Téories de La Decisions 2015

La recherche Oprationnelle
Cours propos par : Mr Sadfy OULD SIDI MOHAMED

1
Chapitre IV : La programmation linaire en nombres entiers :
Dans la forme gnrale dun programme linaire dfinie par :
cx x c z Min Max
j
n
i
j
= =
=1
) )( (

S.C
b Ax b x a
n
i
i j ij
|
|
|
.
|
\
|
=
>
s
=
|
|
|
.
|
\
|
=
>
s
=1
, i = 1 ,..........,m
x
j
0
La solution admissible dun tel programme est obtenue dans R
n
. On dfinie ainsi la programmation linaire en
variables continues, cest lobjet des chapitres I, II et III.
Cependant, dans plusieurs applications les variables ne peuvent prendre des valeurs relles quelconques. Le
programme na de sens que si toutes, ou une partie des variables prennent des valeurs entires.
IV-1 Dfinition :
Lorsque toutes les variables dun problme de programmation linaire doivent tre entires, le
problme rsultant est un problme gnral de la programmation linaire en nombres entiers (PLE). On
ajoute alors au modle ci-dessus la contrainte dintgrit suivante :x
j
0 et entiers.
On crit donc : Max(Min) (z) = cx
S.C
b Ax
|
|
|
.
|
\
|
=
>
s

n
Z D S x
+
= e
PLE
O S dnote lensemble discret des solutions admissibles du problme de (PLE) et
n
Z
+
reprsente
lensemble de n-uples, entiers non ngatives
) 0 ( > e
+ j
n
x Z x
et entiers, j = 1,........,n.
Lorsquune partie seulement des variables doivent tre entires, soit
{ } { } n q ,......., 1 ,......., 1 c
, le sous-
ensemble dindices correspondant ; le problme rsultant est dit problme de programmation linaire
mixte(PLM).

q j Z x
D x
j
.., ,......... 1 , = e
e
+

Ou en faisant apparaitre sparment les deux types de variables la fonction objectif peut tre crite sous
la forme


2
Min(z) = c
1
x + c
2
y
S.C (A
1
x + A
2
y) b

q n q
R y Z x

+ +
e e ,

Remarque :
Lorsque toutes les variables dun problme doivent tre entires, mais que tous les coefficients de
contraintes ne sont pas soumises tre entiers, lintroduction des variables dcart fournit alors un
problme mixte.
Dans ce chapitre, nous tudierons seulement les problmes de programmation linaire en nombres
Domaine dadmissibilit du problme(LP). Figure A
x
2

Z

D. A
b x
1
x
2

Z

x
1

3

Domaine dadmissibilit du problme de (PLE). Figure B
Si le polydre D est born le problme de PLE contient un nombre fini de solutions admissibles,
dans ce cas le problme de PLC contient une infinit non dnombrable de solutions admissibles. Malgr
cela le PLE est beaucoup plus difficile que le problme de PLC. On connait cependant que dans ltude
des problmes de la PLC que lobtention de la solution optimale ne ncessite de sintresser quun
nombre fini de solutions savoir les seuls sommets du polydre D .Cest sommets sont des solutions de
base admissibles et peuvent tre aisment dtermines.
Dans les problmes de PLE, la solution optimale nest, en gnral, pas un sommet de D et peut donc
tre un point situ nimporte o de la frontire. Voir la figure B ci-dessus. On perd ainsi toute
caractrisation particulire de solution optimale qui est, pour cette raison, bien plus difficile
dterminer. Pour cela on se contente souvent de trouver une solution :
n
Z D S x
+
= e
.
Notons cet gard que mme en cas o la solution optimale nest pas obtenue en un temps
raisonnable, certaines techniques (mthodes) de rsolution-telle celle de sparation et valuation
progressive(SEP) (branche and Bund) permettent souvent dobtenir une solution admissible
relativement proche dune solution optimale. C'est--dire une prcision qui peut tre dtermine.
IV-2 La relation entre la PLC et la PLE :
Dans de nombreuses mthodes de solutions il convient de rsoudre dabord le problme de la PLC
dfinie par D , et il est souhaitable que cette approximation PL du problme de la PLE soit la meilleure
possible, c'est--dire quil est souhaitable que la valeur optimale
*
PLC
Z
du problme de PLC soit la plus
proche possible de celle de
*
PLE
Z
du problme de PLE.
N.B : Lapproximation PLC du problme PLE est dite relaxation linaire.
Exemple
*
:
Rsoudre le problme de programmation linaire en nombres entiers suivant :
2 1
3 5 ) ( x x z Max + =

S.C 2x
1
+ 3x
2
15
x
1
, x
2
0 et entires


4
La solution :
On pose : 2x
1
+ 3x
2
= 15, donc si x
1
= 0
x
2
= 5 et si x
2
= 0
x
1
= 7.5. Les deux points de la
droite sont : (0 ; 5) et (7.5 ; 0).

x
2

5

Domaine admissible
7.5 x
2
2x
1
+ 3x
2
= 15
La solution optimale du problme de PLC est telle que : x
1
= 7.5, x
2
= 0 et Max(z) = 37.5.
Mais cette solution nest pas optimale pour le PLE : car x
1
= 7.5 nombre continu.
Comment faire, donc, pour que x
1
P rend une valeur entire ?
Pour rpondre cette question on signale quil y a plusieurs mthodes permettant chacune de ramener
une variable continue une variable discrte. Parmi ces mthodes on cite, la mthode de sparation
progressive et la mthode (contrainte) de GOMORY.
IV-3 La mthode de sparation et dvaluation progressive(SEP)
La mthode de SEP est constitue des procdures suivantes :
1. Une procdure de sparation qui chaque fois quil est ncessaire de sparer un sous ensemble
(nud) de solution, dtermine combien de nouveau sous-ensemble (nud) que lon doit
considrer et comment les constituer.
2. Une procdure dvaluation qui consiste analyser un sous ensemble. Cette analyse vise
valuer la valeur optimale de la fonction conomique du sous ensemble. Plus prcisment cette
analyse a pour but de dterminer une borne inferieure(suprieure) pour un problme de
maximisation(minimisation) de cette valeur.
3. Une procdure de cheminement qui indique quels sous-ensemble analyser et dans quel ordre.
Dune faon gnrale les tapes e la mthode de sparation progressive sont les suivantes :
- La 1
re
tape consiste enlever la contrainte dintgrit, c'est--dire de variables entires, puis
rsoudre le problme original entant que problme de PLC (la relaxation continue du (P
0
)). Si la
solution optimale du problme de la PLC donne des valeurs entires toutes les variables de la

5
solution optimale, cette solution est aussi optimale pour le problme de la PLE. Si lune des
variables de dcision de la solution optimale nest pas entire on fait recourt la SEP. En faisant
recourt la mthode de SEP, si plusieurs modles linaires continus diffrent devront tre
rsolus pour obtenir une solution du PLE considr. Il est alors plus pratique , pour rsoudre les
calculs intermdiaires, de dcrire la solution optimale propose dun modle particulier sous le
format suivant :,o napparaissent que la valeur de z et celles des variables non nulles,
Nud gnrique P
h
P
h
: z
h
= valeur optimale
Valeurs des variables non nulles
h reprsente lordre du nud ou du sous-ensemble.
A titre dexemple, les rsultats de lexemple
*
peuvent tre rsums comme suit :

Nud P
0
P
0
: z
0
= 37.5
x
1
= 7.5
x
2
= 0
La solution optimale de cette premire tape, c'est--dire la solution de PLC, viole les contraintes
dintgrit associes aux variables x
1
et x
2
.Mais la solution de P
0
nest pas sans intrt puis que P
0
est
relaxation de (P). Il en rsulte alors que les valeurs maximales de z
*
du problme de PLE(P) et z
0
du
problme de PLC(P
0
) sont lies par lingalit suivante : z
*
z
0
.
- La 2
me
tape : La rgion admissible de(P) sera spare en sous rgion dont aucune ne devra
contenir la solution optimale de (P
0
). Cette sparation ncessite souvent le choix dune variable
dite de sparation, cest celle qui na pas respect la contrainte dintgralit qui lui est impose
dans (P).
Procdure : Si dans la solution optimale de (P
0
) on a plusieurs variables de dcisions qui
prennent des valeurs non discrtes ; laquelle de ces variables choisir comme variable de
sparation ?Certes nimporte quelle variable pourrait tre slectionne. Mais un choix alatoire
pourrait conduire une numration fort peu explicite. Pour rpondre la question ci-dessus, on
note que le choix dune variable de sparation peut tre fait soit en fonction du critre de la
variable la plus distante soit en fonction du critre du meilleur c
j
.
IV-3.1 Le critre de la variable la plus distante :
Selon ce critre, la variable de sparation est celle dont la valeur scarte le plus de lentier le plus
prs. Si titre dexemple on a :
P
0
: z
0
= 254.35
X
1
= 3.75
X
2
= 6.15
Lcart entre la valeur de x
1
et lentier le plus prs est (0.75) plus grand que lcart entre la valeur de x
2

et lentiers le plus prs (0.15). La variable de sparation qui convient de choisir est x
1
.
On crit donc : 3 < x
1
< 4. Deux nouvelles contraintes x
1
3 et x
2
4 sajoutent chacune part sur le
modle de dpart. (P
0
) sera divis en deux restrictions ou sous ensembles, dfinie de la faon suivante :
P
1
: (P
0
) auquel on adjoint la contrainte x
1
3.
P
2
: (P
0
) auquel on adjoint la contrainte x
2
4.

6
Les modles continus (P
1
) et (P
2
) sont rsolus laide de lalgorithme de simplexe, surtout lorsque les x
j

sont 3 .On rsume souvent les rsultats obtenus laide dun arbre dit dnumration, qui prend la
forme suivante :

P
0

P
2
: Z
2
x
1
= ?

Chacun des modles (P
1
) et (P
2
) est construit en ajoutant une contrainte P
0
et par consquent on
a obtient : z
1
z
0
et z
2
z
0
.
Si les solutions optimales des nuds (P
1
) et (P
2
) ne sont pas discrtes (entires), il est prfrable de
choisir (retenir) le nud dont la valeur de la fonction objectif est la plus leve ; lorsquil sagit dune
maximisation, la moins leve lorsquil s agit dune minimisation.
Revenons lexemple
*
et calculons la solution optimale du problme de la PLE.
Daprs cet exemple la solution optimale du problme de la PLC est x
1
= 7.5 non discrte, x
2
= 0
discrte et Max(z) = 37.5.
x
1
= 7.5 donne deux nouvelles contraintes : x
1
7 et x
2
8.
On obtient ainsi deux nuds (fils) ou sous ensemble de P
0
qui sont :
P
1
P
2

2 1
3 5 ) ( x x z Max + =

2 1
3 5 ) ( x x z Max + =

S.C 2x
1
+ 3x
2
15 S.C 2x
1
+ 3x
2
15
x
1
7 x
2
8
x
1
, x
2
0 et entires x
1,
x
2
0 et entires

La solution deP
1
est :
P
1
: z
1
= ?
X
1
= ?
X
2
= ? X
2
= ?

7

x
2

5

D.A
7 7.5 x
1

Pour x
1
= 7
x
2
= 1/3
On a Max (z
B
) = 36 et Max (z
C
) = 35
La solution optimale de P
1
est au sommet B. Elle set telle-que : x
1
= 7, x
2
= 1/3 et Max(z) = 36. Cette
solution nest pas optimale pour le PLE, en effet on a x
2
= 1/3 est non entire.
On crit donc : x
2
0 et x
2
1
On obtient ainsi deux nouveaux nuds (fils) , P
3
et P
4
,qui sajoute chacun sur P
1
et comme suit :
P
3
P
4

2 1
3 5 ) ( x x z Max + =

2 1
3 5 ) ( x x z Max + =

S.C 2x
1
+ 3x
2
15 S.C 2x
1
+ 3x
2
15
x
1
7 x
1
7
x
2
0 x
2
1
x
1
, x
2
0 et entires x
1
, x
2
0 et entires
La solution optimale de P
3
est telle que : x
2
= 0, x
1
= 7 et Max(z) = 35. Cette solution est aussi optimale
pour le PLE, car x
1
= 7 entire et x
2
= 0 entire aussi.
La solution de P
4
est :

8

x
2
x
1
= 7
2x
1
+ 3x
2
= 15
B

Domaine admissible
A C(6;1) x
2
= 1
7 7.5 x
1
Pour x
2
= 1, on a x
1
= 6
Le domaine admissible est le polygone ABC. Le Max est au sommet C, la solution optimale de P
4
est
telle que : x
2
= 1discrte, x
1
= 6 discrte et Max(z) = 33 ; cest aussi une solution optimale du PLE.
On a z
4
= 33 < z
3
= 35, donc z
4
est limine car la fonction est maximisation.
La solution de P
2
est :

Le problme P
2
nadmet de solution.
La solution du problme tudi est alors : x
1
= 7, x
2
= 0 et Max(z) = 35
Larbre dnumration du problme est :

x
2
x
1
=8

(0,5)

8 x
1
7.5

9

IV-3.2 Le critre du meilleur c
j
Selon ce critre, la variable de sparation est celle qui possde le c
j
le plus lev en cas de
maximisation, le moins lev en cas de minimisation.
Remarque : Le signe (X) en dessous du nud signifie que ce dernier est limin soit parce quil ne
possde pas de solution admissible, soit parce quil donne une valeur la fonction objectif ngligeable
comparer la valeur de lobjectif dun nud prcdant.
En rsum un nud P
h
peut tre limin de la liste des nuds en attente, sans tre spar, pour
lune ou lautre des trois raisons suivantes :
- Le modle (P
h
) nadmet aucune solution admissible
- La solution optimale de (P
h
) satisfait toutes les contraintes dintgrit du modle P
- La valeur optimale z
h
de P
h
nest pas plus importante que la valeur de z pour une solution
admissible, de P, dj connue.
IV-4 La programmation linaire en nombres entiers et la mthode de GOMMORY
La procdure :
1. On rsout le problme sans la contrainte dintgrit. Si toutes les variables de la solution
optimale du problme de la PLC (P0) prennent des valeurs entires, cette solution est aussi
optimale pour le problme de la PLE(P). Si lune au moins des variables (x
i
) nest pas discrte,
on construit son quation X
i
-quation. X
i
+
0
b x a
j ij
=
, i j =
2. On repartie les coefficients en deux parties, une partie entire et une partie non entire (fraction
f
j
) 1 0 s s
j
f ; c'est--dire quon pose :
j j ij
f E a + = et
0 0
f E b
b
+ = , o E
b
est la partie
P
0
:Z
0
= 37.5
X
1
= 7.5
X
2
= 0
P
1
: Z
1
= 36
X
1
= 7
X
2
=1/3
P
2
:

P
3
: Z
3
= 35
X
1
= 7
X
2
= 0
P
4
:Z
4
= 33
X
1
= 6
X
2
= 1

10
entire et 0 < f
0
< 1 avec f
0
est une fraction positive. Lquation prcdente sera crite sous la
forme : ( )
0
f E x f E x
b j j j i
+ = + +

0
f E x f x E x
b j j j j i
+ = + +

j j b j j i
x f f E x E x

= +
0
. La partie gauche de lquation (G.H.S) tant entire
(discrte) par hypothse ; la partie droite (D.H.S) est aussi entire. Cest dire que :

j j
x f f

0
= un valeur entire.
On crit donc :
j j
x f f

0
0 Cette ingalit reprsente la contrainte de GOMMORY.
3. On ajoute cette contrainte (aprs avoir la transforme une quation) au dernier tableau puis on
continu la solution.

Exemple :
Rsoudre le problme linaire de programmation linaire en nombres entiers suivant :
Max(z) = 6x
1
+ x
2

S.C 3x
1
+ 4x
2
13
x
1,
x
2
0 et entires
La solution :
Max(z) = 6x
1
+ x
2

S.C 3x
1
+ 4x
2
+ e
1
= 13
x
1,
x
2
0 et entires.
V .B x
1
x
2
e
1
b
i
e
1
3 4 1 13
z 6 1 0 0
La premire itration donne le tableau suivant :
V .B x
1
x
2
e
1
b
i
x
1
1 4/3 1/3 13/3
z 0 - - -26
La solution optimale du PLC est telle-que : x
1
= 13/3 non discrte, x
2
= e
1
= 0 et Max(z) = 26. Mais
cette solution nest pas optimale pour le PLE .On crit donc lquation de x
1
de la manire suivante :
x
1
quation :
3
13
3
1
3
4
1 2 1
= + + e x x

3
1
4
3
1
0
3
1
1
1 2 1
+ =
|
.
|
\
|
+ +
|
.
|
\
|
+ + e x x


11
3
1
4
3
1
3
1
0
1 2 1 2 1
+ = + + + + e x e x x

1 2 2 1
3
1
3
1
3
1
4 e x x x = +

La partie gauche de lquation tant entire, donc, la partie droite est aussi entire. C'est--dire que :

entire e x =
1 2
3
1
3
1
3
1

3
1
)
3
1
3
1
(
3
1
1 2
s + e x
, la valeur
0 )
3
1
3
1
(
1 2
e x +

La partie entire de 1/3 est 0.On peut donc crire
0
3
1
3
1
3
1
1 2
s e x
, cest la contrainte de
GOMMORY .Cette inquation peut tre crite sous la forme :
0 1
1 2
> + + e x

1
1 2
> + e x

1
1 2
s e x
. On ajoute cette contrainte au dernier tableau et on utilise le dual
simplexe. On obtient ainsi :
V .B x
1
x
2
e
1
e
2
b
i
x
1
1 4/3 1/3 0 13/3
e
2
0 -1 -1 1 -1
z 6 -7 -2 -26

R
2
*
= R/-1 = 0 1 1 1 1
R
1
*
= R
1
1/3R
2
*
= 1 1 0 1/3 4
Le tableau qui rsume cette itration est le suivant :
V .B x
1
x
2
e
1
e
2
b
i
x
1
1 1 0 1/3 4
e
1
0 1 1 -1 1
z 0 - 0 - -24

Toutes les valeurs de la colonne b sont positives et toutes les valeurs de la ligne(z) sont 0 ; la solution
optimale du PLC est atteinte. Elle est telle-que x
1
= 4 discrte, x
2
= 0 discrte et Max(z) = 24. Etant
donne que toutes les variables sont entires ; cette solution est aussi optimale pour le PLE.


12
Partie II : La thorie de la dcision
Chapitre 1 : Les problmes de transport et daffectation
1-1 Les problmes de transport
1-1.1
Introduction
On suppose quune entreprise dispose m sources dquipements (centre de production) et n
centres de livraison (destinations) c'est--dire n centres de distribution do elle ravitaille sa
clientle. Supposons de plus que la concurrence, de nouvelles entreprises rcemment implanter
sur le march, a resserr les marges de lancienne entreprise.
Grace cela, on suppose que, lentreprise a entrepris une tude pour abaisser ces cots. Les
couts de transport, en particulier, sont rapidement apparus comme plus levs que ceux des
concurrents. Si dans lentreprise on pense quil sagit l du maillons de transport les dirigeants
vont demander au rpartiteur dadopter une mthode qui mnera horaire (cot de transport)
quotidien optimal. En dautre terme lentreprise recherchera un plan dacheminement cot
minimal des centres de production (sources) aux centres de distributions (destinations).
Dans ces types de problmes les biens sont expdis directement de leurs origines (centre
dquipements) aux centres de consommations (destinations) selon des cots de transport
directement proportionnels aux quantits transportes.
Lobjectif des problmes de transports est alors la minimisation du cot de transport dune
marchandise de sa source (origine) c'est--dire de son centre dquipement vers un lieu de
livraison (destination) ; en vue de satisfaire les besoins de ces derniers. Pour cela loffre des
centres de production (origines) et la demande des centres de consommations (destinations)
doivent tre, apriori, dtermines (connues).
1-2 .2 La formulation du modle de transport
Soient x
ij
le nombre dunit transportes de lorigine i au centre de livraison (destination) j et
c
ij
le unitaire de transport dune unit de la source i la destination j ; la fonction objectif est
alors la minimisation du cot total, et la formulation du problme prend la forme suivante :
Min z =
ij
m
i
n
j
ij
x c
= = 1 1
...........(1)
S /C
=
n
j
ij
x
1
= S
i
; i = 1, ......,m--------(2)

=
m
i
ij
x
1
= D
j
; j = 1,.......,n--------(3)
x
ij
0 ...........(4)
Il sadonne ici que l(offre est gale la demande ; c'est--dire que la somme des expditions doit
tre gale celle des rceptions. Les contraintes (2 et 3) scrivent, donc, comme des quations :
=
m
i
i
S
1
=
=
n
j
j
D
1
...............(5). Car le problme de transport doit tre quilibr.
Lorsque lquation (5) nest vrifie par les donnes dun problme de transport, le modle (T)
ne convient pas la citation dcrite ci-dessus et lalgorithme de transport doit tre quilibr.

13
1-2.1
La matrice ou tableau dun problme de transport
Soient
( )
n
c c ,........,
1
,n centres (lieus) de livraison(destinations) et
( )
n
D D ,........,
1
la demande
de ces centres auprs des centres de production(origines)et soient
( )
m
P P ,........,
1
, m centres de
production(dquipements) c'est--dire dorigines et
( )
m
S S ,........,
1
loffre (les quantits)
disponible dans chaque centre de production(dquipements).
Le tableau dun problme de transport prend la forme suivante :
Cot unitaire
C
1
C
2
C
n

S
i

x
11

x
12

..

x
1n

x
21

x
22

.

X
2n

x
m1

x
m2

.

x
mn
D
1
D
2
..D
n
- A droite du tableau apparait, la ligne i, la disponibilit (loffre) S
i
retrouve au centre de
production (dquipement) P
i
. En dessous du tableau, la colonne j, on trouve la demande D
j

satisfaire par le centre C
j
.
- Pour chaque couple origine-destination, le cout unitaire de transport occupe le coint suprieur
droit de la case approprie. Chacun de ces couts unitaires se note c
ij
, o i dsigne lindice de
lorigine et j celui de la destination.


14
I-1 . 3 Illustration graphique dun PT
S
1
x
11
c
11
D
1
x
21
x
12
c
12

S
2
x
22
c
22
D
2

x
m1
x
m1

S
m
x
mn
c
mn
D
n
I-1.3 La rsolution dun problme de transport
La rsolution dun PT passe par 2 tapes :
a) La solution de base initiale
b) La solution optimale
a) La solution de base admissible (solution initiale)
La solution de base dun problme de transport peut tre obtenue par lune des mthodes
suivantes :
1- La mthode du coin nord-ouest(MCNO)
2- La mthode des couts minimaux(MCM)
3- La mthode des pnalits dite aussi mthode approximative de volgels(MAV).
a) -1 La mthode du coin nord ouest(MCNO) : Il sagit de la mthode heuristique la plus facile
appliquer , mais elle donne souvent des solutions loignes de loptimum. Les tapes
suivantes doivent tres appliques afin darriver la solution initiale.
i) Amorcer la mthode avec la case situe dans le coin suprieur gauche du tableau de
transport.
ii) Attribuer le plus dunit possible la case courante.
iii) Aller une case adjacente la ase courante , en se dplaant soit vers la droite, soit
vert le bas. Revenir ltape ii. La mthode sarrte une fois effectue lattribution
la case situe au coin inferieur. En rsum pour obtenir la solution initiale dun
PT par la mthode de (CNO) lon doit
- Vrifier que loffre est gale la demande
- Dbuter par la case (1,1) et terminer par la case (m , n), en attribuant la case courante le
minimum entre (D
j
, S
i
).
- si S
i
> D
j
le dplacement se fait horizontalement
- si S
i
= D
j
le dplacement se fait au niveau de la diagonale
- si Si < D
j
le dplacement se fait verticalement.

1 1
2 2
m
n

15
Exemple(T) :
Le tableau suivant donne les quantits offertes par 3 centres de production(sources) et la demande dev
3 centres de livraison(destinations).
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j

Dterminer la solution initiale de PT en utilisant la mthode de (CNO)
La solution :
- On a :
30 4 14 12
3 2 1
3
1
= + + = + + =
=
S S S S
i
i

30 11 10 9
3 2 1
3
1
= + + = + + =
=
D D D D
i
j

On a donc :
30
3
1
3
1
= =

= = j
j
i
i
D S

- On dbute par la case (1,1) et on compare loffre et la demande correspondant cette
case(cellule). On compare la quantit demande par le centre(C
1
) et la quantit disponible au
centre de production(P
1
) ; puis on choisit la quantit minimale.
On min (9 ; 12) = 9 .
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j

On a : S
1
= 3 > D
1
= 0 ; on se dplace horizontalement et on choisit le Min (10 ; 3) =3
5

x
11
1

x
12
8

x
13
12
2

x
21
4

x
22
0

x
23
14
3

x
31
6

x
32
7

x
33
4
9 10 11

5

9

1

8

3
2

4

0

14
3

6

7

4
0 10 11


16
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j

On a : S
1
= D
1
, le dplacement se fait au niveau de la diagonale et on utilise le Min (7 ; 14) = 7
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j

On a : S
2
= 7 > D
2
= 0 ; on se dplace horizontalement et on choit le Min (11 ;7) =7
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j

On a : S
3
= D
3
; le dplacement se fait au niveau de la diagonale et on choisit le Min (4 ;4) = 4

5

9
1

3
8

-
2

4

0

14
3

6

7

4
- 7 11

5

9
1

3

8

-
2

4

7
0

7
3

6

7

4
- - 11

5

9

1

3

8

-
2

4

7
0

7

-
3

6

x
32
7

4
- - 4


17
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j
On a : m+n 1= 3+3-1= 5 .
Le nombre de case occupes (remplies) = au nombre de variables de base.
Le nombre de case remplies est donnes par : m+n-1 = 5 .
Ces variables sont : x
11
, x
12
, x
22
, x
23
et x
33
.
Le cout total est :
33 33 23 23 22 22 12 12 11 11
3
1
3
1
x c x c x c x c x c x c
i i
ij ij
+ + + + =
= =

= 5*9 + 1*3 + 4*7 + 0*7 +7*4 = 104
a)-2 La mthode des cots minimaux (MCM)
Cette mthode tire son nom de la proprit quelle accorde lacheminement de quantits la plus
grandes possibles des routes origines destination dont les cots unitaires de transport sont plus
faibles. Acheminer une quantit maximale de biens sur la route i-j correspond en attribuer le nombre
le plus grand possible une case (i ; j) choisie parmi celles des cases disponibles , dont le cot unitaire
de transport est minimal. Une case est dite disponible tant quelle na pas fait lobjet dun choix, ou
na pas t limine la suite dun choix. En rsum, lobtention de la solution initiale dun PT par la
mthode des(CM) passe par les points suivants :
- Vrifier lgalit entre loffre et la demande
- Attribuer le plus dunits possible la case (cellule) dont le cot unitaire est le plus faible ; en choisissant
le Min (D
j ;
S
i
).
- En cas dgalit entre plusieurs cots unitaire, la case est choisie au hasard
- Calculer le cot total.
Exemple :
Daprs les donnes de lexemple(T), dterminer la solution initiale de PT en utilisant la mthode
des (C M) C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j
5

9

1

3

8

-
2

4

7

0

7
-
3

6

7

4

-
- - -

5

1

8

12
2

4

0

14
3

6

7

4
9 10 11


18

La solution :
Daprs le tableau on trouve que la case (2 ; 3) a le cot le plus faible (zro) et le Min (11, 14) = 11.
On obtient ainsi :
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j
La deuxime case choisir est la case (1, 2) qui possde un cot unitaire = 1. En utilisant le Min
(10, 12) qui gal 10 ; on obtient :
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j

On choisit maintenant la case (2, 1) dont le cot unitaire est gal 2. En choisissant le Min (9, 3)
qui est 3, on obtient :
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j
On choisit donc la case (3, 1) dont le cot unitaire est 3 . Le Min (6, 4) est 4
Et le tableau associ est :
5

1

8

12
2

4

0

11
3
3

6

7

4
9 10 -

5

1

10
8

2
2

4

0

11
3
3

6

7

4
9 - -

5

1

10
8

2
2

3
4

0

11
-
3

6

7

4
6 - -


19
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j

On choisit la case (1, 1) dont le cot unitaire est 5. Le Min (2, 2) est 2. On obtient ainsi
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j

Le tableau qui rsume cette solution est donn par :
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j
On a 5 cases remplies (occupes) = 3+3-1 + = 5. On a donc 5 variables de base.
Le cot total est
31 31 23 23 21 21 12 12 11 11
3
1
3
1
i i
ij ij
+ + + + =
= =
:
= 5*2 + 1*10 + 2*3 + 0*11 + 3*4 = 38.
Le cot total rsultant de la MCM est < au cot total obtenu par la mthode du CNO.
5

1

10
8

2
2

3
4

0

11
-
3
4

6

7

-
2 - -

5
2

1

10
8

-
2

3
4

0

11
-
3

4
6

7

-
- - -

5

2
1

10
8

12
2

3
4

0

11
14
3

4
6

7

4
9 10 11


20
a) La mthode des pnalits (mthode approximative) de Volgels(MAV).
Cette mthode donne souvent une solution admissible de cot infrieur celui obtenu par la
mthode des CM. Cette dernire ( la MCM) propose de traiter dabord la case de cot unitaire
minimal, sans tenir compte de impact de cette premire attribution sur les dcisions. Le bon
sens dicterait plutt de tenir compte au moins des consquences prochaines. A cette fin, on
calcule, pour chaque range o il ya au moins deux cases disponibles, une pnalit dfinie
comme suit :
Une pnalit associe une range est la valeur absolue de la diffrence entre les deux cots
unitaires minimaux des cases disponibles retrouves dans cette range. Elle mesure
laugmentation minimale du cot de transport dune unit si celle-ci nempruntait pas la route
de cot minimal de cette range.
En rsum lobtention de la solution initiale par la mthode des pnalits passe par les tapes
suivantes :
- Vrifier lgalit entre loffre et la demande.
- Dterminer la diffrence entre les deux cots unitaires minimaux des cases dans chaque ligne,
chaque colonne.
- Choisir la plus grande diffrence des cots unitaires.
- Attribuer le Min (D
j,
S
i
) la case qui a le cot unitaire le plus faible.
- Revenir 2 ,3 et 4.
- Si grce lattribution des quantits, il reste une ligne ou une colonne on lui attribue les quantits
selon la mthode des CM.
- Calculer le cot total.
Remarque : En cas dgalit entre les carts les plus levs le choix de la colonne (la ligne) se fait au
hasard.
Exemple : En utilisant les donnes de lexemple(T) ; dterminer la solution de base admissible
(solution de base) de PT par la mthode de volgels(A.V).
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j
Diffrence

5

1

8

12 4
2

4

0

14 2
3

6

7

4 3
9 10 11

1 3 7


21
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j
Diffrence
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j
Diffrence

C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j
Diffrence

5

1

10
8

2 4
2

4

0

14 2
3

6

7

4 3
9 - 11

1 - 7

5

1

10
8

2
2

4

0

11
3
3

6

7

4
9 - -

1 - -

5

2
1

10
8

-
2

3
4

0

11
-
3

4
6

7

-
9 - -

1 - -


22
C
1
C
2
C
3
offres S
i

P
1

P
2

P
3

Demande D
j
Le cot total est :
31 31 23 23 21 21 12 12 11 11
3
1
3
1
i i
ij ij
+ + + + =
= =

= 5*2 + 1*10 + 2*3 + 0*11 + 3*4 = 38.
Les rsultats obtenus par la mthode de Volgels sont, souvent, meilleurs que ceux des autres
mthodes.
Le dsquilibre entre loffre et la demande
Si loffre et la demande ne sont pas gales, il faut les quilibres en ajoutant une ligne (une
colonne) muette de cots unitaires nuls au tableau du PT.
Exemple :
En utilisant la mthode des pnalits, donner la solution initiale du problme de transport suivant :
C
1
C
2
C
3
C
4
offres S
i

P
1

P
2

P
3

Demande D
j
La solution
On a :
90 30 40 20
3 2 1
3
1
= + + = + + =
=
S S S S
i
i

65 10 5 30 20
4 3 2 1
4
1
= + + + = + + + =
=
D D D D D
j
j

5

2
1

10
8

12
2

3
4

0

11
14
3

4
6

7

4
9 10 11

10

5

7 1

20
17

12

13 5

40
7

9

3 3

30
20 30 5 10


23

= =
=
4
1
3
1 j
j
i
i
D S
. Il faut quilibre loffre et la demande avant de chercher la solution initiale.
On a :
65 90
4
1
3
1
= =

= = j
j
i
i
D S
, on ajoute donc une colonne muette au tableau du PT. On calcule
D
5
comme suit : D
5
= 90 65 = 25
C
1
C
2
C
3
C
4
offres S
i

P
1

P
2

P
3

Demande D
j
La solution initiale du problme st rsume dans le tableau suivant :
C
1
C
2
C
3
C
4
offres S
i

P
1

P
2

P
3

Demande D
j
On a m + n 1 = 3 + 5 1 = 7 . Nous devons avoir 7 cases occupes c'est--dire 7 variables de base.
CT =
33 33 32 32 31 31 25 25 24 24 22 22 12 12
3
1
5
1
x c x c x c x c x c x c x c x c
i i
ij ij
+ + + + + + =
= =

= 5*20 + 12*5 + 5*10 + 0*25 + 7*20 + 9*5 + 3*5 = 410
b) Le test de loptimalit (Dveloppement de la solution initiale)
Lalgorithme de transport, une fois amorc laide dune solution de base admissible initiale
obtenue selon lune des trois mthodes dj tudies, ou bien tablit loptimalit de cette premire
solution ou bien donner, chaque itration, une solution de base admissible dont le cot associ est
inferieur ou gal celui de la prcdente. Une fois lanc, lalgorithme poursuit ses itrations jusqu
lobtention dune solution de base optimale.
10

2
5

10
7 1

0 20
17

3
12

13 5

0 40
7

4
9

3 3

0 30
20 30 5 10

25
10

5

20
7 1

0 20
17

12

5
13 5

10
25 0 40
7

20
9

5
5 3 3

0 30
20 30 5 10

25

24
Lalgorithme de transport est une version spcialise de lalgorithme du simplexe ; lors dune
itration lensemble des variables de base est modifi, une variable entre dans la base et une autre
sort de la base.
Le test de loptimalit dune solution de base initiale passe par la dtermination du cot marginal
ij
c
de chaque variable
ij
x
hors base.
- La dtermination des cots marginaux
Soient u
i
et v
j
les variables auxiliaires ou variables duales ; lquation du cot marginal
unitaire de chaque case de base (i , j) est donne par : c
ij
= u
i
+ v
j
.
Le cot marginal
ij
c
de chaque variable hors-base x
ij
est donn par :
ij
c
= c
ij

(u
i
+ v
j
) = c
ij
u
i
-
v
j
La dtermination des cots marginaux
ij
c
dpend donc des valeurs des variables auxiliaires u
i

et v
j.
. A partir du tableau de la solution de base admissible on forme les u , v quations pour les
cases occupes c'est--dire les cases possdant des variables de base.
On crit ainsi : c
ij
= u
i
+ v
j

Remarque : Si le nombre dquations est gal au nombre de variables, la solution est unique ; sinon on
a une infinit de solutions. Il suffit dattribuer une valeur positive, ngative ou nulle lune des
variables duales dans les u, v quations pour voir le systme rsolu.
NB : On attribut souvent la valeur zro la variable la plus frquente.
Aprs la dtermination des variables duales, on construit un tableau dans lequel on met seulement
les valeurs des variables hors-base x
ij
dfinie par : x
ij
= u
i
+ v
j
.
Le tableau ainsi obtenu conduit la construction dun tableau appel tableau des carts ou tableau des
cots marginaux
ij
c
des variables hors-base dfinie par :
ij
c
= c
ij
(u
i
+ v
j
) ou
ij
c A

Remarque :
1-
ij
c
reprsente aussi laugmentation ou la diminution du cot de la variable hors-base x
ij
.
2- Si le tableau des carts contient des valeurs ngatives cela signifie que la solution de base
(initiale)nest pas optimale. On pourra donc diminuer les cots de transport en assignant lune
ou lautre de ces variables hors-base une valeur positive. Afin datteindre cet objectif on doit
dterminer la variable qui entre dans la base et celle qui doit tre hors-base. On construit donc
ce quon appelle (boucle ferme) cycle de changement dont le point de dpart est la case
possdant la plus grande valeur ngative dans le tableau des carts.
3- On refait les tapes prcdentes jusqu' que tous les carts dans le tableau des
ij
c A
soit 0,
c'est--dire
ij
c A
=
ij
c
0
NB : En cas dgalit entre les cots marginaux les plus faibles on utilise le critre c
ij
, on retient alors
la variable qui a le c
ij
le plus faible.


25
Exemple :
Tester loptimalit de la solution initiale obtenue par la mthode du CNO de lexemple(T)

C
1
C
2
C
3
offres U
i
P
1

P
2

P
3

La solution
La construction des u, v quations pour les cases remplies (occupes) :
u
1
+ v
1
= 5 u
2
+ v
3
= 0
u
1
+ v
2
= 1 u
3
+ v
3
= 7
u
2
+ v
2
= 4
RQ : On a m + n = 3 + 3 = 6 variables et on a 5 quations, il ya donc une infinit de solutions.
On pose u
1
= 0, ce qui fait que : v
1
= 5, v
2
= 1, u
2
= 3, v
3
= -3 et u
3
= 10 .
On a trouv 6 variables.
La construction dun tableau contenant seulement u
i
+ v
j
des cases hors base de la solution de base
initiale.
C
1
C
2
C
3
offres U
i
P
1

P
2

P
3

Demandes
V
j

5

9
1

3
8 12 U
1
= 0
2

4

7
0

7
14 U
2
= 3
3

6 7

4
4 U
3
= 10

9

10

11
V
1
= 5 V
2
= 1 V
3
= -3
5

1

8

-3
12 U
1
= 0
2

8
4

0

14 U
2
= 3
3

15
6

11
7

4 U
3
= 10

9

10

11
V
1
= 5 V
2
= 1 V
3
= -3

26
La construction du tableau des carts
ij
c A
et la dtermination de la boucle

C
1
C
2
C
3
offres U
i
P
1

P
2

P
3

Demandes
V
La variable x
12
entre et la variable x
33
sort on obtient ainsi le tableau suivant :

On a 3+3-1 = 5 variables de base
CT =
ij
i i
ij
x c
= =
3
1
3
1
= c
11
x
11
+ c
12
x
12
+ c
22
x
22
+c
23
x
23
+c
31
x
31 =
25 + 7 + 12 + 0 + 12 = 56

Cette premire itration a amlior la solution de base admissible de la M.C.N.O de 4x12 = 48
On construit de nouveau les u v quations :

u
1
+ v
1
= 5 u
3
+ v
1
= 3
u
1
+ v
2
= 1 u
2
+ v
3
= 0
u
2
+ v
2
= 4
On pose u
1
= 0 ; on obtient ainsi v
1
= 5, v
2
= 1, u
2
= 3 , u
3
= -2 et v
3
= -3
La construction du tableau u
i
+ v
j
des cases hors-ase.

5

-
1

+
8

11
12 U
1
= 0
2

-6
4

-
0

+
14 U
2
= 3
3

-12 +
6

-5
7

-
4 U
3
= 10

9

10

11
V
1
= 5 V
2
= 1 V
3
= -3
5

5
1

7
8

12
2

4

3
0

11
14
3

4
6

7

4
9 10 11

27
C
1
C
2
C
3
offres U
i
P
1

P
2

P
3

Demandes
V
j

La construction du tableau des carts Ac
ij
et la boucle
C
1
C
2
C
3
offres U
i
P
1

P
2

P
3

Demandes
V
j

La variable x
21
entre dans la base et la variable x
22
sort de la base.
On obtient ainsi le tableau suivant :

CT =
ij
i i
ij
x c
= =
3
1
3
1
= c
11
x
11
+ c
12
x
12
+ c
21
x
21
+c
23
x
23
+c
31
x
31 =
10 + 10 + 6 + 0 + 12 = 38
La deuxime itration a diminu le cot total de la premire itration de 3x6 = 18
.

5

1

8

-3
12 U
1
= 0
2

8
4

0

14 U
2
= 3
3

6

-1
7

-5
4 U
3
= -2

9

10

11
V
1
= 5 V
2
= 1 V
3
= -3
5
-

1
+

8

11
12 U
1
= 0
2
+
-6
4
-

0

14 U
2
= 3
3

6

7
7

12
4 U
3
= -2

9

10

11
V
1
= 5 V
2
= 1 V
3
= -3
5

2
1

10
8

12
2

3
4

3
0

11
14
3

4
6

7

4
9 10 11

28
I . 1. 4 Les problmes de transport et dgnrescence
Quant un problme de transport perd lune de ses qualits ; on dit quil est dgnr.
- Si la dgnrescence est au niveau des disponibilits et des demandes ; c'est--dire si loffre et la
demande sont diffrentes, dans ce cas, et pour pouvoir rsoudre le problme de transport, on
ajoute une ligne (une colonne) fictive de couts marginaux nuls au tableau de transport.
- Si la dgnrescence est due la solution initiale c'est--dire lorsque le nombre de variables de
base (cases occupes) est diffrent de m + n 1 ; dans ce cas, et afin de pouvoir tester
loptimalit de la solution initiale, on procde comme suit :
Exemple : Le tableau suivant donne la solution dun certain problme de transport :

7
8 6 10
15
15
3
5
5 12
12
8 17
5
5
4 9 5
3
8
3 2
5
9 6 5
10 5 12 18
On a m + n 1 = 7 et le nombre de cases occupes (variables de bases) est 6
On a donc m + n 1 6 il existe donc un problme de dgnrescence.
Pour dcouvrir le dfaut on construit les u v quations.
On pose donc :
u
1
+ v
4
= 10 u
4
+ v
2
= 2
u
2
+ v
1
= 3 u
3
+ v
1
= 5
u
2
+ v
3
= 12 u
3
+ v
4
= 5
Si on pose u
2
= 0, on obtient ainsi v
1
= 3, u
3
= 2, v
4
= 3, u
1
= 7 et v
3
= 12 ;
On na pas pu rsoudre lquation u
4
+ v
2
= 2 ce qui provoqu la dgnrescence.
Pour pouvoir tester loptimalit de la solution il faut rsoudre lquation : u
4
+ v
2
= 2.
On peut choisir une case au hasard et lui attribuer la valeur zro, mais cela peut provoquer un cyclng .
La rsolution de lquation ci-dessus ncessite donc la reprsentation graphique (arbre) des u-v quations.
u
1
O v
4
. .. O u
4

O u
3
Ov
2

O v
1
O u
2
O v
3


29
Cette nouvelle quation au systme dquations ci-dessus. On obtient ainsi : u
4
+ v
4
= 6 et par la suite
on trouve que v
4
= 3, u
4
= 3 et v
2
= -1.
Remarque :
-
La liaison ne se fait jamais entre les u
i
ni entre les v
i
-
On suppose que la case (4, 4) est une base et on lui attribue la valeur zro.

7
10
8
6
6
19
10

15 u
1
=7
3

5
-1
12

3
3
17 u
2
=0
5

4
1
9
14
5

8 u
3
=2
3
6
2

9
15
6

5 u
4
=3
10 5 12 18
v
1
=3 v
2
=-1 v
3
=12 v
4
=3

On construit le tableau des carts et la boucle etc.......
II . 2 Le problme daffectation
Le problme daffectation (assignment problm) est un problme particulier de PL en variables
binaires. Il consiste affecter n ressources (personnes, quipements, localisations,...,) n activits
(travaux, services,....,). A titre dexemple : affecter des ouvriers des travaux, des professeurs des
classes, des quipements des vols ariens, ou encore, les symboles dune machine crire aux
diffrentes positions dun clavier etc.
Il sagit donc de dfinir une bijection de {1,.......,n} sur {1,.......,n}ou encore une permutation de n
objets.
II. 2 .1 Formulation du problme
Dsignons par i = 1, 2,...............,n les ressources et par j = 1,2,...........,n les activits et
introduisons les n
2
variables binaires :
x
ij
= 1 si la ressource i est affecte lactivit j
x
ij
= 0 autrement.
Les contraintes du problme daffectation scrivent simplement sous la forme : 1
1
=
=
n
j
ij
x
i = 1,..........,n.
La ressource doit tre affecte une seule activit : 1
1
=
=
n
i
ij
x , j = 1, ...., n
Lactivit j ne peut tre affecte qu une seule ressource.
Dans cette section nous tudierons seulement le problme linaire daffectation.

30
Laffectation de la ressource i lactivit j occasionne un cot daffectation c
ij
.
Le problme linaire daffectation scrit sous la forme :
1
1 1
=
= =
n
i
n
j
ij ij
x c Min
S/C 1
1
=
=
n
j
ij
x pour tout i
1
1
=
=
n
i
ij
x Pour tout j
x
ij
= (0, 1). Lobjectif des problmes daffectation est, aussi, la minimisation du cot total
Tableau illustratif

x
11
C
11

x
12
c
12
............. x
1n

c
1n

x
n1
c
n1

x
n2
c
n1
.............. x
nn

c
nn

Exemple :
Le tableau suivant offre quatre postes de travail pour quatre personnes
T
1
T
2
T
3
T
4
P
1
P
2

P
3
P
4

Donner laffectation optimale du problme.

i 1

i j

n n
15

12 8 5
13

3 9 6
5

7 4 8
10

12 17 18

31
Remarque : la mthode de rsolution est dite Hungarian technique
La solution :
La 1
re
tape dans la rsolution des problmes daffectation consiste soustraire la plus petite valeur
dans chaque ligne des autres valeurs.

Si dans chaque ligne et chaque colonne il nexiste quun seul zro, donc la solution optimale est atteinte.
En se rfrent au tableau ci-dessus on trouve que cette condition est vrifie, et par la suite, la solution
optimale sannonce comme suit :
- La 1
re
personne doit tre affecte au 4
me
poste
- La 2
me
me
poste
- La 3
me
me
poste
- La 4
me
r
poste
Le cot total associ cette affectation est calcul comme suit :
22 10 4 3 5 ) 1 ( ) 1 ( ) 1 ( ) 1 (
41 33 22 14
1 1
= + + + = + + + = =
= =
c c c c x c CT
n
i
n
j
ij ij

NB : Si la condition ci-dessus nest pas vrifie on doit procder comme suit :
Exemple :
Le tableau suivant offre quatre postes de travail rservs pour les personnes A, B, C et D.
P
1
P
2
P
3
P
4
A

B
C

D

Faites les affectations optimales de ce problme.

10

7 3 0
10

0 6 3
4

3 0 4
0

2 7 8
2

5 7 4
10

8 11 10
5

6 12 8
9

8 9 6

32
La solution :

On constate aprs cette premire itration quon na pas de zro dans la colonne 3 .
De chaque colonne on retranche la plus petite valeur pour avoir au moins un zro par colonne et par
ligne. Ce qui donne :

Etant donn quil ya des lignes (des colonnes) dans lesquelles il ya plus quun zro, et pour atteindre la
solution optimale, on couvre les lignes(les colonnes) par des traits ; en dbutant (commenant) par la
colonne (la ligne) qui possde plus de zros.

On retranche en suite la plus petite valeur du tableau des cots, des valeurs non couvertes et on lajoute
au point de lintersection des lignes (colonnes). Dans le tableau ci-dessus, la plus petite valeur est (1) et
le rsultat de litration donne :

Les zros souligns en gras du tableau ci-dessus reprsentent les variables de base.
0

3 5 2
2

0 3 2
0

1 7 3
3

2 3 0
0

3 2 2
2

0 0 2
0

1 4 3
3

2 0 0
0

3 2 2
2

0 0 2
0

1 4 3
3

2 0 0
0

2 1 1
3

0 0 2
0

0 3 2
4

2 0 0

33
Linterprtation ou laffectation snonce, alors, comme suit :
- La personne A occupe le poste P
1

- La personne B occupe le poste P
3

- La personne C occupe le poste P
2

- La personne D occupe le poste P
4

Le cout total rsultant de cette affectation est :
CT = x
11
+ x
23
+ x
32
+ x
44
= 2 + 11+ 6 + 6 = 25
Remarques gnrales sur la section :
- Si le nombre de lignes est diffrent du nombre de colonnes, on galise leur nombre en ajoutant
des lignes (des colonnes) fictives) de cots nuls.
- Si aprs la soustraction de la plus petite valeur de chaque ligne(colonne),este une ligne (une
colonne) possdant plus quune case de valeur nulle ;on barre cette ligne(cette colonne) par un
trait, en dbutant par la ligne(la colonne) qui contient le grand nombre de zros.
- Dans le tableau de la solution optimale le nombre de traits doit tre gal au nombre de lignes.
- Si on veut quune personne noccupe pas un poste donn ; on met dans la case approprie cette
personne plus linfinie (+).
Chapitre II :- Lanalyse des rseaux (la gestion des projets) : Techniques
dordonnancement
Les mthodes danalyse utilises sont :
- La mthode du chemin critique (critical path mthod) CPM.
- La mthode des techniques dlaboration et contrle des programmes (Program Evaluation and
Review Technique) dite mthode PERT.
III.1 Introduction :
Lanalyse des rseaux est un outil puissant pour le contrle de lavancement des projets.
III.2 Dfinition :
- Le rseau est une reprsentation graphique traduisant lensemble des tches dun projet, leur dure et
leurs liens. Ce rseau permet au gestionnaire de visualiser les relations entres les diffrentes tches
raliser pour mener le projet bien. Le tracer (la construction) du rseau permet dexaminer les relations
dantriorit et de postriorit entre les tches.
Le rseau reprsente aussi un point de dpart la mise en uvre de divers algorithmes relis soit
lordonnancement optimal des tches, soit au droulement optimal du projet.
- Le projet est un ensemble de tches qui permettent de raliser un objectif quelconque.
- La tche est une opration ou ensemble doprations qui doit seffectuer sans discontinuit, pendant une
date dtermine. Dans la terminologie des rseaux une tche est reprsente par une flche dont le dbut
et la fin sont reprsents par des cercles (nuds) numrots. (i)------------(j)
Remarque : Pour toute flche (arc) (i, j) on a i < j.
- Lordre de priorit dans lexcution des tches est traduit par lordre de succession des flches. Certaines
oprations (tches) ne peuvent dmarrer quune fois dautres oprations ont t achevs.
- La dure de chaque tche est indique sur la flche correspondante.

34
- Les tches sont dites successives lorsquelles se droulent les une aprs les autres (relation dantriorit).
Exemple : la tche B succde la tche A signifie que la tche B ne peut commencer quune fois la tche A
acheve (A est prdcesseur de B). Cette succession sera reprsente ainsi :
(1)------A------(2) ------B------(3)
- Les tches sont dites simultanes lorsquelles peuvent commencer en mme temps en partant de la mme
tape.
Exemple : La tche A et la tche C sont simultanes. Cette simultanit est reprsente comme suit :
(2)
A
(1)
C
(3)
Exemple : soit lordonnancement suivant des trois tches A, B et C : la tche B succde la tche
A. L a tche C est simultane A. La construction du rseau reprsentatif de ces tches prend la forme :

- La tche fictive : la tche fictive est une tche qui ne demande ni temps (dure) ni ressources,
pour laccomplir. Cette tche est utilise pour des raisons logiques, dans le but dtablir un
certain ordre logique. En dautre terme la tche fictive est une tche qui permet de reprsenter
fidlement les contraintes dun projet. Dans la terminologie des rseaux, elle est reprsente par
une flche discontinue de dure nulle. O ........ O.
- Lutilisation des tches fictives : la reprsentation suivante est fausse

Car on a figur deux flches (arcs) du sommet (k) vers le sommet (tape) , ce qui est impossible dans
un graphe. En effet est dsigne par le couple : numro de ltape < dbut> de cette tche puis numro
du sommet (tape) fin de cette tche soit ici (k , ). Si lon adoptait la reprsentation ci-dessus, alors G
et I seraient homonymes puisque toutes les deux dsignes par le mme couple (k, ). Pour casser cette
homonymie, il convient dajouter un sommet supplmentaire m qui sera le dbut de G , ou la fin de G ,
on dbut de I ou la fin de I et une tche fictive tf du sommet m vers le sommet .
(m)
G tf
(k) I ()
(2)
A B
(1) C (3)
G
(k) I ( )

35
- Evnement : sommet ou tape est un point dans le temps qui nexige pas de ressources. Dans la
terminologie des rseaux ; une tape (un sommet) est reprsent(e)par un cercle (nud) qui
renvoie au dbut et la fin de chaque tche.
- Les tches critiques se sont les tches dont lexcution ne peut tre ni retarde ni ralentie, sans
que la fin de lensemble des travaux n soit dcal du temps correspondant.
- Le chemin : le chemin est une suite de tches commenant au dbut du projet et finissant par un
vnement (une tape) quelconque.
- Le chemin critique est un chemin jalonn par les tapes critiques, dont la date attendue est gale
la diffrence entre la date attendue de ltape suivante, sur le chemin critique, et la valeur de la
flche qui le relie. Ltape dbut des tches et ltape fin des tches marquent videment le
dbut et la fin du chemin critique. Autrement dit le chemin critique est le chemin dont la
succession des tches donne le plus long temps dexcution. Il est dit critique car tout retard pris
sur lune quelconque des tches de ce chemin entraine obligatoirement un retard dans
lachvement du projet.
- La longueur du chemin critique. La somme des dures de tches qui dfinissent un chemin
critique est appele longueur du chemin critique.
III.3 La dtermination du chemin critique par la mthode (CPM)
NB :- Dans tout projet il existe au moins u n chemin critique cest dire une suite de tche critiques
chelonnes entre la 1
ire
et la dernire tape du rseau telles que ltape initiale de chacune, sauf la 1
ire
,
soit le sommet (tape) terminal(e) de la prcdente.

Dfinition : - La dtermination du chemin critique par la mthode (CPM), sous lhypothse que la
dure de chaque tche est connue lavance, ncessite lutilisation des deux mthodes s suivantes :
- la mthode de calcul du temps de ralisation au plus tt
- la mthode de calcul du temps de ralisation au plus tard.
La mthode de calcul du temps de ralisation au plus tt.
L e temps de ralisation au plus tt est le temps minimum au bout duquel une tape peut tre atteinte.
Ce temps au plus tt sera not E(i), pour reflter la terminologie anglo-saxonne qui qualifie ce temps de
earlist , littralement au plus tt .
- La formule suivante exprime le calcul du temps au plus tt ; mthode dite : Forward Pass
Calculation
E (i) + d
ij

E(j) = max
i
E (i) = 0 pour ltape initiale.

O d
ij
est la dure dexcution de la tche (i, j) cest une donne.

La mthode de calcul du temps de ralisation au plus tard.
Le temps de ralisation au plus tard dnot par L( i ) , vocable inspir de langlais o L rappelle lastest , cest
dire au plus tard est le maximum au bout duquel une tape doit tre atteinte sans que la date darrive ltape
finale du projet ne soit modifie. En dautre, pour tout sommet i, le moment au plus tard est linstant le plus tardif
o devront tre compltes toutes les tches aboutissant en i, si la dure du projet doit rester minimale.
Les temps au plus tard, L ( i ) , se calculent successivement en suivant rebours cest dire en sens contraire
lordre des numros attribus aux tapes i.
La formule suivante exprime le calcule du temps au plus tard. La mthode est dite :
Back ward Pass Calculation .

L
j
- dij
L ( i ) = Minj
L( n ) = E ( n )

RQ: - Une tche est dite critique si elle vrifie, en mme temps, les trois conditions suivantes :
1- E(i) = L(i) , 2 - E(j) = L(j) et 3 - E(j) - E(i) = Lj Li = dij.

36
La marge libre (m
ij
) dune tche (i, j) est le nombre de priode supplmentaires quon pourrait lui
consacrer sans que soit retard le parachvement projet.
La marge total dune tche ( i , j ) est donne par : Tm
ij
= L(j) - E(i) d
ij
.
Les marges libres jouent un grand rle dans le paramtrage des ordonnancements. En effet, on peut vouloir
ralentir lexcution dune tche non critique, afin de rendre moins coteuse, mais on ne peut pas allonger la dure
dune tche au del de la marge libre sans modifier les dates au plus tt (et donc les marges libres) des tches
ultrieures. On ne dispose de la totalit de la marge libre m
ij
pour la tche (i, j ) que si les tches qui lui sont
pralables ont effectivement commenc leur date au plus tt.
Exemple :
Dterminer le chemin critique du rseau ( projet ) suivant sachant que le temps est exprim en semaine

(4) d
46
= 5

d
24
= 5 d
45
=7
(1) d
12
=3 (2) ( 5) d
56
= 2 (6) d
67
=1 (7)

d
23
= 4 d
35
= 3

( 3)
d
36
= 6
La solution :
For ward calculation

E
1
= 0
E
2
= E
1
+ d
12
= 0 + 3 = 3
E
3
= E
2
+d
23
= 3 + 4 = 7 . On peut raliser deux tches en 7 semaines

Exercice :- Soit la liste des activits ncessaires la ralisation du projet dinformatique suivant :

Tche Temps requis (semaines) Prdcesseurs immdiats
a. faire ltude de march 3 -
b. conception graphique 4 A
C . organigramme 2 A
D . fentres menus i /o 6 B ,c
e. module 1 5 C
f. module 2 3 C
g. module 3 7 E
h. module 4 5 E , f
i. regroupement et validation 8 D , g , h

1) Prsenter le graphique de ce projet
2) Dterminer le chemin critique en utilisant la mthode de Forward Pass calculation
III.4 La construction du rseau
La construction du rseau comporte les tapes suivantes :
- Ltablissement dune liste des tches.
- La dtermination es tches antrieurs et des tches immdiatement antrieures.
- La dtermination des tches du dbut et de la fin du processus.
- La construction des tches partielles.
- La construction proprement dite du rseau
En rsum ; la construction dun rseau potentiel doit seffectuer comme suit :

37
- Une tche est reprsente par une tape (un sommet). Quand une tche i est prdcesseur
immdiat de j , on trace une flche (un acr) de ltape associe i vers celle correspondant j.
- On ajoute des sommets dbuts du projet et fin du projet. Les sommets dbut du projet prcdent
tout sommet nadmettant aucun prdcesseur immdiat ; alors que le sommet fin du projet est
li comme sommet terminal tout sommet qui ne possde aucun successeur immdiat.
Exemple P : Soit un projet dont les tches satisfont aux relations de prdcesseur indiques au tableau
suivant :
Tche Prdcesseur immdiat
T -
U -
W U
X T, W
Y U
Z X, Y
R U
S X, Y, R
Construire (tracer) un rseau pour reprsenter ce projet.
La solution :
Daprs le tableau on remarque que T et W sont prdcesseurs immdiats de X :

T X
W
Les tches X,Y admettent galement un sommet commun

X Z
Y

La figure ci-dessous donne une faon de traduire les relations dantriorit du sous projet form des
tches T Z .

T X
U W Y Z
La prise en considration des tches R et S une difficult particulire. En effet, les tches X , Y et R
devraient, selon ce qui vient dtre convenu, partager le mme sommet terminal, qui serait le sommet
initial de S . Or, le sommet terminal de X et de Y est le sommet Z.

38
X Z
Y S
R
Le sous rseau ci-dessus, sil tait utilis, pour reprsenter lexemple ci-dessus, exigerait que R prcde Z, bien
que R ne fait pas partie de la liste des prdcesseurs immdiats de Z. Il faut viter que la structure du rseau
induise de telle relation dantriorit entre les tches qui ne correspondent pas des contraintes dantriorit entre
les tches correspondantes. Nous ddoublons donc le sommet terminal des tches X, Y et R et ajoutons, entre les
deux sommets obtenus, une tche fictive F.
X
Y Z
S
La prsence dune flche discontinue allant du sommet 4
/
4
//
indique que X et Y sont des
prdcesseurs immdiats de S. Labsence de flche allant en sens inverse permet la tche Z de
dmarrer ds que X et Y sont paracheves, que la tche R soit termine ou non.
Ici, les tches Z et S partagent deux prdcesseurs immdiats, soient X et Y , alors que R est
prdcesseur immdiat de S sans ltre de Z. On peut donc tracer notre rseau dune faon plus claire et
plus jolie. Voir le graphique ci-dessous.
X
T
W Y F Z

U R S

Lanalyse des rseaux par la mthode PERT (Dure alatoire des tches)
Jusquici, nous avons prsum que la dure des diffrentes tches tait connue ou rvlait du
responsable du projet. La plupart des projets rels contiennent un certain nombre de tches dont la
dure dpend de facteurs incontrlables et peut tre tenue pour alatoire. Parfois, ces variations sont
faibles par rapport la dure utilise dans les calculs et peuvent tre ngliges en premire
approximation. Parfois on doit incorporer explicitement laspect alatoire dans lanalyse
quantitative, car le parachvement du projet peut tre retard de faon substantielle par une tche
critique dont la dure savre, par hasard , beaucoup plus longue que prvu. Il faut, donc, tenir
compte explicitement de laspect alatoire associ la dure de plusieurs tches. Dans ce qui suit on
considre que la dure de chaque tche est dcrite par une variable alatoire choisie dans une
famille suffisamment riche pour couvrir la trs grande varit de situation envisageable. En

39
particulier, on exige que cette famille englobe des variables dont la fonction de densit est
asymtrique :

a= opt m b = pess a= opt m b= pess
Symtrique m-a = b-m et asymtrique m a b m
Cette exigence dasymtrie excluait le modle normale, car toute variable normale est distribue
symtriquement par rapport sa valeur centrale, la quelle en est la fois le mode, la mdiane et la
moyenne arithmtique.
Le choix se portera sur la famille des variables de distribution Beta : on y retrouve, entre autre, des
variables alatoires uni modales prenant les valeurs dans un intervalle [a, b] = [ opt , pess] reprsentant
les plus courtes et les plus longues dures concevables, celles observes quand tout va bien ou quand
tout va mal. En dautre terme lintervalle [ a , b] reprsente le temps optimiste(a) et le temps pessimiste
(b).
Les paramtres de la loi Beta sont choisis de faon que leur esprance mathmatique (moyenne)
sobtienne comme une somme pondre du mode et des valeurs extrmes a et b. C'est--dire que :
6
4 b m a + +
= .
Pour chaque tche (i,j) ; le temps de ralisation espre est donn par :
6
4 b m a
ij
+ +
= o
A es le temps optimiste
B : est le temps pessimiste et m est le temps le plus probable.
Le temps esprs au plus tt et le temps espr au plus tard sont respectivement donns par :

=
+
=
0
max
1
E
E
E
ij i
i j
=
n n
ij j
j i
E L
L
L

min
Le temps moyen (dure espre) pour lachvement du projet est donn(e) par :
e
=
CP j i
ij CP
) , (
; o (i,j) sont les tches critiques et CP dsigne le chemin critique .
- Lcart-type de la tche (i,j) est :
6
a b
ij

= o

40
- Lcart-type du chemin critique est :
e
=
CP j i
ij CP
) , (
2
o o o |
.
|
\
|
=
6
2
a b
ij
o .
e
=
CP j i
ij CP
) , (
2 2
o o
Pour dterminer la probabilit de lachvement du projet on utilise la loi normale centre rduite
do pour toute tche :
ij
ij
Z
o

= , o est le temps espr de lachvement du projet.
Pour le chemin critique on a :
CP
CP
Z
o

= ; o ZN (0, 1).
Exemple :
Prenons le rseau de lexemple(P) et supposons que les dures des diffrentes tches sont alatoires.
Le tableau ci-dessous donne, pour chaque tche, trois dure ; la dure optimiste, la plus probable et la
dure pessimiste.
Tche Sommet Dure
a = Opt m b = Pess
T 1 3 5 7 12
U 1 2 3 4 5
W 2 3

1 4 7
X 3 4 3 5 7
Y 2 4 4 6 8
Z 4 6 5 8 14
R 2 5 3 4 7
S 5 6 4 6 11
F 4 5 0 0 0
1) Pour chaque tche (i,j) calculer la valeur espre
ij
et son cart-type
ij
o
2) Calcule les temps esprs au plutt et au plus tard de chaque tche (i,j)
3) Calculer la marge de chaque tche. Les quelles sont critique
4) Dterminer le chemin critique du rseau et calculer
CP
et
CP
o
5)
Quelle est la probabilit pour que le parachvement du projet exige plus que 24 semaines.

La solution :
X
T
W Y F Z

U R S
1) On a :
6
4 b m a
ij
+ +
=

41
, 5 . 7
6
12 ) 7 ( 4 5
13
=
+ +
= =
T

, 4
23
= =
W

, 6
24
= =
Y

3 . 4
25
= =
R

, 4
6
5 ) 4 ( 4 3
=
+ +
= =
ij U

, 5
34
= =
X

, 5 . 8
46
= =
Z

5 . 6
56
= =
S

0 =
F

, 167 . 1
6
5 12
6
=
=
a b
T
o

, 1
6
1 7
6
=
=
a b
w
o

667 . 0
6
4 8
6
=
=
a b
Y
o

, 333 . 0
6
3 5
6
=
=
a b
U
o

, 667 . 0
6
3 7
6
=
=
a b
X
o

5 . 1
6
5 14
6
=
=
a b
Z
o

, 667 . 0
6
3 7
6
=
=
a b
R
o

167 . 1
6
4 11
6
=
=
a b
S
o

2) E
1
= 0
E
2
= E
1
+
4
= 0 + 4 = 4
= + = +
= + = +
=
5 . 7 5 . 7 0
8 4 4
max
1
2
3
T
U
i
E
E
E
= + = +
= + = +
=
10 6 4
13 5 8
max
2
3
4
Y
X
i
E
E
E
= + = +
= + = +
=
13 0 13
33 . 8 33 . 4 4
max
4
2
5
F
R
i
E
E
E
= + = +
= + = +
=
5 . 19 5 . 6 13
5 . 21 5 . 8 13
max
5
4
6
S
Z
i
E
E
E

Selon le temps espr au plutt le chemin critique est : 1-2-3-4-6 c'est--dire les tches UWXZ
L
6
= E
6
= 21.5
L
5
= L
6
-
S
= 15

=
=
=
13
15
min
6
5
4
Z
F
L
L
L

L
3
= L
4

X
= 13 5 = 8

= =
= =
= =
=
7 6 13
67 . 10 33 . 4 15
4 4 8
min
4
5
3
2
Y
R
W
L
L
L
L


42
= =
= =
=
5 . 0 5 . 7 8
0 4 4
min
3
2
1
T
U
L
L
L

Selon le temps espr au plus tard le chemin critique est : 1- 2- 3- 4- 6 do les tches :
UWXZ
3) Les margess libre :Tm
ij
= L
j
E
i
-
ij

Tm
12
= L
2
E
1

12
= 4 0 4 = 0 marge critique
Tm
13
= L
3
E
1

13
= 8 0 7.5 = 0.5
Tm
23
= L
3
E
2

23
= 8 4 4 = 0 marge critique
Tm
24
= L
4
E
2

24
= 13 4 6 = 3
Tm
25
= L
5
E
2

25
= 15 4 4.33 = 6.67
Tm
34
= L
4
E
3

34
= 13 8 5 = 0
Tm
45
= L
5
E
4

45
= 15 13 0 = 2
Tm
46
= L
6
E
4

46
= 21.5 13 8.5 = 0
Tm
56
= L
6
E
5

56
= 21.5 13 6.5 = 2
Le chemin critique selon les marges libres est : 12346 c'est--dire es tches : UWXZ.
4) Le chemin critique est alors : UWXZ
On a :
cp
=
( )
j i
ij
,
=
12
+
23
+
34
+

46
= 4 + 4 +5 + 8.5 = 21.5 semaines
La dure du chemin critique est 21.5 semaines.
( )
=
j i
ij cp
,
2 2
o o =
2
12
o +
2
23
o +
2
34
o +
2
46
o =
2
6
3 5
|
.
|
\
|
+
2
6
6
|
.
|
\
|
+
2
6
4
|
.
|
\
|
+
2
6
5
|
.
|
\
|

= 3.8056
9508 ; 1 =
cp
o
5) Soit la dure du projet , on a donc : P( > 24) = 1 P( 24 ) = 1- P
|
|
.
|
\
|

s
cp cp
o o
5 . 21 24 5 . 21
= 1-P(Z 1.282) =1 0.8997 = 0.1
Il ya donc 10% de chance pour que les tches U, W, X et Z excutes dans cet ordre, exigent
plus de 24 semaines pour leur parachvement.


43
Chapitre III : Les processus stochastiques(Les chaine de Markov)
III.1 Gnralits
Un processus stochastique ou processus alatoire, est une famille (collection) de variables
alatoires X
t
:{ Xt T} ; o t reprsente le temps et appartient un ensemble ordonn T.
La variable alatoire X
t
reprsente ltat du processus au temps t et lensemble de toutes les valeurs
possibles pour cette variable est appele lespace des tats S.
La lettre T a t choisie en raison du fait que, trs souvent, elle dsigne un ensemble de dates ;
lorsque T est discrte(T = Z
+
), t
1
,......,t
n
...sont des instants donns ; lorsque T est continu(T = R
+
) par
exemple t dsigne un instant quelconque(t 0).
Lorsque X
t
prend un ensemble fini ou infini dnombrable de valeurs(ou dtats), le processus est dit
a espace dtats discret. Si, au contraire, ses valeurs appartiennent un ensemble continu (un intervalle
de R par exemple), on dit quil est espace dtats continu. Dans ce qui suit on va se limiter au cas
discret.
Un processus stochastique dont lensemble des tats S est fini ou dnombrable S = { E
1
, ....,E
n
,...}
est un appele une chaine. Lvolution dun processus temps discret est dcoupe en tapes ou
priodes et le processus effectue une transition (peut tre stationnaire) chaque tape. En dautre terme,
pour dcrire lvolution temporelle dun systme dynamique, la mthodologie consiste dfinir un
espace dtat dans lequel se promne alatoirement le systme.
La thorie des processus stochastiques(en particulier les processus de Markov) permet alors de
calculer les probabilits dtats stationnaires. Ces probabilits peuvent tre vues comme la probabilit
que le systme se trouve dans un tat donn un instant choisie alatoirement loin dans le futur. Elles
peuvent tre vues comme la proportion de temps que lon a pass dans cet tat au cours dune trs
longue observation du systme. Si ces probabilits sont bien dfinies, on dit que le systme admet un
tat stationnaire vers lequel il tend au cours du temps. A partir de ces probabilits, on obtient des
statistiques sur le systme, comme le nombre moyen de clients quil convient, leur temps de sjour
moyen, son dbit maximal ou effectif etc....
III.2 Le processus Markovien
Un processus stochastique { X
t
, Xt T},dfinie sur un espace dtats S ,satisfait la probabilit de
Markov si et seulement si t t et toute suite,(j
0
,j
1
,....,j
t
,j
t+1
) dlments de S , on a :
( ) ( ) | |
t t t t t t t t
j X j X P j X j X j X P = = = = = =
+ + + +
/ ,..., /
1 1 0 0 1 1
. On dit alors que le processus et
sans mmoire. Un processus stochastique vrifiant la proprit prcdente est appel processus de
Markov.
III.3 Les chaines de Markov finies temps discret(ou espace dtats discret et
homogne)
Une chaine de Markov temps discret est dite homogne (dans le temps) si, pour toute paire dtats
(i, j) de S et tout instant t , on a : P(X
t+1
=j /X
t
=i) =P
ij
. En dautre terme un processus { X
t
, Xt T} est
homogne si, pour tout intervalle [h,t], la probabilit P(X
t
=j/X
h
=i ) dpend seulement de la longueur t-
h de cet intervalle. Pour une chaine de Markov homogne {X
t
, t = 0 ,...., }, on a : P(X
t+1
=j /X
t
=i) P(X
1

=j /X
0
=i) =P
ij
. pour tout (i,j) S
2
.

44
La probabilit P
ij
est dite probabilit de transition de i j (en une tape). Cest la probabilit
conditionnelle que le systme (processus) se trouve dans ltat j ltape suivante sachant quil se
trouve actuellement dans ltat i. En dautre terme P
ij
est la probabilit daller en j sachant quon se
trouve en i. La matrice carre P dont les coordonnes sont les (P
ij
) est sa matrice de transition, les lignes
et les colonnes sont indices par les lments de S.
|
|
|
|
|
.
|
\
|
kk k k
k
k
p p p
p p p
p p p
2 1
2 22 21
1 12 11
k est le nombre dtats, p
11
est la probabilit que le systme qui est ltat 1
reste dans cet tat aprs une seule transition (tapes). La matrice ci-dessus peut tre crite sous la
forme :
|
|
|
|
|
.
|
\
|
kk k k
k
k
p p p
p p p
p p p
1 0
1 11 10
0 01 00
, o p
00
est la probabilit que le systme qui est ltat 0 reste cet tat
aprs une transition.
NB: - P
ij =
P (X
n+1
=j /X
n
=i) est appel la probabilit de transition et P = (p
ij
) est une matrice de
transition.
Une matrice de transition sur n tapes est donne par :
P =
( )
( )
n
ij
p avec
( ) n
ij
p = P (X
m+n
=j /X
m
=i ) ou
( ) n
ij
p = P (X
t+n
=j /X
t
=i ) .
Une matrice carre (r x r) ; P = (p
ij
) est stochastique si et seulement si 0 p
ij
1 et que : 1
1
=
=
r
j
ij
p
i. Cest dire que la somme des lments de chacune de ses lignes doit tre gale 1.
III.3.1 Les proprit 1 : Une matrice de transition est une matrice stochastique
III.3.2 Proprit 2 : Soit P une matrice stochastique de taille finie r, alors la probabilit
conditionnelle daller de i j en n tapes exactement est :

( ) n
ij
p = P (X
n
=j /X
0
=i ) =P (X
m+n
=j /X
m
=i ) n 1 . Cette probabilit est indpendante de m car le
processus est homogne. La matrice P
(n)
dont les lments (i,j) est gale
( ) n
ij
p est appele matrice de
transition en n tapes.
Remarque :
( )
ij ij
p p =
1
et P
1
= P.
5.3.3 Thorme : Pour tout n 0, la probabilit
( ) n
ij
p de transition de i j en n tapes est donne par
llment (i ,j) de la matrice P
n
, sous forme matricielle ce rsultat scrit :P
(n)
=P
n
, pour tout n 0 .
La preuve : Le rsultat est vrai pour n = 0 et n = 1 ; supposons-le vrai pour n-1.
En utilisant la loi des probabilits totales, nous obtenons pour tout i,j S ,

45
( ) n
ij
p = P (X
n
=j /X
0
=i )=
( ) ( ) ( )

e

e
=
S k
kj
n
ik
n
ik
S k
kj
p p P p
1 1 1
= ( ) ( ) ( ) .
1
ij
n
kj
S k
ik
n
p p p =

Corollaire: Soit P
(n)
, n 0 la matrice de transition en n tapes dune chaine de Markov, alors pour
entier non ngatif n et m on a : P
(n+m)
=P
(n)
P
(m)
. Cette quation est appele quation de Chapman-
Kolmogoroff. Sous forme dveloppe cette quation prend la forme :

( ) ( ) ( ) m
kj
S k
n
ik
m n
ij
p p P

e
+
= pour tout i,j S .
La probabilit dtat : Pour tout t la probabilit de ltat j est donne par : P
t
(j) =P (X
t
=j ).
On sintressera tout particulirement au cas o la limite : P
(j)
= lim
t+
P
t
(j) existe et ne dpend pas de la
distribution initiale (c'est--dire de la loi de X). Quand ces deux conditions sont satisfaites, on sintresse alors la
valeur de cette limite. On dduit facilement de la proprit de Markov que les probabilits dtat sont donnes
rcursivement par les quations suivantes :

( )
ij
S i
i
t t
p p j P

e

=
1
) ( . On crit cette quation sous forme matricielle en introduisant
le vecteur ligne P
t
dont les composantes sont les P
t
(j) ; j S, P
t
=P
t-1
P. Cette quation est utilise pour dterminer,
connaissant ltat initial, la probabilit de trouver chacun des tats aprs un temps t.
NB : Lquation ci-dessus est quivalente : P
t
= P
0
P
t.

III.4 Le graphe de transition de la chaine de Markov :
Le graphe de transition est un graphe(G) dont les sommets correspondent aux tats de la chaine. C'est--dire
quil existe un arc dans le graphe(G) de ltat i vers ltat j si la probabilit de transition P
ij
est strictement positive.
Exemple
G
: Soit la matrice P de transition suivante :
|
|
|
|
|
|
|
.
|
\
|
=
0 1 0 0 0
0 0 0 0 0
2
1
0 0
2
1
0
0
4
1
4
1
6
1
3
1
0 0 0 0 1
P . Donner le graphe reprsentatif de cette chaine.
La solution : Lensemble des tats de la chaine est S = {1, 2, 3, 4, 5}.
1/6 1/4
2 4
1/3
1 1/4 1/2 1 1
3 1/2 5

46
III.5 Classification des tats dune chaine de Markov (Classification et graphe rduit)
III.5.1 Dfinitions : Soit P la matrice de transition dune chaine de Markov et G = (X, U), tel que : X
= S et U = { (i,j) /i, j S ;P
IJ
>0}le graphe reprsentatif de P ; on dfini alors , les tats suivants :
- Etat accessible : Ltat j est accessible depuis ltat i sil existe, dans G, au moins un chemin de
i j , c'est--dire pour tout entier n
( ) n
ij
P > 0. Dans lexemple G ci-dessus ltat 4 est accessible depuis
ltat (2) car P
25
= 1/4 .
Remarque : Tout tat j est accessible depuis lui-mme.
- Les tats communicants : les tats i et j sont dit communicant sils sont accessibles lun partir
de lautre. Cest dire pour tous entiers n et m on a :
( ) n
ij
P > 0 et
( ) m
ji
P > 0.
Dans lexemple G les tats 2 et 3 sont communicant car : P
23
= et P
32
= 1/2.
La relation << i et j communiquent >> est une relation dquivalence, dont les classes correspondent
aux composantes fortement connexes de G . Ainsi es tats i et j communiquent si et seulement si ils
appartiennent la mme composante fortement connexe de G.
Soient C
1
,............,

C
r
les classes dune chaine de Markov, le graphe rduit G
r
de la chaine est
obtenu en associant un sommet chaque classe C
i
et en reliant les sommets u et v par un arc (u,v) sil
existe i C
u
et v C
v
avec P
ij
> 0.
Exemple : Le graphe rduit de la chaine de Markov de lexemple G est donne :

1/6 1/4
1/3
1/4 1/2 1 1 Graphe rduit

1/2
C
1
C
2
C
3
- Une classe est persistante (rcurrente) ou finale si elle correspond un sommet sans successeur
de G
r
. Si tel nest pas le cas, la classe est dite transitoire.
- Les tats dune classe persistante sont persistants ou rcurrents et ceux dune classe transitoire
sont transitoires.
Une classe persistante (rcurrente) compose dun seul tat est dite absorbante ; et un tat est
absorbant sil forme, lui seul, une classe persistante. La classe C
1
du graphe rduit ci-dessus est
une classe persistante. En dautre terme, un tat absorbant est un tat que lon ne quitte plus
lorsquon y pntre.
III.5.2 Proprit : Ltat i est absorbant si et seulement si P
ii
= 1. On a alors P
ij
= 0 pour tout ji.

2 4
3 5
1
C
2 C
1
C
3

47
III.6 Classification des chaines :
Chaine de Markov irrductible : une chaine de Markov est irrductible si tout tat est atteignable
partir de tout autre tat par des transitions de probabilits strictement non positives. En dautre
terme, une chaine de Markov est irrductible si elle ne comporte quune seule classe. Dans le cas
contraire elle est rductible.
La priode : la priode d de ltat i note di dune chaine de Markov est gale au plus grand
commun diviseur(P.G.C.D) de tous les n pour lesquels P
ij
(n)
> 0.
- Si di > 1 ltat i est priodique.
- di = 1 ltat i est apriodique.
Thorme : Lorsque le systme atteint un tat dune classe rcurrente C
r
tous les lments par
lesquels il passera ultrieurement appartiennent cette mme classe. Mais il existe une diffrence
entre les classes rcurrentes ; en effet si le systme passe par un tat dune classe rcurrente et
revient au mme tat aprs (n > 1) transitions cette classe est dite priodique. Cependant si le
systme ne revient pas ltat quil quitte dans la classe, cette classe est dite apriodique.
Pour toute classe apriodique on peut calculer la probabilit pour que le systme se trouve dans
chacun de ces tats au bout dun grand nombre de transitions, sachant quinitialement le systme y
tait dj.
( ) 0
1
t + ( ) 0
1
t ,.........., ( ) 0
k
t o k est le nombre dtats de la classe rcurrente.
Rappelons quune classe est dite rcurrente si elle est finale c'est--dire lors quil ny a pas de classe
au dessus delle.
NB :
) (t
i
t = ) (t
i
t est la probabilit que le systme (processus) se trouve dans ltat i au temps t.
III.7 La distribution des tats dune chaine
La distribution des tats dune chaine de Markov aprs n transitions est note
) (n
t
cette
distribution est un vecteur de probabilit contenant la loi de la variable alatoire X
n
.

O
) ( n
i
t
est la probabilit que le processus se
trouve dans ltat i aprs n transitions (priodes).

La distribution
(n)
dpend de la matrice de transition P mais galement de ltat dans lequel le
processus a commenc son volution. De manire gnrale, cet tat est choisi selon une distribution
initiale
(0)
.
III.7.1 Le comportement transitoire
Thorme : Soit P la matrice de transition dune chaine de Markov et
(0)
la distribution de son
tat initial ; pour tout n 1, on a :

i
(n)
= P( X
n
= i ) , pour tout i S

(n)
=
(n-1)
P

(n)
=
(0)
P


48
La preuve : premirement pour tout j S, on a :
) 1 (
j
t
= P(X
1
= j) =
) ( ). / (
0 0 1
i X P i X j X P
S i
= = =
e
=

e e
=
S i
ij i
S i
i ij
P P
) 0 ( ) 0 (
t t
et
(1)
=
(0)
P
La chaine tant homogne, on obtient immdiatement le premier rsultat :
(n)
=
(n-1)
P, pour tout n
1. Pour dterminer le second il suffit de rsoudre lquation de rcurrence prcdente par
substitution.
III.7.2 Le comportement asymptotique :
Ltude du comportement long terme dune chaine de Markov cherche rpondre aux questions
suivantes :
- La distribution
(n)
converge-telle lorsque n ?

- Si

(n)
converge lorsque n, quelle est la limite
*
et cette limite est-elle indpendante de la
distribution initiale
(0)
?

-
Si ltat i est persistant, quelle est la proportion du temps pass dans cet tat et quel est le
nombre moyen de transition entre deux visites, successives de cet tat ?

-
Si ltat i est transitoire, quel est le nombre moyen de visites de cet tat ?

A : La distribution invariante (stationnaires) :
Une distribution est invariante ou stationnaire si
Proprit : Si Lim
n
(n)
existe, alors la limite est une distribution invariante (stationnaire). Cest
dire si
n
n
t t

-
= lim , la distribution est asymptotique stationnaire ou invariante.
Remarque : Une chaine de Markov possde toujours au moins une distribution invariante.
B - Thorme : La distribution
(n)
des tats dune chaine de Markov converge vers une distribution
(invariante) * indpendante de la distribution initiale
(0)
si et seulement si la suite des puissances de la
matrice de transition P de la chaine converge vers une matrice stochastique P
*
dont toutes les lignes sont
gales entre elles. De plus, si tel est le cas, chaque ligne de P
*
est gale
*
.
C Les chaines irrductibles et apriodiques :
Thorme : Soit P la matrice de transition dune chaine irrductible et apriodique, les proprits
suivantes, sont vrifies :
- La matrice P tend vers une matrice stochastique P
*
lorsque n.
- Les lignes de P
*
sont toutes gales entre elles.
- P
ij
*
> 0, pour tout (i, j) S.
- Pour toute distribution initiale :
(0)
;
) (
lim
n
n
t

=
-

= t t P
n
) 0 (
lim

Le vecteur des probabilits des tats stationnaires
*
est la solution unique du systme :
Equations dquilibre
= P
P = P
1 =
i
i
t


49
*
est gale nimporte quelle ligne de P
*
.
Pour tout iS .
i
i
t
1
=
-
, o
i
est lesprance du nombre de transition entre deux visites
successives de ltat i.
i
i
t
1
=
-
est le pourcentage du temps que le processus passe dans ltat i.
Exemple : Soit une chaine de Markov irrductible et apriodique dfinie par la matrice de transition
3 tapes :
|
|
|
.
|
\
|
=
25 . 0 5 . 0 25 . 0
5 . 0 25 . 0 25 . 0
75 . 0 0 25 . 0
P
1) Donner la distribution stationnaire des probabilits des tats de cette chaine, c'est--dire les
probabilits de trouver le systme dans ltat E
i
au bout dun grand nombre de transitions.
Interprter la probabilit stationnaire de ltat 2 .
2) Dterminer la matrice de transition aprs deux priodes (2 transitions).
3) Calculer la probabilit que le systme (processus) quitte ltat 2 vers ltat3 aprs 2 transitions,
sachant quil est actuellement ltat 2.
La solution :
1) On sait que :
-
i
t est la solution unique de :
P = P

1
3
1
=
= i
i
t
Dans notre cas
i
( )
3 2 1
t t t = ,
|
|
|
.
|
\
|
=
25 . 0 5 . 0 25 . 0
5 . 0 25 . 0 25 . 0
75 . 0 0 25 . 0
P

1
3
1
=
= i
ij
p et i
P = ( )
3 2 1
t t t

|
|
|
.
|
\
|
25 . 0 5 . 0 25 . 0
5 . 0 25 . 0 25 . 0
75 . 0 0 25 . 0
( )
3 2 1
t t t =
On a donc : ) 1 .........( 25 . 0 25 . 0 25 . 0
1 3 2 1
t t t t = + +

) 2 .........( 5 . 0 25 . 0
2 3 2
t t t = +
) 3 .........( 25 . 0 5 . 0 75 . 0
3 3 2 1
t t t t = + +
) 4 .........( 1
3 2 1
= + + t t t

De (2) on a : ) 5 ......( 5 . 1 , 75 . 0 5 . 0
2 3 2 3
t t t t = =


50
De (3) on a : ) 6 .........(
6
5
, 75 . 0 5 . 0 75 . 0
2 1 3 2 1
t t t t t = = +

(5) et (6) en (4) ) 7 .....(
10
3
1
2
3
6
5
2 3 2 2
= = + + t t t t
(7) en (5)
20
9
10
3
2
3
3
=
|
.
|
\
|
|
.
|
\
|
= t
(7) en (6)
4
1
60
15
10
3
6
5
1
= =
|
.
|
\
|
|
.
|
\
|
= t
Le vecteur des probabilits stationnaires est :

( )
- - - -
=
3 2 1
t t t t
|
.
|
\
|
=
20
9
10
3
4
1

Interprtation : le processus passe, en moyenne, 30% du temps dans ltat 2 et il faut en moyenne 4
transitions entre 2 visites successives de ltat (1).
2) La matrice de transition aprs n tapes (transitions) est donne par :
( )
( )
n
ij
P P =
Equation de Kolmogorov do P
(n)
= P
n
. Pour n = 2 on a : ( )( ) | |
2 ) 2 (
P P p p
ij ij
= = =
|
|
|
.
|
\
|
25 . 0 5 . 0 25 . 0
5 . 0 25 . 0 25 . 0
75 . 0 0 25 . 0
|
|
|
.
|
\
|
25 . 0 5 . 0 25 . 0
5 . 0 25 . 0 25 . 0
75 . 0 0 25 . 0
=
2
P
|
|
|
|
|
|
.
|
\
|
5 . 0 25 . 0 25 . 0
16
7
16
5
25 . 0
8
3
8
3
25 . 0

3)
16
7
2
23
= P
D : Le temps du premier passage :
Il est souvent souhaitable daffecter des probabilits aux nombre de transitions tablis par le
processus entre ltat i et ltatj pour la premire fois. Cette dure (intervalle de temps)est appele temps
de premier passage entre ltat i et ltat j. Quand j =i ce temps de premier passae est exactement le
nombre de transitions jusquau retour du processus ltat initial i. Dans ce cas, le temps de premier
passage est appel temps de rcurrence pour ltat i.
En gnral, les temps de premier passage sont des variables alatoires et par consquent, ont des
distributions de probabilits qui leur sont associes. Ces distributions de probabilits dpendent des
probabilits de transition du processus .En effet si on note par
( ) n
ij
f la probabilit du temps de premier
passage du systme de ltat i ltat j au bout de n tapes(n priodes), dans ce cas ces probabilits
doivent vrifier(satisfaire) aux relatons suivantes :

( ) ( )
ij ij ij
P P f = =
1 1

( ) ( ) ( )
jj ij ij ij
P f P f
1 2 2
=

.

51
.
.

( ) ( ) ( ) ( ) ( ) ( ) ( )
jj
n
ij
n
jj ij
n
jj ij
n
ij
n
ij
P f P f P f P f
1 2 2 1 1
........

=
Pour i et j fixes les probabilits
( ) n
ij
f ne sont pas ngatives.

( )
. 1
1
s
= n
n
ij
f

Malheureusement, cette somme doit tre strictement infrieure 1 ce qui implique quun processus
initialement ltat i ne peut jamais atteindre ltat j. Dans lexemple prcdant le temps du premier
passage de ltat 2 ltat 3 au bout de 2 transitions est :

( ) ( ) ( )
33
1
23
2
23
2
23
P f P f =

Or
( ) ( )
16
5
8
1
16
7
2
1
2
23 23
1
23
= = = = f P f
Le temps de rcurrence espre est :
i
ii
t
1
=

III.8- Les chaines ergodiques :
Une chaine de Markov qui est irrductible et apriodique est dite ergodique . En dautre terme une
chaine de Markov est ergodique si elle admet une distribution asymptotique, c'est--dire si

( ) n
n
t
+
lim Existe, unique et indpendante de la distribution initiale
(n)
.
Rsultats : Les chaines irrductibles et apriodiques sont ergodiques.
III.9- La forme canonique de la chaine de Markov :
La matrice de transition dune chaine de Markov est sous forme canonique si :
1) Les sommets dune classe (persistante) sont numrots conscutivement,
2) Les sommets persistants sont numrots en premier. Si une chaine a k classes persistantes, sa
matrice sous forme canonique ressemble :
|
|
|
|
|
|
|
|
.
|
\
|
=
Q R R
p
p
P
k
k
0
0
..........
0
0
1
1
. Chaque sous matrice P
i
dfinie une chaine de Markov irrductible sur
lensemble des tats de la classe persistante C
i
.
Remarque : Pour obtenir une matrice de transition sous forme canonique, il est important de
numroter conscutivement les tats de chaque classe persistante.
La matrice de transition, sous la forme canonique, dune chaine absorbante est :
|
|
.
|
\
|
=
Q R
I
P
0

O I est une matrice unit et 0 une matrice 0. C'est--dire quon place au dbut les tats absorbants.

52
NB : La matrice ( )
1
= Q I N est appele matrice fondamentale de la chaine absorbante :
III.9.1 Le temps avant absorption :
Le nombre moyen de priodes sjournes dans ltat transitoire j( c'est--dire de passage ltat j) par
une chaine de Markov dbutant son volution dans ltat transitoire est gal llment n
ij
de la matrice
fondamentale N.
Corollaire : Le nombre moyen dtapes (de transitions) avant absorption que lon part de ltat i (non
absorbant) est la somme des termes de la ime ligne de N.
III.9.2 Les probabilits dabsorption :-
La probabilit dtre absorb par ltat j partant de ltat transitoire i est donne par llment b
ij
de la
matrice : B = NR = ( ) R Q I
1

Pour cette nouvelle contrainte, la solution du dual nest pas admissible.
Chapitre IV : Les files dattente

Téories de La Decisions 2015

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Téories de La Decisions 2015

Uploaded by

Copyright:

Available Formats

La recherche Oprationnelle

Cours propos par : Mr Sadfy OULD SIDI MOHAMED

You might also like