Ecole Nationale Supérieure d’Informatique, ESI
Cours de
Recherche Opérationnelle
3ème année Cycle Supérieur
Mme M. Bessedik
Chapitre 1
Introduction à la Recherche Opérationnelle et Modélisation
Introduction
La recherche opérationnelle (RO) est une discipline carrefour entre:
L’économie : modèle initial généralement issue de la vie économique (économie d’entreprise,
analyse économique)
Les mathématiques : formulation mathématique, modèle mathématique (théorie des systèmes,
méthodes d’optimisation ou statistiques).
L’informatique : mise en œuvre pratique (algorithmiques, structure de données)
Elle peut donc être enseignée de plusieurs manières différentes selon l’objectif de la formation.
La recherche opérationnelle (RO) propose un ensemble de méthodes scientifiques pour résoudre des
problèmes d'optimisation liés aux organisations du monde réel en prenant en compte des contraintes variées
(légales, techniques, budget, etc.)
La RO peut être définie comme l'ensemble des méthodes et techniques rationnelles d'analyse et de synthèse
des phénomènes de management du système d'information utilisables pour élaborer de meilleures décisions.
Elle propose des modèles conceptuels pour analyser des situations complexes et permet aux décideurs de
faire les choix les plus efficaces.
Principes de base
Compréhension du problème extraire les données modélisation (bien formuler
le problème) classifier le problème proposer une solution.
• Utilisation de méthodes scientifiques (modèles mathématiques)
• Finalité = Prise de décision et non la description d’un phénomènes (statistiques, …) / Expliquer,
Prévoir, Agir
• Modèle :
– Représentation d’un fragment de la réalité
– Simulations (manuelles impossibles)
– Classes de problèmes
• Résolution (solution exacte ou approchée)
– Problème de représentation des nombres, des erreurs d’arrondis et des temps de calcul,
algorithmique spécifique
Processus de Modélisation
• Obligation de bien formuler le problème : définition des variables, des contraintes et des objectifs
• Réduction de la réalité (le modèle n’est pas la réalité) => Mesure de la perte de réalité
• Le modèle obtenu doit être exploitable (adapté aux outils de traitement)
• Caractère incertain
Processus de résolution
• Interprétation
• Compromis entre précision et simplicité
•classification du problème (modèle)
• Outil d’aide à la résolution
Classes de théorie
• Théorie des graphes
• Programmation linéaire
• Théorie des files d’attente (Markov)
• Optimisation non combinatoire (sans contrainte)
• Théorie des jeux (désinformation)….
Exemple
Un ébéniste fabrique 2 types de vases en bois. Il a 6 unités de bois et 28 heures de libre. Le modèle 1 nécessité 2 unités
en bois et 7 heures de temps, alors que le modèle 2 nécessité 1 unité de bois et 8 heures de temps. Les deux modèles
sont vendus respectivement 120 DA et 80 DA. Combien doit –il fabriquer de chaque type pour maximiser son profit.
Formuler et résoudre graphiquement ce problème.
Modélisation :
Définition des variables :
x
Posons : = nombre de vases de type 1 à fabriquer
1
x2
= nombre de vases de type 2 à fabriquer
Définition des contraintes :
x x
2 1
+ 2 6 (disponibilité en bois)
x x2
7 1
+8 28 (disponibilité en temps)
Définition des objectifs:
x2 x x2
Z(max)= 120 + 80
1
Classification du problème : problème linéaire en nombres entiers (PLNE)
Méthode de résolution : graphique, énumération des solutions, ou passer le PL associé (simplexe)