aléatoires 9 2. EXEMPLE DE L'USINE 45 1.1) Problème : répartition des expéditions 45 1. PRÉSENTATION DE LA RECHERCHE OPÉRATIONNELLE 9 II.

2) Procédure 73 2. ALGORITHME DE FORD-FULKERSON 72 2.2) Forte connexité 62 3. ALGORITHME DE FORD 71 II.2) Chemins 59 II. MÉTHODES D’ORDONNANCEMENT 86 2.1) Graphe 58 1. DÉFINITION – VOCABULAIRE 58 1.2) Matrices booléenne et arithmétique 61 a) Matrice arithmétique : 61 b) Matrice booléenne : 61 III.5) Méthode de Georges DEMOUCRON 64 CHEMIN DE VALEUR OPTIMALE 71 I.3) Comparaison des deux méthodes 89 a) Opérations parallèles 89 b) Opérations dépendantes et indépendantes 90 c) Opérations composées (successions avec recouvrement) 90 III.3) Fermeture transitive 63 3.1) Méthode MPM 86 a) Exemple des tâches du bâtiment 86 b) Exemple: travail de graphe 86 2.2) Méthode PERT 88 2. PROBLÈME D’AFFECTATION 78 3. CONNEXITÉ – FORTE CONNEXITÉ 62 3. des circuits hamiltoniens 64 3. MATRICES ASSOCIÉES À UN GRAPHE 60 2. EXERCICES 90 PROCESSUS STOCHASTIQUES 95 I.1) flot à travers un réseau 72 2.1) Historique 95 .3) Recherche d’un flot complet initial 75 2.1) Matrice latine 60 2.LES GRAPHES 58 I.1) Connexité 62 3. INTRODUCTION 85 Contraintes potentielles : 85 II.1) Exercices 80 ORDONNANCEMENT 85 I.4) Exercices 78 a) Exercice n°1: Plus court chemin 78 b) Exercice n°2: Chemin de longueur minimale 78 c) Exercice n°3: Flot maximal 78 III.4) Recherche des classes fortement connexes. INTRODUCTION 95 1.

GRAPHE DES TRANSITIONS – CLASSIFICATION DES CHAÎNES 98 3.2) Probabilités de transition en m étapes 96 III.2) Loi de Weibull 107 IV.1.1)Exemple sur les processus aléatoires 98 IV.2) Définition d'un Processus Stochastique 95 II.3) Systèmes à structure mixte 109 V. LOIS UTILISEES 107 3.3) Exercice n° 3 110 . GENERALITES . COMPORTEMENT ASYMPTOTIQUE DES CHAÎNES 99 VIII.1) Système à structure en série 108 4.2) Système à structure parallèle 108 4.2) Exercice n° 2 110 5. DISTRIBUTION DES ÉTATS D'UNE CHAÎNE 99 V. EXERCICES 109 5. INTRODUCTION 104 II. LES CHAÎNES DE MARKOV À TEMPS CONTINU 99 VII.1) Probabilités et matrice de transition 96 2.1) Loi exponentielle 107 3. ETUDE DES CHAÎNES RÉDUCTIBLES 99 VI.TERMINOLOGIE 104 2.1) Fonction de défaillance et fn de fiabilité 104 2. FIABILITÉ D’UN SYSTÈME ET DE SES COMPOSANTS 108 4.2) Taux d’avarie ou taux de défaillance 104 a) Relations fondamentales 106 b) Estimation des fonctions R et F 106 III. LES CHAÎNES DE MARKOV À ESPACE D'ÉTATS DISCRET 96 2. PROCESSUS DE NAISSANCE ET DE MORT 99 FIABILITÉ 104 I.1) Exercice n° 1 109 5.

On numérote les sommets dans un ordre quelconque (sauf le x1 et xn) 2. s’arrêter lorsque aucun λi ne peut plus être modifié. valué par des grandeurs positives. V représentant la valuation de l’arc. λi = + ∞ sauf λ1 = 0 3. ou AGFB.λi > V(xi. remplacer λj par λi + V(xi. λC =2 C 2 λA = 0 A 6 5 λD =5 D 3 E λE=5 3 2 2 8 λF = 6 2 F 3 1 BλB =7 8 G λG =3 Le but est de trouver un chemin de A vers B associé à 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. en effectuant un minimum de km. Problème du voyageur de commerce : aller de A à B en passant par un certain nombre d’autres villes. 2 6 A 3 C 5 D 8 2 2 2 E 3 G 1 F B 8 3 Algorithme : 1. xj). xj) 4. coût : 7 .RECHERCHE OP. – CNAM AIX 2001-2002 CHEMIN DE VALEUR OPTIMALE I. pour tout sommet xj pour lequel λj . Algorithme de Ford On a un graphe quelconque.

le débit maximum est : 15 litres/sec Dans la canalisation entre le château A et le village G. F. Source = entrée. G. le débit maximum est : 20 litres/sec Dans la canalisation entre le château B et le village D. sans boucle. le débit maximum est : 5 litres/sec Dans la canalisation entre le château B et le village F.1) flot à travers un réseau Trois châteaux d’eau A. où tout arc est valué par un entier positif c(u). le débit maximum est : 15 litres/sec Dans la canalisation entre le château C et le village F. sommet sans successeur (ou ajouté) On appelle flux de l’arc u la quantité ϕ(u) (entier naturel) telle que 0 ≤ ϕ (u) ≤ c(u) Loi de Kirchoff : ∑ϕ ( u ) = ∑ϕ ( u ) u∈U x − u∈U x + pour tout sommet x différent de l’entrée et de la sortie Où Ux. nommé capacité de l’arc. le débit maximum est : 10 litres/sec Dans la canalisation entre le château C et le village G. le débit maximum est : 10 litres/sec Dans la canalisation entre le château A et le village E. Algorithme de Ford-Fulkerson 2. le débit maximum est : 15 litres/sec Dans la canalisation entre le château B et le village E. C alimentent quatre villages D. le débit maximum est : 10 litres/sec. [10] O [45] [25] A [15] C [15] [10] [10] D [30] E [10] [5] B [20] [15] F S [20] [20] [30] G On appelle réseau de transport tout graphe fini. ϕ( u) On appelle flot : Σflux émis par la source = ∑ + u∈U x 0 = Σflux recueillis par le puits = ∑ϕ ( u ) u∈U x n − . sommet sans prédécesseur (ou ajouté) Puits = sortie. E. avec une source (ou point de départ) et un puits (ou point d’arrivée).II. B. Le château d’eau A dispose d’un débit de 45 litres/sec Le château d’eau B dispose d’un débit de 25 litres/sec Le château d’eau C dispose d’un débit de 20 litres/sec Le village D aurait besoin d’un débit de 30 litres/sec Le village E aurait besoin d’un débit de 10 litres/sec Le village F aurait besoin d’un débit de 20 litres/sec Le village G aurait besoin d’un débit de 30 litres/sec Dans la canalisation entre le château A et le village D.est l’ensemble des arcs incidents intérieurement à x et Ux+ est l’ensemble des arcs incidents extérieurement à x.

Dans ce cas. On écrira +I à côté de J. . On écrira –L à côté de K Si on n’arrive pas à marquer la sortie du réseau. en respectant la loi de Kirchoff. le flot est maximal. EXn = 5 O B D Xn OB = (25+)10 ≤ 10 ≤15 ≤ 30 BD=DXn= 10 O A G Xn AG = GXn = 20 ≤45 ≤20 ≤(30-10)=20 OA = 20 O A E Xn EXn= 5 ≤25 ≤15 ≤10-5 OA = AE = 5 O A D Xn AD = 10 ≤ 20 ≤ 10 ≤ 20 OA = DXn = 10 OBEXn : OBDXn : OAGXn : OAEXn : OADXn : ≤20 C ≤10 G ≤30 Xn CG = 10 saturé OC = GXn =10 (Selon la principe du bas vers le haut) On a déterminé un flot complet dont la valeur est V(ϕ) = 80 (mais n'est pas maximale). Marquage : on va chercher si ce flot est maximal ou non. formant une chaîne entre l’entrée et la sortie et améliorer le flot en augmentant le flux des arcs joignant les sommets de la suite.2. donc OC = 10+10=20) O B F Xn FXn = 10 saturé ≤25 ≤15 ≤10 OB = BF = 10 O B E Xn BE = 5 ≤15 ≤ 5 ≤10 OB = (10+)5=15. le flot n’est pas maximal.  Marquer l’extrémité initiale K de tout arc (K. J) dont l’extrémité initiale I est marquée.  Marquer l’entrée du réseau : +O  Marquer toute extrémité terminale J d’un arc non saturé (I. Si on arrive à marquer la sortie du réseau. il faut considérer une suite de sommets marquées. 2. L) transportant un flot non nul dont l’extrémité finale L est marquée. Exemple : 10 A 35 O 25 10 5 10 20 10 C 10 20 E 10 5 B D F S 20 30 20 G OCGXn : O OCFXn : OBFXn : CF saturé puis OC saturé (CF=10.2) Procédure 1. Trouver un flot complet : flot dont tous les chemins menant de x0 à xn ont au moins un arc saturé.

. Recommencer tant qu’il sera nécessaire pour qu’on ne puisse plus marquer la sortie.

Les sommets marqués sont reliés aux autres par des arcs saturés ou nuls. on augmentera DS de 20 à 25. augmenter AE puis OA. mais il faut annuler le flot entre B et E et donc pour équilibrer E.3) Recherche d’un flot complet initial procédure de Manuel Bloch (cf. 2.Exemple : +O A 35 O 25 20 10 10 5 -E B +B D 20 +A E 10 5 +D S +B 20 F 30 20 10 -F C 10 10 G On fait partir de O: 80 et sortir de S: 80. D’où voilà une meilleure solution : +O 40 O A 25 15 10 B 20 C 10 10 10 D +A E 10 F 20 25 S 20 30 G Les antécédents par un arc nul ne peuvent pas être marqués. le flot n’est pas maximal. Isolons une chaîne de sommets marqués pour essayer d’augmenter le flot allant de O à S. Comme le sommet S est marqué. donc plus facile à programmer! . Raynaud) Cette méthode est plus mécanique. +B +O 10 D A 10 20 5 35 +A +D E 10 O 25 -E 5 S B En augmentant l’arc BD de 10 à 15.

….arcs bloqués :  on doit bloquer tout arc incident intérieurement à un sommet si tous les arcs incidents extérieurement à ce sommet sont saturés ou bloqués : X A  on doit bloquer tout arc incident extérieurement à un sommet si tous les arcs incidents extérieurement à ce sommet sont saturés ou bloqués : X A Procédure de la recherche : Posons ρ(i.  Si c’est un chemin élémentaire (sans répétition de sommets).j) le flux de ce même arc. Exemple: B A [5] [4] E [7] [8] C [9] [1] D [5] [10] F [5] [5] [5] H [4] [4] [5] I [6] G . j0) ( s’il y en a plusieurs.j) = c(i.j = ρ i0. on fait passer le flux ϕi. soit (i0.j par ρ’i.j) est la capacité de l’arc x ixj et ϕ(i. les effectuer et revenir au début.j) =0  on détermine dans la liste des arcs praticables celui qui a la plus faible capacité résiduelle. n}. j ∈ {1. Arrêt de la procédure : la procédure est terminée lorsque tous les arcs incidents extérieurement à l’entrée du réseau (ou incidents intérieurement à la sortie du réseau) sont saturés ou bloqués.j .j0 (les arcs de capacité résiduelle nulle devenant des arcs saturés)  si ce chemin n’est pas élémentaire. on bloque les arcs de capacité la plus faible du circuit et on recommence. pour i. soit par l’ordre numérique croissant et on choisit le premier de ces arcs)  on détermine un chemin simple (sans répétition d’arcs) passant par (i 0.j) . on ordonne les arcs soit par l’ordre lexicographique. Remarque : on obtient souvent le flot optimal. j0 sur tous les arcs (i.j = ρi.j). il faut ensuite examiner s’il reste encore des blocages à effectuer. j0) formé d’arcs praticables (càd arcs de capacité résiduelle au moins égale à ρi0. ρij est appelé capacité résiduelle de (i. où c(i.ϕ(i.j) Au départ ϕ(i.j0.j) de ce chemin et on remplace ρi.ρi0.  Pour tous les sommets.

11 : tous les arcs sont bloqués ou saturés. soit saturés. 6 : comme GI est saturé. On s'aperçoit que I n’est pas marqué donc le flux est maximal.1 AB 5 AC 8 AD 9 BC 7 BE 4 CF 10 CH 5 DC 1 DG 5 DH 4 EI 5 FH 5 FI 5 GI 6 HG 4 2 3 4 5 6 7 8 9 10 11 5 8 8 7 4 9 5 0 5 4 5 4 5 5 3 5 5 8 7 4 9 2 0 5 4 5 4 5 2 0 5 5 8 7 4 9 X 0 5 X 5 X 5 2 0 5 5 6 7 4 9 X 0 3 X 5 X 5 0 0 5 5 6 7 4 9 X 0 X X 5 X 5 0 0 1 5 X 7 0 9 X 0 X X 1 X 5 0 0 0 5 X 6 0 8 X 0 X X X X 4 0 0 0 5 X X 0 8 X 0 X X X X 4 0 0 0 1 X X 0 4 X 0 X X X X 0 0 0 0 X X X 0 X X 0 X X X X 0 0 0 Col. 4 : HG saturé. Col. DH. 3 : chemin ACHGI. On obtient donc le flot complet suivant : B 4 E A 5 7[8] +A C 3[9] 1 D -C +C F 5 4[5] 2[5] 4[5] 5 +C H 4 I 6 G +D Est-il optimal ? Marquage. BE est saturé à 4 Col. donc tous les arcs se terminant par H sont bloqués : CH. tous les arcs menant à E sont bloqués ou saturés et les arcs issus de E doivent l’être aussi : EI Col. 9 : les arcs menant à B (AB) sont saturés. 10 : chemin ACFI. Fin de la procédure. . FI reçoit encore 4 unités et est saturé Col. Comme BE est saturé. 1 : situation initiale . tous les arcs se terminant par G sont bloqués : DG . Col. DC est saturé et laisse passer 1. on fait encore passer 2 unités par GI Col. 2 : chemin ADCFHGI . FH . 8 : chemin ABCFI. tous les arcs se terminant en D sont bloqués : AD. on refait passer 3 unités dans HG Col. 5 : chemin ADGI. Col. comme tous les arcs issus de D sont soit bloqués. Col. donc les arcs issus de B sont saturés ou bloqués : BC . Col. 7 : chemin ABEI . AB reçoit encore 1 unité et est saturé.

D et E et leur offre les postes a. ce n’est pas le cas : . b. le plus petit élément de la ligne ou de la colonne. A B C D E a 1 1 3 1 2 b 2 4 2 2 1 c 3 2 1 3 4 d 4 5 5 5 3 e 5 3 4 4 5 On ne change pas le problème en soustrayant ligne par ligne. B. C. c.4) Exercices a) Exercice n°1: Plus court chemin b) Exercice n°2: Chemin de longueur minimale c) Exercice n°3: Flot maximal III.Exemple de marquage: B + A C -C Si AC < CD : D +A +C +A B D C E E +C Si AC > CD : + A -D B D +A C +C E +C 2. puis colonne par colonne. d et e. Problème d’affectation Exemple : une administration désire procéder aux mutations de 5 personnes : A. S’il y avait un zéro par ligne et par colonne. Mais dans ce cas. on aurait une solution optimale immédiate. Ces fonctionnaires désirant maximiser leur satisfaction décident d’effectuer chacun un classement des postes offerts ( de 1 : très bien à 5 : peu souhaité).

C en c (0 en (C.Onmarquons uncolonne. barre marquons toute ligne un et zéro encadré dans une : colonne On alors les lignes nonayant marquées les colonnes marquées marquée et revenons à b jusqu’à ce que le marquage soit impossible. B à e (O en (B.a)). Voici les zéros qu’il faut obligatoirement encadrer : 0 0 1 0 1 1 3 1 2 0 3 1 0 2 1 0 0 1 1 0 2 0 3 0 2 Mais on peut avoir les affectations suivantes : 0 0/ 0/ 0/ 0/ 0 0 0/ 0 0/ 0/ 0 0 0 0 0/ 0/ 0 0 0/ 0/ 0/ 0 0 Dont les indices de satisfactions sont les suivants : 1+3+1+2+3=10 2+3+1+1+3=10 0 0/ 0 0 0/ 0/ 4+3+1+1+1=10 Comme on trouve cette fois-ci un zéro par ligne et par colonne. zéro barré une ligne marquée d. 1 1 X1 2 0 1 3 0 2 0 3 1 0 0 1 1 0 1 3 0 2 2 1 0 1 0 1 0 2 0 0/ 0 0/ 0/ 0 On recommence alors le marquage. marquons toute ligne ayant un zéro encadré dans une colonne e. tant qu’on le peut. alors il faut aussi affecter D à d (ce qui est le choix qui lui déplaît le plus) Peut-on affecter les postes de façon à satisfaire mieux les désirs des cinq fonctionnaires ? Avec l’essai ci-dessus. 2 X3 On barreSoit plus petitnon nombre du tableau alorsleles lignes marquées et les restant. colonnes marquées : 0 On le retranche à tous les éléments non rayés et on l’ajoute aux éléments barrés deux fois. . marquée revenons à b jusqu’à quebarré le marquage f.c)) et E en b (0 en (E. cet indice vaudrait 5) Méthode hongroise (d’affectation) : 0 0 2 0 1 X2 1 3 1 1 0 2 1 0 2 3 1 2 2 2 0 On encadre un zéro par ligne et par colonne.e). Marquons toute ligne sans zéro encadré c. Marquons toute ligne sans zéro encadré 0 encadre untoute zérocolonne par ligneayant et par tantsur qu’on le peut. l’indice de satisfaction est : 1 + 3 + 1 + 5 + 1 = 11 (s’il y avait une solution qui rende tous les fonctionnaires pleinement satisfaits. a. on a obtenu une affectation optimale.0 0 2 0 1 1 3 1 1 0 2 1 0 2 3 3 4 4 4 2 4 2 3 3 4 0 0 2 0 1 1 3 1 1 0 2 1 0 2 3 1 2 2 2 0 2 0 1 1 2 Essai : affection A à a (0 en (A. b. (et même de plusieurs manières différentes).b)). marquée marquonset toute colonne ayant uncezéro sur une soit ligneimpossible.

1) Exercices .3.

ORDONNANCEMENT .

de la fn éco. DUALITÉ : 37 PROBLEMES DE TRANSPORT 45 I.3) Représentation graphique 47 1. EXEMPLE DE L'USINE 45 1.1) Introduction 14 1.6) Forme standard 17 II.2) Règle de Balas-Hammer : 51 .1) Règle du coin Nord-Ouest ("hasard") 50 2.1) Les problèmes combinatoires 9 2.2) Exemple 14 a) Agriculteur 14 b) Usine 15 1. RECHERCHE D’UNE SOLUTION INITIALE 50 2.O. PROPRIÉTÉS DE LA R.3) Méthode des 2 phases et méthode M 29 a) Exemple 1 : 29 b) Méthode des 2 phases : 29 c) Méthode M ou des perturbations : 31 3.6) Cas de dégénérescence 50 II. 32 IV.4) Formulation générale 16 1. MÉTHODE DU SIMPLEXE 19 3.5) Changement de base 48 1.2) Modélisation du problème 46 1.5) Interprétation géométrique 16 1. PRÉSENTATION DE LA RECHERCHE OPÉRATIONNELLE 9 II.1) Exemple avec deux variables 19 3.3) Les problèmes de concurrence 9 III. INTERDISCIPLINAIRE 9 PROGRAMMATION LINEAIRE 14 I.INTRODUCTION 9 I.3) Forme canonique 15 1. PROBLÉMATIQUE DE LA PROGRAMMATION LINÉAIRE 14 1.4) Paramétrisation des coeff. CONVEXITÉ 19 III.2) Méthode des tableaux 21 a) PL1 sous forme standard 21 b) Exercice 1 22 c) Exercice 2 23 d) Exercice 3 26 e) Exercice 4 27 3.2) Les problèmes aléatoires 9 2.4) Méthode plus rapide (des regrets) 48 1.1) Problème : répartition des expéditions 45 1. DOMAINES D'APPLICATION 9 2.

2) Méthode PERT 88 2.1) flot à travers un réseau 72 2.2) Chemins 59 II.1) Exercices 80 ORDONNANCEMENT 85 I.5) Méthode de Georges DEMOUCRON 64 CHEMIN DE VALEUR OPTIMALE 71 I. des circuits hamiltoniens 64 3.1) Matrice latine 60 2.3) Fermeture transitive 63 3. ALGORITHME DE FORD-FULKERSON 72 2.2) Procédure 73 2.LES GRAPHES 58 I.3) Comparaison des deux méthodes 89 a) Opérations parallèles 89 b) Opérations dépendantes et indépendantes 90 c) Opérations composées (successions avec recouvrement) 90 III.1) Méthode MPM 86 a) Exemple des tâches du bâtiment 86 b) Exemple: travail de graphe 86 2.1) Graphe 58 1. INTRODUCTION 95 1.4) Recherche des classes fortement connexes.2) Matrices booléenne et arithmétique 61 a) Matrice arithmétique : 61 b) Matrice booléenne : 61 III. EXERCICES 90 PROCESSUS STOCHASTIQUES 95 I.2) Forte connexité 62 3. MATRICES ASSOCIÉES À UN GRAPHE 60 2. DÉFINITION – VOCABULAIRE 58 1.1) Connexité 62 3. ALGORITHME DE FORD 71 II. INTRODUCTION 85 Contraintes potentielles : 85 II.1) Historique 95 . CONNEXITÉ – FORTE CONNEXITÉ 62 3.3) Recherche d’un flot complet initial 75 2. PROBLÈME D’AFFECTATION 78 3. MÉTHODES D’ORDONNANCEMENT 86 2.4) Exercices 78 a) Exercice n°1: Plus court chemin 78 b) Exercice n°2: Chemin de longueur minimale 78 c) Exercice n°3: Flot maximal 78 III.

2) Définition d'un Processus Stochastique 95 II. LOIS UTILISEES 107 3.1) Probabilités et matrice de transition 96 2. EXERCICES 109 5. INTRODUCTION 104 II. DISTRIBUTION DES ÉTATS D'UNE CHAÎNE 99 V.3) Systèmes à structure mixte 109 V.1) Système à structure en série 108 4.2) Système à structure parallèle 108 4.1) Exercice n° 1 109 5.2) Exercice n° 2 110 5.1. GRAPHE DES TRANSITIONS – CLASSIFICATION DES CHAÎNES 98 3. LES CHAÎNES DE MARKOV À ESPACE D'ÉTATS DISCRET 96 2.1) Loi exponentielle 107 3. ETUDE DES CHAÎNES RÉDUCTIBLES 99 VI.1)Exemple sur les processus aléatoires 98 IV. LES CHAÎNES DE MARKOV À TEMPS CONTINU 99 VII. FIABILITÉ D’UN SYSTÈME ET DE SES COMPOSANTS 108 4.2) Probabilités de transition en m étapes 96 III.TERMINOLOGIE 104 2.2) Loi de Weibull 107 IV. COMPORTEMENT ASYMPTOTIQUE DES CHAÎNES 99 VIII. PROCESSUS DE NAISSANCE ET DE MORT 99 FIABILITÉ 104 I.2) Taux d’avarie ou taux de défaillance 104 a) Relations fondamentales 106 b) Estimation des fonctions R et F 106 III. GENERALITES .1) Fonction de défaillance et fn de fiabilité 104 2.3) Exercice n° 3 110 .

en main d’œuvre. Introduction Un décideur a un projet à réaliser. ti + 2/3 di ≤ tj ⇔ 2/3 di ≤ tj -ti d’une manière générale. ti + di] ∩ [tj. tj + dj] = ∅  contraintes cumulatives : les moyens sont limités. [ti. Si par exemple. Ces dernières sont articulées entre elles par des contraintes : Contraintes potentielles :  Contraintes de succession : telle chose doit se faire complètement ou partiellement avant une autre.ti (où βij est une donnée)  contraintes disjonctives : exclusion mutuelle car les tâhces ne peuvent pas se faire en même temps (exemple : les tâches i et j utilisent une même ressource : une seule machine. ti + di ≤ tj ⇔ di ≤ tj .ti si 2/3 i précède j.RECHERCHE OP. puis chacune de ces tâches est décomposée en tâches élémentaires. en équipement. α ij di ≤ tj – ti càd βij ≤ tj . – CNAM AIX 2001-2002 ORDONNANCEMENT Il s'agit de l'utilisation des graphes pour optimiser les enchaînements (le chemin critique dans l'organisation des tâches). …). un équipement n’est disponible qu’entre les instants t1 et t2 Formalisation : Soit di : la durée de la tâche i données dj : la durée de la tâche j ti : la date de début de la tâche i inconnues tj : la date de début de la tâche j Contraintes : si i précède j. I. on peut utiliser un diagramme de GANT : charpentiers couvreurs plom biers m açon 0 10 20 30 40 50 .  la tâche i doit être aux 2/3 commencée avant que j commence = succession partielle  Localisation temporelle : disponibilité dans le temps.  la tâche i précède la tâche j = succession totale . en budget Pour illustrer une solution. il le décompose en macro-tâches.

(ce sont celles qui. Le chemin critique α–C-F-G-ω ne doit pas connaître de retard car c'est lui qui impose sa durée. on représentera les deux tâches ainsi : a b 2 Ainsi. un calendrier si les contraintes sont compatibles en déterminant pour chaque tâche la date ti de début de la tâche i 2. i. d'autres non. a) Exemple des tâches du bâtiment La construction d'un bâtiment nécessite les interventions des personnes suivantes: Maçons-platriers: 1 mois Couvreur: 1 mois Electricien: 15 jours Carreleur: 3 semaines 1m Départ maçon 2m 1m couvreur 1m 3 sem 15j 1. b de durée inconnue. Si deux sommets sont liés par un arc. électric. Le sommet du graphe représente le début de la tâche a dans un graphe MPM. Succession de deux opérations : a de durée 4. Roy On la représente grâce à un graphe G=(X. 3. Cette méthode peut être complétée par des tableaux (qui marcherait aussi avec la méthode PERT). d’établir un ordonnancement.II.1) Méthode MPM MPM = méthode des Potentiels Métra. Leurs buts sont : 1. de minimiser la durée totale du projet. sur un graphe MPM. du Professeur B. certaines tâches ont de la marge. si elles subissent un retard. Fin 2 m 1s b) Exemple: travail de graphe Dans cette organisation. Méthodes d’ordonnancement Deux méthodes sont principalement utilisées pour résoudre les problèmes d’ordonnancement à contraintes potentielles : les méthodes MPM (française) et PERT (américaine). décalent la fin prévue du projet) et d’évaluer les marges des tâches non critiques. . la valeur numérique associée à l’arc (i. 4 Si b ne peut débuter que deux unités de temps après le début de a.5 m carrel. 2.e. b a b ne pouvant débuter qu’une fois a achevée. d’énumérer les tâches critiques.U) où les sommets représentent les tâches (auxquelles on a ajouté une tâche de début α et une tâche de fin ω) et les arcs traduisent les contraintes.j) est le délai minimum après le début de la tâche i au bout duquel peut démarrer la tâche j. cela signifie que l’opération associée à l’extrémité initiale de l’arc doit être commencée pour que puisse débuter l’opération liée à l’extrémité terminale de l’arc.

tH* -18)=28 tD*= min (tG* . tC =3. 63-17)= 46. tE= max(14+0)=14. tH+17)= max(48+15.(en gras et souligné dans le tableau) .Tâches A B C D E F G H I Contraintes Peut débuter 5 jours après l’origine Peut débuter dès l’origine Peut débuter 3 jours après l’origine Ne peut débuter que quand A et B sont finis Quand B est fini Quand B et C sont finis Quand D. tE* -14. 14+18. tB = 0. tF* = tF= 23 (ce sont des tâches critiques). 48+10.8. F sont finis A 5 0 α B D 16 5 14 14 E 14 3 20 C G 8 8 18 18 25 F I 25 18 Durée 16 j 14 j 20 j 8j 18 j 25 j 15 j 17 j 10 j 15 ω 10 17 H 10 De plus en α. tH* = max( 32. tA = 5. 32+17)=63 Alors le chemin critique est α C F G ω. tI+10. 25+23)=48 tH= max (tE+18. il y a trois tâches critiques. tF= max(14+0. tF+25)=max(21+8. t ω*= tω. tF* -14) = 9 tA* = min (tD* -16)= 26 On peut également calculer les dates au plus tôt et les dates au plus tard par les tableaux suivants : Dates au plus tôt : 0 α 5 5 A 0 B 3 α:0 0 α :0 3 C 21 α :0 16 14 D 14 A :5 B :0 14 E 23 B : 0 14 20 F 48 G 32 H 48 I 63 ω B:0 C:3 8 18 25 D : 21 E : 14 F : 23 10 18 C:3 E : 14 8 18 25 D : 21 E : 14 F : 23 15 17 10 G : 48 H : 32 I : 48 Chemin critique Chaque colonne de ce tableau est constituée : Date au plus tôt de Xi Nom du sommet : Xi Durée de la tâche XjXi Prédécesseur Xj: date au plus tôt de Xj On retrouve le chemin critique en repartant de ω et en déterminant le chemin qui a permis de trouver la date au plus tôt de ce sommet final. tC+10) = 32 tω = max(tG+15. 23+25)=48. E. tE+18. 63-10)=53 tG* = tG = 48. tC* = tC tE* = min (tG*-18. le projet durera au minimum 63 jours. E. 14+0)=21. 20+3)=23. tF+25)=max(21+8. 14+18. la tâche H doit et peut commencer entre le 32ème jour et le 45ème j.18. F sont finis Quand E est fini et que la moitié de C est réalisée Quand D. tI*-8)= 40 tB* = min (tD* -14. tD = max (16+5. tE+18. tI= max (tD+8. tG= max (tD+8. tI* . tI*= max (48. t α = 0.

dans chaque colonne de ce tableau. puis en remontant les calculs.Dates au plus tard : α 0 A 24 B 9 A: B: C :3 5 D :40 0 3 16 D :40 E :28 F :23 14 F :23 20 14 H :46 10 14 C 3 D 40 G :48 8 I :53 8 E 28 G: 48 18 H: 46 18 I: 53 18 F 23 G: 48 25 I: 53 25 G 48 ω :63 15 H 46 ω :63 17 I 53 ω: 63 10 On remplit ce tableau après le précédent en partant du sommet final ω et de la date minimale de fin du projet : 63. mais les sommets représentent des étapes de la réalisation du projet et les arcs les tâches.2) Méthode PERT PERT= Program Evaluation Research of Tascks Dans cette méthode. Les sommets sont les aboutissements des opérations. Le moment 1 est le démarrage de a. Pour cela. durée de l’opération. Si on veut représenter la succession de deux opérations a et b. ou représentent la réalisation de certaines étapes ou objectifs partiels du programme (opérations fictives parfois). Notation : Numéro de l’étape k Date au plus tard de l’étape k Date au plus tôt de l’étape k L’opération est donc représentée par un arc auquel on associe une valeur numérique. si b peut commencer dès que deux unités de temps ont été consacrées à a. mais il n’est pas b(6) a(4) 3 2 1 obligé de commencer immédiatement après. on représente aussi les tâches et les contraintes qu’elles subissent à travers un graphe G = (X. il faut introduire un autre sommet : 1 a(2) 2 b (6) a(4) 3 4 ω 63 . l’instant 3 est l’achèvement de b. on a inscrit : Nom du sommet : Xi Successeur Xj: date au plus tard de Xj Date au plus tard de Xi Durée de la tâche XiXj 2. U). En revanche. l’instant 2 est l’achèvement de a et le moment où b peut commencer. a durant 4 unités de temps et b 6. on tracera : b ne peut débuter que quand a est achevé.

7. Marges pour l’étape 10 par exemple : il y a quatorze jours de marge entre la fin de l’opération qui mène à 11 et le début de l’opération H pour ne pas retarder l’achèvement des travaux 2.Pour le même exemple que plus haut.3) Comparaison des deux méthodes a) Opérations parallèles Soient deux opérations b et c devant satisfaire aux conditions suivantes : s’effectuer en même temps. on obtient le graphe suivant : 8 D 21 40 8 A 16 5 24 ϕ1 ϕ3 5 B 0 0 E ϕ2 0 3 4 3 3 ϕ5 0 3 14 23 14 9 48 48 C1 10 15 10 63 63 I 0 10 ϕ6 0 5 C2 10 13 13 ϕ8 0 12 63 63 7 32 46 18 ϕ4 G 6 H F 17 25 23 23 ϕ7 11 32 46 0 Chemin critique On retrouve que les tâches critiques sont C. F et G. Remarque : on ne peut pas tracer ce style de graphe. c. car il ne serait pas simple : a(3) 2 c(5) b(2) 3 d(7) 2 4 b’(0) : opération virtuelle 1 b 4 a d 3 5 c . b.d sont : 3. Les durées respectives de a. précéder une opération d. succéder à une même opération a. 2. 5. PERT : a(3) 1 MPM : 2 b(2) c(5) d(7) 3 3 3’ On peut interchanger le rôle de b et c par symétrie.

c et d n’ont pas des rôles symétriques d c) Opérations composées (successions avec recouvrement) Situation : certaines opérations peuvent débuter avant l’achèvement complet d’une opération : Exemple : a dure 2 jours . qui dure 3 jours. qui dure 7 jours. Exercices 4 b3 2 1 8 2 d . e. PERT : MPM : deux solutions. peut débuter 1 jour après le début de b . Il faut fractionner l’opération en plusieurs sous-opérations successives : 1 a(2) 2 b1(1) b2(2) 3 b3(4) 5 c(3) 4 7 a 2 b1 e(2) 1 b2 c d(4) Ou : c 2 e d 6 a 1 b 2+1=3 1+2+4=7 e III. qui dure 2 jours. d . qui dure 4 jours. peut débuter 3 jours après le début de b. c. telles que c succède à a sans succéder à b et d succède à la fois à a et à b. et c et d de durées respectives 3 et 1 indépendantes.b) Opérations dépendantes et indépendantes Soient a et b deux opérations de durée respectives 5 et 2 indépendantes. succède à b . PERT : MPM : a(5) 1 c(3) 3’ 4 a a’(0) b(2) 2 d(1) 3 c 5 2 b Attention : cette fois. l’autre non. l’une en fractionnant. b. succède à a .

PROCESSUS STOCHASTIQUES .

3) Représentation graphique 47 1.doc ______________________________________________________________________________ INTRODUCTION 9 I.1) Problème : répartition des expéditions 45 1. CONVEXITÉ 19 III. PRÉSENTATION DE LA RECHERCHE OPÉRATIONNELLE 9 II.2) Modélisation du problème 46 1.6) Forme standard 17 II. INTERDISCIPLINAIRE 9 PROGRAMMATION LINEAIRE 14 I.2) Méthode des tableaux 21 a) PL1 sous forme standard 21 b) Exercice 1 22 c) Exercice 2 23 d) Exercice 3 26 e) Exercice 4 27 3.6) Cas de dégénérescence 50 II.4) Formulation générale 16 1.4) Paramétrisation des coeff. DUALITÉ : 37 PROBLEMES DE TRANSPORT 45 I.5) Interprétation géométrique 16 1.5) Changement de base 48 1.2) Exemple 14 a) Agriculteur 14 b) Usine 15 1. PROBLÉMATIQUE DE LA PROGRAMMATION LINÉAIRE 14 1. MÉTHODE DU SIMPLEXE 19 3.3) Forme canonique 15 1.1) Règle du coin Nord-Ouest ("hasard") 50 ___________________________________________________________________ DI GALLO Frédéric Page 92 22/10/200808 .1) Introduction 14 1. DOMAINES D'APPLICATION 9 2.1) Exemple avec deux variables 19 3. PROPRIÉTÉS DE LA R.1) Les problèmes combinatoires 9 2.4) Méthode plus rapide (des regrets) 48 1. RECHERCHE D’UNE SOLUTION INITIALE 50 2.3) Méthode des 2 phases et méthode M 29 a) Exemple 1 : 29 b) Méthode des 2 phases : 29 c) Méthode M ou des perturbations : 31 3. EXEMPLE DE L'USINE 45 1.O. 32 IV.2) Les problèmes aléatoires 9 2. de la fn éco.9580622.3) Les problèmes de concurrence 9 III.

1) Méthode MPM 86 a) Exemple des tâches du bâtiment 86 b) Exemple: travail de graphe 86 2.2) Méthode PERT 88 2.1) flot à travers un réseau 72 2.2) Forte connexité 62 3.5) Méthode de Georges DEMOUCRON 64 CHEMIN DE VALEUR OPTIMALE 71 I.2) Chemins 59 II.3) Fermeture transitive 63 3. MÉTHODES D’ORDONNANCEMENT 86 2.3) Comparaison des deux méthodes 89 a) Opérations parallèles 89 b) Opérations dépendantes et indépendantes 90 c) Opérations composées (successions avec recouvrement) 90 III.1) Connexité 62 3.1) Exercices 80 ORDONNANCEMENT 85 I. PROBLÈME D’AFFECTATION 78 3.2) Procédure 73 2. EXERCICES 90 PROCESSUS STOCHASTIQUES 95 ___________________________________________________________________ DI GALLO Frédéric Page 93 22/10/200808 . CONNEXITÉ – FORTE CONNEXITÉ 62 3.3) Recherche d’un flot complet initial 75 2.2) Règle de Balas-Hammer : 51 LES GRAPHES 58 I.doc ______________________________________________________________________________ 2. ALGORITHME DE FORD-FULKERSON 72 2. MATRICES ASSOCIÉES À UN GRAPHE 60 2. des circuits hamiltoniens 64 3.2) Matrices booléenne et arithmétique 61 a) Matrice arithmétique : 61 b) Matrice booléenne : 61 III.1) Graphe 58 1. DÉFINITION – VOCABULAIRE 58 1.1) Matrice latine 60 2. INTRODUCTION 85 Contraintes potentielles : 85 II.4) Recherche des classes fortement connexes. ALGORITHME DE FORD 71 II.9580622.4) Exercices 78 a) Exercice n°1: Plus court chemin 78 b) Exercice n°2: Chemin de longueur minimale 78 c) Exercice n°3: Flot maximal 78 III.

1)Exemple sur les processus aléatoires 98 IV. LES CHAÎNES DE MARKOV À ESPACE D'ÉTATS DISCRET 96 2. INTRODUCTION 95 1. PROCESSUS DE NAISSANCE ET DE MORT 99 FIABILITÉ 104 I.3) Exercice n° 3 110 ___________________________________________________________________ DI GALLO Frédéric Page 94 22/10/200808 . GRAPHE DES TRANSITIONS – CLASSIFICATION DES CHAÎNES 98 3. ETUDE DES CHAÎNES RÉDUCTIBLES 99 VI.2) Définition d'un Processus Stochastique 95 II.2) Probabilités de transition en m étapes 96 III.1) Historique 95 1. DISTRIBUTION DES ÉTATS D'UNE CHAÎNE 99 V.1) Loi exponentielle 107 3.3) Systèmes à structure mixte 109 V.9580622. COMPORTEMENT ASYMPTOTIQUE DES CHAÎNES 99 VIII.1) Probabilités et matrice de transition 96 2.doc ______________________________________________________________________________ I. EXERCICES 109 5. INTRODUCTION 104 II. LES CHAÎNES DE MARKOV À TEMPS CONTINU 99 VII.1) Fonction de défaillance et fn de fiabilité 104 2.2) Système à structure parallèle 108 4.1) Exercice n° 1 109 5. LOIS UTILISEES 107 3. GENERALITES . FIABILITÉ D’UN SYSTÈME ET DE SES COMPOSANTS 108 4.TERMINOLOGIE 104 2.2) Loi de Weibull 107 IV.2) Taux d’avarie ou taux de défaillance 104 a) Relations fondamentales 106 b) Estimation des fonctions R et F 106 III.1) Système à structure en série 108 4.2) Exercice n° 2 110 5.

Elle est noté ε. Puis.1) Historique La première idée de la théorie des processus se trouve chez Einstein en 1905 dans l'étude du mouvement brownien. Khintchine. 1. on parle de suite stochastique Si Xt prend des valeurs finies ou dénombrables. on parle de processus stochastique  Si T = IN . Levy. Markov décrit l'alternance des voyelles et des consonnes dans "Eugène Ouéguine" de Pouchkine à l'aide d'une chaîne de Markov. Kolmogorov rédige la formalisation des processus stochastiques. on parle de processus à espace d'états continu. sinon. INTRODUCTION On appelle processus stochastique tout problème qui dépend du hasard. En 1933. A tous instants u et t avec t>u . Un processus est Markovien s'il est sans mémoire (c'est à dire qu'il ne dépend pas de ce qui s'est passé avant).9580622.2) Définition d'un Processus Stochastique Un processus stochastique est une famille de variables aléatoire Xt. temps continu. 1. Feller. t ∈ T (T représentant le plus souvent le temps). on parle de chaîne. vers 1910. temps discret. La variable Xt représente l'état du processus au temps t et l'ensemble de toutes les valeurs possibles pour cette variable s'appelle espace des états du processus.doc ______________________________________________________________________________ RECHERCHE OP.  Si T = IR+ . En 1910. Dood ont développé cette théorie. – CNAM AIX 2001-2002 PROCESSUS STOCHASTIQUES I. la probabilité que Xt = y ne dépend pas de Xs pour s<u et de Xu mais seulement de Xu: P (Xt = y / Xs pour s<u et Xu=x) = P (Xt = y / Xu = x) ___________________________________________________________________ DI GALLO Frédéric Page 95 22/10/200808 . le danois Erlang crée la théorie des files d'attente pour l'aider à résoudre des problèmes de dimensionnement de standards téléphoniques. Kendall.  Si ε est fini ou dénombrables. Depuis. on dit que le processus est à espace d'états discret.

j .1) Probabilités et matrice de transition On pose Pij = P (X1 = j / X0 = i ) pour (i. j) ∈ ε² (nombre d'élément de ε) En supposant que ε est fini. Soit une chaîne de Markov à espace d'états discret T = { t0. t1. … . 2. Avec Pij ≥ 0 P11 …………… P1r r : : P (X1 = Ej / Xo = Ei) = 1 ∑ j=1 : : : : Pr1 …………… Prr = M (matrice des transitions) Remarque: Toute matrice de transition est stochastique. On a clairement P(0) = P0 et P(1) = P ___________________________________________________________________ DI GALLO Frédéric Page 96 22/10/200808 . on pose r = card ε et on peut définir une matrice P appelé matrice de transition. …} 1 2 n La probabilité de transition est: P (Xn = Ej / Xm = Ei ) pour n>m Il s'agit de passer de l'état Ei à l'état Ej en un temps n-m. Définition: Une matrice carrée P = (Pij) est stochastique si ses éléments sont positifs ou nuls: ∀i.2) Probabilités de transition en m étapes La probabilité d'aller de i à j en m étapes exactement est Pij(m) = P (Xm = j / X0 = i ) et s'appelle probabilité de transition en m étapes de i à j. Convention: P(0) = I . …} (souvent confondu avec IN) ε = { E . tn. Pij ≥ 0 .doc ______________________________________________________________________________ II. soit: Pij = P (Xn = Ej / Xn-1 = Ei ) = P (X1 = Ej / X0 = Ei ) Remarque: le plus souvent. j=1 2. P (Xt+u = s / Xt =x) ne dépend pas de t mais seulement de u (et de x et s…). E . les processus étudies sont homogènes. Les Chaînes de Markov à espace d'états discret En recherche opérationnelle. ε est fini. La somme des éléments de chaque ligne est égale à 1: r ∑ P ij = 1 pour tout i. … .9580622. en pratique. E .

9580622. ___________________________________________________________________ DI GALLO Frédéric Page 97 22/10/200808 . P(m) = Pm pour tout m ∈ IN .doc ______________________________________________________________________________ Propriété: .

P(n+m) = P(n) P (m) pour tout n.1 0. des produits matriciels k =1 Conclusion de la récurrence: P(m) = Pm pour tout m ∈ IN .3 1 0.8 0.4 0.1 B 0.1 ou bien l'envoie avec la probabilité 0. etc.5 ___________________________________________________________________ DI GALLO Frédéric Page 98 22/10/200808 .3 0.9580622. Ainsi l'élève A. Le surveillant donne un ballon à l'élève A et un ballon à l'élève I.1) Exemple sur les processus aléatoires Dans la cour de récréation d'une école. l'élève C s'il reçoit le ballon le renvoie toujours à F. m ∈ IΝ III.5 0.2 C D E F G H 0.4 1 0.5 à l'élève B. la durée de la transition tant aussi de trois secondes.1 Si P (X0 = A) = 1 alors P (X1 = C) = 0 et P (X1 = B) = 0.4 0.1 0.6 1 0. La matrice de transition décrit le comportement de tout élève. ce qui prend encore trois seconde. Pij(m) = P (Xm=j / X0=i) r = ∑ P (X = ∑ Pkj m k =1 r (1) = j / Xm -1 = k) P (Xm -1 = k / X0 = i) Pik (m -1) = terme (ij) de P. Graphe des transitions – Classification des chaînes 3. m ∈ IN .2 0. la durée de la transition étant encore de trois seconde. D'autres élèves ont des comportements plus simples. le garde encore trois seconde avec la probabilité 0.doc ______________________________________________________________________________ En effet.4 à l'élève H. par exemple.8 1 0. n.3 0.1 0.4 0. 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.P m -1 =P m par déf. ou bien l'envoie avec la probabilité 0. r ou Pij(n+m) = ∑ Pkj (m) Pik (n) k =1 pour i. Propriété: équation de Chapman-Kolmogorov: . dès qu'il détient le ballon.5 0. des enfants s'exercent au ballon.5 I J K L 0. j ∈ε.2 0.7 0.

M = ∏(0) .1 P (X0 = B) = 0. ligne matrice carrée de même ∏(2) = ∏(1) .1 r ∑ P (X P (X1 = B) = 0 = Ej ) P (X1 = B / X0 = Ej) (formule des probabilités totales) k =1 = 0.8 x 0. Distribution des états d'une chaîne V.1 Alors P (X1 = A) = P (X0 = A) x P (X1 = A / X0 = A) = 0.Processus de naissance et de mort ___________________________________________________________________ DI GALLO Frédéric Page 99 22/10/200808 .6 = 0.doc ______________________________________________________________________________ Si P (X0 = A) = 0. M² d'où ∏(n) = ∏(0) . … .2 + 0 x 0. Etude des chaînes réductibles VI. Mn Graphe: A B K D I H G C L E J F IV. Les chaînes de Markov à temps continu VII. M . P(X0=Er) ) (distribution initiale des probabilités des états) .1 x 0. P(X0=E2).8 P (X0 = C) = 0.9580622. Comportement asymptotique des chaînes VIII.5 + 0.21 Mathématiquement: ∏(0) = ( P(X0=E1). ∏(1) = ∏(0) .1 x 0.

doc ______________________________________________________________________________ FIABILITE ___________________________________________________________________ DI GALLO Frédéric Page 100 22/10/200808 .9580622.

1) Problème : répartition des expéditions 45 1. MÉTHODE DU SIMPLEXE 19 3. DUALITÉ : 37 PROBLEMES DE TRANSPORT 45 I. EXEMPLE DE L'USINE 45 1.O.2) Méthode des tableaux 21 a) PL1 sous forme standard 21 b) Exercice 1 22 c) Exercice 2 23 d) Exercice 3 26 e) Exercice 4 27 3. INTERDISCIPLINAIRE 9 PROGRAMMATION LINEAIRE 14 I.6) Forme standard 17 II.5) Changement de base 48 1.1) Les problèmes combinatoires 9 2.1) Exemple avec deux variables 19 3. DOMAINES D'APPLICATION 9 2. PRÉSENTATION DE LA RECHERCHE OPÉRATIONNELLE 9 II.9580622. CONVEXITÉ 19 III.4) Formulation générale 16 1.2) Exemple 14 a) Agriculteur 14 b) Usine 15 1. RECHERCHE D’UNE SOLUTION INITIALE 50 2.5) Interprétation géométrique 16 1.3) Représentation graphique 47 1. 32 IV.1) Introduction 14 1.3) Forme canonique 15 1.2) Les problèmes aléatoires 9 2.2) Modélisation du problème 46 1.6) Cas de dégénérescence 50 II.3) Les problèmes de concurrence 9 III. de la fn éco.4) Paramétrisation des coeff.3) Méthode des 2 phases et méthode M 29 a) Exemple 1 : 29 b) Méthode des 2 phases : 29 c) Méthode M ou des perturbations : 31 3.4) Méthode plus rapide (des regrets) 48 1.doc ______________________________________________________________________________ INTRODUCTION 9 I. PROPRIÉTÉS DE LA R.1) Règle du coin Nord-Ouest ("hasard") 50 ___________________________________________________________________ DI GALLO Frédéric Page 101 22/10/200808 . PROBLÉMATIQUE DE LA PROGRAMMATION LINÉAIRE 14 1.

ALGORITHME DE FORD 71 II.3) Comparaison des deux méthodes 89 a) Opérations parallèles 89 b) Opérations dépendantes et indépendantes 90 c) Opérations composées (successions avec recouvrement) 90 III. DÉFINITION – VOCABULAIRE 58 1.1) flot à travers un réseau 72 2. MATRICES ASSOCIÉES À UN GRAPHE 60 2.2) Procédure 73 2.2) Chemins 59 II.2) Forte connexité 62 3.3) Recherche d’un flot complet initial 75 2. EXERCICES 90 PROCESSUS STOCHASTIQUES 95 ___________________________________________________________________ DI GALLO Frédéric Page 102 22/10/200808 .doc ______________________________________________________________________________ 2.1) Exercices 80 ORDONNANCEMENT 85 I.1) Graphe 58 1.3) Fermeture transitive 63 3. CONNEXITÉ – FORTE CONNEXITÉ 62 3. des circuits hamiltoniens 64 3.1) Connexité 62 3.4) Exercices 78 a) Exercice n°1: Plus court chemin 78 b) Exercice n°2: Chemin de longueur minimale 78 c) Exercice n°3: Flot maximal 78 III.9580622. ALGORITHME DE FORD-FULKERSON 72 2.2) Méthode PERT 88 2.4) Recherche des classes fortement connexes.1) Matrice latine 60 2.5) Méthode de Georges DEMOUCRON 64 CHEMIN DE VALEUR OPTIMALE 71 I.2) Matrices booléenne et arithmétique 61 a) Matrice arithmétique : 61 b) Matrice booléenne : 61 III. MÉTHODES D’ORDONNANCEMENT 86 2. INTRODUCTION 85 Contraintes potentielles : 85 II. PROBLÈME D’AFFECTATION 78 3.2) Règle de Balas-Hammer : 51 LES GRAPHES 58 I.1) Méthode MPM 86 a) Exemple des tâches du bâtiment 86 b) Exemple: travail de graphe 86 2.

9580622.doc
______________________________________________________________________________
I. INTRODUCTION 95
1.1) Historique 95
1.2) Définition d'un Processus Stochastique 95
II. LES CHAÎNES DE MARKOV À ESPACE D'ÉTATS DISCRET 96
2.1) Probabilités et matrice de transition 96
2.2) Probabilités de transition en m étapes 96
III. GRAPHE DES TRANSITIONS – CLASSIFICATION DES CHAÎNES 98
3.1)Exemple sur les processus aléatoires 98
IV. DISTRIBUTION DES ÉTATS D'UNE CHAÎNE 99
V. ETUDE DES CHAÎNES RÉDUCTIBLES 99
VI. LES CHAÎNES DE MARKOV À TEMPS CONTINU 99
VII. COMPORTEMENT ASYMPTOTIQUE DES CHAÎNES 99
VIII. PROCESSUS DE NAISSANCE ET DE MORT 99

FIABILITÉ 104
I. INTRODUCTION 104
II. GENERALITES - TERMINOLOGIE 104
2.1) Fonction de défaillance et fn de fiabilité 104
2.2) Taux d’avarie ou taux de défaillance 104
a) Relations fondamentales 106
b) Estimation des fonctions R et F 106

III. LOIS UTILISEES 107
3.1) Loi exponentielle 107
3.2) Loi de Weibull 107
IV. FIABILITÉ D’UN SYSTÈME ET DE SES COMPOSANTS 108
4.1) Système à structure en série 108
4.2) Système à structure parallèle 108
4.3) Systèmes à structure mixte 109
V. EXERCICES 109
5.1) Exercice n° 1 109
5.2) Exercice n° 2 110
5.3) Exercice n° 3 110

___________________________________________________________________
DI GALLO Frédéric

Page 103

22/10/200808

9580622.doc
______________________________________________________________________________

RECHERCHE OP. – CNAM AIX 2001-2002

FIABILITÉ
I.

INTRODUCTION

La fiabilité est l’aptitude d’un système, d’un matériel à fonctionner sans incident pendant un
temps donné. Pour l’AFNOR c’est la caractéristique d’un dispositif qui s’exprime par la
probabilité pour ce dispositif d’accomplir la fonction requise, dans des conditions
déterminées, pendant une période donnée. Prévoir la fiabilité est essentiel pour des raisons de
sécurité (systèmes de freinage, systèmes nucléaires, systèmes informatiques, …). La quasi
impossibilité de réparer certains matériels, (satellites), les problèmes économiques (coûts de
défaillances, gestion du personnel de maintenance, maintenance des stocks de pièces de
rechange, ...) rendent nécessaire la connaissance de la fiabilité des systèmes utilisés. On ne
considérera ici que des situations simples.

II. GENERALITES - TERMINOLOGIE
2.1) Fonction de défaillance et fn de fiabilité
On considère dans un premier temps un dispositif unique ou un groupe de dispositifs
identiques de même provenance utilisés dans des conditions semblables, dont les propriétés
sont susceptibles de se modifier au cours du temps. Au bout d’un certain temps appelé durée
de vie, le système cesse de satisfaire aux conditions d’utilisation. On considérera soit un
groupe de dispositifs identiques, on relèvera alors les temps jusqu’à la défaillance, soit un
dispositif unique réparé après chaque panne, en supposant que la réparation n’influe pas sur
les conditions initiales de fonctionnement du dispositif, on relève alors les temps entre
défaillance. Cette durée de vie permet de définir une variable aléatoire T, absolument
continue à valeur dans R+. Sa fonction de répartition F, appelée fonction de défaillance est
donc la probabilité pour que le système soit en panne avant l’instant t. F(t) = P(T < t). On
considère également la fonction de fiabilité R qui donne la probabilité pour que le système
fonctionne après un temps d’utilisation t.
R(t) = P(T ≥ t) = 1 - F(t).

2.2) Taux d’avarie ou taux de défaillance
Considérons un ensemble de systèmes identiques, tous mis en service à l’instant t, on peut
relever le nombre N(t) de systèmes en état de marche. Le taux de défaillance moyen dans un
intervalle de temps [t, t1], rapporté au nombre de systèmes encore en vie au début de cet
intervalle s’exprime par :

___________________________________________________________________
DI GALLO Frédéric

Page 104

22/10/200808

9580622.doc
______________________________________________________________________________
(N(t) – N(t1)) / N(t)( t1 - t)
Par analogie, si la fonction de fiabilité R est dérivable, on définit le taux instantané d’avarie
par la fonction λ définie par

λ (t) = lim t1→t (R(t) – R(t1)) / R(t)(t1 – t) = - R’(t) / R(t).

On constate expérimentalement que la courbe représentative de cette fonction est, pour de
nombreux systèmes, une courbe en baignoire.
Trois périodes sont à distinguer, notées (1), (2) et (3). Durant la première période, le taux de
défaillance décroît, il correspond à des fautes de jeunesse. Durant la seconde, qualifiée de vie
utile, il reste à peu près constant, les pannes semblent seulement dues au hasard. Durant la
troisième période, le taux d’avarie croît rapidement, les pannes sont alors due aux défauts
causés par l’usure.
Pour un système dont la fonction de fiabilité est R, désignons par p(h) la probabilité pour que
le système tombe en panne entre les instants t et t + h sachant qu’il n’y a pas eu de défaillance
pendant l’intervalle [0, t] où t est fixé. Le taux instantané de défaillance est :

λ (t) = limh→0 p(h) / h.
Soit E1, respectivement E2, les évènements "le système fonctionne après le un temps
d’utilisation t" et "le système tombe en panne entre les instants t et t + h".
On a p(h) = P(E2|E1) = P(E1∩E2) / P(E1).
Par ailleurs
P(E1) = R(t) = 1 – F(t) et P(E1∩E2) = P(t ≤ T ≤ t + h) = F(t + h) – F(t).
Il en résulte que

λ (t) = limh→0 (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 continûment dérivable sur [0, +∞ [, ce qui
implique que λ est continue sur [0, +∞ [.
MTBF (Mean Time Between Failure): moyenne des temps entre deux défaillance à ne pas
confondre avec la moyenne des temps de bon fonctionnement. La MTBF est l’espérance
mathématique de la variable aléatoire T représentant la durée de vie du système, si f est la
densité de probabilité de T, alors :

MTBF = E(T) = ∫0+∞ tf(t)dt
___________________________________________________________________
DI GALLO Frédéric

Page 105

22/10/200808

29 0.9580622.39 0.18 9 0.07 ___________________________________________________________________ DI GALLO Frédéric Page 106 22/10/200808 .07 0.72 0.3) / (N + 0.18 0.61 0.39 7 1660 0.93 2 230 0. On obtient ainsi le tableau suivant : t N(t) R(t) F(t) 90 8 8/9 1/9 230 7 7/9 2/9 530 6 6/9 3/9 720 5 5/9 4/9 950 4 4/9 5/9 1260 3 3/9 6/9 1660 2 2/9 7/9 2380 1 1/9 8/9 0 0 1 Cette méthode d’estimation est acceptable si le nombre des systèmes mis en service à l’instant t = 0 est suffisamment grand. Les temps de bon fonctionnement en heures jusqu’à défaillance sont : Pièce n° T 1 90 2 350 3 950 4 1660 5 530 6 1260 7 2380 8 230 9 720 On estime R(t) par le quotient par 9 du nombres de système en état de marche à l’instant t.5 6 1260 0. Pratiquement si N désigne ce nombre de systèmes.61 5 950 0. on estime F(t) à l’instant de la i-ème défaillance par :  i / N si N > 50 (méthode des rangs bruts)  i / (N + 1) si 20 < N <= 50 (méthode des rangs moyens)  (i .doc ______________________________________________________________________________ a) Relations fondamentales Ln(R(t)) = ∫0t λ(u)du F(t) = 1 .82 0.4) si N <= 20 (méthode des rangs médians) Par exemple. t]. dans le cas précédent.28 8 2380 0.5 0.93 0. Exemple : L’étude de la fiabilité de pièces mécaniques a conduit à étudier la durée de vie de 9 de ces pièces.71 4 720 0.0.82 3 530 0. on obtient en utilisant les rangs médians: i t F(t) R(t) 1 90 0.exp(-∫0t λ(u)du) b) Estimation des fonctions R et F Une estimation de R(t) est fournie par le pourcentage de dispositifs n’ayant pas subi de défaillance dans l’intervalle de temps [0.

LOIS UTILISEES 3.8%. On alors λ(t) = λ On a alors F(t) = 1 . il faut envisager une loi dont le taux d’avarie est constant. on a ainsi : λ (t) = β / η . [(t .  Si β = 1.…) et pour lesquels les défauts de jeunesse sont inexistants. le taux d’avarie est constant  Si β > 1. si t > γ. [(t -γ) / η] β .1.γ) / η] β] si t ≥ γ.1) Loi exponentielle Si on considère des systèmes ne présentant pas de phénomènes d’usure (semi-conducteurs.γ) / η] β-1 exp [ .2) Loi de Weibull On se place dans le cas de système ne tombant pas en panne avant l’instant g et dont le taux d’avarie n’est pas constant après cet instant mais est une fonction puissance du temps.[(t . 1 . η : paramètre de dispersion. 0 sinon.e-λt si t ∈ [0. On obtient la densité de probabilité de T.exp(-[(t . La fonction de fiabilité est donc : R(t) = 1 si t ≤ γ . exp(-[(t .γ)/η] β) si t > γ. γ : paramètre de position.doc ______________________________________________________________________________ III.00094. f(t) = β / η . ___________________________________________________________________ DI GALLO Frédéric Page 107 22/10/200808 .368.9580622. le taux d’avarie est croissant.15 3. alors le taux d’avarie est décroissant. On en déduit que la probabilité pour que la pièce fonctionne au moins 2000 heures est R(2000) = exp(-2000/1060) ≈ 0.  Si 0 < β < 1.γ)/η] β) si t > γ. Dans l’exemple ci-dessus. +∞[ et R(t) = e-λt MTBF = E[T] = 1 / λ La probabilité pour que le système fonctionne après un temps d’utilisation égal à la MTBF est R(1/λ) = 1 / e ≈ 0. soit 36. on peut approximer la loi par une loi exponentielle de paramètre λ ≈ 1 / 1060 ≈ 0. 0 si t < γ . F(t) = 0 si t ≤ γ.

Le système est défaillant si chacun des composants est défaillant. Les évènements "Ti > t" étant indépendants. où le nombre A est donné par une table de Weibull.2) Système à structure parallèle Un système présente une structure parallèle si l’état de marche d’un seul de ses composants entraîne celle du système. C1 C2 La fonction de défaillance F est définie par F(t) = P(T ≤ t) = P(T1 ≤ t et … et Tn ≤ t) = P(T1 ≤ t). Il est souvent représenté par le schéma : C1 C2 C3 La durée de vie du système S est définie par la donnée de la fonction R. Fiabilité d’un système et de ses composants 4. De même V(T) = Bη2 où B est donné également par la table. 4. on a : P(T > t) = P(T1 > t et T2 > t et … et Tn > t) = P(T1 > t) . Le calcul pratique se fait grâce à la formule E(T) = ηA + γ. … . IV. P(T2 > t) …P(Tn > t) D’où R(t) = Π 1 ≤ i ≤ n Ri(t) Exemple : Si les composants suivent des lois exponentielles de paramètre λi.1) Système à structure en série Un système présente une structure série si la défaillance d’un seul de ses composants entraîne celle du système. R suit une loi exponentielle de paramètre λ = λ1 + … + λn .9580622.doc ______________________________________________________________________________ β : paramètre de forme. On montre que la MTBF est : MTBF = E(T) = ηΓ(1 + 1 / β) + γ.P(Tn ≤ t) D’où C3 ___________________________________________________________________ DI GALLO Frédéric Page 108 22/10/200808 .

doc ______________________________________________________________________________ R(t) = 1 – F(t) = 1 .2 lui-même à structure parallèle. C1 C3 C4 C2 C5 ___________________________________________________________________ DI GALLO Frédéric Page 109 22/10/200808 .9580622. 0 sinon. Calculons la MTBF de ce système. La durée de vie de ce sous-système est: R1.Π1 ≤ i ≤ n (1 . Déterminer la fonction de fiabilité R de ce système. Pour chaque composant Ci. soit en parallèle. MTBF = 1 / (λ1 + … + λn) 4.( R1(t) + R2(t) – R1(t).R2(t) C3 C2 Par la suite : R(t) = R3(t).2(t) = 1 – (1 – R1(t))(1 – R2(t)) = R1(t) + R2(t) – R1(t). V.Ri(t)) Exemple : Un système à structure série est constitué de n composants Ci indépendants dont la durée de vie Ti suit une loi exponentielle de paramètre li.R2(t)). R(t) = exp(λ1t + … + λnt) si t ≥ 0.1) Exercice n° 1 Soit un système S constitué de 5 composants suivant le schéma ci-dessous. nous avons Ri (t) = exp(λi t) si t ≥ 0. 0 sinon. on peut en général le décomposer en sous-systèmes qui sont soit en série. λ = λ1 + … + λn. Exemple : C1 Le système est une structure série du composant C3 et du sous-système noté C1. EXERCICES 5. La fonction de fiabilité de ce système est définie par le produit de ces fonctions d’où. de fonction de fiabilité respective Ri. D’où. On en déduit que le système suit une loi exponentielle de paramètre.3) Systèmes à structure mixte Si le système n’est ni à structure série ni à structure parallèle.

135 et 165. 1) Déterminer la MTBF et calculer le temps de bon fonctionnement pour une défaillance admise de 50%.doc ______________________________________________________________________________ 5. Quelle est la MTBF ? Calculer la probabilité de voir le système tomber en panne pendant la première année de fonctionnement.2) Exercice n° 2 La fiabilité d’un type de machines a été ajustée par une loi de Weibull de paramètres γ = 40. 2) Calculer le taux d’avarie pour les valeurs t = 45. η = 60 et β= 1.3) Exercice n° 3 La fiabilité d’un portail automatique suit une loi exponentielle de paramètre λ =1.1.9580622. 10-3. 5. ___________________________________________________________________ DI GALLO Frédéric Page 110 22/10/200808 .52 . 105. 75.

Sign up to vote on this title
UsefulNot useful