I.

Introduction

1. Programmation linaire(Dfinition-Formulation mathmatique)

1.1. Dfinition :

La programmation linaire peut se dfinir comme un outil

mathmatique qui permet danalyser des problmes dans lesquels
nous retrouvons une fonction linaire dun certain nombre de
variables, appele fonction objectif ou conomique, que lon dsire
optimiser ; ces variables sont soumises des contraintes imposes par
des situations du problme.
Les contraintes qui sont imposes prennent forme dquations ou
dinquations linaires dans la formulation dun programme linaire.
1
1.2. Formulation mathmatique dun P.L

La formulation mathmatique dun programme linaire est la

suivante :
n
Max ou Min Z = c jx j ( objectif )
j=1

Sous les contraintes :

n
i = 1....m : a ijx j , = ou bi
j=1
j = 1....n : x j 0
Rsoudre un (P.L) cest dterminer les valeurs des variables x j qui
sont soumises aux contraintes et rendant optimale lobjectif.
2
2. Domaine dapplication de la programmation linaire

Problmes doptimisation des niveaux dactivits,

Problmes de planification de production,

Problmes de choix des investissements les plus rentables,

Problmes daffectation ou de rpartition optimale,

Problmes de transport,

3
3. Exemples de programme linaire

3.1. Exemple doptimisation des niveaux dactivits

Une entreprise est spcialise dans la production de 2 types de

pices P1 et P2 .Ces deux pices doivent tre travailles dans deux
ateliers successifs A1 et A2 .
En ce qui concerne la ressource temps de travail et sa
consommation (en heures de travail effectif) et les marges
bnficiaires unitaires prvues, On dispose des informations
suivantes :

Ateliers Marge bnficiaire

Pices A1 A2 unitaire
P1 3 6 1200

P2 4 3 1000
Total/semaine
Disponible dans 160 180
chaque atelier

4
 Comme les pices ne sont livres quau tout dbut de la semaine
suivante, le stockage des pices produites est ncessaire. Laire
2
disponible est de 400 m . Les pices ne peuvent tre empiles et
2 2
occupent par unit 5 m et 4 m respectivement pour P1 et P2.On
pense pouvoir couler sur le march chaque semaine 40 P1 et 35 P2.
Question : Formuler le P.L de ce problme.

5
 3.2. Exemple de planification de production

Une entreprise fabrique des bicyclettes pour enfants. Les

prvisions de ventes en milliers dunits pour lanne venir sont
donnes au tableau suivant :

Jan Fv Mars Avril Mai Juin Juil Aot Sept Oct Nov Dc
30 15 15 25 33 40 45 45 26 14 25 30

La capacit de production de lentreprise est de 30 000

bicyclettes par mois. Elle peut produire plus en faisant faire des
heures supplmentaires ses employs. Mais le cot de revient
dune bicyclette est alors plus lev : 160 Dh par unit, au lieu de
130 Dh.
6
 Actuellement, il y a 2000 bicyclettes en stock. On peut calculer
les cots de stockage en considrant un cot de 20 Dh par unit
contenue dans le stock en fin de mois.
Question : Formuler le P.L qui , partir du premier janvier,
nous permettra de trouver les quantits fabriquer et stocker dans
les douze prochains mois, de faon respecter les demandes
prvisionnelles tout en minimisant les cots.

7
3.3. Exemple de choix des investissements les plus rentables

Un conseiller financier doit choisir pour ses clients un certain

nombre dactions dans lesquelles investir. Ses clients souhaitent
investir 10000 Euro dans 6 actions diffrentes. Le conseiller leur
indique le retour dinvestissement (taux de retour) quils peuvent
esprer pour une priode de six mois. Le tableau suivant donne pour
chaque action son nom, sa catgorie (T : technologique, N : non
technologique) et le taux de retour espr :

8
 N Nom Catgorie Retour
1 Dash Assocites (UK) T 5,3%
2 Ilog France (F) T 6,2%
3 France Telecom (F) T 5,1%
4 General Motors (USA) N 4,9%
5 Elf (F) N 6,5%
6 BNP (F) N 3,4%

Les clients fixent certaines contraintes au conseiller. Ils veulent

investir au moins 500 Euro et au plus 4000 Euro dans chaque action. Il
dsirent investir la moiti de leur capital dans des actions franaises et
au plus 30% dans des valeurs technologiques.
Question : Formuler le P.L qui permet de rpartir le capital entre
chaque action pour esprer le meilleur retour sur investissement.

9
3.4. Exemple daffectation ou de rpartition optimale

Chacune des six machines dun atelier doit recevoir un

oprateur. Six personnes ont t prslectionnes. Chacune delles a
subi un test de productivit sur chaque machine. Le tableau suivant
donne les productivits obtenues, en pices par heure :

M1 M2 M3 M4 M5 M6

P1 13 24 31 19 40 29
P2 18 25 30 15 43 22
P3 20 20 27 25 34 33
P4 23 26 28 18 37 30
P5 28 33 34 17 38 20
P6 19 36 25 27 45 24

10
 Les machines sont en parallle, cest--dire que la productivit
totale de latelier est la somme des productivits des personnes
affectes aux machines.
Question : Formuler le P.L qui permet de dterminer une
affectation des personnes aux machines qui maximise la productivit
totale.

11
 3.5. Exemple de Problmes de transport

Trois usines situes Lyon, Strasbourg et Lille peuvent approvisionner quatre dpts situs
Saint-Brieuc, Poitiers, Melun et Toulouse. Le tableau suivant fournit (en euro par tonne) les tarifs
des transporteurs routiers de chaque usine vers chaque dpt :

Le tableau donne galement la capacit de production (exprime en milliers de tonnes) et la

demande des dpts (dans la mme unit).
On cherche organiser le transport entre les usines et les dpts un cot de transport
minimum.

12
 II. Rsolution graphique dun programme linaire
( cas de 2 variables)

1. Ensembles convexes et points extrmes

Ensembles convexes

a) Dfinition : Un ensemble de points est un ensemble convexe

si, et seulement si, pour deux points quelconques A et B de cet
ensemble, le segment de droite joignant ces deux points est aussi
dans lensemble.

13
b) Illustration graphique

(a) (b)

(c) (d)

( a ) et ( b ) sont des ensembles convexes,

( c ) et ( d ) sont des ensembles non convexes.

14
Points extrmes

a) Dfinition : Un point extrme dun ensemble convexe est

dfinie comme un point qui ne peut tre jamais entre deux points de
cet ensemble.

b) Illustration graphique

X3
X
X2 X4

X1 X5

X1, X2, X3, X4 et X5 sont des points extrmes,

X nest pas un point extrme.

15
2. Proprits

2.1 Proprit 1 : Lensemble des solutions ralisables ( qui vrifient

le systme des contraintes ) dun programme linaire est un
ensembles convexe.

2.2 Proprit 2 : La solution ou les solutions optimales dun

programme linaire sont parmi les points extrmes de lensemble des
solutions ralisables.

16
 3. Un problme de maximisation

Considrons le P.L suivant :

Maximiser ( Z = x1 + 2x2 )

Sous les contraintes :

2 x1 + x2 4
x + x 8
1 2
x1 + x2 4
x1 5

x1 0, x2 0

Question : Rsoudre ce P.L par la mthode graphique

17
4. Un problme de minimisation

Considrons le P.L suivant :

Minimiser ( Z = x1 x2 )
Sous les contraintes :
1
2 x1 + x2 8
x + 8 x 40
1 2
x1 8

x2 8
x 0, x 0
1 2

Question : Rsoudre ce P.L par la mthode graphique

18
 III. Rsolution dun programme linaire par lalgorithme du
simplexe

1. Forme canonique, forme standard et forme mixte dun P.L

1.1 Notion de formes canoniques

Lorsque lensemble des contraintes se prsente sous forme

dingalits ( ou ) on parle de forme canonique.

Toutefois, il convient de distinguer un programme canonique

de type I dun programme canonique de type II.

Un programme canonique de type I est un programme

dans lequel les contraintes ingalits sont tournes dans
le sens infrieur ou gal , lobjectif recherch tant la
maximisation.

Un programme canonique de type II est un

programme dans lequel les contraintes ingalits sont
tournes dans le sens suprieur ou gal , lobjectif
recherch tant la minimisation. 19
 1.2 Forme standard

Toutes les contraintes reprsentent des galits. Lobjectif

pouvant tre une maximisation ou une minimisation.

1.3 Forme mixte

Parfois, les contraintes sont tournes les unes dans un sens, les autres
dans le sens oppos, lobjectif pouvant tre soit une maximisation soit
une minimisation. Mais on peut galement avoir un mlange dgalits
(=) ou dingalits ( ou ). Un tel programme est un programme mixte.
20
2 . Application de lalgorithme du simplexe dans le cas de
maximisation

Lalgorithme du simplexe est une technique algbrique qui permet

de trouver la solution optimale dun P.L dune faon ordonne et
prcise, ceci quel que soit le nombre de variables dactivits.

Cest une mthode itrative ; c'est--dire que le mme principe sera

rpt un certain nombre de fois jusqu lobtention de la solution
optimale (si celle-ci existe).

Nous introduisons cet algorithme laide de lexemple suivant :

Une entreprise fabrique trois produits P1, P2 et P3 dans deux ateliers

successifs A1 et A2 selon les caractristiques techniques et
conomiques suivantes :

21
 A1 A2 CHARGES PRIX DE
VARIABLES VENTE
P1 30 u h 40 u h 13 DH 18 DH
P2 30 u h 20 u h 14 DH 20 DH
P3 20 u h 30 u h 11 DH 15 Dh
Total dheures disponibles
par jour 8 7

Lapprovisionnement en matires premires et fournitures diverses

est suffisant pour la fabrication de 250 produits par jour.

On estime que le march peut absorber journalirement au maximum

90 P1 , 60 P2 et 70 P3 .

Les charges de structures globales sont estimes 500 DH par jour de

fabrication.

Question : Dterminer le programme de fabrication quotidien

optimum. 22
2.1 Formulation du P.L sous la forme canonique

Dfinition des variables

x1 : Quantit de P1 fabriquer par jour,

x2 : Quantit de P2 fabriquer par jour,
x3 : Quantit de P3 fabriquer par jour.

Formulation de lobjectif

Les marges sur cot variable unitaires des 3 produits sont :

Pour P1 : 18 13 = 5 Dh
Pour P2 : 20 14 = 6 Dh
Pour P3 : 15 11 = 4 Dh

Do, lobjectif est : Max ( Z = 5 x1 + 6 x2 + 4 x3 ).

23
 Formulation des contraintes

Il y a trois types de contraintes :

Contraintes de temps de travail

A1 : 2 x1 + 2 x2 +3 x3 480

A2 : 1.5 x1 + 3 x2 + 2 x3 420

Contrainte dapprovisionnement

x1 + x2 + x3 250

Contraintes de March

x1 90 , x1 60 , x1 70

La contrainte dapprovisionnement est dpasse par

les contraintes de march, donc elle est redondante et peut tre
limine du systme des contraintes.
24
Donc, le P.L sous sa forme canonique de type I est :

Max ( Z = 5 x1 + 6 x2 + 4 x3 )

Sous les contraintes :

2x1 + 2x 2 + 3x 3 480
1.5x + 3x + 2x 420
1 2 3
x1 90

x2 60
x3 70

x1 , x 2 , x 3 0
25
2.2 Prsentation du P.L sous la forme standard

La forme standard se caractrise par le fait que toutes les

inquations du systme des contraintes sont transformes en
quations. La transformation seffectue par lintroduction dune
autre catgorie de variables : variables dcarts.

Il y a une variable dcart par contrainte, chaque variable dcart

est donc attache sa contrainte et prend un sens uniquement par
rapport celle-ci.
26
La forme standard du P.L est donc :

Max ( Z = 5 x1 + 6 x2 + 4 x3 )

Sous les contraintes :

2x1 + 2x 2 + 3x 3 + e1 = 480
1.5x + 3x + 2x + e = 420
1 2 3 2
x1 + e3 = 90

x 2 + e4 = 60
x 3 + e5 = 70

x1, x 2 , x 3 , e1, e 2 , e3 , e 4 , e5 0

27
 Interprtation conomique des variables dcarts

Ces variables nont pas de marge sur cot variable unitaire,

leur coefficient conomique dans lobjective est donc nul.

Par contre, elles ont un sens dans le cadre de leur

contrainte :

v e1 : temps de travail ( en minutes ) encore disponible

dans A1,
v e2 : temps de travail ( en minutes ) encore disponible
dans A2,
v e3 : complment de P1 pouvant encore tre coul sur le
march,
v e4 : complment de P2 pouvant encore tre coul sur le
march,
v e5 : complment de P3 pouvant encore tre coul sur le
march,

28
2.3 Application de lalgorithme du simplexe

Le systme des contraintes de notre P.L sous sa forme standard

est form de 5 quations 8 variables. Donc, pour pouvoir
chaque fois le rsoudre, il faut annuler 3 variables. Initialement, on
choisit les variables dactivits x1 , x2 , x3 annuler.

v Les variables annules seront appeles variables hors

base (H.B).

v Les autres seront appeles variables dans la base.

La solution obtenue du systme est appele solution de base.

29
 Tableau initial T0

Variables x1 x2 x3 e1 e2 e3 e4 e5 R R
B coeff
e1 2 2 3 1 0 0 0 0 480
e2 1.5 3 2 0 1 0 0 0 420
e3 1 0 0 0 0 1 0 0 90
e4 0 1 0 0 0 0 1 0 60
e5 0 0 1 0 0 0 0 1 70

c 5 6 4 0 0 0 0 0 Z=0

5 6 4 0 0 0 0 0

Ligne = ligne des taux marginaux de substitutions ( T.M.S )

= apport marginal dune variable hors base

30
Solution de base :
H.B : x1= x2= x3=0

B : e1=480
e2=420
e3= 90
e4= 60
e5= 70

Z=0

31
 1er itration : Passage de T0 T1

Chaque passage doit tre effectu dans lordre suivant :

tape 1 : Slection de la variable entrante dans la base

o Pour un problme de maximisation, on choisit la

variable hors base qui a un T.M.S le plus lev,
o Pour un problme de minimisation, cest le
contraire.
Pour notre problme, cest x2 qui entre dans la base.

32
 Variables x1 x2 x3 e1 e2 e3 e4 e5 R R
B coeff
e1 2 2 3 1 0 0 0 0 480
e2 1.5 3 2 0 1 0 0 0 420
e3 1 0 0 0 0 1 0 0 90
e4 0 1 0 0 0 0 1 0 60
e5 0 0 1 0 0 0 0 1 70

c 5 6 4 0 0 0 0 0 Z=0

5 6 4 0 0 0 0 0

33
 Etape 2 : Slection de la variable sortante de la base

Pour respecter toutes les contraintes, la variable sortante sera celle qui
R
aura le plus petit rapport positif
coeff
Pour notre problme, cest e4 qui sort de la base.

34
 Variables x1 x2 x3 e1 e2 e3 e4 e5 R R
B coeff
e1 2 2 3 1 0 0 0 0 480 240
e2 1.5 3 2 0 1 0 0 0 420 140
e3 1 0 0 0 0 1 0 0 90 +
e4 0 1 0 0 0 0 1 0 60 60
e5 0 0 1 0 0 0 0 1 70 +

c 5 6 4 0 0 0 0 0 Z=0

5 6 4 0 0 0 0 0

35
 Etape 3 : Dtermination du pivot.

Variables x1 x2 x3 e1 e2 e3 e4 e5 R R
B coeff
e1 2 2 3 1 0 0 0 0 480 240
e2 1.5 3 2 0 1 0 0 0 420 140
e3 1 0 0 0 0 1 0 0 90 +
e4 0 1 0 0 0 0 1 0 60 60
e5 0 0 1 0 0 0 0 1 70 +

c 5 6 4 0 0 0 0 0 Z=0

5 6 4 0 0 0 0 0

36
 Etape 4 : Construction effective du tableau T1.
Variables x1 x2 x3 e1 e2 e3 e4 e5 R R
B coeff
e1 2 0 3 1 0 0 -2 0 360 180
e2 1.5 0 2 0 1 0 -3 0 240 160
e3 1 0 0 0 0 1 0 0 90 90
x2 0 1 0 0 0 0 1 0 60 +
e5 0 0 1 0 0 0 0 1 70 +

c 5 6 4 0 0 0 0 0 Z = 360

5 0 4 0 0 0 -6 0

37
Solution de base :

H.B : x1= e4 = x3=0

B : e1=360
e2=240
e3= 90
x2= 60
e5= 70

Z=360

38
 me
2 itration : Passage de T1 T2

Variable entrante : x1

Variable sortante : e3

39
 Variables x1 x2 x3 e1 e2 e3 e4 e5 R R
B coeff
e1 0 0 3 1 0 -2 -2 0 180 60
e2 0 0 2 0 1 -1.5 -3 0 105 52.5
x1 1 0 0 0 0 1 0 0 90 +
x2 0 1 0 0 0 0 1 0 60 +
e5 0 0 1 0 0 0 0 1 70 70

c 5 6 4 0 0 0 0 0 Z = 810

0 0 4 0 0 -5 -6 0

40
Solution de base :

H.B : e3= e4 = x3=0

B : e1=180
e2=105
x1= 90
x2= 60
e5= 70

Z=810

41
 me
3 itration : Passage de T2 T3

Variable entrante : x3

Variable sortante : e2

42
 Variables x1 x2 x3 e1 e2 e3 e4 e5 R R
B coeff
e1 0 0 0 1 -1.5 0.25 2.5 0 22.5 9
x3 0 0 1 0 0.5 -0.75 -1.5 0 52.5 +
x1 1 0 0 0 0 1 0 0 90 +
x2 0 1 0 0 0 0 1 0 60 60
e5 0 0 0 0 -0.5 0.75 1.5 1 17.5 11.66

c 5 6 4 0 0 0 0 0 Z=1020
0 0 0 0 -2 -2 0 0

Critre darrt : tous les sont 0

43
Solution optimale :
H.B : e3= e4 = x3=0

B : e1=22.5
x3=52.5
x1= 90
x2= 60
e5= 17.5

Z=1020

Cette solution optimale nest pas unique, car une variable hors base
(e4) a un T.M.S = 0
44
 Variables x1 x2 x3 e1 e2 e3 e4 e5 R R
B coeff
e4 0 0 0 0.4 -0.6 0.1 1 0 9
x3 0 0 1 0.6 -0.4 -0.6 0 0 66
x1 1 0 0 0 0 1 0 0 90
x2 0 1 0 -0.4 0.6 -0.1 0 0 51
e5 0 0 0 -0.6 0.4 0.6 0 1 4

c 5 6 4 0 0 0 0 0 Z=1020

0 0 0 0 -2 -2 0 0

45
Une deuxime Solution optimale :

H.B : e1= e2 = e3=0

B : e4=9
x3=66
x1= 90
x2= 51
e5= 4

Z=1020
46
 Impossible d'afficher l'image. Votre ordinateur manque peut-tre de mmoire pour ouvrir l'image ou l'image est endommage. Redmarrez l'ordinateur, puis ouvrez nouveau le fichier. Si le x rouge est toujours affich, vous devrez peut-tre supprimer l'image
avant de la rinsrer.

3. Absence de base ini-ale vidente

Soit le P.L suivant (Forme canonique) :

Max Z= x1 + 2x2
S/C :


x1 + x2 6

x2 3

x1 + x2 1
x1 , x2 0
47

Forme standard :
Max Z= x1 + 2x2
S/C :


x1 + x2 + e1 = 6

x2 + e2 = 3


x1 + x2 e3 = 1
x1, x2 , e1, e2 , e3 0
48

On na plus la matrice iden-t habituelle.
Ide : On fait apparatre une matrice iden-t en
ajoutant aux contraintes qui en ont besoin une
variable ar-cielle, avec un coecient 1.

x1 + x2 + e1 = 6
x2 + e2 = 3


x1 + x2 e3 + a1 = 1
x1, x2 , e1, e2 , e3, a1 0

49

Mthode des deux phases :

Phase 1 : On ignore la vraie fonc-on objec-f et on cherche
minimiser la somme des variables ar-cielles.

Phase 2 : Consiste liminer du dernier tableau de la phase 1

les colonnes des V.A, remplacer la ligne C par la vraie
fonc-on objec-f, et con-nuer le simplexe sur le tableau
obtenu.

50
2me partie : Techniques dordonnancement

51
 La ralisa)on d'un projet (quel qu'il soit : lancement d'un
nouveau produit, installa)on d'un nouvel quipement, mise
en place d'une opra)on de communica)on, etc.) passe
ncessairement par l'excu)on d'un nombre de tches plus
ou moins important, raliser dans les dlais impar)s et
selon un agencement bien dtermin.

Les techniques d'ordonnancement visent op-miser la
planica)on de ces tches en respectant leurs contraintes :
De produc-on (mobilisa)on ncessaire des ressources
humaines et techniques).
De temps (dlais respecter pour leur excu)on).
D'antriorit (ordre d'excu)on respecter).

52
 Les mthodes dordonnancement les plus
u-lises sont :

le diagramme de GanC,

la mthode PERT (Program of Evalua)on and
Review Technic ).

53
 Le Diagramme de GanY

Le "Diagramme de GanC" a t conu en 1917, par un amricain du
nom de de Henry L. GanC, pour amliorer la ges)on des ateliers
des entreprises.

Trs rapidement cet ou)l a montr son u)lit dans la ges)on de
tout projet ncessitant la coordina)on, dans le temps, d'un
ensemble de tches.

Il se prsente sous la forme d'un planning prsentant en ligne les
tches lmentaires d'un projet et en colonne l'chelle de temps
retenue (jours, semaine, etc.). Ce tableau permet donc de visualiser
d'un simple coup d'oeil les direntes tapes de ralisa)on d'un
projet et leur tat d'avancement.

54
 MTHODOLOGIE DE CONSTRUCTION D'UN
DIAGRAMME DE GANTT

Les direntes tapes de ralisa)on dun diagramme de
GanC sont les suivantes :

q Premire tape : On dtermine les direntes tches (ou

opra)ons) raliser et leur dure.

q Deuxime tape : on dnit les rela)ons dantriorit

entre tches.

q Troisime tape : on reprsente dabord les tches n

ayant aucune antriorit, puis les tches dont les tches
antrieures ont dj t reprsentes, et ainsi de suite

55

Exemple :
Tem
ps
1 2 3 4 5 6 7 8 9 10 11 12 13
Tch
e
A

D
E

Remarques :
Chaque colonne reprsente une unit de temps.
Les dures dexcution prvues des tches sont reprsentes par un trait pais.
(4 units de temps pour C).
Les contraintes de succession se lisent immdiatement.
Les tches B et C succdent la tche A.
D succde B.
On peut alors dterminer le chemin critique : qui est form dune succession de
tches, sur le chemin le plus long en terme de dures. Il est appel chemin
critique car tout retard pris sur lune des tches de ce chemin , entrane du retard
dans lachvement du projet. ( Chemin critique :A, B, D, E).
56

LE PERT
Program of Evalua-on and Review Technic

Le PERT est une technique d'ordonnancement base sur la thorie des

graphes, visant op)miser la planica)on des tches d'un projet.
CeCe technique a t conue par la marine amricaine, en 1958, pour
coordonner les tches des milliers d'entreprises impliques dans son
projet "Polaris" (programme de dveloppement de missiles ogive
nuclaire). Compte tenu de son ecacit (elle aurait permis de rduire de
14 7 ans la dure globale de ralisa)on du projet Polaris)
elle s'est rapidement impose dans les organisa)ons, gouvernementales
ou non, ayant grer des projets importants (programme Apollo de la
N A S A , c o n s t r u c ) o n d ' a u t o r o u t e , e t c . ) a u d t r i m e n t d u
diagramme de GanC.
L'u)lisa)on du PERT permet, notamment, de dterminer la dure
minimum ncessaire pour mener bien un projet et les dates auxquelles
peuvent ou doivent dbuter les direntes tches ncessaires sa
ralisa)on pour que ceCe dure minimum soit respecte.
57

Conven-ons de base d'un rseau PERT

Les principales conven-ons d'un rseau PERT sont les suivantes :

- chaque tche est symbolise par un arc orient, auquel est associ
une valeur numrique correspondant sa dure.
1 A(4) 2

- les sommets auxquels abou)ssent les arcs correspondent donc des

tapes, qui marquent l'abou)ssement d'une ou plusieurs tches.
- chaque tape est iden)e par un numro d'ordre et renseigne sur
la date laquelle elle peut tre aCeinte au plus tt ("date au plus tt")
et au plus tard ("date au plus tard") pour respecter le dlai op)mal de
ralisa)on du projet.
- le graphe possde une entre (sommet sans antcdent) et une sor)e
(sommet sans descendant) qui correspondent respec)vement aux
tapes "Dbut des opra)ons" et "Fin des opra)ons".

58
 Construc-on d'un graphe PERT
Sur la base des conven)ons prcdentes,
la construc)on d'un graphe PERT ne pose Tche Dure Tches
pas de dicult par)culire, mais doit antrieures
tre ralise avec mthode.
La mthode la plus approprie consiste
procder par "niveau" : A 2
B 4
- dterminer les tches sans antcdent C 4 A
(tches de niveau 1) et les relier l'tape D 5 A, B
de "Dbut E 6 C,D
- iden)er ensuite les tches de niveau 2,
c'est--dire celles dont les antcdents
sont exclusivement du niveau 1 et les
posi)onner sur le graphique en fonc)on
de ces derniers,
- con)nuer ainsi, jusqu' ce que toutes
les tches aient pu tre posi)onnes entre
elles et relier celles n'ayant pas de
descendant l'tape de "Fin".

59
 Lecture d'un graphe PERT
Le graphe se lit de gauche droite
(de l'tape "DBUT" celle de "FIN").
Chaque arc symbolise une tche qui
permet d'aCeindre une nouvelle
tape dans la ralisa)on du projet.
U n e n o u v e l l e t c h e n e p e u t
commencer que lorsque toutes les
tches pralables sa ralisa)on sont
termines.
Chaque sommet correspond une
tape qui est iden) par une
cartouche o sont prciss : son
"numro d'ordre", la date laquelle
elle peut tre aCeinte au plus tt
("date au plus tt") et la date
laquelle elle doit tre aCeinte au plus
tard pour respecter le dlai op)mal
de ralisa)on du projet ("date au plus
tard").

60

DTERMINATION DES DATES "AU PLUS TT" DANS UN
RSEAU PERT

Date au plus tt "tape j" = Date au plus tt "tape i" + Dure tche "ij"

i j

Lorsque plusieurs arcs arrivent un mme sommet (c'est dire que plusieurs
tches doivent tre ralises pour atteindre une tape donne), il convient de
faire ce calcul pour toutes les tches menant l'tape en question et de retenir
comme "date au plus tt" de l'tape le maximum des valeurs ainsi trouve (en
effet, l'tape ne sera vraiment atteinte que lorsque toutes les tches y menant
auront t accomplies) :

Date au plus tt "tape j" = Max. (Date plus tt "tapes i" + Dure tches "ij")

61
 DTERMINATION DES DATES "AU PLUS TARD" DANS
UN RSEAU PERT
Date au plus tard "tape i" = Date plus tard "tape j" - Dure tche "ij"

i j

Lorsque plusieurs arcs partent d'un mme sommet (c'est dire que plusieurs
tches commencent partir d'une mme tape), il convient de faire ce calcul
pour toutes les tches (y compris s'il s'agit de tches fictives) succdant
l'tape en question et de retenir comme "date au plus tard" de l'tape le
minimum des valeurs ainsi trouves :

Date au plus tard "tape i" = Min. (date au plus tard "tapes j" - Dure tches "ij")

62

EXEMPLE DE DTERMINATION DES DATES "AU PLUS TT" ET

"AU PLUS TARD" DANS UN RSEAU PERT

La dtermina)on des dates au plus tt des direntes sommets se fait donc par calculs
successifs, par)r de l'tape ini)ale "Dbut" (dont, par conven)on, la date au plus tt
est xe 0).
La dtermina)on des dates au plus tard des dirents sommets se fait donc rebours
du graphe, par calculs successifs, en partant de l'tape nale "Fin" (pour laquelle, par
conven)on, on considre que la date au plus tard est gale sa date au plus tt).
On appelle chemin cri-que la succession des tches pour lesquels aucun retard n'est
possible sans remeCre en cause la dure op)male du projet (tches pour lesquelles
date au plus tt = date au plus tard). Dans notre exemple, celui-ci est indiqu en rouge 63
 CALCUL DES DIFFRENTES MARGES D'UNE TCHE
DANS UN RSEAU PERT
La marge totale d'une tche indique le retard maximal que l'on peut admeCre dans
sa ralisa)on (sous rserve qu'elle ait commenc sa date au plus tt) sans
allonger la dure op)male du projet.

Marge totale tche "ij" = Date au plus tard "tape j" - Date au plus tt "tape i" - Dure tche "ij"

i j
Ainsi, dans notre exemple prcdent (projet Y) :

Marge totale de A = (4 - 0 - 2) = 2
Marge totale de C = (9 - 2 - 4) = 3

64
 La marge libre d'une tche indique le retard que l'on peut admeCre
dans sa ralisa)on (sous rserve qu'elle ait commenc sa date au
plus tt) sans modier les date au plus tt des tches suivantes et
sans allonger la dure op)male du projet.

Marge libre tche "ij" = Date au plus tt "tape j" - Date au plus tt "tape i" - Dure tche "ij"

i j

Ainsi, dans notre exemple prcdent (projet Y) :

Marge libre de C = (9 - 2 - 4) = 3
Marge libre de A = (2 - 0 - 2) = 0

65
3me partie : Analyse de la dcision

66
1. Dni-on :

Lanalyse de la dcision concerne les situa-ons
caractrises par :

Lexistence de dcisions alterna-ves
Lventualit dappari-on dvnements (tat de la
nature) mul-ples
Incer-tude absolue sur lappari-on de tel ou tel
vnement

67
2. Principe de la mthode

Iden-er lensemble des choix possibles face

des vnements.

Disposer dun critre de partage entre les

dcisions alterna-ves.

68
3. Les dirents critres

a. Le critre de Laplace

Fonc-on de valorisa-on :
valuer la moyenne des rsultats de chaque ac)on.

1 ei =en
Va j = Ra j ,ei
n ei =e1
Critre de choix :
Choisir laction dont la moyenne est la plus
leve.

69
Exemple

Actions\tats e1 e2 e3 e4
a1 20 25 40 100
a2 5 30 50 125
a3 40 50 75 0

1
Va1 = (20 + 25 + 40 + 100) = 46,25
4

1
Va2 = (5 + 30 + 50 + 125) = 52,5
4 a2 a1 a3
1
Va3 = (40 + 50 + 75 + 0 ) = 41,25
4
70
 Remarque

Le critre de Laplace est un critre de la raison

insuffisante car tout se passe comme si on cherchait
maximiser une esprance mathmatique de gain
comme si on tait dans un univers risqu et
quiprobable.

71
 b. Le critre du MaxiMax

Fonc-on de valorisa-on :
Dterminer le rsultat maximum que peut rapporter chaque
ac)on.

Va j = sup Ra j ,ei
ei
( )
Critre de choix :
Choisir laction dont la fonction de valorisation est la
plus leve

72
Exemple

Actions\tats e1 e2 e3 e4

a1 20 25 40 100
a2 5 30 50 125
a3 40 50 75 0

Va1 = sup(20; 25; 40; 100) = 100

Va2 = sup(5; 30; 50; 125) = 125 a2 a1 a3

Va3 = sup(40; 50; 75; 0) = 75

73
 Remarque

le critre du MaxiMax est un critre trop
optimiste car, on se comporte comme un
op)miste qui ne voit que la possibilit de
gagner le plus possible en omeCant les
possibilits de gain infrieur.

74
 c. Le critre de WALD ou MaxiMin
Fonc-on de valorisa-on :
Dterminer le rsultat minimum que peut rapporter chaque
ac)on.

Va j = inf (R j ,i )
ei

Critre de choix :
Choisir laction dont la fonction de valorisation est la
plus leve.

75
Exemple

Actions\tats e1 e2 e3 e4

a1 20 25 40 100
a2 5 30 50 125
a3 40 50 75 0

Va1 = inf (20; 25; 40; 100) = 20

Va2 = inf (5; 30; 50; 125) = 5 a1 a2 a3

Va3 = inf (40; 50; 75; 0) = 0

76
 Remarque

le critre de WALD est un critre trop pessimiste
car , on se comporte comme un pessimiste qui se
dit : je nai pas de chance donc je vais choisir
lac1on qui a le plus grand rsultat minimum : je
suis certain davoir au moins ce minimum .

77
 d. Le critre dHURWICZ

Fonc-on de valorisa-on :
Dterminer une fonc)on prenant en compte le pire des rsultats
avec la probabilit et le meilleur rsultat avec la probabilit (1-
).

( )
Va j = . inf Ra j ,ei + (1 ) sup Ra j ,ei
ei ei
( )
Critre de choix :
Choisir laction dont la fonction de valorisation est la
plus leve.

78
Exemple

Actions\tats e1 e2 e3 e4

a1 20 25 40 100
a2 5 30 50 125
a3 40 50 75 0

Va1 = .20 + (1 )100 = 100 80.

Va2 = .5 + (1 ).125 = 125 120.
Va3 = .0 + (1 ).75 = 75 75.

79
 Optimisme Pessimisme
5
0 8 1

a*=a2 a*=a1
Laction a1 est prfre si :
5
100 80. > 125 120. >
8
100 80. > 75 75. < 5
Laction a2 est prfre si :
5
<
125 120. > 100 80. 8

125 120. > 75 75. < 10
9
Laction a3 est prfre si :
> 5
75 75. > 100 80.
10 [0;1]
75 75 > 125 120. > 80
9
 Remarque

le critre dHURWICZ est la gnralisa)on dun choix qui ne

serait ni compltement op)miste, ni compltement pessimiste.

Si =0, on est rsolument op-miste

Si =1, on est rsolument pessimiste

On doit connatre notre degr dop)misme !

81
 e. Le critre de SAVAGE

Fonc-on de valorisa-on :
On dtermine une fonc)on de regret qui mesure le manque
gagner en nayant pas choisi la bonne ac)on pour chaque tat
de la nature.

ei = n

(
Va j = sup Ra j ,ei Ra j ,ei )
ei =1 a j
Critre de choix :
Choisir laction dont la fonction de regret est la plus
faible.

82
Exemple

Actions\tats e1 e2 e3 e4
a1 20 25 40 100
a2 5 30 50 125
a3 40 50 75 0

Va1 = (40 20 ) + (50 25 ) + (75 40 ) + (125 100) = 105

Va2 = (40 5) + (50 30 ) + (75 50 ) + (125 125) = 80
Va3 = (40 40 ) + (50 50 ) + (75 75 ) + (125 0) = 125

83
 f. Le critre MOYENNE-VARIABILITE

Fonc-on de valorisa-on :
La fonc-on de valorisa-on est caractrise par un
couple compos par la moyenne de lac-on et sa
variabilit..

ei = n
1
moy (a j ) = Ra j ,ei
n ei =1
( )
(
(a j ) = sup Ra j ,ei inf Ra j ,ei
ei
) ei
( )

84
Critre de choix n 1 :
moy (ak ) moy (al ) et (ak ) < (al )

ak al si ou bien
moy (a ) > moy (a ) et (a ) (a )
k l k l

Cette rgle de comparaison est assez restrictive :

Elle ne prend pas en considration le fait quune forte

variabilit compense par une forte moyenne puisse
tre intressante.

Donc ce critre ne fonctionne pas toujours : il faut le

complter
85
Exemple

Actions\tats e1 e2 e3 e4
a1 20 25 40 100
a2 5 30 50 125
a3 40 50 75 0

1
moy (a1 ) = (20 + 25 + 40 + 100) = 46,25
4
(a1 ) = 100 20 = 80
1
moy (a2 ) = (5 + 30 + 50 + 125) = 52,5
4 Pas de dcision possible !
(a2 ) = 125 5 = 120
1
moy (a3 ) = (40 + 50 + 75 + 0 ) = 41,25
4
(a3 ) = 75 0 = 75 86
Critre de choix n 2 :

moy (ak ) moy (al )

ak al si >
(ak ) (al )
Cette rgle consiste mesurer le pourcentage de
moyenne par unit de variabilit.

La meilleur stratgie sera celle qui aura la plus grande

moyenne par unit de variabilit

87
Application du critre n2 :

moy (a1 ) = 46,25 moy (a1 )

= 0,5781
(a1 ) = 80 (a1 )

moy (a2 ) = 52,5 moy (a2 )

(a2 ) = 120

(a2 )
= 0,4375 a1 a3 a2
moy (a3 ) = 41,25 moy (a3 )
= 0,55
(a3 ) = 75 (a3 )

88