Support de Cours PL
Support de Cours PL
Support de Cours PL
Optimisation en Logistique
Algorithmes et Applications
Fouad Riane
Le support de cours est basé sur les notes originales rédigées par
Salma Lahbabi, Michel Rioux , Marc Paquet, Nadine Meskens, Jean-Françis Hêche,
Francois Clautiaux et Nadia Brauner
Aide à la Décision et
Optimisation en Logistique
Algorithmes et Applications
Programmation Linéaire
Objectifs du cours
◼ Objectifs Généraux
◼ Formuler des problèmes d’optimisation et d’aide à la décision.
◼ Choisir les techniques de résolution appropriées.
◼ S’initier aux solveurs du marché.
◼ Objectifs spécifiques
◼ Modéliser quelques problèmes logistiques sous forme un PL, PLNE
ou PLVM
◼ Maîtriser la méthode de résolution Simplexe et autres techniques
◼ Se familiariser avec l’outil de résolution LINGO
◼ interpréter les résultats
2
Contenu
1. Introduction à la RO
2. Initiation à la PL
◼ Résolution Graphique
◼ Algorithme du Simplexe
◼ Dualité et Analyse de Sensibilité
3. Logiciels d’optimisation : Excel - Lingo
◼ Modélisation et formalisation de problèmes
d’optimisation
4. PL en nombres entiers et Programmation
Dynamique. 3
1- Introduction à la RO
Recherche Opérationnelle
◼ La plupart des problèmes économiques impliquent la
détermination d’un optimum :
◼ coût minimum, chiffre d’affaires ou profit maximum.
◼ Les ressources utilisées par les acteurs économiques pour
la réalisation de leurs activités sont limitées.
◼ Ces acteurs doivent tenir compte en plus de divers types de
contraintes qui s’imposent à eux.
5
Recherche Opérationnelle
◼ Exemples d’application
◼ Gestion de production, stocks et approvisionnement
◼ Gestion de transports et de la logistique
◼ Gestion des ressources humaines et de la force de travail
◼ Gestion financière
◼ Gestion hospitalière
◼ Marketing
◼ Gestion de la vie publique
◼
6
Recherche Opérationnelle
◼ Quelle est la meilleure solution d’un problème ?
◼ Quelle est la meilleure répartition d’un budget publicitaire entres les
différents médias ?
◼ Quel est le meilleur partage des territoires de vente entre les vendeurs?
◼ Quelle est la composition optimale d’un portefeuille d’actions ?
◼ Quel est le meilleur parcours permettant de visiter, en une et une seule
fois, plusieurs villes géographiquement réparties ?
◼ En quelle quantité et avec quelle fréquence faut-il fabriquer un articles
pour satisfaire la demande de la clientèle et minimiser les coûts ?
◼ Quel est le nombre minimale de couleurs nécessaires pour colorier les
département d’un pays ?
◼
7
Recherche Opérationnelle
◼ Définition :
◼ « L’ensemble des méthodes et techniques rationnelles
d’analyse et de synthèse des phénomènes
d’organisation utilisables pour élaborer de meilleures
décisions ».
◼ « Une discipline carrefour associant étroitement les
méthodes et les résultats de l’économie d’entreprise, la
mathématique et l’informatique ».
8
Recherche Opérationnelle
9
Recherche Opérationnelle
◼ Techniques de Modélisation :
◼ Programmation Mathématique
◼ Théorie des Graphes
◼ Théorie des Files d’Attente
◼ Simulation de Systèmes
◼ Théorie des Jeux
.
.
.
10
Programmation Mathématique
11
Programmation Mathématique
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
Résolution analytique - Simplexe
31
32
33
34
35
Ci 4 5 0 0 0
Ci X Y e1 e2 e3 Valeur
0 e1 2 1 1 0 0 8
0 e2 1 2 0 1 0 7
0 e3 0 1 0 0 1 3
Zi 0 0 0 0 0
Ci-Zi 4 5 0 0 0 0
Ci 4 5 0 0 0
Ci X Y e1 e2 e3 Valeur
0 e1 2 1 1 0 0 8
0 e2 1 2 0 1 0 7
0 e3 0 1 0 0 1 3
Zi 0 0 0 0 0
Ci-Zi 4 5 0 0 0 0
Ci 4 5 0 0 0
Ci X Y e1 e2 e3 Valeur
0 e1 2 0 1 0 -1 5
0 e2 1 0 0 1 -2 1
5 Y 0 1 0 0 1 3
Zi 0 5 0 0 5
Ci-Zi 5 0 0 0 -5 15
Ci 4 5 0 0 0
Ci X Y e1 e2 e3 Valeur
0 e1 2 0 1 0 -1 5
0 e2 1 0 0 1 -2 1
5 Y 0 1 0 0 1 3
Zi 0 5 0 0 5
Ci-Zi 5 0 0 0 -5 15
Ci 4 5 0 0 0
Ci X Y e1 e2 e3 Valeur
0 e1 0 0 1 -2 3 3
4 X 1 0 0 1 -2 1
5 Y 0 1 0 0 1 3
Zi 4 5 0 4 -3
Ci-Zi 0 0 0 -4 3 19
Ci 4 5 0 0 0
Ci X Y e1 e2 e3 Valeur
0 e1 0 0 1 -2 3 3
4 X 1 0 0 1 -2 1
5 Y 0 1 0 0 1 3
Zi 4 5 0 4 -3
Ci-Zi 0 0 0 -4 3 19
Ci 4 5 0 0 0
Ci X Y e1 e2 e3 Valeur
0 e3 0 0 1/3 -2/3 1 1
4 X 1 0 2/3 -1/3 0 3
5 Y 0 0 -1/3 2/3 0 2
Zi 4 5 1 2 0
Ci-Zi 0 0 -1 -2 0 22
40
Modélisation
41
Modélisation
◼ Qu’est ce qui cratérise notre problème ?
◼ Paramètres.
◼ Nbre de produits, Nbre de matières, Proportion de MP dans
chaque PF, les quantités disponibles de MP, Prix de vente
des PF.
◼ Sur quoi doit-on décider ?
◼ Variables.
◼ Quantités en Kg à produire pour chaque produit A et B
42
Modélisation
◼ Que cherche-t-on à optimiser ?
◼ Fonction Economique : Profit
43
44
Aide à la Décision et
Optimisation en Logistique
Algorithmes et Applications
Modélisation
46
47
Modélisation
48
49
50
51
52
53
54
Aide à la Décision et
Optimisation en Logistique
Algorithmes et Applications
Suite
Mix de Production
◼ Nous considérons trois types de produits, et deux usines. Nous
exprimons le profit par unité de produit en milliers de dollars. Nous
connaissons les ventes potentielles par produit (unités/semaine), et la
capacité de production par usine (h/semaine). Nous avons toutefois
comme contrainte que pas plus de deux produits ne peuvent être
fabriqués, et une seule des deux usines doit être exploitée.
◼ Les données du problème sont résumées dans
57
58
Problème de Transport
Customers Demand
Warehouse
s Capacity C1 15
E1 35 C2 17
C3 22
E2 25
C4 12
E3 21
Unit Cost: C1 C2 C3 C4
E1 2 6 7 10
E2 6 4 2 6
E3 9 5 4 5
60
61
62
63
64
65
Problème Transhippement
◼ Pour fabriquer cet acier, l'entreprise dispose de sept matières premières dont les
teneurs, les quantités disponibles et les cours d'achat sont donnés dans le
tableau suivant:
Modèle
◼ Données
◼ E: ensemble des éléments chimiques, i = 1, .. 3
◼ F: ensemble des ferrailles , j=1, ..,7
◼ D= Tonnage en Acier demandé [Kg]
◼ Tmin: Teneur minimum du tonnage fabriqué en élément chimique i
[%]
◼ Tmax : Teneur maximum du tonnage fabriqué en élément chimique i
[%]
◼ tij : Teneur en élément chimique i d’une tonne de la ferraille j [%]
◼ Sj: Stock disponible du la ferraille j [Kg]
◼ Cj: coût unitaire de la ferraille j [$/kg]
◼ Variables
◼ Xj : Quantité de la ferraille j à utiliser pour fabriquer le tonnage
d’acier demandé [Kg]
70
71
72
73
Horaire de travail
◼ Nous souhaitons établir un horaire quotidien, sachant que chaque jour est
divisé en périodes et en supposant que nous avons pu estimer un nombre
minimum d’employés devant être affecté durant chaque période.
◼ Chaque jour est divisé en quarts de travail de 8 heures. Plusieurs quarts
partagent une même période, mais chaque quart exige un salaire
particulier.
◼ Nous souhaitons savoir combien d’employés doit-on affecter à chaque
quart de travail de façon à minimiser le total des salaires versés, en
respectant le nombre minimum d’employés pour chaque période.
Aide à la Décision et
Optimisation en Logistique
Algorithmes et Applications
85
86
87
88
89
90
91
92
◼ La compagnie Wyndor Glass Co. fabrique 2 type de produits verriers de
haute qualité. Elle dispose à cette fin de trois usines (usine 1, usine 2,
usine 3), qui ont chacune une capacité de production limitée en heures.
Les produits 1 et 2 donnent lieu à un profit de $50 et $45,
respectivement. Le temps de fabrication des lots de produits sont
données dans la tableau suivant.
Usine 1 Usine 2 Usine 3
Prod 1 3 1 1
Prod 2 1 2 1
480 240 240
93