Recherche opérationnelle Résumé des heuristiques Et Recueil d’applications pour étudiants en gestion Jean – Paul TSASA V. Kimbambu copyright ©jptsasa-mars 2010 Graphe de Vaclav Chvátal −l’Hamiltonien, l’Eulerien, Théorème des 4 couleurs, 4-régulier, conjecture de Grünbaum pm(X) :=det(XIn-M) : (x - 4)(x - 1)4x2(x + 1)(x + 3)2(x2 + x - 4) Université Protestante au Congo Département d’Administration des Affaires LABORATOIRE D’ANALYSE – RECHERCHE EN ECONOMIE QUANTITATIVE Avertissements Ce recueil est en cours de rédaction, mais le besoin croissant chez les étudiants d’un support d’applications cadrant avec la logique du cours tel qu’enseigné en Administration des affaires, nous a tout de même poussés à ne mettre en circulation que la face visible de l’iceberg. L’édition complète sera prête qu’au début de l’année académique 2010-2011. Le principal souci qui nous anime tout au long de la rédaction de ce manuel est celui de comble un vide : l’absence quasi-totale, depuis près de cinq années académiques successives, d’un recueil d’applications pouvant relayer le cours magistral (suivant l’approche adoptée par le Professeur) aux travaux pratiques. A ces jours, il est universellement admis que les mathématiques jouent un rôle fondamental dans le développement de notre vie et dans le progrès réalisé par l’humanité, notamment en physique, sciences sociales, gestion ou informatique. Cependant, pour nombre d’étudiants, les mathématiques ne rendent pas toujours la vie plus facile. Cela s’explique par le fait qu’ils s’attardent à voir le côté complexité de calcul, au lieu d’admirer ce qui constitue sa beauté : le raisonnement mathématique. Ce manuel n’a pas l’objectif de ne mettre en évidence que la complexité de calculs mathématiques mais surtout la prééminence du raisonnement mathématique (raisonnement logique et rigoureux) sur la compréhension des méthodes appliquées en recherche opérationnelle. Un langage simple et simplifié a été adopté, à cet effet, afin de permettre à l’étudiant d’appréhender les méthodes et techniques de résolution utilisées dans cette discipline. Par ailleurs, la recette d’applications qui seront proposée, par la suite, l’aidera certainement à se préparer aux différentes épreuves, notamment, l’examen final. Doter l’étudiant de la capacité de résoudre, lui – même, les différentes applications constitue donc la clé du succès et de la réussite. Jean-Paul Tsasa V., l’auteur. Kinshasa, 8 mars 2010 Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 1 INTRODUCTION La recherche opérationnelle n’est qu’un des outils d’analyse utilisés en science économique. A cet effet, elle permet d’assigner de manière efficace les ressources ou activités dans la gestion et l’organisation des systèmes complexes. A ce titre, la Recherche opérationnelle ne peut qu’intéresser les économistes étant donné que l’économie se définit comme une discipline des sciences sociales ayant pour objet d’étude l’allocation optimale des ressources rares et limitées à des fins multiples et concurrentes de production et de consommation. Le schéma suivant illustre avec beaucoup d’éloquence le discours précédent. SCIENCE ECONOMIQUE C’est P.A Samuelson qui popularisa l’éclatement de l’économie en micro & macro MICROECONOMIE MACROECONOMIE Macroéconomie microfondée (nouvelle approche développée et popularisée par la NEC) Outils et méthodes d’analyse : - Mathématiques Statistiques descriptive, mathématique, appliquée, … Modélisation (théorique, mathématique, économique) Econométrie (Microéconométrie, Macroéconométrie, …) Comptabilité nationale Recherche opérationnelle (programmation, simulation, gestion, …) I. PROGRAMMATION LINEAIRE ET METHODES DE RESOLUTION α/ PROGRAMMATION LINEAIRE La programmation linéaire est un ensemble des techniques rationnelles d’analyse et de résolution de programmes linéaires. Un programme linéaire ý , terminologie due à G.B. Dantzig, est un problème d’optimisation consistant à maximiser ou à minimiser une fonction-objectif (fonction économique) de n variables de décision soumises à un ensemble de contraintes exprimées sous forme d’équations ou d’inéquations linéaires. La solution à ce problème correspondra donc à une affectation de valeurs non négatives aux variables du problème. Le programme linéaire se présente comme suit : Avec Z : la fonction-objectif ou fonction économique à optimiser C : le vecteur de coefficients de la fonction-objectif, de dimension n X : le vecteur des variables des décisions (inconnues), de dimension n A : la matrice de coefficients techniques, de dimension mxn B : le vecteur de ressources (termes constants) de dimension m ý Un programme est qualifié de linéaire lorsque la fonction-objectif et les contraintes sont des combinaisons linéaires des variables du premier degré. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 2 NOTE : l’introduction des variables d’ampleur dans les contraintes fonctionnelles permet de convertir les inégalités en égalités et donc de passer de la forme canonique, à la forme standard d’un programme linéaire. Un programme linéaire peut se mettre sous de multiples formes, toutes équivalentes : - Le sens de l’inégalité peut changer ; - Le terme constant peut passer de gauche à droite ; - Les inégalités peuvent être remplacées par des égalités en introduisant des variables d’écart et/ou variables artificielles ; - Le programme peut également être transposé. Propriété d’un programme linéaire En plus de la linéarité, l’autre propriété des éléments du problème est la convexité. La propriété de convexité est liée à la définition du domaine d’un programme linéaire. SOLUTION (PROGRAMME) D’UN PROGRAMME LINEAIRE VIDE Faisable ou réalisable Il n’existe pas de solution faisable ou réalisable NON VIDE Lorsque toutes les contraintes sont satisfaites. Bornée : lorsque le problème admet au moins une solution optimale Non bornée : lorsque le problème n’admet pas de solution optimale finie. Par ailleurs, il faudra distinguer une solution faisable, une solution de base, une solution faisable de base, une solution faisable de base optimale et une solution faisable de base non dégénérée. Il découle de la propriété de convexité le théorème suivant : Dans un ensemble convexe, un optimum (maximum ou minimum) local correspond à un optimum global. Il est donc clair que ce théorème est très important puisque le programme linéaire se propose de maximiser ou de minimiser l’objectif fixé dans la fonction économique c’est-à-dire de déterminer soit le sommet maximum ou minimum, soit les sommets maximum ou minimum et toute combinaison linéaire convexe de ces sommets. L’étudiant doit dès lors s’habituer aux différents concepts suivants portant sur les ensembles. Les notions suivantes se rapportent essentiellement à la topologie générale ; le langage a été simplifié afin de permettrait au débutant de bien déguster la recette scientifique. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 3 Notions à retenir nécessairement ! Combinaison linéaire convexe : C’est tout point ou vecteur X d »fini par la relation : : Un ensemble S est convexe si, pour toute paire de points a, b de S, des points ou des vecteurs Ensemble convexe S contient aussi le segment le segment ab. Polyèdre (polygone) convexe : Un polyèdre convexe Ρ est un ensemble convexe qui possède un nombre fini de points extrêmes. Sommet d’un ensemble : convexe Un point frontière d’un ensemble convexe est un sommet si et seulement si, il n’existe aucun point X1 et X2 (X1≠X2) appartenant à l’ensemble tels que appartienne à l’ensemble. Minimum local : « a » est un minimum local de f s’il existe un voisinage V de a tel que : Minimum global : « a » est un minimum global de f dans D si et seulement si : Maximum local : « a » est un maximum local de f s’il existe un voisinage V de a tel que : Maximum global : « a » est un maximum global de f dans D si et seulement si : Ensemble borné : Un ensemble A est borné s’il existe une constante positive majorant la norme de tous les éléments de A. Ensemble fermé : Est un sous – ensemble d’un espace topologique qui contient tous ses points limites (frontières). Ensemble compact : D’après le théorème de Borele – Lebesgue, c’est un sous-ensemble de Rn si et seulement s’il est fermé et borné. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 4 β/ METHODES DE RESOLUTION D’UN PROGRAMME LINEAIRE Il y a lieu de distinguer plusieurs techniques, méthodes ou algorithme de résolution d’un programme linéaire. Deux méthodes seront privilégiées et explicitées, à savoir, la méthode graphique et l’algorithme du simplexe, avant de présenter l’analyse de la sensibilité et la programmation paramétrique. Enfin, une série d’applications sera reprise à la fin du résumé. Le choix de méthode et le préalable avant l’application de ces méthodes doivent s’effectuer intelligemment puisqu’ils diffèrent d’une méthode à une autre. Le schéma ci-dessous est si éloquent à cet effet. CRITERE DE CHOIX DE LA METHODE DE RESOLUTION Programme linéaire avec 2 variables Programme linéaire avec plus 2 variables ↓ ↓ A partir de la forme canonique Passer de la forme canonique ↓ → à la forme standard Résoudre le problème avec la méthode ↓ graphique Appliquer l’algorithme du simplexe Résolution d’un programme linéaire par la méthode graphique : La résolution graphique d’un programme linéaire correspond à une présentation géométrique qui approche la solution du problème posé. Dans la résolution de programmes linéaires, l’application de la méthode graphique est généralement souhaitée lorsque le problème ne comprend que 2 variables principales. 1ère étape : Dérivation des droites limites et des sommets de l’ensemble solution ème 2 - Résoudre le système d’inéquations (contraintes fonctionnelles). étape : Délimitation les domaines d’acceptabilité Hachurer l’ensemble-solution (la zone qui vérifie l’inéquation correspondante). 3ème étape : Recherche des combinaisons optimales - Substituer chaque combinaison (sommet) dans la fonction économique, la combinaison qui optimise (maximise/minimise selon le cas) la fonction-objectif correspond à la solution optimale. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 5 Algorithme du simplexe ou méthode de tableaux George Bernard DANTZIG (1914-2005) : mathématicien américain, inventeur de l'algorithme du simplexe et considéré comme l’un des principaux contributeurs au développement de la programmation linéaire. L’invention de la programmation linéaire, indissociable de celle de l’algorithme du simplexe en 1947, constitue l’un des tours de force mathématiques du vingtième siècle. En plus de ses travaux sur l'algorithme du simplexe et la programmation linéaire, G.B. Dantzig a aussi travaillé sur la théorie de la décomposition, la sensitivity analysis, les méthodes de résolution matricielles avec pivot, l'optimisation à grande échelle, la programmation non-linéaire et le programming under uncertainty. Un simplexe est un polyèdre, dans l'espace à n dimensions ayant exactement (n + 1) points extrêmes. L’algorithme du simplexe exige, au départ, une transformation du programme de la forme canonique à la forme standard ; cela se fait en introduisant les variables d’écart Yj dans les contraintes fonctionnelles. FORME CANONIQUE Max Z = C1X1 + C2X2 + … + CnXn S/C → FORME STANDARD Max Z = C1X1 + C2X2 + … + CnXn + 0Y1 + 0Y2 + … + 0Ys a11X1 + a12X2 + … + a1nXn ≤ b1 a11X1 + a12X2 + … + a1nXn + Y1 = b1 a21X1 + a22X2 + … + a2nXn ≤ b2 a21X1 + a22X2 + … + a2nXn = b2 = bm . . . . . . am1X1 + am2X2 + … + amnXn ≤ bm + Y2 am1X1 + am2X2 + … + amnXn Et Xj ≥ 0 + Ys Et Xj ≥ 0, Yj ≥ 0 NOTE : le problème peut également s’écrire comme suit : Algorithme primal du simplexe 1ère étape : Passage de la forme canonique à une forme standard. 2ème étape : Construction d’un tableau qui permet d’appliquer le test d’optimalité, de réaliser les itérations et de quantifier l’objectif à optimiser (initialement Z=0). X1 a11 a21 . . . am1 -C1 X2 a12 a22 am2 -C2 … … Xn a1n a23 Y1 1 0 Y2 0 1 amn -Cn 0 0 0 0 Note : ais … … Ys 0 0 1 b1 b2 1 0 bm Z qi=bi/ais b1/a1s b2/a2s . . . bm/ams ligne pivot 3ème étape : Test d’optimalité - La solution courante est optimale si tous les coûts Ci sont non négatifs ; - Dans le cas contraire (si au moins un coût est négatif), passer à l’étape 4. 4ème étape : Détermination de la colonne-pivot et de la ligne-pivot : - Colonne-pivot : correspond à la colonne contenant le plus petit coût négatif ; - Ligne-pivot : correspond à la ligne qui contient le plus petit qi non négatif. 5ème étape : Transformation du tableau (itération) en vue de l’obtention d’un nouveau tableau. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 6 Le nouveau tableau s’obtient comme suit : Colonne-pivot : remplacer l’élément pivot par 1 et les autres éléments de la colonne-pivot par - 0. Ligne-pivot : diviser tous les éléments de la ligne-pivot par l’élément pivot ars. - Pour toutes les autres lignes et colonnes, appliquer ce calcul : Ancien tableau Nouveau tableau e w e e*= ? 0 e*= ? u ars u u/ ars 1 u/ ars e w e e*= ? 0 e*= ? u : élément quelconque sur la ligne-pivot // w : élément quelconque sur la colonne-pivot ars : élément-pivot → : cette formule permet donc d’obtenir les différentes valeurs de aij, bi, Cj et Z dans le nouveau tableau, soit aij*, bi*, Cj* et Z*. 6ème étape : Reprendre l’étape 2. Le problème dual A tout problème de maximisation (ou minimisation), on peut associer un problème de minimisation (ou maximisation) correspondant. En notant par PRIMAL le problème initial ; le problème correspondant s'appellera donc DUAL. Illustration par un exemple la notion de Primal et Dual. PRIMAL DUAL Maximiser π = 36X1 + 24X2 Minimiser C = 32Y1 + 40Y2 + 55Y3 S/C : 5X1 + 8X2 ≤ 32 S/C: 5Y1 + 4Y2 + 7Y3 ≥ 36 4X1 + 6X2 ≤ 40 8Y1 + 6Y2 + 9Y3 ≥ 24 7X1 + 9X2 ≤ 55 Avec X1, X2 ≥ 0 Avec Y1, Y2, Y3 ≥ 0 π : profit et C : coût de production. Il ressort de cette illustration quelques principes très simples : * Chaque contrainte primale correspond une variable duale réelle, ainsi, le nombre de variables du dual doit toujours être égal au nombre de contraintes du primal ; * Chaque variable primale réelle correspond une contrainte duale; * Le sens de l'optimisation est inversé : si le primal est un problème de maximisation, le dual est alors un problème de minimisation et vice versa ; * La matrice des coefficients des variables dans Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 7 les contraintes du dual est la matrice transposée des coefficients de variables du primal ; *Les coefficients économiques des variables duales sont les valeurs figurant au second membre des contraintes primales ; * Les seconds membres des contraintes du dual sont les coefficients des variables primales ; * Les signes des inégalités des contraintes du dual sont les signes renversés des constantes du primal, mais la contrainte de non négativité sur les variables de décision subsiste. NOTE : Le problème dual est opposé au primal, par conséquent, il possible de dériver la solution de l'un à partir de celle de l'autre. Comparativement aux notions d’inverse matriciel ou de transposition, le primal est le dual du dual. Par ailleurs, comme le nombre d'itérations nécessaires pour la solution du simplexe dépend aussi du nombre d'équations du tableau du simplexe, ainsi, le problème dual ne fournit des opérations plus simples que le primal lorsque le dual a moins de lignes que le primal. APPLICATIONS I APPLICATION 1/ Une entreprise d'assemblage d'automobiles rassemble des voitures et des camions dans une usine divisée en deux ateliers. L'atelier I, où s'effectue le travail d'assemblage et de montage, et l'atelier II où s'accomplissent toutes les opérations de finissage. L'atelier I emploie 10 journées de travail par camion et 4 journées par voiture. L'atelier II emploie 6 journées de travail indifféremment un camion ou une voiture. En raison de limitations de personnel et de machines, l'atelier I peut disposer de 252 journées de travail par an et l'atelier II 189 journées. Si l'entreprise fait un profit de 450 F par camion et de 300 F par voiture, combien doit-il produire de chaque type de véhicules pour maximiser son profit ? APPLICATION 2/ La société minière du KATANGA (la SOMIKA) possède deux puits différents de cobalt. Les puits sont en deux lieux distincts et n'ont pas la même capacité de production. Le cobalt est d'abord concassé, puis rangé sans l'une des trois qualité suivant sa teneur : minerais riche, moyen et pauvre. Les trois qualités sont demandées sur le marché. APPLICATION 3/ La SOMIKA s'est engagée à fournir à une fonderie 150 tonnes de minerai riche, 100 de moyen et 300 tonnes de minerai pauvre par semaine. L'exploitation du premier puits coûte à la société 1.750 F par jour et celle du deuxième 1.200 F par jour. En un jour d'exploitation le premier puits produit 30 tonnes en de minerai riche, 10 tonnes de minerai moyen et 20 tonnes de minerai pauvre et le deuxième puits, 10 tonnes de minerai riche, 10 tonnes de minerai moyen et 60 tonnes de minerai pauvre. Combien de jours par semaines faut-il exploiter chaque mine pour que les engagements soient tenus le plus économiquement possibles ? APPLICATION 4/ Soit à transporter les marchandises produites dans les usines P1, P2... Pi...Pm vers les centres de consommation D1, D2 ..., Dj... Dn. Les quantités produites dans une usine i sont qpi, les quantités demandées dans un centre de consommation j sont qdj et les coûts de transport cij d'une quantité de marchandises du centre de production Pi vers le centre de consommation Dj se trouvent dans le tableau ci-dessous : D1 D2 D3 D4 qpi P1 15 10 3 8 65 P2 6 6 10 8 78 P3 1 10 10 8 29 qdj 40 45 30 20 Formuler le programme de ce problème. APPLICATION 5/ AFRIPAINT veut lancer sur le marché deux autres sortes de peintures : Pastel Mauve (PM) et Pastel Pourpre (PP). Ces peintures sont des mélanges de trois couleurs : le rouge, le bleu et le blanc. Dans une première période, on produira 1.000 kg de PM et 500kg de PP. Le PM doit contenir entre 15% et 25% de rouge et entre 10% et 15% de bleu. La quantité de blanc, pour le PM, doit être au moins deux fois la quantité de rouge + le bleu. Le PP doit contenir entre 5 et 10% de rouge et entre 15 et 20% de bleu. Pour le PP, la quantité de la couleur blanche doit être au moins trois fois la quantité de rouge et le bleu. Le rouge coûte 50 Fr/kg. Le prix du bleu est de 60 Fr/Kg et le blanc coûte 70 Fr le kilo. Le rouge doit être importé; la licence de la Banque Centrale du Congo pour ce produit est limitée à un maximum de 1.200. AFRIPAINT veut minimiser le coût. Formuler le programme linéaire de ce problème. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 8 APPLICATION 6/ Hydro-Congo veut lancer deux nouvelles marques d'huile sur le marché. Ces nouvelles huiles sont en fait des mélanges des huiles importées. Les conditions techniques font que la marque I doit contenir au moins 10% de Shell, au moins 5% de Fina, au moins 20% de Mobil et au moins 30% de British Petroleum (B.P.). Pour la marque II, le mélange contient au moins 15% de Shell, au moins 50% de Fina, au moins 5% de Mobil et au moins 10% de B.P. L'huile Shell coûte 1,70 F le litre, l'huile Fina, 1,80 F/litre, l'huile Mobil, 1,70 F/litre et l'huile B.P. 2 F le litre. Les livraisons minimales pour chaque entreprise pétrolière sont de 300 litres pour Shell, 500 litres pour Fina, 200 litres pour Mobil et 500 litres pour B.P. Toutefois, pour la marque I, la quantité achetée par Mobil et B.P. est au plus égale à quatre fois celle de Shell plus Fina. Comme Société d'Etat, Hydro-Congo accepte de vendre à perte, tout en s'efforçant de minimiser le coût. Hydro-Congo doit produire 1.000 litres pour la marque I et 600 litres pour la marque II. Travail demandé : a. Formuler le programme linéaire de ce problème; b. Combien y a-t-il de variables ? De contraintes ? APPLICATION 7/ Donner la Forme standard des programmes suivants: a) Maximiser Z = 4x1 + 3x2 - x3 + 2x4 +6x5 S/C : 3x1 + x3 - x5 = 3 ; 2x1 + x2 - 3x4 = -12 ; Avec xj ≥ 0 (j = 1, 2, 3, 4, 5) b) c) d) Minimiser Z = 4x1 + 2x2 Soumises aux contraintes : Maximiser P = x + y Sous les contraintes : x2 + x3 + x5 = 4 4x1 + x2 ≥ 20, 2x1 + x2 ≥ 14 ; x1 + 6x2 ≥ 18 et x1, x2 ≥ 0 2y - x + 1 ≥ 0, y - 2x + 5 ≥ 0 ; x ≥ 0 et y ≥ 0 Maximiser Z = -x + 0,5y Soumises aux contraintes : -2y + x - 1 ≥ 0, y - x - 1 ≥ 0 ; x ≥ 0 et y ≥ 0 APPLICATION 8/ La compagnie AGRIFOR veut utiliser aux mieux les ressources en bois de ses propriétés forestières. Dans cette région, il y a une science et une fabrique de contre-plaqués. Le bois coupé peut ainsi être transformé en bois de charpente ou en contre-plaqué ? Pour produire 100m3 de bois de charpente, il faut 100 m de planches de «Nkamba» et 3.000 m de planche d'eucalyptus (ces planches ayant une largeur et une épaisseur fixées). Pour produire 1.000 m de planche de contreplaqués, il faut 2.000 m de planches de «Nkamba» et 4.000 m de planches d'eucalyptus. La compagnie peut couper par période 32.000 m de planches de Nkamba et 72.000 m de planches d'eucalyptus. Les contraintes de vente exige qu'au moins 400 m3 de bois de charpente et 12.000 m de planches de contre-plaqué soient produits pendant la période. Le profit est de 400 $ pour 100 m3 de bois de charpente et de 600 $ pour 1.000 m de planches de contre-plaqué. La demande est suffisante pour absorber toute la production possible de l'AGRIFOR. Travail demandé : a) Formuler le problème mathématiquement ; b) Résoudre le problème graphiquement ; APPLICATION 9/ Un manufacturier produit des tables et des bureaux. Chaque table requiert 2,5 heures pour l'assemblage, 3 heures pour le buffing et 1 heure pour le grating. La production de chaque bureau exige 1 heure d'assemblage, 3 heures de buffing et 2 heures de grating. La firme peut utiliser tout au plus 20 heures pour l'assemblage, 30 heures pour le buffing et 16 heures pour le grating par semaine. Son profit marginal est de 30 $ par table et de 40 $ par bureau. Utiliser la méthode graphique pour trouver la production qui maximise le profit hebdomadaire de la firme. APPLICATION 10/ Une société produit deux types d'aciers. Le type 1 exige deux heures de fusion, 4 heures de laminage et 10 heures de tranchée (coupure). Le type II exige 5 heures de fusion, une heure de laminage et 5 heures de tranchée. 40 heures sont utilisables pour la fusion, 20 heures pour le laminage et 60 pour la tranchée. Le profit marginal est de 2400 $ pour le type I et de 800 $ pour le type II. Déterminer la combinaison d'output qui maximise le profit de la firme. APPLICATION 11/ Un horticulteur souhaite mélanger des fertilisants pourvoyant un minimum de 15 unités de potasse, 20 unités de nitrates et 24 unités de phosphate. La première marque pourvoie 3 unités de potasse, une unité de nitrate et 3 unités de phosphate. Elle coûte 120 F. La marque II pourvoie 1 unité de potasse, 5 unités de nitrate et 2 unités de phosphate. Elle coûte 60 F. Déterminer la combinaison de fertilisants que l'horticulteur peut acquérir au moindre coût. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 9 APPLICATION 12/ Utiliser l'algorithme de simplexe pour résoudre le programme linéaire suivant : Max P = 3y1 + 4y2 S/C : 2,5y1 + 3y2 ≤ 20, 3y1 + 3y2 ≤ 30 avec y1, y2 ≥ 0 y1 + 2y2 ≤ 16 APPLICATION 13/ Résoudre par l'algorithme du simplexe le PL : Max P = 30x1 + 24x2 + 60x3 S/C : 6x1 + 3x2 + 5x3 ≤ 30, 2x1 + 2x2 + 10x3 ≤ 50 et x1, x2, x3 ≥ 0 APPLICATION 14/ Soit le problème primal : Minimiser C = 36x1 + 30x2 + 40x3 S/C : 2x1 + 5x2 + 3x3 ≥ 40, 6x1 + 3x2 + 2x3 ≥ 60 et x1, x2, x3 ≥ 0 a) b) Formuler le dual; Résoudre le dual graphiquement, utiliser cette solution pour trouver les valeurs optimales de la fonction objective du primal et de la variable de décision du primal. APPLICATION 15/ Etant donné le problème primal suivant : Max P = 5x1 + 3x2 S.C. 6x1 + 2x2 ≤ 36, 5x1 + 5x2 ≤ 40, 2x1 + 4x2 ≤ 28, avec x1, x2 ≥ 0 a) b) Formuler le dual ; b. Résoudre le dual par l'algorithme de simplexe. APPLICATION 16/ Formuler le dual du programme linéaire suivant : Max Z = 1,8x1 + 2,4x2 + 6x3 + x4 Avec les contraintes : 2,4x1 + 3,2x2 + 4x3 + 7,2x4 ≤ 21 3,0x1 + 17 x2 + 80x3 + 2,0x4 ≥ 48 avec x1, x2, x3, x4 ≥ 0 Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 10 II. PROGRAMMES DU TRANSPORT ET D’AFFECTATION α/ PROBLEME LINEAIRE DU TRANSPORT : les méthodes abrégées Caractéristiques - Un problème de transport est un programme de minimisation du coût de transport. - C’est un problème qui s’inscrit dans la lignée de programmes linéaires Le problème de transport a pour but d’acheminer au moindre des marchandises depuis m origines vers n destinations. Autrement, le problème peut s’illustrer comme suit : Places « » Zi = Offre de produit Xij Origine (dépôts, usines) Note : les places « colonne. : quantité des produits transportés de l’origine destination . : coût de transport d’une unité du produit places aux places . à la Places « » Wi = demande de produit Xij Destination (points de vente, clients) de » se lisent suivant la logique ligne, alors que les places « » se lisent suivant la logique La formulation et la résolution d’un programme de transport a pour cible : - La minimisation du coût de transport - L’obtention d’une demande excédentaire nulle c’est-à-dire satisfaire la demande dans toutes les places et éliminer les fournitures dans toutes les places En conséquence, il y a de souligner qu’avant toute résolution d’un programme de transport, il faut toujours s’assurer de l’égalité entre l’offre de l’ensemble de toutes les places des places et la demande globale soit : En cas d’inégalité, inclure dans le problème une place fictive (place additionnelle) avec des valeurs arbitraires de coûts : Ajouter une colonne fictive. Cette colonne correspond donc à un écoulement de surplus Ajouter une ligne fictive afin de saturer la production. A partir des cas pratiques, nous allons passer en revue les différentes techniques de résolution d’un problème de transport. En s’intéressant en un premier temps aux méthodes qui permettent d’obtenir un plan de transport faisable, et ensuite, au test d’optimalité. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 11 * COMMENT ECRIRE UN PROBLEME DE TRANSPORT Un problème du transport peut être présenté Sous forme d’un modèle mathématique : Optimisation (minimisation du coût) sous contraintes Sous forme tabulaire : Matrice, grille ou tableau et vecteur (offre et demande) Sous forme d’un graphe biparti Sachant que , le problème du transport peut donc s’écrire comme suit : PRINCIPAUX ELEMENTS D’UN MODELE DE TRANSPORT IDENTIFICATION DE LA MATRICE DE COÛTS DE TRANSPORT Explicitement, la matrice de coûts unitaires : C =[Cij] se présente comme suit : * Vecteur-colonne d’offres : Z = (Zi) = (Z1, Z2, …, Zm) Au départ (initialement), la matrice courante est composée des éléments Xij (pour tout i et j) tel que Xij=0. Soit : * Vecteur-ligne de demandes : W = (Wj) = (W1, W2, …, Wn) Avec I = {1, 2, …, m} Note : Avec J= {1, 2, …, n} L’indice « i » fait toujours référence à la ligne et l’indice « j », à la colonne. Avant de résoudre un problème de transport, vérifier toujours : In fine, les matrices C et X peuvent être représentées dans un tableau (grille) unique. En conséquence, les données relatives au problème de transport peuvent être disposées comme suit : Places Ai : Offreurs du bien Xij A1 A2 . . . Am Places Bj : demandeurs du bien Xij B1 B1 … C11 C12 … X11 X12 C21 C22 X21 X22 . . . Cm1 Cm2 Xm1 Xm2 … W1 W2 Bn C1n Z1 X1n C2n Z2 X2n . . . Zm Cmn I = {1, 2, …, m} Xmn … Wn J= {1, 2, …, n} Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 12 LES METHODES DE RESOLUTION D’UN PROBLEME DU TRANSPORT Comme il est toujours intéressant pour un guitariste de disposer d’une guitare avec plusieurs cordes, il en de même pour l’économiste mais pour les méthodes ou technique de recherche. A cet effet, la Recherche opérationnelle disponibilise plusieurs méthodes pour résoudre les problèmes du transport. Certaines méthodes ignorent les éléments de la fonction-objectif (méthode du coin nord-ouest ou règle du coin supérieur gauche), une deuxième catégorie des méthodes considère les coefficients de la fonction-objectif et enfin, une troisième catégorie permet de tester l’optimalité d’un plan de transport (méthode de stepping-stone). Généralement, la résolution d’un problème du transport commence par la détermination d’un plan de transport faisable qui n’est nécessairement pas optimal. Pour ce faire, il faut un test pour s’assurer de l’optimalité ou non d’un plan de transport. Le schéma suivant permet de visualiser les différentes méthodes de résolution d’un programme de transport, de la détermination du plan de transport faisable au test d’optimalité. 1ère étape : DETERMINATION D’UN PLAN DE TRANSPORT FAISABLE (ADMISSIBLE) Méthodes ignorant les éléments de la fonction- Méthodes considérant les éléments de la objectif fonction-objectif ↓ ↓ Méthode du coin nord-ouest Méthode du minimum de la ligne Méthode du minimum de la colonne Méthode du minimum de tableau Méthode de double préférence Méthode d’approximation de Vogel Obtention d’un plan de transport faisable Le plan de transport est-il optimal ? 2ère étape : TEST D’OPTIMALITE OU TECHNIQUES DE VALORISATION Si le plan n’est pas optimal Amélioration du plan de transport par l’algorithme du stepping stone jusqu’à l’obtention d’un plan optimal Source : notre propre conception Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 13 EXPLICITATIONS DES ALGORITHMES SUR LES DIFFERENTES METHODES DE RESOLUTION D’UN PROBLEME DE TRANSPORT Les différentes étapes d’une itération pour la méthode de : COIN NORD-OUEST MINIMUM DE LA LIGNE MINIMUM DE LA COLONNE MINIMUM DE LA MATRICE Initialement X = [Xij] où xij = 0 Avec I = {i} et J = {j} Initialement X = [Xij] où xij = 0 Avec I = {i} et T Initialement X = [Xij] où xij = 0 Avec J = {j} et T Initialement X = [Xij] où xij =0 Avec I = {i}, J = {j} et T T : correspond aux différents éléments de la matrice de coût qu’il ne faudrait pas considérer. 1ère étape : Déterminer r et s 1ère étape : Déterminer r 1ère étape : Déterminer s 1ère étape : Déterminer s r = le plus petit indice-ligne I et s = le plus petit indice-colonne J [on sait que I = {1, 2, .., m} et J = {1, 2, …, n}] 2ème étape : Préciser et déterminer et tel que: 3ème étape : Poser et calculer les nouvelles valeurs de pour les nouveaux vecteurs Z=(Zi) et W=(Wj) : 2ème étape : Déterminer (dans ce cas, c’est la plus petite valeur sur la ligne « r ») ; Et préciser «s» correspondant. Note : 2ème étape : Déterminer (dans ce cas, c’est la plus petite valeur sur la colonne « s ») ; Et préciser «r» correspondant. 2ème étape : Déterminer (dans ce cas, c’est la plus petite valeur sur la colonne « s ») ; Et préciser «r» correspondant. 3ème étape : * Préciser 3ème étape : * Préciser 3ème étape : * Préciser déterminer et et tel que: * Poser et calculer les nouvelles valeurs de : déterminer et et tel que: * Poser et calculer les nouvelles valeurs de : déterminer * Poser nouvelles : et et tel que: et calculer les valeurs de , correspondant à la ligne r et à la colonne s 4ème étape : La matrice courante X constitue un un plan de transport faisable si et seulement 4ème étape : La matrice courante X constitue un un plan de transport faisable si et seulement 4ème étape : La matrice courante X constitue un un plan de transport faisable si et seulement 4ème étape : La matrice courante constitue un un plan transport faisable si seulement Dans le cas contraire, reprendre les différentes étapes de l’itération. Note : La méthode du coin nord-ouest est également qualifiée de règle du coin supérieur gauche. Du point de vue mathématique, cette méthode consiste donc à faire entrer dans la base les variables par ordre lexicographique croissant sans faire sortir de la base les variables que l’on fait entrer. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 14 X de et Méthode de double préférence : Initialement et X = [Xij] avec Xij = 0 1ère étape : Déterminer : * l’ensemble Q : Q = {Cis} * l’ensemble S : S = {Crj} où Cis est le coût minimum sur chaque ligne où Crj est le coût minimum sur chaque colonne 2ème étape : Noter : M(2) : l’ensemble des Cij appartenant, à la fois, aux ensembles Q et S. M(1) : l’ensemble des Cij appartenant soit seulement à Q, soit seulement à S. M(0) : l’ensemble de Cij n’appartenant ni à Q, ni à S. Et poser k = 1 et l = 2 (indice tournant) 3ème étape : 4ème étape : *Déterminer et preciser Zr et Ws *Si 5ème étape : Calculer : 6ème étape : . Dans le cas contraire, reprendre l’étape 4. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 15 Méthode d’approximation de Vogel : Synonyme : heuristique de Balas-Hammer/ méthode de la différence maximale/ méthode la pénalité unitaire/ méthode des regrets maximaux successifs Peter Ladislaw HAMMER (1936-2006) Mathématicien américain d’origine roumaine. Il est un chercheur prolifique et influent en mathématiques discrètes appliquées et en recherche opérationnelle. Il est considéré comme le fondateur et le principal contributeur de la théorie des fonctions booléennes. Egon Balas : Economiste et mathématicien roumain d’origine hongroise. Ses recherches portent sur la programmation mathématique, notamment l’optimisation en nombres entiers et combinatoires. Il est à l’origine de la programmation disjonctive, de méthodes polyédrales, lift-and-project, shiffing heuristic. La méthode d’approximation de Vogel fournit général une solution très proche de l’optimum, en ce que le nombre de changement de plan nécessaire pour l’obtention d’une solution optimale est peu élevé. Initialement ère 1 et X = [Xij] avec Xij = 0 étape : *Déterminer sur chaque ligne le coût minimum, noté , et à chaque fois, avant de passer à la ligne qui suit, exclure la colonne « s », puis déterminer le coût minimum *Ensuite, calculer pour chaque ligne i. 2ème étape : *Déterminer sur chaque colonne le coût minimum, noté , et à chaque fois, avant de passer à la colonne qui suit, exclure la ligne « s », puis déterminer le coût minimum *Ensuite, calculer pour chaque ligne j. 3ème étape : Définir l’ensemble et prendre, parmi les éléments de cet ensemble, celui qui a la plus grande valeur, on le note . 4ème étape : 5ème étape : Calculer : 6ème étape : . Dans le cas contraire, reprendre Les différentes étapes de l’itération. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 16 Méthode fréquence : Cette méthode ne se propose pas de déterminer (à partir de la matrice C) le plan de transport faisable mais plutôt une matrice, notée , à partir de laquelle il faudra appliquer une de méthodes développées précédemment pour dégager le plan de transport faisable. 1ère étape : Déterminer et : 2ème étape : Calculer Et construire la matrice 3ème étape : 4ème étape : Déterminer dans la matrice , le plus petit coût, noté Construire la matrice constante K, telle que : Et calculer et passer à l’étape 5 5ème étape : Appliquer une des méthodes développées précédemment pour déterminer le plan de transport faisable. La démarche à suivre à suivre pour résoudre le problème du transport se résume comme suit : PROBLEME DE TRANSPORT ; exprimé : * sous forme tabulaire (matricielle) 1b * sous forme d’une optimisation sous Transformer la matrice C par la méthode de fréquence en matrice contrainte (programme linéaire) 1a 2b Appliquer une des 6 méthodes développées précédemment 2a Obtention d’un plan de transport La solution courante est-elle optimale ? faisable (1ère solution de base) Si oui, ce que la 1ère solution de base est optimale. Si non, appliquer l’algorithme primal-dual jusqu’à l’obtention du plan optimal. Source : notre propre conception Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 17 APPLICATIONS II APPLICATION 1/ Soit trois firmes avec le stock de (21, 11, 13) unités et trois places avec la demande de (15, 13, 12) unités. La matrice des coûts unitaires C est : 7 6 8 12 5 4 9 8 5 Dégagez, par la méthode du coin nord-ouest les quantités à transporter par origine et destination et calculez le coût y afférant. APPLICATION 2/ Etablir par la règle du coin supérieur gauche le plan de transport faisable et dégager coût de transport à cet effet, sachant que la grille des coût unitaires est : Dépôt 1 Dépôt 2 Dépôt 3 Demande Client 1 10 10 20 Client 2 20 8 7 Client 3 9 30 10 5 4 6 Production 7 4 4 APPLICATION 3/ La Société TORNQVIST possède trois unités de production où elle fabrique, entre autres, les ampoules ; elle commercialise ses produits à travers quatre entrepôts situés dans les principales zones de consommation. Le programme ci-après indique pour chaque unité Ai la capacité de production des ampoules, et pour chaque place Bj la demande des ampoules émanant de la zone de consommation correspondante ainsi que les coûts de transport unitaires entre chaque usine et chaque marché. La formulation de ce problème est : Minimiser C = 64 X11 + 50X12 + 77 X13 + 14 X14 + 37 X21 + 20 + 48 X34 t.q. X11 + X12 + X13 + X14 = x21 + x22 + x23 + x24 = x31 + x32 + x33 + x34 = x11 + x21 + x31 = x13 + x22 + x32 = x13 + x23 + x33 = x14 + x24 + x34 = Et Xij ≥0 X22 + 48 X23 + 24 X24 + 25 X31 + 14 X32 + 15 X33 1000 200 400 700 100 300 500 Déterminez par la méthode du minimum de la ligne le plan de transport faisable de base. APPLICATION 4/ La compagnie sucrière de Kwilu-Ngongo qui produit du sucre qu’elle stocke dans des dépôts à Kinshasa. Elle dispose de gros clients qui lui passent de façon régulière des commandes et à chacun desquels elle vend du sucre à des prix intéressants. La sucrière utilise le service de transport de Transbenz. Déteminez la première solution de base de ce plan de ce transport lorsque la méthode du minimum de la matrice est préférée : Quantités commandées par les clients Quantité disponible en dépôts Les coûts respectifs : : : 500 800 6 7 5 Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] 100 1 200 3 5 3 800 1 000 3 1 4 Recherche opérationnelle 700 5 000 2 5 5 2 7 5 Licence Administration des affaires 18 APPLICATION 5/ L’entreprise SEP-Congo qui approvisionne en produit pétrolier la RDC, dispose de 4 voies d’approvisionnements : Banana, Matadi, Mombassa et Lusaka. Les quantités disponibles par ces différentes voies sont : 150 000 par Banana, 345 000 par Matadi, 150 000 par Mombassa et 150 000 par Lusaka. A partir de ces voies, la société doit fournir du carburant aux villes suivantes dont les besoins s’établissent comme suit : 350 000 pour Kinshasa, 120 000 pour Kisangani, 80 000 pour Goma, 45 000 pour Kalemie et 200 000 pour Lubumbashi. La répartition des coûts supportés pour le transport du carburant de lieux d’approvisionnement vers les principales villes demandeurs est résumée par le tableau suivant : Banana → Mombasa → Kinshasa : 60 Kisangani : Goma Kalemie Matadi → Kinshasa : 50 150 Kisangani : 100 : 200 Goma : 150 : 300 Kalemie : 250 Lubumbashi : 180 Lubumbashi : 120 Kinshasa : 250 Kinshasa : 260 Kisangani : 90 Kisangani : 300 Goma : 80 Goma : 210 Kalemie : 150 Kalemie : 100 Lubumbashi : 200 Lubumbashi : 60 Lusaka → Travail demandé : i/ Répartissez les quantités à transporter par origine et destination par la méthode du coin nord-ouest. Ii/ Déterminez la matrice et appliquer la méthode de double préférence à partir de cette nouvelle matrice. APPLICATION 6/ Une société pétrolière dispose de 5 raffineries A, B, C, D et E dont les capacités de traitement respectives (en milliers des tonnes) sont 50 ; 75 ; 30 ; 25 et 60, les produits pétroliers proviennent de 4 pays étrangers W, X, Y et Z dont les contingentement d’expédition sont respectivement (en milliers de tonnes ) 60 ; 40 ; 75 et 25. Etablir par la méthode du minimum de la colonne une solution de base faisable, sachant que les coûts de transport à la tonne sont donnés par le tableau. A B C D E W 110 120 100 105 115 X 165 155 150 180 175 Y 200 210 203 206 209 Z 130 125 127 132 133 APPLICATION 7/ Déterminez par la méthode de double préférence, le plan de transport (faisable) du programme suivant : Minimiser C = 4X11 + 3X12 + 5X13 + 6X21 + 10X23 t.q. X11 + X12 + X13 X21 + X22 + X23 X11 + X21 X12 + X22 X13 + X23 Et Xij ≥ 0 Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] + 7X22 = 24 = 46 = = = 40 20 10 Recherche opérationnelle Licence Administration des affaires 19 APPLICATION 8/ La société FAMA a des usines à Matete, Lemba et Ngaba dont les capacités sont respectivement : 1000, 200 et 400 unités d’un produit fini quelconque. Elle doit satisfaire la demande de ses quatre principaux clients situés respectivement à Limete, Kintambo, Djili et Maluku soient 700 ; 100 ; 300 et 500 unités. La direction des études de recherche de cette entreprise pense que l’usine de Matete peut satisfaire pour 500 la demande de Limete, et 500 celle de Maluku. L’usine de Lemba a son tour n’alimente que la demande de Limete. Enfin, l’usine de Ngaba consacrera 25% de sa production pour la demande de Kintambo et le reste à celle de Ndjili. En se basant sur la méthode du coin NordOuest, on vous demande d’apprécier ces affectations par rapport à l’objectif de minimisation de coûts de transports, si les coûts de transport par unité du lieu de production (usine) au lieu de consommation sont donnés par la matrice cidessous : Matrice des coûts en USD Bj → Limete Kintambo Djili Maluku Ai ↓ Matete 7 8 10 6 Lemba 5 10 8 3 Ngaba 10 8 9 12 APPLICATION 9/ Les données (en unité monéaire) correspondant à un programme de transport se présentent comme suit : Matrice unitaires 4 6 3 des coûts 5 4 2 Avec Z1 = 5, Z2 = 6 et W2 = 4 Sachant que la somme des éléments du vecteur-colonne est égale à 16 et celle du vecteur-ligne, égale à 10. Il vous est demandé de proposer un plan de transport faisable. Utiliser la méthode d’approximation de Vogel, à cet effet. APPLICATION 10/ Les données suivantes sont présentées à un étudiant de la licence 1 en Administration des affaires pour la proposition d’un plan de transport faisable en applicant tout d’abord la méthode de fréquence avant de recourrir à la méthode de double préférence. l’inverse de unitaires → la matrice des coûts 0.08 - 0.1 - 0.15 0.2 Par ailleurs, les vecteurs d’offre et de demande du bien Xij se présentent comme suit : APPLICATION 11/ Une société d’import-export dispose dans les ports de Matadi, Pointe noire et Luanda des stocks de minerais, respectivement de 600 tonnes, 400 tonnes et 1 400 tonnes, pour lesquels elle a reçu des commandes d’importations de Pretoria (400 tonnes), Pays d’Afrique d’ouest (700 tonnes) et de l’Union européenne (1300 tonnes). Dicers bateaux se rendent des ports (considérés comme places d’origines) vers les différentes destinations (considérées comme points de vente). Le coût de transport de ces minerais, sur chaque liaison, est donné par la grille suivante (coûts par tonnes transportée). Pretoria P.A.O U.E Matadi PointeNoire Luanda 15 20 15 14 17 15 13 18 18 Appliquer la méthode de fréquence et déterminer une solution de coût minimal de ce problème de transport par la méthode de Balas-Hammer. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 20 APPLICATION 12/ Les statistiques déclarées à l’organisation Internationale du Café révelent qu’une quantité importante de café vert se trouve stockée dans 3 dépôts (en milliers de tonnes) au Brésil (2 356), Viet-nam (831), Colombie (684). On souhaite approvisionner à moindre coût 3 grandes firmes qui fabrique de produits dérivés du café. Affectations du stock de C.V. Nestlé S.A. 45 % Kraft Foods 30 % MaxingVest AG 25 % → de la quantité disponible Source : Organisation Internationale du café En supposant que les seuls coûts à prendre en compte pour l’optimisation soient les coûts de transports. Ceux-ci sont proportionnels à la quantité transférée et à la distance parcourue. Nestlé S.A. Kraft Foods MaxingVest AG Brésil 160 130 150 Viet-Nam 180 200 200 Colombie 140 100 160 APPLICATION 13/ La transposée d’un problème de transport exprimé sous forme tabulaire se présente comme suit : 5 4 3 1 4 5 7 2 3 4 2 5 13 5 7 Appréciez les affectations de ce plan de transport en appliquant la méthode d’approximation de Vogel. Le plan obtenu est-il optimal ? Si oui, pourquoi. Si non, déterminez le plan de transport optimal. 9 8 Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 21 RESOLUTION DE L’APPLICATION 1 Avant de passer à la résolution d’un programme de transport, il faut toujours s’assurer de l’égalité entre la somme des composantes Zi du vecteur d’offre Z et la somme des composantes Wj du vecteur de demande, soit : En exprimant sous forme matricielle, les données de l’application 1, il se dégage ce qui suit : Demande 1 X11 = ? Comme 3 6 X12 = ? X21 = ? 8 21 X13 = ? 5 X22 = ? 4 11 X23 = ? 9 Firme 3 1 12 Firme 2 Demande 7 Firme 1 Demande 8 5 X31 = ? X32 = ? X33 = ? 15 13 12 13 , ajoutons une colone fictive‡. Les valeurs Cij de cette colonne fictive sont prises de manière arbitraire et doivent être supérieures à toutes les autres Cij. Demande 1 X11 = ? 3 6 X12 = ? X21 = ? X31 = ? F1 = ? X23 = ? X32 = ? 13 20 4 8 15 Etant donné que X13 = ? X22 = ? Fictive 8 5 9 Firme 3 1 12 Firme 2 Demande 7 Firme 1 Demande 20 F2 = ? 5 X33 = ? 20 F3 = ? 12 21 11 13 5 , à présent, la méthode du coin nord-oeust peut être appliquée. Cette méthode permet d’obtenir les affectations suivantes : ‡ Au cas où , on ajouterait une ligne fictive. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 22 Ce résultat peut également se présenter comme suit : Demande 1 7 Firme 1 Demande 1 15 Demande 3 Fictive 6 8 20 5 4 20 5 20 6 12 Firme 2 7 4 9 Firme 8 3 8 15 13 5 12 21 11 13 5 INTERPRETATIONS DE RESULTATS Rappelons que le problème du transport est un programme de minimisation. Ainsi, pour minimiser le coût de transport, d’après les prédictions de la méthode du coin nord-ouest : La firme 1 qui dispose d’un stock de 21 unités du bien Xij, doit affecter : - 15 unités de ce bien au premier marché au coût de 105 Francs ; - 6 unités du bien Xij au deuxième marché au coût de 36 Francs. La firme 2 qui dispose d’un stock de 11 unités du bien Xij, doit affecter : - 7 unités du bien Xij au deuxième marché au coût de 35 Francs ; - 4 unités du bien Xij au troisième marché au coût de 16 Francs. La firme 3 qui dispose d’un stock de 13 unités du bien Xij, doit disponibiliser 8 unités du bien Xij pour satisfaire la demande exprimée dans le troisième marché et cela au coût de 40 Francs. Le coût total est obtenu en sommant les coûts de transport relatifs aux différentes affectations (les places fictives exclues) ; soit : Coût total = 15(7) + 6(6) + 7(5) + 4(4) + 8(5) = 232 Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 23 β/ TECHNIQUE DE FLOOD ET PROBLEME D’AFFECTATION : Méthode hongroise [Algorithme de Kuhn] APPLICATIONS III. APPLICATION 1/ Affecter 5 ouvriers aux 5 postes de manière que tous les ouvriers aient chacun un poste et un seul, ceci de telle sorte que la valeur totale des affectations soit minimale, la matrice des coûts associée étant donnée par le tableau ci-après. 1 2 3 4 5 1 17,5 15 9 5,5 12 2 16 16,5 10,5 5 10,5 3 12 15,5 14,5 11 5,5 4 4,5 8 14 17,5 13 5 13 9,5 8,5 12 17,5 APPLICATION 2/ Soient 5 ouvriers A, B, C, D, E et 5 postes de travail 1, 2, 3, 4 et 5. Affecter les cinq ouvriers aux cinq postes de telle sorte que chaque ouvrier ait un poste et un seul et que le coût des affectations soit minimal. Vous disposez pour cela de la matrice des affectations ci-après où Cij représente le coût que l’entreprise supporte en affectant l’ouvrier i au poste j. APPLICATION 3/ La compagnie sucrière de Kwilu Ngongo doit recourir aux services de quatre mécaniciens (M1, M2, M3 et M4) pour la répartition de ses quatre machines (m1, m2, m3, m4 et m4) tombées en panne, il y a deux mois. L’entretien avec ces 4 mécaniciens a permis à cette entreprise d’élaborer la matrice suivante indiquant le temps que chaque mécanicien mettra pour réparer chaque type de machines ainsi que le coût horaire de réparation de chaque machine. M1 M2 M3 M4 Coût horaire en $ m1 40’ 30’ 1h5’ 1h5’ m2 1h00’ 50’ 41h00’ 40’ m3 30’ 1h20’ 45’ 1h00’ m4 1h10’ 45’ 1h00’ 30’ T.D. – Faites le plan d’affectation qui minimise les coûts de cette entreprise sachant qu’un mécanicien doit être affecté à une machine et une seule. APPLICATION 4/ Le secrétariat académique de l’Université Kongo doit affecter 5 économistes candidats assistants aux cours suivants : Technique de commerce (C1), Droit fiscal (C2), Mathématique (C3), Ecopol (C4) et Recherche opérationnelle (C5). L’académique souhaite les affecter en optimisant leurs aptitudes à enseigner ces cours. Il dispose pour cela des informations sur les différentes côtes qu’ils ont obtenues dans ces 5 cours pendant leur parcours universitaire comme critère d’affectation. E1 E2 E3 E4 E5 C1 15 3 6 11 18 C2 9 17 6 2 15 C3 7 4 8 16 3 C4 8 10 7 16 12 C5 2 9 16 11 9 Trouver la meilleure affectation sachant que chacun d’eux doit être affecté à un cours et un seul. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 24 APPLICATION 5/ Une entreprise de construction vient d’ouvrir 4 nouveaux chantiers, situés en A, B, C et D. Ces chantiers nécessitent l’emploi de grues actuellement situées sur des chantiers qui viennent d’être terminés et situés en V, W, X, Y et Z. Le tableau suivant donne le nombre d’heures que prendrait le transport de chacune des grues de l’endroit où elle est située vers chacun des chantiers nouveaux. V W X Y Z A 8 28 17 11 20 B 13 28 4 26 12 C 38 19 18 15 6 D 19 28 24 10 15 [Heures de transport] L’entreprise désire démarrer le plus vite possible ses nouveaux chantiers. A quel chantier doit–elle affecter ses grues disponibles ? APPLICATION 6/ Trois candidats (A, B, et C) ont été présélectionnés pour un programme de bourse organisé dans deux pays : le pays W où le programme est en anglais et le pays X où le programme est en français. La sélection ne portera que sur deux d’entre les trois candidats en fonction de leur aptitude à maîtriser les deux langues. Un test de langue a été organisé à ce propos, les résultats obtenus sont repris dans le tableau ci-dessous où la cotation est sur 20 points. A B C W 14 11 13 X 13 8 11 On vous demande d’affecter les deux candidats qui seront sélectionnés de manière à ce que chacun suit un programme et un seul. APPLICATION 7/ Au cours des années écoulées, un directeur général a fait circuler ses quatre chefs de vente : DADOU, JUSTIN, BENOIT et ALAIN dans les différents départements de l’entreprise. A la suite de ses expériences, il a noté que dans des conditions équivalentes leurs chiffres d’affaires étaient respectivement proportionnels à 20, 19, 17 et 16. Les chiffres d’affaires qu’on estime être en mesure de réaliser l’année à venir si l’on disposait à la tête de chacun des départements A, B, C et D un homme de la compétence de Dadou serait : 10, 8, 6 et 5 millions de francs. Le Directeur général pense que la meilleure formule consiste à affecter les différents départements aux quatre chefs de vente, par ordre d’importance décroissant en chiffre d’affaires, en correspondance avec la notation ci-dessous : 1) 2) Le prouver, en correspondance avec la notation ci-dessous ; En admettant que le développement des chiffres d’affaires doive être le suivant : Département Année 1 (à venir) Année 2 Année 3 Année 4 A 10,00 11,00 12,10 13,31 B 8,00 9,90 12,10 14,64 C 6,00 7,70 8,47 9,72 D 5,00 9,90 13,31 17,30 Et en adoptant un taux d’actualisation de 10% trouver les meilleures rotations à imposer aux chefs de vente pour obtenir le chiffre d’affaires maximal. Indications : 1) Etablir une matrice d’efficience des différents chefs de vente supposés affectés à chacun des départements ; multiplier tous ses éléments par –1 ; appliquer l’algorithme de KUHN. 2) Une représentation graphique sera utile pour la deuxième question. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 25 APPLICATION 8/ Le Chef de Département d’Economie Pure de la FSE (UNIKIN) doit affecter 5 économistes aux cours suivants : Math I, Stat I, MQE, TPP et Econométrie. Le Chef de Département souhaite affecter ces économistes en optimisant leurs aptitudes à enseigner les cours souhaités. Ces aptitudes sont mesurées par les cotes obtenues dans ces différentes branches à l’Université. Elles sont données dans le tableau suivant. Math Stat MQE TPP Eco E1 15 09 07 08 02 E2 03 17 04 10 09 E3 06 06 08 07 16 E4 11 02 16 16 11 E5 18 15 03 12 09 Indication : Etant un problème de maximisation, il est nécessaire, avant d’appliquer la méthode hongroise, de transformer préalablement les données du tableau 6.10, soit en les multipliant par -1, soit en les retranchant de la donnée la plus élevée, ici 18. On obtient alors le tableau 6.11. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 26 IV. THEORIE DES GRAPHES On attribue généralement à Leonhard EULER l’origine de la théorie des graphes puisqu’il fut le premier à proposer un traitement mathématique de la question, suivi par Alexandre-Théophile VANDERMONDE. L’article écrit par Euler en 1935 et paru en 1941, à cet effet, se proposait d’analyser le problème de sept ponts de Königsberg. Le problème consistait à trouver une promenade à partir d'un point donné qui fasse revenir à ce point en passant une fois et une seule par chacun des sept ponts de la ville de Königsberg (voir ci-dessous). Euler montra que cette promenade n’était pas possible. Leonhard Paul EULER (15 avril 1707-18 septembre 1783), Mathématicien et physicien suisse. Il est notamment à l’origine de la théorie des graphes et du calcul infinitésimal. Le problème consistait à trouver une promenade à partir d'un point donné qui fasse revenir à ce point en passant une fois et une seule par chacun des sept ponts de la ville de Königsberg. Introduction La notion de graphe, bien que relativement récente, est devenue, à ce jour, indispensable dans de nombreux domaines et disciplines, notamment en sciences sociales, en informatique, en optimisation, en chimie et même en biologie. L’étude, donc, de la théorie des graphes et de leurs applications apparait comme l’occasion de traiter des questions très diverses liées, par exemple, à la détermination du nombre de chemins dans un graphe, au calcul du chemin le plus court et du chemin le plus long avec l’algorithme de Ford ou à l’analyse du problème de flots dans les réseaux avec l’algorithme de Ford et Fulkerson. Ce manuel propose des applications très significatives et adaptées, permettant à l’étudiant en Administration d’appréhender cette théorie. Par ailleurs, elles (ces applications) demandent peu de pré-requis (que l’étudiant pourra facilement acquérir en recourant au syllabus du cours) puisque les graphes constituent un sujet d’étude nouveau et surtout très différent des sujets mathématiques classiquement enseignés, mais exigeant la même rigueur intellectuelle. En un langage simple, un graphe est un outil qui permet de représenter la structure, les connexions d’un ensemble complexe en exprimant les relations entre ses éléments sous forme d’un réseau. Ainsi, les graphes constituent donc une méthode qui permet de modéliser une grande variété de problèmes en se ramenant à l’étude de sommets et d’arcs. In fine, notez que les derniers travaux en théorie des graphes sont souvent effectués par des informaticiens, du fait de l’importance qu’y revêt l’aspect algorithmique. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 27 Terminologie Graphe : c’est un ensemble de points éventuellement reliés par des arcs. Ordre d’un graphe : l’ordre d’un graphe est le nombre de sommets de ce graphe. Graphe valué : graphe où des réels sont associés aux arêtes. Dans cet exposé, on ne considérera que des valuations positives. Arc : est une ligne orienté qui relie deux nœuds ou sommets. Arête : est une ligne non orientée équivalant à deux arcs orientés en le sens inverse et reliant deux nœuds. Fonction d’incidence : Boucle : est un arc (ni, nj) particulier où i = j. Chemin : suite de sommets reliés par des arcs dans un graphe orienté. Chaîne : suite finie de sommets reliés par les arcs, sans tenir compte de leur sens. Circuit : chemin fini qui revient à son point de départ, c’est-à-dire un chemin tel que le nœud initial du premier arc coïncide avec le nœud terminal du dernier. Cycle : correspond à un circuit dans le graphe non orienté. Chemin simple : chemin qui n’utilise pas deux fois le même arc. Chemin élémentaire : chemin qui n’utilise pas deux fois le même sommet Chemin eulérien : chemin simple, passant par tous les arcs d’un graphe. Chemin hamiltonien : chemin élémentaire, passant par tous les sommets d’un graphe. Circuit eulérien : circuit simple, passant par tous les arcs d’un graphe. Circuit hamiltonien : circuit élémentaire, passant par tous les sommets d’un graphe. Digraphe : un graphe orienté est également appelé digraphe. Graphe simple : graphe qui ne contient ni boucle, ni arcs parallèles. Graphe eulérien : graphe qui possède un cycle eulérien. Graphe hamiltonien : graphe qui possède un cycle hamiltonien. Matrice adjacente : est une matrice binaire ou booléenne. Un élément de la matrice d’adjacence est 1 si l’arc existe et 0 sinon. Distance entre deux sommets : longueur de la plus courte chaîne joignant ces deux sommets. Diamètre d’un graphe : maximum des distances entre les sommets d’un graphe. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 28 POUR L’APPREHENSION DES AUTRES CONCEPTS, CONFER NOTE ET ILLUSTRATIONS EFFECTUEES PENDANT LES SEANCES DE TP. APPLICATIONS IV. APPLICATION 1/ Tracer le graphe de la matrice d’adjacence (matrice booléenne) suivante : APPLICATION 2/ En observant, pendant un mois, les déplacements d’un étudiant de Licence 1 Administration des Affaires de son lieu de résidence (Lemba) à l’Université Protestante au Congo, on parvient à élaborer le graphe suivant correspondant aux différentes lignes qu’il a utilisé pendant cette période : U.P.C BANDAL R.P. VICTOIRE LEMBA C. Ville LIMETE 1/ Proposez une matrice adjacence du graphe ci-dessus où les lettres Q, W, V, X, Y et Z correspondent respectivement aux nœuds Lemba, Limete, Victoire, Bandal, C. Ville et UPC. 2/ Répondez par vrai ou faux aux propositions ci-après : a/ Le chemin Lemba-Bandal-UPC-B.Marché-Limete-Victoire est hamiltonien. b/ L e chemin Lemba-Bandal-UPC-Lemba-Limete est simple. c/ Le circuit Lemba-Limite-Victoire-UPC-Victoire-Lemba est simple. d/ Le chemin C.Ville-Lemba-Limete-Victoire-Lemba-Bandal-UPC est élémentaire. 3/ Y a-t-il un chemin eulérien ? Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 29 APPLICATION 3/ Soit le graphe suivant sous forme matricielle : A B C D Travail demandé : A 0 1 1 0 a. Dérivez le graphe correspondant sous-forme sagittale. B 1 0 0 1 b. Déterminer le nombre de chemin de longueur 3 reliant A et C 0 1 0 0 D 1 0 1 1 C ; B et D ; C et A ; D et C et D et D. c. Y a-t-il un sommet pendant dans ce graphe ? APPLICATION 4/ Soit la circulation routière dans la cité de BENTACOURT reliant 3 quartiers est représenté comme suit : U V W Travail demandé : U 0 1 1 a. Définir les dictionnaires de précédents associés à ce graphe. V 1 0 1 b. Y a-t-il une boucle dans ce graphe ? W 1 1 0 APPLICATION 5/ Soit le graphe ci-dessus correspondant plus ou moins au problème de sept ponts de Königsberg. P T J V Travail demandé : a. Dites si ce graphe est orienté ou non. b. Si les distances entre J et P ; P et T ; V et T ; T et J ; J et V équivalent respectivement à 2, 1, 3, 4 et 2 heures de marche normale à pied ; déterminez le nombre de chemin de longueur 3 reliant J et T. Evaluez le temps à effectuer pour parcourir ce chemin. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 30 V. PROGRAMMES NON LINEAIRES Les méthodes de résolution appliquées en programmation linéaires ne sont pas utilisables en programmation non linéaire. Des techniques spécifiques ont été développées pour résoudre les programmes de types non linéaires. Parmi celles-ci, l’on compte la technique de Kuhn-Tucker. α/ Technique de KUHN et TUCKER Pour résoudre un problème de programmation classique, on recourt aux conditions du premier ordre (conditions nécessaires) et à celles du second ordre (conditions suffisantes). Les conditions du premier ordre pour un extremum local consistent à annuler, en vertu du théorème de Michel Rolle, les dérivées partielles premières par rapport aux variables-choix de la fonction-objectif et au Multiplicateur de Lagrange. Parallèlement, dans un programme non linéaire, il existe également des conditions du 1er ordre. Ces conditions sont généralement qualifiées de Conditions de KUHN et TUCKER du nom de deux scientifiques consacrés aux problèmes de maximisation sous des contraintes en inéquations. Contrairement aux conditions du premier ordre, dans la programmation classique, qui sont toujours nécessaires, celles de Kuhn et Tucker ne le sont que sous certaines conditions§. Ainsi, les conditions de Kuhn et Tucker peuvent être nécessaires, suffisantes ou même nécessaires et suffisantes. Comme les conditions de Kuhn et Tucker se fondent sur le lagrangien, ainsi, nous rappelons le concept du lagrangien avant d’illustrer par un cas pratique les conditions de Kuhn-Tucker. β/ La fonction de LAGRANGE *Le lagrangien en cas du programme d’une contrainte et de n variables-choix : Soit w = w(X1, …, Xn) S/C : h(X1, …, Xn) = c Avex Xj ≥ 0 Le lagrangien associé à ce programme, noté L, est donc : L = w(X1, …, Xn) ± λ[c – h(X1, …, Xn)] Pour déterminer les extremums, Il suffit de dériver la fonction L par rapport aux différentes variables-choix Xi et par rapport à λ et de résoudre, à cet effet, le système d’équation obtenu. Les conditions du second ordre permettront de caractériser le type des extremums. § Cette condition est connue sous le nom de condition de qualification. Elle impose une certaine restriction sur les fonctions des contraintes d’un programme non linéaire. De manière générale, les contraintes satisfont une « condition de qualification » en un point X* (ou les contraintes sont qualifiées en X*) si et seulement si les conditions de Kuhn-Tucker s’avèrent nécessaires pour que X* soit un extremum. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 31 *Le lagrangien en cas du programme de m contraintes et de n variables-choix : Que devient la fonction de Joseph Lagrange en cas d’un programme ayant plusieurs contraintes et n variables-choix ? Pour répondre à cette interrogation, considérons le programme générique suivant : Soit w = w(X1, …, Xn) S/C : h1(X1, …, Xn) = c1, h2(X1, …, Xn) = c2, …, hm(X1, …, Xn) = cm Avex Xj ≥ 0 Dans ce cas, le lagrangien associé à ce nouveau type de programme, noté Z, s’écrit comme suit : Z = w(X1, …, Xn) ± λ1[c1 – h1(X1, …, Xn)] ± λ2[c2 – h2(X1, …, Xn)] ± … ± λm[cm – hm(X1, …, Xn)] Sans ambigüité, l’expression ci-dessus peut également s’écrire : γ/ Conditions de Kuhn-Tucker Partant de la fonction Z de Lagrange, les conditions de Kuhn-Tucker** (en considérant en un premier temps, un problème de maximisation) peuvent donc être dérivées comme suit : Pout tout i = 1, 2, …, m et j = 1, 2, …, n : En réaménageant les expressions ci-dessus, on obtient : Avec Xj ≥ 0 Avec λi ≥ 0 Notons que : 1. ** De ce qui précède, on peut obtenir les valeurs suivantes : Les CKT correspondent ainsi aux conditions marginales. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 32 Si et seulement si : Donc, il est très clair et logique de noter pout tout j : 2. Par ailleurs : Si et seulement si : De même, il est logique de noter pout tout i : Ainsi, on obtient, ci-après, les conditions sur la variable quadratique d’écart ou de niveau, appelées également, relation d’exclusion ou relation de complémentarité, en anglais complementary slackness conditions : et Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 33 Que devient les conditions de Kuhn et Tucker lorsqu’il s’agit d’un problème de minimisation ? Connaissant que maximiser π équivaut à minimiser –π, tout en inversant les inégalités des contraintes après avoir multiplié chaque terme des contraintes par -1, les conditions de Kuhn-Tucker peuvent donc d’obtenir comme suit par analogie : Pout tout i = 1, 2, …, m et j = 1, 2, …, n : Et par conséquent : Avec Xj ≥ 0 Avec λi ≥ 0 Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 34 BIBLIOGRAPHIE 1. Alevra, D., M. Padberg, 2001, Linear optimization and extensions : problems and solutions, Springer. 2. Balakrishnan, V.K., 1995, Network optimization, Chapman and Hall. 3. Berge, C., 1970, Graphes et Hypergraphes. éd. Dunod, Paris. 4. Chiang, A.C., Fundamental methods of mathematical economics, 2è éd. Mc Graw Hill 5. Dantzig, G.B. and M.N. Thapa, 1997, Linear programming, Springer. 6. Domschke, W., A. Drexl, 1995, Operations Research 3, Auflage, Springer. 7. Domschke, W., A. Drexl, B. Schildt, A. Scholl, S. Voss, 1995, Operations Research, Springer. 8. Eiselt, H.A and C.L. Sandblom, 2000, Integer programming and network models, Springer. 9. Eiselt, H.A. and Frajer, H.V., 1977, Operations research handbook : Standard algorithms and Methods with examples, Walter de Gruyter & Co., Berlin. 10. Favre, R., B. Lemaire, C. Picouleau, 2000, Précis de recherche opérationnelle, 5ème éd., Dunod. 11. Gondran, M., et MINOUX, M., 1979, Graphes et Algorithmes, éd. Eyrolles, Paris. 12. Guéret, C., C. Prins, M. Sevaux, 2000, Programmation linéaire, Eyrolles. 13. Kamavuako, 2006, polycopié de cours de recherche opérationnelle, Université Kongo, MbanzaNgungu. 14. Kamiantako, A., 2004, Méthodes quantitatives de l’économie : Recueil d’exercices corrigés, Faculté de Sciences Economiques et de Gestion, Université de Kinshasa, Kinshasa. 15. Korte, B., J. Vygen, 2002, Combinatorial optimization, 2nd ed., Springer. 16. Kutangila, D., 2009, polycopié du cours de recherche opérationnelle, Université Protestante au Congo, Faculté d’administration des Affaires et Sciences Economiques, Kinshasa. 17. Labelle, J., 1981, Théorie des graphes, éd. Modulo, Québec. 18. Manya, L., 2008, polycopié de recherche opérationnelle, Université de Kinshasa, Faculté de Science, Kinshasa. 19. Maurras, J.F., 2002, Programmation linéaire, complexité, Springer. 20. Nobert, Y., R. Ouellet, R. Parent, 1995, La recherche opérationnelle, Gaëtan Morin. 21. Phélizon, J.F., 1998, Méthodes et modèles de la recherche opérationnelle, Economica. 22. Roy, B., 1969, Algèbre moderne et théorie des graphes orientées vers les sciences économiques et sociales, Tome 1 : Notions et résultats fondamentaux, éd. Dunod, Paris. 23. Roy, B., 1970 Algèbre moderne et théorie des graphes orientées vers les sciences économiques et sociales, Tome 2 : Applications et problèmes spécifiques, éd. Dunod, Paris. 24. Sierksma, G., 2001, Linear and integer programming, Marcel Dekker. 25. Vanderbei, R.J., 2001, Linear programming foundations and extensions, Kluwer. 26. Védrine, J.P., 1985, Techniques quantitatives de gestion, Vuibert, Paris. 27. Zimmermann, H.J., 1992, Operations Research 2, Auflage, Vieweg, 1992. Assistant Jean – Paul TSASA V. Chercheur co – accompli au Laréq /www.lareq.com /BP 16.626 Kinshasa I Mail : [email protected] Recherche opérationnelle Licence Administration des affaires 35