Opérationnelle pour
le Génie Industriel
Master Génie Industriel
• Outils et méthodes :
• théorie des graphes
• optimisation par programmation linéaire
• Heuristique et métaheuristiques
• modélisation des phénomènes aléatoires
Domaines d'application
• Aide à la décision
• Ordonnancement de projet, de job-shop
• Maintenance
• Problèmes de transport
• …
Exemples de problèmes
• Où installer 4 usines de production parmi 20 sites
d'implantation possibles ?
• Combien faut-il de personnes au service commercial
pour qu'une personne ait moins de 5 % de chances
de devoir attendre plus de 15 minutes ?
• Quel est l’emploi du temps « optimal » pour les
étudiants de Master ?
Historique
• Terme de "Operational Research" par R. Watson-
Watt (1892-1972), spécialiste de radar.
• Pb. : efficacité globale du système de surveillance
Radar et d'intervention aérienne (1937, Blackett,
Grande-Bretagne).
• Où positionner les radars ?
• Comment transmettre les informations ?
• Comment être sûr du matériel ?
• Comment assurer les différentes tâches ?
Historique (2)
• Équipes militaires de recherche opérationnelle ont
été créées dans les différents pays.
• Après 1945 : application au secteur civil (économie,
administration, production,…).
• Exemples en sidérurgie :
• Succession des qualités d'acier au laminage à froid de manière
à favoriser l'expédition directe tout en minimisant les coûts liés
aux contraintes techniques
• Simulation du cadencement d'un train de laminage
Historique (3)
• Années 50
• Développement rapide malgré les difficultés informatiques.
Enseignement de la RO, création de sociétés savantes
ORSA, AFCET, EJOR.
• Apparition d'outils de la RO :
• PROGRAMMATION DYNAMIQUE (BELLMAN 1954)
• FLOTS ET AFFECTATIONS (KüHN 1955, FORD/
FULKERSON 1956)
• MÉTHODE SIMPLEXE (DANTZIG à partir de 1947)
• "BRANCH AND BOUND" ou PSE (LITTLE 1963)
• METHODES A CHEMINS CRITIQUES (PERT 1958, ROY
1960)
Historique (4)
• 70-80 : stagnation de la RO
• Depuis 80 : "reprise"
• travaux de groupe (gestion de projet)
• apparition de nouveaux outils
• prise en compte d'objectifs multiples
• intégration des facteurs humains
• temps réel
• aide à la décision
Caractéristiques de la RO
• Objectif :
• fournir des éléments de réflexion pour une prise de décision
concernant un problème concret.
• Contraintes
• Des équations ou inéquations linéaires qui restreignent les
variables de décisions.
Formulation générale
Max/min z = c1x1 + c2x2 + ... + cnxn
Avec :
a11x1 + a12x2 + ... + a1nxn (≤, =, ≥) b1
a21x1 + a22x2 + ... + a2nxn (≤, =, ≥) b2
:
am1x1 + am2x2 + ... + amnxn (≤, =, ≥) bm
xj = variables de décision
bi = valeur de la contrainte à satisfaire
cj = coefficients de la fonction objectif
aij = coefficients des contraintes
Hypothèses
• La linéarité des contraintes
• Linéarité de la fonction objectif.
• L’additivité des effets.
• La proportionnalité des gains/coûts
• Proportionnalité de la consommation des ressources.
• La divisibilité des variables.
• La détermination des données.
• Contraintes
• Produit A utilise 2 kg de matière et 4h de production.
• Produit B utilise 4 kg de matière et 2 heures de production.
• La matière première est limitée à 100 kg.
• 2 X1 + 4 X2 ≤ 100
• Le temps de production est limité à 280 h.
• 4 X1 + 2 X2 ≤ 280
Résolution graphique (1)
• Déterminer les variables du problème : formuler le
problème en termes de fonction objectif et de
contraintes linéaires.
• Faire un graphique avec une variable de décision
sur chaque axe et tracer les droites des contraintes :
ces contraintes déterminent la région de solutions
admissibles (chacune des contraintes est satisfaite :
toutes les solutions sont possibles).
Résolution graphique (2)
• Déterminer la pente de la fonction objectif et
l’indiquer dans la zone de faisabilité.
• Déplacer la fonction objectif parallèlement à elle-
même jusqu'à ce qu’elle rencontre une limite de la
zone de faisabilité.
• Lire directement les valeurs des variables qui
constituent la solution du problème sur les axes
respectifs.
• La solution optimale sera toujours située à
l’intersection de deux droites de contraintes dans la
région de faisabilité.
Résolution graphique
X2
150
125
100
75
50
25 X1
75
50
25 X1
25 X1
75
50
25 X1
75 X1 = 50 et X2 = 0
50
25 X1
400
Machine 2: x y e1 e2 e3
40x+10y=4000
30 20 1 0 0 6000
350 40 10 0 1 0 4000
A
1 0 0 0 1 75
300
400 200 0 0 0 0
B
250
Matrice initiale : solution point 0
200
150
Vente maximale:
x =75 Machine 1 :
C 30x+20y=6000
100
50
D
0
O 0 50 75 100 150 200 x
Dl
Itération 1 x y e1 e2 e3
y 30 20 1 0 0 6000 x ≤ 6000/30 = 200
Machine 2:
40 10 0 1 0 4000
400
40x+10y=4000 1 0 0 0 1 75
350
400 200 0 0 0 0
A
300
B
250
200
150
Vente maximale:
x =75 Machine 1 :
C 30x+20y=6000
100
50
D
0
O 0 50 75 100 150 200 x
Dl
Itération 1 x y e1 e2 e3
30 20 1 0 0 6000 200
y
40 10 0 1 0 4000 x ≤ 4000/40 = 100
400
Machine 2:
40x+10y=4000
1 0 0 0 1 75
400 200 0 0 0 0
350
A
300
B
250
200
150
Vente maximale:
x =75 Machine 1 :
C 30x+20y=6000
100
50
D
0
O 0 50 75 100 150 200 x
Dl
x y e1 e2 e3
Itération 1
30 20 1 0 0 6000 200
y
40 10 0 1 0 4000 100
400
Machine 2:
40x+10y=4000
1 0 0 0 1 75 x ≤ 75/1 = 75
400 200 0 0 0 0
350
A
300
B
250
200
150
Vente maximale:
x =75 Machine 1 :
C 30x+20y=6000
100
50
D
0
O 0 50 75 100 150 200 x
Dl
Itération 1
x y e1 e2 e3
30 20 1 0 0 6000
40 10 0 1 0 4000
1 0 0 0 1 75
400 200 0 0 0 0
x y e1 e2 e3
0 20 1 0 -30 3750
0 10 0 1 -40 1000
1 0 0 0 1 75
0 200 0 0 -400 -30000
Solution : point D
x = 75 e1 = 3750 e2 = 1050
y=0 e3 = 0
Itération 2
y x y e1 e2 e3
Machine 2:
0 20 1 0 -30 3750 y ≤ 3750/20
40x+10y=4000 0 10 0 1 -40 1000
400
350
1 0 0 0 1 75
0 200 0 0 -400 -30000
A
300
B
250
200
150
Vente maximale:
x =75 Machine 1 :
C 30x+20y=6000
100
50
D
0
O 0 50 75 100 150 200 x
Dl
x y e1 e2 e3
Itération 2 0 20 1 0 -30 3750
y
0 10 0 1 -40 1000 y ≤ 1000/10
400
Machine 2:
40x+10y=4000
1 0 0 0 1 75
0 200 0 0 -400 -30000
350
A
300
B
250
200
150
Vente maximale:
x =75 Machine 1 :
C 30x+20y=6000
100
50
D
0
O 0 50 75 100 150 200 x
Dl
Itération 2 x y e1 e2 e3
y
0 20 1 0 -30 3750 375/2
400
Machine 2: 0 10 0 1 -40 1000 100
40x+10y=4000
1 0 0 0 1 75 0y ≤ 75
350 0 200 0 0 -400 -30000
A
300
B
250
200
150
Vente maximale:
x =75 Machine 1 :
C 30x+20y=6000
100
50
D
0
O 0 50 75 100 150 200 x
Dl
Itération 2
x y e1 e2 e3
0 20 1 0 -30 3750 187,5
0 10 0 1 -40 1000 100
1 0 0 0 1 75 +∞
0 200 0 0 -400 -30000
x y e1 e2 e3
0 0 1 -2 50 1750
0 1 0 1/10 -4 100
1 0 0 0 1 75
0 0 0 -20 400 -50000
Solution : point C
x = 75 y = 100 e1 = 1750
e2 = 0 e3 = 0
Itération 3
x y e1 e2 e3
y
0 0 1 -2 50 1750 50 e3 ≤ 1750 (e3≤ 35)
400 0 1 0 1/10 -4 100 -4 e3 ≤ 100
1 0 0 0 1 75 e3 ≤ 75
350
0 0 0 -20 400 -50000
A
300
B
250
200
150
Vente maximale:
x =75 Machine 1 :
C 30x+20y=6000
100
50
D
0
O 0 50 75 100 150 200 x
Dl
Itération 3
x y e1 e2 e3
0 0 1 -2 50 1750 35
0 1 0 1/10 -4 100 +∞
1 0 0 0 1 75 75
0 0 0 -20 400 -50000
x y e1 e2 e3
0 0 2/100 -4/100 1 35
0 1 8/100 -6/100 0 240
1 0 -2/100 4/100 0 40
0 0 -8 -4 0 -64000
Solution : point B
x = 35 y = 240 e3 = 35
e1 = 0 e2 = 0
r
2 4 5 7 1 0 0 42
1 1 2 2 0 1 0 17
1 2 3 3 0 0 1 24
7 9 18 17 0 0 0 0
1 -3 0 -1 0 0 -6 -144
valeur de -z dans la
solution faisable
5. Réitérer
Exemple
Construction du 1er tableau
• n variables = 6
• m équations = 4
• n-m = 2 variables qui doivent être nulles
• On prend x1=0 et x2=0 (hors base)
• D’où e1= 200; e2 = 60 ; e3 = 34 ; e4 = 14 (variables
de base)
Tableau initial
• Les 4 lignes correspondent aux 4 contraintes.
• La colonne coef Z à gauche correpond aux coefficients des
variables de base dans la fonction objectif.
• La valeur en bas à droite corespond à la valeur de Z (somme
des produits des valeurs de base par leurs coef dans Z)
Choix de la variable entrante
• On cherche le Maximum des Cj-zj si on veut
maximiser
• On cherche le minimum des Cj-zj si on veut
minimiser
84
Problème de PL non
borné
• Soit le programme linéaire suivant:
Max z = x1 + x2 (2.21)
Sujet à:
−4x1 + x2 ≤ 2 (2.22)
x1 + x2 ≥ 3 (2.23)
x1 + 2x2 ≥ 4 (2.24)
x1 − x2 ≤ 2 (2.25)
x1 ≥ 0
x2 ≥ 0.
85
Problème de PL non borné
Pas de solution optimale
86
Autres algorithmes pour résoudre les PLs
Cahors
Agen Albi
Montauban
d 4
f h
15 3
a b 2
3 3
e g
2
Terminologie (2)
• Chemin = suite ordonnée d ’arc telle que l ’extrémité de l ’un est
l ’origine du suivant. Ex : chemin ABDFK
• Chemin hamiltonien = chemin passant une fois et une seule par
chaque sommet du graphe et contenant tous les sommets
• Chemin simple = ne passe pas 2 fois par le même arc
• Chemin élémentaire = ne passe pas 2 fois par le même sommet
• Circuit = chemin se fermant sur lui même.
Ex : Toulouse, Albi, Castres, Toulouse
• Longueur d ’un chemin (ou circuit) = somme du poids des arcs qui
le composent
• chaîne (resp cycle) =Chemin (resp circuit) composé d ’arêtes
• Graphe (fortement) connexe = graphe non orienté (orienté) tel que
pour tout couple de sommet (x,y) il existe une chaîne (chemin)
allant de x à y
• Arbre = graphe non orienté connexe sans cycle
• Arborescence d ’un graphe orienté = arbre ayant un sommet
« racine » tel qu ’il existe un chemin allant de la racine à tout autre
sommet.
Représentation d ’un graphe
Matrice booléenne (successeurs)
a b c d b
a 0 1 1 0
a d
b 0 0 1 1
c 0 0 0 1 c
d 1 0 0 0
Recherche difficile prédécesseurs
Risque beaucoup de 0 (inutile)
Valuation à la place des 1 Liste de précédents
Matrice d ’incidence Précédents
a b c d a d
a 0 1 1 -1 b a
b -1 0 1 1 c a,b
c -1 -1 0 1 d b,c
d 1 -1 -1 0 Recherche des arcs difficile
Recherche faciles prédécesseurs Peu de mémoire
Pas pour les graphes valués
Matrice d’adjacence
Problèmes de RO en théorie des
graphes
• Trouver le plus court chemin (temps, km) pour aller d ’une ville à une
autre
• Trouver la plus courte tournée (chemin hamiltonien) passant par toutes
les villes
• Trouver le réseau de fibre optique le plus court à poser en parallèle du
réseau routier pour alimenter toute la région = trouver un arbre de
longueur minimale dans le graphe
• Trouver la date de début au plus tôt d ’une tâche = plus long chemin ente
le nœud de début et le nœud représentant la tâche.
• Quel est l ’effet du retard sur une tâche sur le retard d ’un projet
• Trouver la quantité maximale de matière pouvant circuler dans un
réseau : problème de flot max (à coût minimum)
• Comment alimenter une série de points de consommation à partir de
points de production à coût de transport minimum.
• De combien de camions a t ’on besoin pour réaliser toutes le tournées en
1 jour ?
• Quelles antennes poser et où les poser pour avoir une couverture
maximale et répondre aux demandes de consommations locales
• Qui va faire quelles tâches et dans quel ordre pour un projet ?
Chemins optimaux
Objectif
• Dans un graphe orienté trouver :
• le plus court (ou le plus long) chemin allant d ’un sommet
origine à un sommet final
• Les plus courts (plus long) chemins entre 1 sommet et
l ’ensemble des autres
• Les plus courts (plus long) chemins entre tous les sommets.
λj= marque de Xj
= plus court chemin CONNU de X0 vers Xj
λi
Xi Principe :
0
X0 dj,i Amélioration successive des marques
λ*i= Min( λi, λj+ dj,i)
Xj
λj
La marque du sommet Xi est ajustée à partir de celle du sommet Xj
Algorithme de Bellman (1) :
Classer les nœuds par niveau
• On part d ’une représentation par liste des
précédents
• Rang 1 les nœuds sans précédents
• Barrer les nœuds de rang 1 dans toutes les listes de
précédents
• Rang 2 les nœuds dont tous les précédents sont
barrés
• Barrer les nœuds de rang 2 dans toutes les listes de
précédents
• Rang 3 ….
Algorithme de Bellman
(graphe sans circuit)
• 1/ Classer les sommets par niveau
• 2/ mettre la marque 0 sur les sommets de rang1
• 3/ Ajuster la marque de tous les sommets
successeurs de sommets de rang1
• 4/ La marque des nœuds de rang 2 est définitive.
Ajuster la marque de tous les sommets
successeurs de sommets de rang 2
• 5/ La marque des nœuds de rang 3 est définitive.
Ajuster la marque de tous les sommets
successeurs de sommets de rang 3
• 6/ ...
Repérer le plus court chemin
• Principe : lorsqu ’on fait évoluer la marque d ’un
sommet, on note la nom du sommet origine ayant
justifié cette marque.
• A la fin de l ’algorithme,
• On part du sommet final, on regarde le sommet ayant
justifié sa marque : c’est le sommet précédent du plus court
chemin
• On remonte dans le graphe à partir du sommet précédent.
Exemple Bellman
B 2 D
2 9
A
1
F
2
6 3
C E
d1
T1 T4 T1 avant T3 et T4
T2 avant T3 et T4
T2 d2 T3
0 d1 - 20 T1
Représentation d ’un sommet
PERT
• On est intéressé à connaître pour chaque tâche :
• Sa date de début au plus tôt sachant que le projet commence à la
date 0
• Sa date de début au plus tard pour ne pas retarder le projet.
T1
5
T2 T4
Notion de marge
• Marge totale d ’une tâche X
= marge possible sur le début de X sans retarder le
projet
= date de début au plus tard de X - date de début au plus
tôt de X
O = durée Optimiste
R = durée la plus Réaliste
P = durée Pessimiste
t
O R P
Sigma = (P- O) / 6
Flots dans un
graphe
Flot max, flot max de cout min
Problèmes d ’affectation
Exemple
• On a 2 captages d ’eau pour alimenter 4 villages en eau
potable.
• Peut on répondre à leur demande à l ’heure de
consommation la plus forte ? 30
110
C1 V2 90
200
80 80 (p)
(s) 70
V1 V3
150 80
80 80
C2 140
80 V4
Débit source
Demande
Capacité des canalisations
Problème de flot max et flot
max de coût min
• Graphe = 1 réseau traversé par un flot de matière sans pertes ni sur
les arcs ni aux sommets.
• Flot d ’un arc u = φu = quantité circulant entre l’origine et l’extrémité
de l ’arc
• Arcs u a 2 valeur : capacité max cu en matière ET Coût Cu par unité
de matière
• 0 ≤ φ u ≤cu
• Coût total = ∑ φu Cu
13,1
1 3
13,8 13,4
(s) 25,2 4,2 (p)
1
13 13 3
1213 13 13
4 (p)
(s) 20 25 5 4
20 2 4 20 19
15 15
Flot complet = 32
Coupe
• A ensemble de sommets contenant (p) mais pas (s)
= support de la coupe
• Remarque :
si on a bien pris tous le chemins, on a construit un
flot complet
Algorithme de marquage de
Ford Fulkerson
• 2 règles :
R1 : marquer à (+x) un sommet Y si X marqué et arc u X->Y non saturé
φu< cu
• On peut ajouter (cu - φu) unité de matière sur l ’arc u
R2 : marquer à (-x) un sommet Y si X marqué et arc u Y->X de flux φu >0
• On peut enlever φu unité de matière sur l ’arc u
Algorithme de marquage :
• A = ens des sommets nouvellement marqués
• 1/ marquer (s) à 0 et ajouter (s) à A
• 2/ Tant que A ≠ {}
• 3/ sélectionner un sommet X de A
• 4/ essayer de marquer les successeurs de X non marqués avec R1 ou R2
• 5/ ajouter ces successeurs nouvellement marqués à A
• 6/ si (p) ∈ A, STOP, Sinon aller en 2/
• Si on a pu marquer (p) c ’est que le flot n ’est pas max
• Il existe une chaine de sommets marqués de (s) à (p).
Exemple
(0) 1 13
70 13 R1 permet de marquer 1 à (+s)
(s) 15 (p) on peut ajouter 7 unités de matière
20 13
20 2 7
15
(+s)
1 13 R2 permet de marquer 2 à (-1)
70 13
(s) 15 (p) On peut enlever 13 unités de matière
20 13
20 2 7
15
(-1)
(+s) R1 permet de marquer (p) à (+2)
1 13 13
(0) 7 0 on peut ajouter 8 unités de matière
(s) 15 (p)
20 13
20 2 15 7 (+2)
(-1)
Principe de re-routage de la
matière
• Il existe une chaine reliant des sommets marqués de (s) à (p)
• Pour chaque arc u de la chaîne,
repérer la quantité maximale ϕu pouvant être re-routée
• ajoutée sur l’arc X->Y si Y est marqué à (+x)
• enlevée sur l’arc Y->X si Y est marqué à (-x)
• Soit ϕ = Min(ϕu )
• Re-router ϕ unité de matière
• Ajouter ϕ sur l’arc X->Y si Y est marqué à (+x)
• Enlever ϕ sur l’arc Y->X si Y est marqué à (-x)
(+s)
1 Sur (s)-> 1 on peut ajouter 7
(0) 13 13
70 Sur 2-> 1 on peut enlever 13
(s) 15 (p) Sur (2) ->p on peut ajouter 8
20 13 1 13 13
20 7 (+2) 7 7
2 15
(s) 15
(-1)
=> ϕ = 7 20 6 (p)
20 2 15 14
Flot Max : algorithme de Ford
Fulkerson
L ’algorithme de marquage permet de savoir par où
ajouter de la matière tant qu ’on le peut
Graphe d ’écart :
13,-1
12,-8 1 3 13,-4
(s) 1,8 20,2 5,-2 4,-2 (p)
20,-2
source 2 4 puit
20,-2 15,-3
T1 T2 T3 T4 T5
Lionel 49 57 28 46 0 *
Emmanuel 37 0 17 4 8
Didier 37 0 28 0 1
µ=9
Jacques 37 9 61 57 0 *
Michel 0 40 0 20 69
*
Fin de l ’exemple
T1 T2 T3 T4 T5
Lionel 40 48 19 37 0 *
Emmanuel 37 0 17 4 17 *
Didier 37 0 28 0 10 µ=4
Jacques 28 0 52 48 0 *
Michel 0 40 0 20 78
* *
T1 T2 T3 T4 T5
Lionel 36 48 15 33 0 *
Emmanuel 33 0 13 0 17 *
Didier 37 4 28 0 14 * µ = 13
Jacques 24 0 48 44 0 *
Michel 0 44 0 20 82
* * *
T1 T2 T3 T4 T5
Lionel 23 48 2 33 0
STOP
Emmanuel 20 0 0 0 17
Didier 24 4 15 0 14 Coût = 141 +9+4+13
Jacques 11 0 35 44 0 = 177
Michel 0 57 0 33 95
Affectation = Flot Max de
Coût Min
• Construction du graphe G
• 1 sommet par personne + 1 sommet par tâche + (s) + (p)
• Arc de (s) à une personne de coût 0 et capacité 1(nombre de
tâches affectables simultanément à 1 personne)
• Arc d ’une personne P à une tâche T de capacité 1 et de coût
égal au coût d ’affecter P à la tâche T.
• Arc d ’une tâche à (p) de coût 0 et de capacité 1 (nombre de
personnes a affecter à la tâche pour la réaliser)
Transp a b c d e Capacité
A 40 0 5 0 45 90
B 0 10 65 0 0 75
C 0 0 0 30 5 35
D 0 25 0 0 0 25
Dmde 40 35 70 30 50
Circuit Bd = Bd - Cd + Ce - Ae + Ac - Bc
= +3,1- 1,3 + 2,2 - 3,5 + 1,8 - 1,9 = 0,4
Algorithme Stepping Stone (2)
• 2/ Si tous les circuits des « 0 » sont >0, le plan est optimum
(i.e. tous les coûts marginaux sont >0)
• 3/Sinon,
• a/ sélectionner un « 0 » de circuit négatif (souvent le plus
négatif)
• b/ affecter sur son circuit le plus de matière possible et aller au
1/
• Exemple
• Circuit Ab : Ab-Ac+Bc-Bb Coût = 6,4 - 1,8 + 1,9 - 2,6
= 3,9
• Circuit Dd : Dd-Bd+Bc-Ac+Ae-Ce+Cd-Dd
Coût = ∆ - ∆ +2,6 - 1,9 + 1,8 - 3,5 +2,2 - 1,3 = -0,1
• Circuit De : De - Db+Bc-Ac+Ae-De Coût = ∆- ∆ + 2,6 - 1,9 +
1,8 -3,5 = -1
• Circuit De est le plus négatif
Problème : comment rechercher tous les circuits rapidement ??
Rechercher les circuits négatifs :
méthode du potentiel
• 1/ tracer le graphe Ge dont les sommets sont les Usines ou les Centres de
consommation et les arcs sont les trajets
• 2/ sélectionner un sommet Usine et lui affecter le potentiel 0
• 3/ A partir d ’un sommet Usine U ayant un potentiel fixé,
• Définir le potentiel d ’un sommet Centre de consommation CC relié à U dans
Ge par : Potentiel (CC) = Potentiel (U) + coût(U->CC)
• 4/ A partir d ’un sommet Centre de consommation CC ’ ayant un potentiel fixé,
• Définir le potentiel d ’un sommet Usine U ’ relié à CC ’ dans Ge par :
Potentiel (U ’) = Potentiel (CC ’) - coût(U ’->CC ’)
• 5/ boucler sur 3/ tant que tous les sommets n ’ont pas un potentiel fixé.
0 A a 1,5
Graphe Ge et potentiels
1,8-1,9=-0,1 B b 2,5=2,6-0,1
correspondants au
3,5-2,2=1,3 C
c 1,8 premier plan de
d 2,6= 1,3 + 1,3 distribution
2,5-∆ D
e 3,5
Trouver les circuits négatifs :
méthode du potentiel (2)
• La méthode permet de calculer le coût marginal
d ’un circuit passant par 1 trajet de flot 0 et des
trajets de flot ≠ 0
• Pour tout trajet à 0 allant d ’une Usine U à un centre
CC :
• Coût du circuit = coût (U->CC) + Potentiel (U) -Potentiel
(CC)
• Circuit Bd = 3,1- 0,1 - 2,6 = 0,4
=> on sait trouver la valeur du circuit d ’un trajet à « 0 » sans
connaître ce circuit.
• Sélectionner le « 0 » ayant le circuit le plus négatif
puis rechercher le circuit correspondant. On sait que
ce circuit est unique.
Fin de l ’ exemple
Transp a b c d e Capacité
A 40 0 30 0 20 90 Ab 3,9 Ad 1,4
B 0 35 40 0 0 75 Ba 0 Bd 0,4 Be 2,2
C 0 0 0 30 5 35 Ca 5,1 Cb 2,3 Cc 1,9
D 0 0 0 0 25 25 Da 2 Db 1 Dc 1,7
Dmde 40 35 70 30 50 Dd 0,9