Logistics Optimizer

Projet d'examen — L2 Informatique
Optimisation d'un système logistique numérique avec Django.

Installation

python -m venv venv
source venv/bin/activate   # Windows : venv\Scripts\activate
pip install -r requirements.txt
python manage.py migrate
python manage.py runserver

Ouvrir : http://127.0.0.1:8000

---

Architecture des modules d'optimisation

projet/
├── data.py          # Couche données — demandes, capacités, coûts initiaux
├── model.py         # Couche modélisation — matrices LP (A_ub, A_eq, c, bornes)
├── validator.py     # Couche validation — vérification des saisies utilisateur
├── optimizer.py     # Couche optimisation — scipy.optimize.linprog (HiGHS)
├── interface/
│   ├── views.py     # Couche IHM — vues Django câblées au vrai solveur
│   ├── urls.py      # Routes (+ lancer_scenario/<int:numero>/)
│   ├── forms.py     # Formulaire de saisie
│   └── templatetags/
│       └── dict_extras.py  # Filtre {{ dict|get_item:'cle' }}
└── visualization/
    └── charts.py    # Couche visualisation — graphiques matplotlib

Solveur utilisé

scipy.optimize.linprog avec la méthode HiGHS (simplex révisé + point intérieur). Justification : scipy est disponible sans installation supplémentaire, et HiGHS est le solveur LP libre le plus performant actuellement.

Résultats — Situation initiale

Scénario	Statut	Coût total
Situation initiale	Optimal	17 900
Scénario 2 (C2 -25%)	Optimal	18 200
Scénario 3 (C3 +30%)	Optimal	19 130
Scénario 5 (C3≠R4)	Optimal	17 900
Scénario 1 (+20%)	Infaisable	—
Scénario 4 (C2 off)	Infaisable	—