Cours : Optimisation et Modélisation des Procédés
Département de Génie des Procédés
Université Kasdi Merbah-Ouargla
Chapitre II
I .1 Problèmes d’optimisation en génie des procédés
On peut citer quelques problèmes d’optimisation disponible par exemple pour un seul
variable Diamètre de la pipe, Rapport de reflux et Réacteur / préchauffeur. Par contre pour
une optimisation multi-variable on note par exemple: batch reactor/preheater, absorber et
Staged compressors.
D'un point de vue pratique, On définit la tâche d'optimisation par l’opération de trouver la
meilleure solution à ce procédé dans les limites des contraintes. Cette tâche nécessite les
éléments suivants:
Fonction objective
Une fonction objective fournit une mesure de performance quantitative qui doit être
minimisée ou maximisée. Cela peut être le coût, le rendement, le profit, etc. du système.
Maximiser
Dans certains problèmes d'optimisation, vous essayez de rendre l'objectif aussi grand que
possible. Ces problèmes sont des problèmes de maximisation.
Modèle prédictif
Un modèle prédictif est nécessaire pour décrire le comportement du système. Pour le
problème d'optimisation, cela se traduit par un ensemble d'équations et d'inégalités que nous
appelons contraintes. Ces contraintes comprennent une région réalisable qui définit les
limites de performance du système.
Minimiser
Dans certains problèmes d'optimisation, vous essayez de rendre l'objectif aussi petit que
possible. Ces problèmes sont des problèmes de minimisation.
Contrainte explicite
O.BACHA 2021/2022 Page 1
Cours : Optimisation et Modélisation des Procédés
Département de Génie des Procédés
Université Kasdi Merbah-Ouargla
Les contraintes explicites décrivent les éléments qui vous ont été clairement définis comme
objectifs lors de votre processus d'optimisation. Par exemple, les limitations de ressources
(matériaux, main-d'œuvre) et de demande sont souvent explicitement mentionnées.
Contrainte implicite
Les contraintes implicites font référence aux quantités que vous devez reconnaître sont
également des contraintes pour votre processus d'optimisation. Par exemple, pour optimiser
les bénéfices d'une entreprise en produisant différentes quantités de biens différents, le
nombre d'unités de chaque produit à produire peut être un entier. La quantité produite doit
également être non négative.
I .2 Approche mathématique de l’optimisation sans contrainte
Un problème d’optimisation globale (ou libre) est la recherche du minimum x* d’une
fonction objectif F(x) définie sur R. Un problème d'optimisation continue se présente
habituellement sous la forme suivante :
f(x)
min ou max;
x
R
Les minima locaux et globaux de f sur R sont définis de la manière suivante :
Un vecteur x0 R est un minimum local de f sur R si :
x0 R 0 tel que f ( x0 ) f ( x ), x R, avec x x 0
Un vecteur x0 R est un minimum global de f sur R si :
f ( x0 ) f ( x ), x R
Les maxima locaux et globaux sont définis de manière similaire. Il découle de cette
observation que tout problème de maximisation peut être réduit immédiatement a un
problème de minimisation en multipliant la fonction objectif par -1.
O.BACHA 2021/2022 Page 2
Cours : Optimisation et Modélisation des Procédés
Département de Génie des Procédés
Université Kasdi Merbah-Ouargla
Un extremum d’une fonction f(x) est le maximum ou le minimum de la fonction, si
f(x) est borné dans un intervalle [a,b] :
Si on trouve un point x=x0 tel que f(x0)=y0=Max f(x) sur l’intervalle [a,b], alors on peut dire
que x0 est un point stationnaire maximum.
Si on trouve un point x=x0 tel que f(x0)=y0=Min f(x) sur l’intervalle [a,b], alors on peut dire
que x0 est un point stationnaire minimum.
soit x0 un point stationnaire de fonction objectif f :
si f "( x0 ) 0 alors x0 point de minimum local.
si f "( x0 ) 0 alors x0 point de maximum local.
3. si f "( x0 ) 0 alors on ne peut pas conclure.
I.2.1 Fonction objectif à une seul variable sans contrainte
Soit une fonction f(x) pour laquelle le dérivé partiel de 1er ordre existe en tous points.
L’évolution de l’optimum s’effectuer comme suit :
Condition nécessaire : pour f(a) soit optimum de la fonction f(x) il faut que la dérivée 1er
de la fonction pour point stationnaire égale à 0
F’(x=a)=0
Nature des points stationnaires : la nature de l’optimum (max, min) est définit pour
l’évaluation de la dérivé second de f(x) au point stationnaire x=a
Soit x un point stationnaire de fonction objectif f :
O.BACHA 2021/2022 Page 3
Cours : Optimisation et Modélisation des Procédés
Département de Génie des Procédés
Université Kasdi Merbah-Ouargla
Si f "( x ) 0 alors x0 point de minimum local.
Si f "( x ) 0 alors x0 point de maximum local.
Si f "( x ) 0 alors on ne peut pas conclure.
I.2.2 Fonction objectif à plusieurs variables sans contrainte
La procédure général de résolution pour les fonctions objectif à plusieurs variables sans
contraint est comme suivante :
Diviser le domaine de recherche (l’intervalle dans lequel la fonction objectif
est définie par une expression mathématique est possède des dérivés
premières contenu.
Appliquer la condition nécessaire pour déterminer les points stationnaires de
la fonction f’(x)=0
Déterminer la matière des points stationnaires Max, Min pour la vérification
de la nature f’’(x)
Faire des comparaisons entre les points stationnaires.
O.BACHA 2021/2022 Page 4
