SlideShare une entreprise Scribd logo
Cours 
http://www.univ-bechar.dz/tamali 
Pr. TAMALI Mohammed 
mtamali@gmail.com
Plan 
1.Généralités & positionnement de l’Opt./RO 
2.Théorie des systèmes 
3.Théorie des graphes 
4.Outils de l’optimisation 
5.Optimisation des systèmes linéaires 
6.Optimisation des systèmes non-linéaires 
7.Optimisation par méthodes I.A. 
8.Sensibilité des systèmes 
9.Conclusion
Généralité &Positionnement Opt./RO 
La recherche opérationnelle (RO) vise à l'amélioration du fonctionnement des organisations de systèmes par l'application de l'approche scientifique. Reposant sur l'utilisation de méthodes scientifiques, de techniques spécialisées et des ordinateurs, la RO permet d'obtenir une évaluation quantitative des politiques, stratégies et actions possibles dans le cours des opérations d'une organisation ou d'un système. Une optimisation présume Une fonctionnelle F(X) Des variables X Des contraintes G(X) Des liaisons H(X) Un domaine de définition  Une frontière  Du courage, de la patience et une bonne méthode
Théorie des systèmes 
() 
() 
(S) 
{F (X)}opt 
G(X)b1 
H(X)=b2 
Cond(X) 
La théorie des systèmes introduite pour la première fois en 1968 par Bertalanffy L. Von, dans son livre "General System Theory: Foundations, Development, Applications". 
Bertalanffy, décrivait dés lors que l'univers qui nous entoure n'est que composition d'une infinité d'entités fonctionnelles pouvant être appelées chacune SYSTEME. 
De cette théorie en émerge d’autres, la cybernétique, la systhèmique
Théorie des graphes 
La théorie des graphes, Les graphes modélisent de nombreuses situations concrètes où interviennent des objets en interaction. Les réseaux d'ordinateurs, les éléments d’un moteur. Les graphes permettent de manipuler plus facilement des objets et leurs relations avec une représentation graphique naturelle. Comment minimiser ou plutôt optimiser la longueur totale des interconnexions fonctionnelles dans un circuit? Comment décider, étant donnée une situation caractérisée par un nombre d'hypothèses? La théorie des graphes est aussi importante dans beaucoup de domaines scientifiques, on cite : 
•Le problème du transport 
•L'optimisation 
•La robotique 
•la théorie de l'information 
•Optimisation de la coordination des composantes d’un système 
Définitions : Sommet, arc, 
Multi-Graphe, Matrices incidence A 
Matrice d’adjacence M, Arbre 
Connexité.
Outils de l’optimisation 
Les outils de l’optimisation se regroupe généralement dans la méthodologie adoptée pour mener à bien une tâche éventuelle. 
L’OBSERVATION : soumettre le système aux sens de la 
Perception naturels ou artificiels avec une totale 
objectivité. 
LA FORMALISATION : fixer les observations par une symbolisation appropriée {ei, xi} 
LA MODELISATION : Composer les symboles et les relations en un équivalent 
LA SIMULATION : faire travailler l’équivalent et observer le fait qu’il reflète les même manifestions que le système réel. 
L’OPTIMISATION : Déterminer, suivant une méthodologie, le 
Meilleur état du système répondant au compromis 
coût/Performance. 
LA PRISE DE DECISION : Adopter, vus les exigences du système et 
De ceux qui lui sont adjacents/en interaction, une position par 
Rapport aux résultats de l’optimisation.
Optimisation des systèmes linéaires 
Soit une usine de fabrication de pièces mécanique. Trois types de pièces sont dans la gamme de pièces produites et ceci avec 80 machines. Considéré dans la durée d’un mois, l’usine est tenu de présenter une stratégie de production dans les conditions suivantes. Une pièce du type I est exécutée en 5 heures, une du type II est faite en 1.30 heures alors que celle du dernier type en 3 heures. Les débouchés au marché de chaque type prit séparément sont de 3000, 1500 et 2000 unités respectivement. Les bénéfices par unité vendue sont à 8, 5 et 3 DA pour les types I, II et III. Déterminer une stratégie de production 
•Si les durée d’exécution augmentent 
•Si les limites de vente au marché diminuent 
•Si les imposition changent
Optimisation des systèmes non-linéaires 
Soit (S) un système non linéaire dont F(X) est le modèle mathématique le représentant 
Le problème s’écrit : 
On peut toujours se contenter de XoptX* (où |X*-Xopt|;  petit 
Si m est le nombre de contraintes et les liaisons. 
* 21)( )( )( )( XestSdesolutionLaXbXHbXGbXFnopt             mjpourXLnipourxXLsontsoptimalitédconditionslesdoncXHXGXFXLjiT..10),( ..10),( :' )()(.)(),(           
Optimisation par des méthodes I.A. 
Algorithmes Génétique 
Algorithme des colonies de fourmis 
Début 
Initialisation de la population P0 
Sélection 
Mutation 
Croisement 
Convergence? 
Non 
Oui 
résultats 
Fin 
Début 
Répartition en bi(t) fourmis 
Initialisation des 
t(i,j) par arc 
Calcul de Pt(x,y) 
Des sommets adjacents 
Mouvement 
Convergence? 
résultats 
Fin 
Mise à jour de t(i,j) 
Pour un  donné 
Oui 
Non
Sensibilité des systèmes 
La sensibilité de (S) est égale à la dérivée de fonction le régissant par rapport à ses variable. Elle indique clairement que n’import quelle variation sur les variables pourrait induire un éloignement par rapport de la valeur optimale de l’état du système. 
De même, il est possible de voire comment F est sensible à une variable double (dire multiple) d’un couple de variable xi, xj (dire xi, …,xk). 
nkavecxXFk..1; )(    njiavecxxXFji..1,; )(2   
Conclusion 
Il est bien clair que la meilleur position qu’un système peut prendre est celle qui représente l’état suivant : 
1.Une interaction homogène avec les systèmes adjacents 
2.Un consommation minimale de l’énergie 
3.Une fiabilité meilleure 
4.Des pertes minimes

Contenu connexe

Tendances

Diode & Diode Zener : Exercices Corrigés
Diode & Diode Zener : Exercices CorrigésDiode & Diode Zener : Exercices Corrigés
Diode & Diode Zener : Exercices Corrigés
RAMZI EL IDRISSI
 
Détection des droites par la transformée de Hough
Détection des droites par la transformée de HoughDétection des droites par la transformée de Hough
Détection des droites par la transformée de Hough
Khaled Fayala
 
8 grafcet avec reprise de séquence
8  grafcet avec reprise de séquence8  grafcet avec reprise de séquence
8 grafcet avec reprise de séquence
omar bllaouhamou
 
Cours2 Réponse temporelle des systèmes dynamiques continus LTI
Cours2 Réponse temporelle des systèmes dynamiques continus LTICours2 Réponse temporelle des systèmes dynamiques continus LTI
Cours2 Réponse temporelle des systèmes dynamiques continus LTI
sarah Benmerzouk
 
Chap III : Cours de Modélisation & Simulation des systèmes
Chap III : Cours de Modélisation & Simulation des systèmesChap III : Cours de Modélisation & Simulation des systèmes
Chap III : Cours de Modélisation & Simulation des systèmes
Mohammed TAMALI
 
Chapitre v algorithmes gloutons
Chapitre v algorithmes gloutonsChapitre v algorithmes gloutons
Chapitre v algorithmes gloutonsSana Aroussi
 
Chap I : Cours de Modélisation & Simulation des processus
Chap I : Cours de Modélisation & Simulation des processusChap I : Cours de Modélisation & Simulation des processus
Chap I : Cours de Modélisation & Simulation des processus
Mohammed TAMALI
 
Automatique systémes linéaires et non linéaires 2
Automatique   systémes linéaires et non linéaires 2Automatique   systémes linéaires et non linéaires 2
Automatique systémes linéaires et non linéaires 2badr zaimi
 
Traitement d'image sous Matlab
Traitement d'image sous Matlab  Traitement d'image sous Matlab
Traitement d'image sous Matlab
Hajer Dahech
 
Chap V : Modélisation & Optimisation Des réseaux electriques (Concepts de bas...
Chap V : Modélisation & Optimisation Des réseaux electriques (Concepts de bas...Chap V : Modélisation & Optimisation Des réseaux electriques (Concepts de bas...
Chap V : Modélisation & Optimisation Des réseaux electriques (Concepts de bas...
Mohammed TAMALI
 
l'Intelligence Artificielle Jean-Antoine Moreau
l'Intelligence Artificielle Jean-Antoine Moreaul'Intelligence Artificielle Jean-Antoine Moreau
l'Intelligence Artificielle Jean-Antoine Moreau
Jean-Antoine Moreau
 
Chapitre 4 heuristiques et méta heuristiques
Chapitre 4 heuristiques et méta heuristiquesChapitre 4 heuristiques et méta heuristiques
Chapitre 4 heuristiques et méta heuristiques
Sana Aroussi
 
Intelligence Artificielle : Introduction à l'intelligence artificielle
Intelligence Artificielle : Introduction à l'intelligence artificielleIntelligence Artificielle : Introduction à l'intelligence artificielle
Intelligence Artificielle : Introduction à l'intelligence artificielle
ECAM Brussels Engineering School
 
Algorithme Colonie de fourmis
Algorithme Colonie de fourmisAlgorithme Colonie de fourmis
Algorithme Colonie de fourmis
kamar MEDDAH
 
Rappel de cours traitement de signal
Rappel de cours traitement de signalRappel de cours traitement de signal
Rappel de cours traitement de signalmanahil2012
 
5.2 Régression linéaire
5.2 Régression linéaire5.2 Régression linéaire
5.2 Régression linéaire
Boris Guarisma
 
Chapitre 1 rappel
Chapitre 1   rappelChapitre 1   rappel
Chapitre 1 rappel
Sana Aroussi
 
Analyse Fonctionelle
Analyse FonctionelleAnalyse Fonctionelle
Analyse Fonctionelle
Gestion Projet Auto
 
Machine-learning-FR.pdf
Machine-learning-FR.pdfMachine-learning-FR.pdf
Machine-learning-FR.pdf
MBarakOUROAKONDO
 

Tendances (20)

Diode & Diode Zener : Exercices Corrigés
Diode & Diode Zener : Exercices CorrigésDiode & Diode Zener : Exercices Corrigés
Diode & Diode Zener : Exercices Corrigés
 
Détection des droites par la transformée de Hough
Détection des droites par la transformée de HoughDétection des droites par la transformée de Hough
Détection des droites par la transformée de Hough
 
8 grafcet avec reprise de séquence
8  grafcet avec reprise de séquence8  grafcet avec reprise de séquence
8 grafcet avec reprise de séquence
 
Cours2 Réponse temporelle des systèmes dynamiques continus LTI
Cours2 Réponse temporelle des systèmes dynamiques continus LTICours2 Réponse temporelle des systèmes dynamiques continus LTI
Cours2 Réponse temporelle des systèmes dynamiques continus LTI
 
Cours1
Cours1Cours1
Cours1
 
Chap III : Cours de Modélisation & Simulation des systèmes
Chap III : Cours de Modélisation & Simulation des systèmesChap III : Cours de Modélisation & Simulation des systèmes
Chap III : Cours de Modélisation & Simulation des systèmes
 
Chapitre v algorithmes gloutons
Chapitre v algorithmes gloutonsChapitre v algorithmes gloutons
Chapitre v algorithmes gloutons
 
Chap I : Cours de Modélisation & Simulation des processus
Chap I : Cours de Modélisation & Simulation des processusChap I : Cours de Modélisation & Simulation des processus
Chap I : Cours de Modélisation & Simulation des processus
 
Automatique systémes linéaires et non linéaires 2
Automatique   systémes linéaires et non linéaires 2Automatique   systémes linéaires et non linéaires 2
Automatique systémes linéaires et non linéaires 2
 
Traitement d'image sous Matlab
Traitement d'image sous Matlab  Traitement d'image sous Matlab
Traitement d'image sous Matlab
 
Chap V : Modélisation & Optimisation Des réseaux electriques (Concepts de bas...
Chap V : Modélisation & Optimisation Des réseaux electriques (Concepts de bas...Chap V : Modélisation & Optimisation Des réseaux electriques (Concepts de bas...
Chap V : Modélisation & Optimisation Des réseaux electriques (Concepts de bas...
 
l'Intelligence Artificielle Jean-Antoine Moreau
l'Intelligence Artificielle Jean-Antoine Moreaul'Intelligence Artificielle Jean-Antoine Moreau
l'Intelligence Artificielle Jean-Antoine Moreau
 
Chapitre 4 heuristiques et méta heuristiques
Chapitre 4 heuristiques et méta heuristiquesChapitre 4 heuristiques et méta heuristiques
Chapitre 4 heuristiques et méta heuristiques
 
Intelligence Artificielle : Introduction à l'intelligence artificielle
Intelligence Artificielle : Introduction à l'intelligence artificielleIntelligence Artificielle : Introduction à l'intelligence artificielle
Intelligence Artificielle : Introduction à l'intelligence artificielle
 
Algorithme Colonie de fourmis
Algorithme Colonie de fourmisAlgorithme Colonie de fourmis
Algorithme Colonie de fourmis
 
Rappel de cours traitement de signal
Rappel de cours traitement de signalRappel de cours traitement de signal
Rappel de cours traitement de signal
 
5.2 Régression linéaire
5.2 Régression linéaire5.2 Régression linéaire
5.2 Régression linéaire
 
Chapitre 1 rappel
Chapitre 1   rappelChapitre 1   rappel
Chapitre 1 rappel
 
Analyse Fonctionelle
Analyse FonctionelleAnalyse Fonctionelle
Analyse Fonctionelle
 
Machine-learning-FR.pdf
Machine-learning-FR.pdfMachine-learning-FR.pdf
Machine-learning-FR.pdf
 

En vedette

Programmation lineaire algorithme_du_simplexe
Programmation lineaire algorithme_du_simplexeProgrammation lineaire algorithme_du_simplexe
Programmation lineaire algorithme_du_simplexeJiijishady
 
RECHERCHE OPERATIONNELLE S5 WWW.COURS-ECONOMIE.COM
RECHERCHE OPERATIONNELLE S5 WWW.COURS-ECONOMIE.COMRECHERCHE OPERATIONNELLE S5 WWW.COURS-ECONOMIE.COM
RECHERCHE OPERATIONNELLE S5 WWW.COURS-ECONOMIE.COM
jamal yasser
 
Programmation linéniaire
Programmation linéniaire Programmation linéniaire
Programmation linéniaire
Mohammed Zaoui
 
Cours9 programmation linéaire
Cours9 programmation linéaireCours9 programmation linéaire
Cours9 programmation linéaireAroussia Othmen
 
Piloter ses campagnes par la donnée
Piloter ses campagnes par la donnéePiloter ses campagnes par la donnée
Piloter ses campagnes par la donnée
NP6
 
Bourse Nouvelle zelande 2015 2016
Bourse Nouvelle zelande 2015 2016Bourse Nouvelle zelande 2015 2016
Bourse Nouvelle zelande 2015 2016
cours fsjes
 
séries 1 Recherche Operationnelle sur www.coursdefsjes.com
 séries 1 Recherche Operationnelle sur www.coursdefsjes.com séries 1 Recherche Operationnelle sur www.coursdefsjes.com
séries 1 Recherche Operationnelle sur www.coursdefsjes.com
cours fsjes
 
Optimisation par colonie de fourmis par zellagui amine
Optimisation par colonie de fourmis par zellagui amineOptimisation par colonie de fourmis par zellagui amine
Optimisation par colonie de fourmis par zellagui amine
Zellagui Amine
 
Sommaire Mini Projet Implémentation de l’algorithme du Simplexe En Java
Sommaire Mini Projet Implémentation de l’algorithme du Simplexe En JavaSommaire Mini Projet Implémentation de l’algorithme du Simplexe En Java
Sommaire Mini Projet Implémentation de l’algorithme du Simplexe En Java
Rached Krim
 
Examen principal - Fondement Multimedia - correction
Examen principal - Fondement Multimedia - correctionExamen principal - Fondement Multimedia - correction
Examen principal - Fondement Multimedia - correction
Ines Ouaz
 
La complexité des algorithmes récursives Géométrie algorithmique
La complexité des algorithmes récursivesGéométrie algorithmiqueLa complexité des algorithmes récursivesGéométrie algorithmique
La complexité des algorithmes récursives Géométrie algorithmique
Hajer Trabelsi
 
Igl cours 3 - introduction à uml
Igl   cours 3 - introduction à umlIgl   cours 3 - introduction à uml
Igl cours 3 - introduction à uml
Mohammed Amine Mostefai
 
Rechrches operationnele exam 2016 +corr
Rechrches operationnele exam 2016 +corrRechrches operationnele exam 2016 +corr
Rechrches operationnele exam 2016 +corr
jamal yasser
 
Cours de recherche operationnelle I s6
Cours de recherche operationnelle I s6Cours de recherche operationnelle I s6
Cours de recherche operationnelle I s6
Jamal Yasser
 
Résolution de l'équations linéaires
Résolution de l'équations linéairesRésolution de l'équations linéaires
Résolution de l'équations linéaires
Kamel Djeddi
 

En vedette (20)

Programmation linéaire
Programmation linéaireProgrammation linéaire
Programmation linéaire
 
Programmation lineaire algorithme_du_simplexe
Programmation lineaire algorithme_du_simplexeProgrammation lineaire algorithme_du_simplexe
Programmation lineaire algorithme_du_simplexe
 
RECHERCHE OPERATIONNELLE S5 WWW.COURS-ECONOMIE.COM
RECHERCHE OPERATIONNELLE S5 WWW.COURS-ECONOMIE.COMRECHERCHE OPERATIONNELLE S5 WWW.COURS-ECONOMIE.COM
RECHERCHE OPERATIONNELLE S5 WWW.COURS-ECONOMIE.COM
 
Programmation linéniaire
Programmation linéniaire Programmation linéniaire
Programmation linéniaire
 
Cours9 programmation linéaire
Cours9 programmation linéaireCours9 programmation linéaire
Cours9 programmation linéaire
 
Piloter ses campagnes par la donnée
Piloter ses campagnes par la donnéePiloter ses campagnes par la donnée
Piloter ses campagnes par la donnée
 
Bourse Nouvelle zelande 2015 2016
Bourse Nouvelle zelande 2015 2016Bourse Nouvelle zelande 2015 2016
Bourse Nouvelle zelande 2015 2016
 
Utilisation solveur excel
Utilisation solveur excelUtilisation solveur excel
Utilisation solveur excel
 
séries 1 Recherche Operationnelle sur www.coursdefsjes.com
 séries 1 Recherche Operationnelle sur www.coursdefsjes.com séries 1 Recherche Operationnelle sur www.coursdefsjes.com
séries 1 Recherche Operationnelle sur www.coursdefsjes.com
 
Proglin
ProglinProglin
Proglin
 
Optimisation par colonie de fourmis par zellagui amine
Optimisation par colonie de fourmis par zellagui amineOptimisation par colonie de fourmis par zellagui amine
Optimisation par colonie de fourmis par zellagui amine
 
Sommaire Mini Projet Implémentation de l’algorithme du Simplexe En Java
Sommaire Mini Projet Implémentation de l’algorithme du Simplexe En JavaSommaire Mini Projet Implémentation de l’algorithme du Simplexe En Java
Sommaire Mini Projet Implémentation de l’algorithme du Simplexe En Java
 
Examen principal - Fondement Multimedia - correction
Examen principal - Fondement Multimedia - correctionExamen principal - Fondement Multimedia - correction
Examen principal - Fondement Multimedia - correction
 
La complexité des algorithmes récursives Géométrie algorithmique
La complexité des algorithmes récursivesGéométrie algorithmiqueLa complexité des algorithmes récursivesGéométrie algorithmique
La complexité des algorithmes récursives Géométrie algorithmique
 
Igl cours 3 - introduction à uml
Igl   cours 3 - introduction à umlIgl   cours 3 - introduction à uml
Igl cours 3 - introduction à uml
 
Rechrches operationnele exam 2016 +corr
Rechrches operationnele exam 2016 +corrRechrches operationnele exam 2016 +corr
Rechrches operationnele exam 2016 +corr
 
Schéma de communication
Schéma de communicationSchéma de communication
Schéma de communication
 
Cours de recherche operationnelle I s6
Cours de recherche operationnelle I s6Cours de recherche operationnelle I s6
Cours de recherche operationnelle I s6
 
Résolution de l'équations linéaires
Résolution de l'équations linéairesRésolution de l'équations linéaires
Résolution de l'équations linéaires
 
0 c2 2013
0 c2 20130 c2 2013
0 c2 2013
 

Similaire à Recherche Opérationnelle - Optimisation (notions de base)

Chap XI : Outils de Simulation des modes opératoires (Plans d’expériences)
Chap XI : Outils de Simulation des modes opératoires (Plans d’expériences)Chap XI : Outils de Simulation des modes opératoires (Plans d’expériences)
Chap XI : Outils de Simulation des modes opératoires (Plans d’expériences)
Mohammed TAMALI
 
Cours 20de-20simulation
Cours 20de-20simulationCours 20de-20simulation
Cours 20de-20simulation
Jihad Makhlouf
 
Article: Qu'est-ce que le R&R?
Article: Qu'est-ce que le R&R?Article: Qu'est-ce que le R&R?
Article: Qu'est-ce que le R&R?
Infodream
 
modele destimation.pptx
modele destimation.pptxmodele destimation.pptx
modele destimation.pptx
zahrakmar
 
cours logiciels de simulation.docx
cours logiciels de simulation.docxcours logiciels de simulation.docx
cours logiciels de simulation.docx
ssuser0dbd4e
 
Algo tri
Algo triAlgo tri
Algo tri
Sofien Zarrouki
 
Chap7 : Evaluation des performances, Concepts de base & fondements Modélisati...
Chap7 : Evaluation des performances, Concepts de base & fondements Modélisati...Chap7 : Evaluation des performances, Concepts de base & fondements Modélisati...
Chap7 : Evaluation des performances, Concepts de base & fondements Modélisati...
Mohammed TAMALI
 
La programmation par contraintes avec Choco3 (Java)
La programmation par contraintes avec Choco3 (Java)La programmation par contraintes avec Choco3 (Java)
La programmation par contraintes avec Choco3 (Java)
Aline Figoureux
 
Chap XII Analyse Numerique
Chap XII Analyse NumeriqueChap XII Analyse Numerique
Chap XII Analyse Numerique
Mohammed TAMALI
 
algo-imsi-2.pdf
algo-imsi-2.pdfalgo-imsi-2.pdf
algo-imsi-2.pdf
Wafaa Ibrihich
 
Machine Leargning_supérvisé.pptx
Machine Leargning_supérvisé.pptxMachine Leargning_supérvisé.pptx
Machine Leargning_supérvisé.pptx
bely26
 
Cours1.pptx
Cours1.pptxCours1.pptx
Cours1.pptx
FarahHkiri
 
[STLS] tests de performance coherenSE
[STLS] tests de performance coherenSE[STLS] tests de performance coherenSE
[STLS] tests de performance coherenSE
Marc Hage Chahine
 
Logique floue application
Logique floue application Logique floue application
Logique floue application Arrow Arrow
 
logistic_regression_ml.pdf
logistic_regression_ml.pdflogistic_regression_ml.pdf
logistic_regression_ml.pdf
SidiAbdallah1
 
Les 10 plus populaires algorithmes du machine learning
Les 10 plus populaires algorithmes du machine learningLes 10 plus populaires algorithmes du machine learning
Les 10 plus populaires algorithmes du machine learning
Hakim Nasaoui
 
Chapitre 1 rappel
Chapitre 1 rappelChapitre 1 rappel
Chapitre 1 rappel
Sana Aroussi
 
Chapitre 1 rappel
Chapitre 1 rappelChapitre 1 rappel
Chapitre 1 rappel
Sana Aroussi
 
Mathématiques et Python
Mathématiques et PythonMathématiques et Python
Mathématiques et Python
Dany-Jack Mercier
 
arbres de decision.ppt
arbres de decision.pptarbres de decision.ppt
arbres de decision.ppt
Jihane Elârrouchi
 

Similaire à Recherche Opérationnelle - Optimisation (notions de base) (20)

Chap XI : Outils de Simulation des modes opératoires (Plans d’expériences)
Chap XI : Outils de Simulation des modes opératoires (Plans d’expériences)Chap XI : Outils de Simulation des modes opératoires (Plans d’expériences)
Chap XI : Outils de Simulation des modes opératoires (Plans d’expériences)
 
Cours 20de-20simulation
Cours 20de-20simulationCours 20de-20simulation
Cours 20de-20simulation
 
Article: Qu'est-ce que le R&R?
Article: Qu'est-ce que le R&R?Article: Qu'est-ce que le R&R?
Article: Qu'est-ce que le R&R?
 
modele destimation.pptx
modele destimation.pptxmodele destimation.pptx
modele destimation.pptx
 
cours logiciels de simulation.docx
cours logiciels de simulation.docxcours logiciels de simulation.docx
cours logiciels de simulation.docx
 
Algo tri
Algo triAlgo tri
Algo tri
 
Chap7 : Evaluation des performances, Concepts de base & fondements Modélisati...
Chap7 : Evaluation des performances, Concepts de base & fondements Modélisati...Chap7 : Evaluation des performances, Concepts de base & fondements Modélisati...
Chap7 : Evaluation des performances, Concepts de base & fondements Modélisati...
 
La programmation par contraintes avec Choco3 (Java)
La programmation par contraintes avec Choco3 (Java)La programmation par contraintes avec Choco3 (Java)
La programmation par contraintes avec Choco3 (Java)
 
Chap XII Analyse Numerique
Chap XII Analyse NumeriqueChap XII Analyse Numerique
Chap XII Analyse Numerique
 
algo-imsi-2.pdf
algo-imsi-2.pdfalgo-imsi-2.pdf
algo-imsi-2.pdf
 
Machine Leargning_supérvisé.pptx
Machine Leargning_supérvisé.pptxMachine Leargning_supérvisé.pptx
Machine Leargning_supérvisé.pptx
 
Cours1.pptx
Cours1.pptxCours1.pptx
Cours1.pptx
 
[STLS] tests de performance coherenSE
[STLS] tests de performance coherenSE[STLS] tests de performance coherenSE
[STLS] tests de performance coherenSE
 
Logique floue application
Logique floue application Logique floue application
Logique floue application
 
logistic_regression_ml.pdf
logistic_regression_ml.pdflogistic_regression_ml.pdf
logistic_regression_ml.pdf
 
Les 10 plus populaires algorithmes du machine learning
Les 10 plus populaires algorithmes du machine learningLes 10 plus populaires algorithmes du machine learning
Les 10 plus populaires algorithmes du machine learning
 
Chapitre 1 rappel
Chapitre 1 rappelChapitre 1 rappel
Chapitre 1 rappel
 
Chapitre 1 rappel
Chapitre 1 rappelChapitre 1 rappel
Chapitre 1 rappel
 
Mathématiques et Python
Mathématiques et PythonMathématiques et Python
Mathématiques et Python
 
arbres de decision.ppt
arbres de decision.pptarbres de decision.ppt
arbres de decision.ppt
 

Plus de Mohammed TAMALI

Chap XVI-RedactionMemoire.pdf
Chap XVI-RedactionMemoire.pdfChap XVI-RedactionMemoire.pdf
Chap XVI-RedactionMemoire.pdf
Mohammed TAMALI
 
Chap XI-Optimisation.pdf
Chap XI-Optimisation.pdfChap XI-Optimisation.pdf
Chap XI-Optimisation.pdf
Mohammed TAMALI
 
Outils GPL de Modélisation & Simulation
Outils GPL de Modélisation & SimulationOutils GPL de Modélisation & Simulation
Outils GPL de Modélisation & Simulation
Mohammed TAMALI
 
Chap XVI - redaction mémoire
Chap XVI - redaction mémoireChap XVI - redaction mémoire
Chap XVI - redaction mémoire
Mohammed TAMALI
 
Chap VI 1-Elements de Pratique des SIG sous QGIS
Chap VI 1-Elements de Pratique des SIG sous QGISChap VI 1-Elements de Pratique des SIG sous QGIS
Chap VI 1-Elements de Pratique des SIG sous QGIS
Mohammed TAMALI
 
Chap VI SIG, Système d'Information Géographique, les bases
Chap VI SIG, Système d'Information Géographique, les basesChap VI SIG, Système d'Information Géographique, les bases
Chap VI SIG, Système d'Information Géographique, les bases
Mohammed TAMALI
 
Informatique pour école de Médecine Cours : TD & TP
Informatique pour école de Médecine Cours : TD & TPInformatique pour école de Médecine Cours : TD & TP
Informatique pour école de Médecine Cours : TD & TP
Mohammed TAMALI
 
Informatique pour école de Médecine Cours : Concepts de bases
Informatique pour école de Médecine Cours : Concepts de basesInformatique pour école de Médecine Cours : Concepts de bases
Informatique pour école de Médecine Cours : Concepts de bases
Mohammed TAMALI
 
Chap XIV : Calcul parallèle (Fondements & Principe d'utilisation)
Chap XIV : Calcul parallèle (Fondements & Principe d'utilisation)Chap XIV : Calcul parallèle (Fondements & Principe d'utilisation)
Chap XIV : Calcul parallèle (Fondements & Principe d'utilisation)
Mohammed TAMALI
 
Chap XIII : calcul scientifique avec python
Chap XIII : calcul scientifique avec pythonChap XIII : calcul scientifique avec python
Chap XIII : calcul scientifique avec python
Mohammed TAMALI
 
Universitaire, Intellectuel & Instruit
Universitaire, Intellectuel & InstruitUniversitaire, Intellectuel & Instruit
Universitaire, Intellectuel & Instruit
Mohammed TAMALI
 
Analyse Numérique – TP
Analyse Numérique – TP Analyse Numérique – TP
Analyse Numérique – TP
Mohammed TAMALI
 
ÉTUDE ET DIMENTIONNEMENT D’UN SUIVEUR SOLAIRE POUR LA GÉNÉRATION D’ÉNERGIE PV
ÉTUDE ET DIMENTIONNEMENT D’UN SUIVEUR SOLAIRE POUR LA GÉNÉRATION D’ÉNERGIE PVÉTUDE ET DIMENTIONNEMENT D’UN SUIVEUR SOLAIRE POUR LA GÉNÉRATION D’ÉNERGIE PV
ÉTUDE ET DIMENTIONNEMENT D’UN SUIVEUR SOLAIRE POUR LA GÉNÉRATION D’ÉNERGIE PV
Mohammed TAMALI
 
Chap VI SIG-Travaux Pratiques
Chap VI SIG-Travaux PratiquesChap VI SIG-Travaux Pratiques
Chap VI SIG-Travaux Pratiques
Mohammed TAMALI
 
Examen Master CCV : Méthode et Plan d'Expériences
Examen Master CCV : Méthode et Plan d'ExpériencesExamen Master CCV : Méthode et Plan d'Expériences
Examen Master CCV : Méthode et Plan d'Expériences
Mohammed TAMALI
 
Sipe12 : Pour une didactique BIO (Pédagogie & Efficaité energetique)
Sipe12 : Pour une didactique BIO (Pédagogie & Efficaité energetique)Sipe12 : Pour une didactique BIO (Pédagogie & Efficaité energetique)
Sipe12 : Pour une didactique BIO (Pédagogie & Efficaité energetique)
Mohammed TAMALI
 
CV Updated 2015
CV Updated 2015CV Updated 2015
CV Updated 2015
Mohammed TAMALI
 
Chap10 : Outils de Simulation Cas des CAD 3D Concepts de base & fondements.
Chap10 : Outils de Simulation Cas des CAD 3D Concepts de base & fondements.Chap10 : Outils de Simulation Cas des CAD 3D Concepts de base & fondements.
Chap10 : Outils de Simulation Cas des CAD 3D Concepts de base & fondements.
Mohammed TAMALI
 
Je TIC au passé, présent et au futur, Journée du 23/12/2014
Je TIC au passé,  présent et au futur, Journée du 23/12/2014Je TIC au passé,  présent et au futur, Journée du 23/12/2014
Je TIC au passé, présent et au futur, Journée du 23/12/2014
Mohammed TAMALI
 
Chap9 : Systèmes non linéaires
Chap9 : Systèmes non linéairesChap9 : Systèmes non linéaires
Chap9 : Systèmes non linéaires
Mohammed TAMALI
 

Plus de Mohammed TAMALI (20)

Chap XVI-RedactionMemoire.pdf
Chap XVI-RedactionMemoire.pdfChap XVI-RedactionMemoire.pdf
Chap XVI-RedactionMemoire.pdf
 
Chap XI-Optimisation.pdf
Chap XI-Optimisation.pdfChap XI-Optimisation.pdf
Chap XI-Optimisation.pdf
 
Outils GPL de Modélisation & Simulation
Outils GPL de Modélisation & SimulationOutils GPL de Modélisation & Simulation
Outils GPL de Modélisation & Simulation
 
Chap XVI - redaction mémoire
Chap XVI - redaction mémoireChap XVI - redaction mémoire
Chap XVI - redaction mémoire
 
Chap VI 1-Elements de Pratique des SIG sous QGIS
Chap VI 1-Elements de Pratique des SIG sous QGISChap VI 1-Elements de Pratique des SIG sous QGIS
Chap VI 1-Elements de Pratique des SIG sous QGIS
 
Chap VI SIG, Système d'Information Géographique, les bases
Chap VI SIG, Système d'Information Géographique, les basesChap VI SIG, Système d'Information Géographique, les bases
Chap VI SIG, Système d'Information Géographique, les bases
 
Informatique pour école de Médecine Cours : TD & TP
Informatique pour école de Médecine Cours : TD & TPInformatique pour école de Médecine Cours : TD & TP
Informatique pour école de Médecine Cours : TD & TP
 
Informatique pour école de Médecine Cours : Concepts de bases
Informatique pour école de Médecine Cours : Concepts de basesInformatique pour école de Médecine Cours : Concepts de bases
Informatique pour école de Médecine Cours : Concepts de bases
 
Chap XIV : Calcul parallèle (Fondements & Principe d'utilisation)
Chap XIV : Calcul parallèle (Fondements & Principe d'utilisation)Chap XIV : Calcul parallèle (Fondements & Principe d'utilisation)
Chap XIV : Calcul parallèle (Fondements & Principe d'utilisation)
 
Chap XIII : calcul scientifique avec python
Chap XIII : calcul scientifique avec pythonChap XIII : calcul scientifique avec python
Chap XIII : calcul scientifique avec python
 
Universitaire, Intellectuel & Instruit
Universitaire, Intellectuel & InstruitUniversitaire, Intellectuel & Instruit
Universitaire, Intellectuel & Instruit
 
Analyse Numérique – TP
Analyse Numérique – TP Analyse Numérique – TP
Analyse Numérique – TP
 
ÉTUDE ET DIMENTIONNEMENT D’UN SUIVEUR SOLAIRE POUR LA GÉNÉRATION D’ÉNERGIE PV
ÉTUDE ET DIMENTIONNEMENT D’UN SUIVEUR SOLAIRE POUR LA GÉNÉRATION D’ÉNERGIE PVÉTUDE ET DIMENTIONNEMENT D’UN SUIVEUR SOLAIRE POUR LA GÉNÉRATION D’ÉNERGIE PV
ÉTUDE ET DIMENTIONNEMENT D’UN SUIVEUR SOLAIRE POUR LA GÉNÉRATION D’ÉNERGIE PV
 
Chap VI SIG-Travaux Pratiques
Chap VI SIG-Travaux PratiquesChap VI SIG-Travaux Pratiques
Chap VI SIG-Travaux Pratiques
 
Examen Master CCV : Méthode et Plan d'Expériences
Examen Master CCV : Méthode et Plan d'ExpériencesExamen Master CCV : Méthode et Plan d'Expériences
Examen Master CCV : Méthode et Plan d'Expériences
 
Sipe12 : Pour une didactique BIO (Pédagogie & Efficaité energetique)
Sipe12 : Pour une didactique BIO (Pédagogie & Efficaité energetique)Sipe12 : Pour une didactique BIO (Pédagogie & Efficaité energetique)
Sipe12 : Pour une didactique BIO (Pédagogie & Efficaité energetique)
 
CV Updated 2015
CV Updated 2015CV Updated 2015
CV Updated 2015
 
Chap10 : Outils de Simulation Cas des CAD 3D Concepts de base & fondements.
Chap10 : Outils de Simulation Cas des CAD 3D Concepts de base & fondements.Chap10 : Outils de Simulation Cas des CAD 3D Concepts de base & fondements.
Chap10 : Outils de Simulation Cas des CAD 3D Concepts de base & fondements.
 
Je TIC au passé, présent et au futur, Journée du 23/12/2014
Je TIC au passé,  présent et au futur, Journée du 23/12/2014Je TIC au passé,  présent et au futur, Journée du 23/12/2014
Je TIC au passé, présent et au futur, Journée du 23/12/2014
 
Chap9 : Systèmes non linéaires
Chap9 : Systèmes non linéairesChap9 : Systèmes non linéaires
Chap9 : Systèmes non linéaires
 

Dernier

Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Laurent Speyser
 
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
OCTO Technology
 
Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024
UNITECBordeaux
 
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'universitéDe l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
Université de Franche-Comté
 
Les écrans informatiques au fil du temps.pptx
Les écrans informatiques au fil du temps.pptxLes écrans informatiques au fil du temps.pptx
Les écrans informatiques au fil du temps.pptx
abderrahimbourimi
 
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
Horgix
 

Dernier (6)

Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
 
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
 
Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024
 
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'universitéDe l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
 
Les écrans informatiques au fil du temps.pptx
Les écrans informatiques au fil du temps.pptxLes écrans informatiques au fil du temps.pptx
Les écrans informatiques au fil du temps.pptx
 
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...
 

Recherche Opérationnelle - Optimisation (notions de base)

  • 1. Cours http://www.univ-bechar.dz/tamali Pr. TAMALI Mohammed mtamali@gmail.com
  • 2. Plan 1.Généralités & positionnement de l’Opt./RO 2.Théorie des systèmes 3.Théorie des graphes 4.Outils de l’optimisation 5.Optimisation des systèmes linéaires 6.Optimisation des systèmes non-linéaires 7.Optimisation par méthodes I.A. 8.Sensibilité des systèmes 9.Conclusion
  • 3. Généralité &Positionnement Opt./RO La recherche opérationnelle (RO) vise à l'amélioration du fonctionnement des organisations de systèmes par l'application de l'approche scientifique. Reposant sur l'utilisation de méthodes scientifiques, de techniques spécialisées et des ordinateurs, la RO permet d'obtenir une évaluation quantitative des politiques, stratégies et actions possibles dans le cours des opérations d'une organisation ou d'un système. Une optimisation présume Une fonctionnelle F(X) Des variables X Des contraintes G(X) Des liaisons H(X) Un domaine de définition  Une frontière  Du courage, de la patience et une bonne méthode
  • 4. Théorie des systèmes () () (S) {F (X)}opt G(X)b1 H(X)=b2 Cond(X) La théorie des systèmes introduite pour la première fois en 1968 par Bertalanffy L. Von, dans son livre "General System Theory: Foundations, Development, Applications". Bertalanffy, décrivait dés lors que l'univers qui nous entoure n'est que composition d'une infinité d'entités fonctionnelles pouvant être appelées chacune SYSTEME. De cette théorie en émerge d’autres, la cybernétique, la systhèmique
  • 5. Théorie des graphes La théorie des graphes, Les graphes modélisent de nombreuses situations concrètes où interviennent des objets en interaction. Les réseaux d'ordinateurs, les éléments d’un moteur. Les graphes permettent de manipuler plus facilement des objets et leurs relations avec une représentation graphique naturelle. Comment minimiser ou plutôt optimiser la longueur totale des interconnexions fonctionnelles dans un circuit? Comment décider, étant donnée une situation caractérisée par un nombre d'hypothèses? La théorie des graphes est aussi importante dans beaucoup de domaines scientifiques, on cite : •Le problème du transport •L'optimisation •La robotique •la théorie de l'information •Optimisation de la coordination des composantes d’un système Définitions : Sommet, arc, Multi-Graphe, Matrices incidence A Matrice d’adjacence M, Arbre Connexité.
  • 6. Outils de l’optimisation Les outils de l’optimisation se regroupe généralement dans la méthodologie adoptée pour mener à bien une tâche éventuelle. L’OBSERVATION : soumettre le système aux sens de la Perception naturels ou artificiels avec une totale objectivité. LA FORMALISATION : fixer les observations par une symbolisation appropriée {ei, xi} LA MODELISATION : Composer les symboles et les relations en un équivalent LA SIMULATION : faire travailler l’équivalent et observer le fait qu’il reflète les même manifestions que le système réel. L’OPTIMISATION : Déterminer, suivant une méthodologie, le Meilleur état du système répondant au compromis coût/Performance. LA PRISE DE DECISION : Adopter, vus les exigences du système et De ceux qui lui sont adjacents/en interaction, une position par Rapport aux résultats de l’optimisation.
  • 7. Optimisation des systèmes linéaires Soit une usine de fabrication de pièces mécanique. Trois types de pièces sont dans la gamme de pièces produites et ceci avec 80 machines. Considéré dans la durée d’un mois, l’usine est tenu de présenter une stratégie de production dans les conditions suivantes. Une pièce du type I est exécutée en 5 heures, une du type II est faite en 1.30 heures alors que celle du dernier type en 3 heures. Les débouchés au marché de chaque type prit séparément sont de 3000, 1500 et 2000 unités respectivement. Les bénéfices par unité vendue sont à 8, 5 et 3 DA pour les types I, II et III. Déterminer une stratégie de production •Si les durée d’exécution augmentent •Si les limites de vente au marché diminuent •Si les imposition changent
  • 8. Optimisation des systèmes non-linéaires Soit (S) un système non linéaire dont F(X) est le modèle mathématique le représentant Le problème s’écrit : On peut toujours se contenter de XoptX* (où |X*-Xopt|;  petit Si m est le nombre de contraintes et les liaisons. * 21)( )( )( )( XestSdesolutionLaXbXHbXGbXFnopt             mjpourXLnipourxXLsontsoptimalitédconditionslesdoncXHXGXFXLjiT..10),( ..10),( :' )()(.)(),(           
  • 9. Optimisation par des méthodes I.A. Algorithmes Génétique Algorithme des colonies de fourmis Début Initialisation de la population P0 Sélection Mutation Croisement Convergence? Non Oui résultats Fin Début Répartition en bi(t) fourmis Initialisation des t(i,j) par arc Calcul de Pt(x,y) Des sommets adjacents Mouvement Convergence? résultats Fin Mise à jour de t(i,j) Pour un  donné Oui Non
  • 10. Sensibilité des systèmes La sensibilité de (S) est égale à la dérivée de fonction le régissant par rapport à ses variable. Elle indique clairement que n’import quelle variation sur les variables pourrait induire un éloignement par rapport de la valeur optimale de l’état du système. De même, il est possible de voire comment F est sensible à une variable double (dire multiple) d’un couple de variable xi, xj (dire xi, …,xk). nkavecxXFk..1; )(    njiavecxxXFji..1,; )(2   
  • 11. Conclusion Il est bien clair que la meilleur position qu’un système peut prendre est celle qui représente l’état suivant : 1.Une interaction homogène avec les systèmes adjacents 2.Un consommation minimale de l’énergie 3.Une fiabilité meilleure 4.Des pertes minimes