Recherche opérationnelle pour ingénieurs II
Jean-François Hêche/Thomas M. Liebling/Dominique de Werra
Presses polytechniques et universitaires romandes
Avant-proposvii
Avant-propos du tome IIix
Table des matièresxiii
Chapitre 1 Les chaînes de Markov à temps discret1
1.1 Les processus stochastiques2
1.2 Les processus markoviens et la propriété
de Markov5
1.3 Les chaînes de Markov à temps discret7
1.3.1 Probabilités et matrices de transition9
1.3.2 Graphes représentatifs13
1.3.3 Classification des états et des chaînes14
1.4 Comportement transitoire et asymptotique22
1.5 Les chaînes irréductibles28
1.5.1 Les chaînes irréductibles apériodiques28
1.5.2 Les chaînes irréductibles périodiques35
1.6 Les chaînes réductibles39
1.7 Les chaînes absorbantes46
1.8 Remarques et références53
1.9 Exercices53
Chapitre 2 Les chaînes de Markov à temps continu59
2.1 Exemple introductif59
2.2 Définitions et résultats préliminaires64
2.2.1 Structure des chaînes de Markov
à temps continu67
2.2.2 Matrices génératrices et graphes
représentatifs71
2.3 Les équations de Kolmogorov74
2.4 Comportement asymptotique77
2.5 Les processus de naissance et de mort85
2.5.1 Les processus de Poisson87
2.5.2 Distribution stationnaire
d'un processus ergodique90
2.6 Chaînes de Markov réversibles93
2.7 Remarques et références97
2.8 Exercices97
Chapitre 3 Les files d'attente et les réseaux de files d'attente103
3.1 Introduction103
3.2 Les files d'attentes simples105
3.2.1 Classification des files d'attente simples105
3.2.2 Mesures de performances109
3.2.3 La formule de Little110
3.3 Les files d'attente markoviennes112
3.3.1 La file M/M/1112
3.3.2 La file M/M/m118
3.3.3 Les files M/M/Infini et M/G/Infini122
3.3.4 La file M/M/m/K123
3.4 Les files d'attente non markoviennes125
3.4.1 La file M/G/1125
3.4.2 La file G/M/1127
3.4.3 La file G/G/1128
3.5 Les réseaux de files d'attente132
3.5.1 Les résaux de Jackson ouverts134
3.5.2 Les réseaux de Jackson fermés138
3.6 Remarques et références139
3.7 Exercices140
Chapitre 4 La programmation dynamique145
4.1 Le problème de base146
4.2 L'algorithme de programmation dynamique156
4.2.1 Le principe d'optimalité158
4.2.2 L'algorithme159
4.3 Les programmes dynamiques déterministes161
4.4 Les programmes dynamiques stochastiques173
4.5 Variantes et extensions186
4.5.1 Fonctions coûts186
4.5.2 Variables d'états et de décision190
4.6 Remarques et références196
4.7 Exercices197
Chapitre 5 Les processus de décisions markoviens201
5.1 Introduction201
5.1.1 Les valeurs relatives204
5.2 Algorithme de Howard d'itération
de politiques209
5.3 Un exemple de gestion de stocks212
5.3.1 Modélisation213
5.3.2 Application numérique214
5.4 Approche par programmation linéaire215
5.5 Cas des coûts actualisés218
5.6 Remarques et références220
5.7 Exercices221
Chapitre 6 Les modèles de gestion de stocks223
6.1 La problématique des stocks224
6.1.1 Classification des modèles de gestion
de stocks224
6.2 Les modèles déterministes229
6.2.1 Le modèle du lot économique229
6.2.2 Le modèle du lot économique
dynamique241
6.3 Les modèles stochastiques250
6.3.1 Modèles à une période251
6.3.2 Modèles à plusieurs périodes259
6.3.3 Horizon infini266
6.4 Remarques et références268
6.5 Exercices269
Chapitre 7 Notions de simulation275
7.1 Introduction275
7.2 Taxonomie des systèmes dynamiques278
7.3 Identification du modèle et validation
des résultats280
7.4 La simulation de systèmes déterministes
à temps et à états continus281
7.5 La simulation par événements discrets288
7.6 La méthode de Monte-Carlo295
7.6.1 Intégration par la méthode
de Monte-Carlo295
7.6.2 Intégration par la méthode du rejet298
7.6.3 Intégration par échantillonnage
uniforme299
7.6.4 Intégration par échantillonnage
non uniforme300
7.6.5 Comparaison des trois méthodes
du point de vue de leur précision301
7.7 La méthode de Metropolis303
7.7.1 Généralisation de Hastings306
7.7.2 Points asymptotiquement uniformes
dans un convexe307
7.7.3 La distribution de Boltzmann-Gibbs309
7.7.4 Le recuit simulé312
7.7.5 Problème d'optimisation combinatoire
et recherche locale313
7.8 Analyse de convergence des processus simulés321
7.8.1 Echantillon de variables aléatoires i.i.d.324
7.8.2 Simulation sous régime stationnaire,
processus markoviens linéaires329
7.8.3 Méthode de la décomposition en blocs334
7.8.4 La phase transitoire initiale336
7.8.5 Les processus régénératifs337
7.9 Remarques et références342
7.10 Exercices343
Chapitre 8 Nombres aléatoires et pseudo-aléatoires353
8.1 La notion des nombres aléatoires
et pseudo-aléatoires353
8.2 Génération de nombres aléatoires355
8.2.1 Nombres pseudo-aléatoires
et génération récursive355
8.2.2 Méthode des congruences linéaires359
8.2.3 Générateur congruentiel non linéaire
inversif362
8.2.4 Méthode des registres de décalage366
8.2.5 Méthode des mélanges368
8.3 Evaluation des nombres pseudo-aléatoires369
8.3.1 Tests d'adéquation371
8.3.2 Tests empiriques376
8.4 Génération de variables aléatoires378
8.4.1 Méthode du rejet379
8.4.2 Méthode des fonctions inverses380
8.4.3 Génération de variables aléatoires
discrètes383
8.4.4 Méthode de l'alias385
8.4.5 Génération de variables de Bernoulli
et de variables binomiales389
8.4.6 Génération de variables aléatoires
gaussiennes389
8.5 Génération de vecteurs aléatoires392
8.5.1 Génération de vecteurs gaussiens
multivariés392
8.5.2 Génération de points dans la sphère
et dans la boule393
8.6 Remarques et références394
8.7 Exercices395
Bibliographie399
Index405