Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires

Dimension: px
Commencer à balayer dès la page:

Download "Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires"

Transcription

1 Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique février 2007 FRANCORO V / ROADEF 07 Grenoble Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

2 Plan 1 Le problème du sac-à-dos Formulation du problème bi-01kp Solutions efficaces et points non dominés 2 Le point de départ Existant pour la résolution de bi-01kp Algorithme en deux phases pour bi-01kp Démarche adoptée utilisation d un ranking en seconde phase 3 Améliorations et nouveaux algorithmes Retour sur le branch and bound en phase 2 k meilleures solutions (ranking) 4 Expérimentations numériques Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

3 Plan 1 Le problème du sac-à-dos Formulation du problème bi-01kp Solutions efficaces et points non dominés 2 Le point de départ Existant pour la résolution de bi-01kp Algorithme en deux phases pour bi-01kp Démarche adoptée utilisation d un ranking en seconde phase 3 Améliorations et nouveaux algorithmes Retour sur le branch and bound en phase 2 k meilleures solutions (ranking) 4 Expérimentations numériques Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

4 Formalisation du bi-01kp n max. z j (x) = p j i x i j {1, 2} i=1 n s/c w i x i ω i=1 x i {0, 1} i {1,..., n} w i N i {1,..., n} p j i N i {1,..., n}, j {1, 2} Exclusion des cas triviaux : n w i > ω i=1 w i > 0, i (p 1 i > 0) (p 2 i > 0), i Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

5 Solutions efficaces et points non dominés Espace de décision X = {x {0, 1} n : Ax b} deux solutions x, x X Espace des objectifs Z = z(x) = {Cx : x X} points z(x), z(x ) X EM : l ensemble complet maximal des solutions efficaces. Toutes les solutions pour chaque point non dominé. X Em : un ensemble complet minimal des solutions efficaces. Une solution par point non dominé. Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

6 Plan 1 Le problème du sac-à-dos Formulation du problème bi-01kp Solutions efficaces et points non dominés 2 Le point de départ Existant pour la résolution de bi-01kp Algorithme en deux phases pour bi-01kp Démarche adoptée utilisation d un ranking en seconde phase 3 Améliorations et nouveaux algorithmes Retour sur le branch and bound en phase 2 k meilleures solutions (ranking) 4 Expérimentations numériques Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

7 Travaux de référence Méthode en deux phases à base de branch and bound Two-phases Method and Branch and Bound Procedures to Solve the Bi-objective Knapsack Problem, M. Visée et al., Journal of Global Optimization, Méthode dichotomique utilisant un solveur MIP Un retour d expériences sur la résolution de problèmes combinatoires bi-objectifs, F. Degoutin et X. Gandibleux, Journée PM2O, Angers, Transformation de bi-01kp en un problème de plus courts chemins bi-objectif Solving bicriteria 0-1 knapsack problems using a labeling algorithm, M.E. Captivo et al., Computers & Operations Research, Les instances utlisées varient sur différents paramètres pour varier la difficulté de la résolution. Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

8 Méthode en deux phases Two-phases Method and Branch and Bound Procedures to Solve the Bi-objective Knapsack Problem, M. Visée et al., Journal of Global Optimization, Principe Constat : il existe de nombreuses méthodes efficaces pour résoudre le problème de sac-à-dos mono-objectif. Idée génerale : profiter de cet existant pour développer une algorithmique pour le problème bi-objectif. phase 1 : recherche des solutions supportées méthode dichotomique phase 2 : recherche des solutions non supportées Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

9 Algorithme en deux phases phase 2 Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

10 Démarche adoptée Le travail effectué suit la démarche adoptée par A. Przybylski pour le problème d affectation bi-objectif. Two phases algorithms for the bi-objective assignment problem, A. Przybylski, X. Gandibleux and M. Ehrgott. Accepted in European Journal of Operational Research. Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

11 Plan 1 Le problème du sac-à-dos Formulation du problème bi-01kp Solutions efficaces et points non dominés 2 Le point de départ Existant pour la résolution de bi-01kp Algorithme en deux phases pour bi-01kp Démarche adoptée utilisation d un ranking en seconde phase 3 Améliorations et nouveaux algorithmes Retour sur le branch and bound en phase 2 k meilleures solutions (ranking) 4 Expérimentations numériques Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

12 Retour sur le branch and bound en phase 2 Première amélioration La borne utilisée par Visée et al. est améliorée (Przybylski et al. 2005). Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

13 Retour sur le branch and bound en phase 2 Première amélioration La borne utilisée par Visée et al. est améliorée (Przybylski et al. 2005). Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

14 Retour sur le branch and bound en phase 2 Première amélioration La borne utilisée par Visée et al. est améliorée (Przybylski et al. 2005). Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

15 Retour sur le branch and bound en phase 2 Première amélioration La borne utilisée par Visée et al. est améliorée (Przybylski et al. 2005). Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

16 Retour sur le branch and bound en phase 2 Première amélioration La borne utilisée par Visée et al. est améliorée (Przybylski et al. 2005). Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

17 Retour sur le branch and bound en phase 2 Seconde amélioration Des solution situées dans les zones grisées vont être construites. Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

18 Retour sur le branch and bound en phase 2 Seconde amélioration Des solution situées dans les zones grisées vont être construites. Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

19 Retour sur le branch and bound en phase 2 Seconde amélioration Des solution situées dans les zones grisées vont être construites. Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

20 Retour sur le branch and bound en phase 2 Seconde amélioration dominance sur le point obtenu par RL (Gandibleux et Fréville 2000). Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

21 k meilleures solutions (ranking) Finding the k Shortest Paths, D. Eppstein. 35th IEEE Symp. Foundations of Comp. Sci., Santa Fe, 1994, pp Tech. Rep , ICS, UCI, SIAM J. Computing 28(2) : , Idée générale Génération les solutions dans l ordre décroissant d optimalité la borne inférieure se serre plus rapidement toute solution ajoutée l est définitivement Condition d arrêt : première solution qui tombe sous la borne Motivation : de très bons résultats sur le problème d affectation (Przybylski et al. 2005) Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

22 Illustration Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

23 Illustration Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

24 Illustration Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

25 Illustration Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

26 Illustration Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

27 Illustration Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

28 Quelques mots sur la résolution Exploration d une bande et non plus d un triangle solutions générées dans les triangles proches Ces solutions permettront de calculer une borne inférieure plus serrée pour réduire la taille du graphe des plus longs chemins fixer plus de variables en pré-traitement L exploration d un triangle dépend des explorations précédentes. Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

29 Quelques mots sur la résolution Exploration d une bande et non plus d un triangle solutions générées dans les triangles proches Ces solutions permettront de calculer une borne inférieure plus serrée pour réduire la taille du graphe des plus longs chemins fixer plus de variables en pré-traitement L exploration d un triangle dépend des explorations précédentes. Heuristique : Les triangles sont explorés par ordre croissant de taille. Hypothèses : les triangles petits s explorent rapidement les solutions générées en dehors facilitent la résolution des plus gros Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

30 Plan 1 Le problème du sac-à-dos Formulation du problème bi-01kp Solutions efficaces et points non dominés 2 Le point de départ Existant pour la résolution de bi-01kp Algorithme en deux phases pour bi-01kp Démarche adoptée utilisation d un ranking en seconde phase 3 Améliorations et nouveaux algorithmes Retour sur le branch and bound en phase 2 k meilleures solutions (ranking) 4 Expérimentations numériques Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

31 Instances numériques Classe Nombre Tailles (vars.) Notes 1A 5 50 à 500 «tightness ratio» 1B à 500 A/B/C/D 2/UNCOR non correllées 2/WEAK à 1000 faiblement correllées 2/STRONG à 1000 fortement correllées Instances de la MCDMLib : http ://www.terry.uga.edu/mcdm/ Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

32 Gains obtenus (CPU) avec les améliorations du BB Amélioration de la borne instances résolues en au moins une demie seconde avec la modif : moyen : 45 % max : 70 % min : 25 % Test de dominance instances résolues en au moins une demie seconde avec la modif rapport aux temps obtenus avec la modif précédente moyen : 70 % max : 80 % min : 52 % Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

33 Amélioration du branch & bound limite de temps = 1 heure Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

34 Algorithmes de ranking limite de temps = 1 heure Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

35 Conclusions Améliorations de la 2 phases B&B existante plus rapide, les temps rejoignent PCC Algorithme de ranking pour la seconde phase gains importants, jusqu à 99.8 % de la version B&B ne résout pas les instances difficiles Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

36 Perspectives Réduire la taille du graphe et le temps d exploration utiliser de nouvelles coupes tirer de l information de la structure du problème (Gandibleux & Klamroth 2005) Généraliser les méthodes de résolution à 3, p objectifs à 2, 3, q dimensions Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

37 Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique février 2007 FRANCORO V / ROADEF 07 Grenoble Algorithme pour la résolution exacte d un 01-IP bi-objectif. J. Jorge, Master Thesis, Laboratoire d Informatique de Nantes Atlantique, Université de Nantes, sept Julien Jorge, Xavier Gandibleux (LINA) Résolution exacte du problème bi-01kp février / 24

Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires

Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Julien Jorge julien.jorge@univ-nantes.fr Laboratoire d Informatique de Nantes Atlantique,

Plus en détail

Parallel Tree-based Exact Algorithms using Heterogeneous Many and Multi-core Computing for Solving Challenging Problems in Combinatorial Optimization

Parallel Tree-based Exact Algorithms using Heterogeneous Many and Multi-core Computing for Solving Challenging Problems in Combinatorial Optimization Parallel Tree-based Exact Algorithms using Heterogeneous Many and Multi-core Computing for Solving Challenging Problems in Combinatorial Optimization Rudi Leroy Encadrement : N. Melab (Univ. Lille 1),

Plus en détail

Une heuristique hybride pour le problème de set packing biobjectif p.1/19

Une heuristique hybride pour le problème de set packing biobjectif p.1/19 Une heuristique hybride pour le problème de set packing biobjectif Xavier Delorme 1,2, Xavier Gandibleux 2,3 et Fabien DEGOUTIN 2,4 1. Ecole Nationale Supérieure des Mines de Saint-Etienne Centre : Génie

Plus en détail

Résolution approchée du problème de set packing bi-objectif

Résolution approchée du problème de set packing bi-objectif Résolution approchée du problème de set packing bi-objectif Xavier Delorme 1,2, Xavier Gandibleux 2 et Fabien DEGOUTIN 1,2 1. Laboratoire d Automatique, de Mécanique et d Informatique industrielles et

Plus en détail

Optimisation en nombres entiers

Optimisation en nombres entiers Optimisation en nombres entiers p. 1/83 Optimisation en nombres entiers Michel Bierlaire michel.bierlaire@epfl.ch EPFL - Laboratoire Transport et Mobilité - ENAC Optimisation en nombres entiers p. 2/83

Plus en détail

Résolution d un problème de Job-Shop intégrant des contraintes de Ressources Humaines

Résolution d un problème de Job-Shop intégrant des contraintes de Ressources Humaines Résolution d un problème de Job-Shop intégrant des contraintes de Ressources Humaines ROADEF 09, 10-12 février 2009, Nancy (France) O. Guyon 1.2, P. Lemaire 2, É. Pinson 1 et D. Rivreau 1 1 LISA - Institut

Plus en détail

Le problème du flot maximal avec contraintes sur le nombre de chemins

Le problème du flot maximal avec contraintes sur le nombre de chemins Le problème du flot maximal avec contraintes sur le nombre de chemins Jérôme Truffot, Christophe Duhamel, Philippe Mahey jerome.truffot@isima.fr, christophe.duhamel@isima.fr, philippe.mahey@isima.fr LIMOS,

Plus en détail

Optimisation en nombres entiers

Optimisation en nombres entiers Optimisation en nombres entiers Recherche Opérationnelle GC-SIE Branch & bound Algorithmes On distingue 3 types d algorithmes. Algorithmes exacts Ils trouvent la solution optimale Ils peuvent prendre un

Plus en détail

Programmation Par Contraintes

Programmation Par Contraintes Programmation Par Contraintes Cours 2 - Arc-Consistance et autres amusettes David Savourey CNRS, École Polytechnique Séance 2 inspiré des cours de Philippe Baptiste, Ruslan Sadykov et de la thèse d Hadrien

Plus en détail

Variable Neighborhood Search

Variable Neighborhood Search Variable Neighborhood Search () Universite de Montreal 6 avril 2010 Plan Motivations 1 Motivations 2 3 skewed variable neighborhood search variable neighborhood decomposition search 4 Le probleme d optimisation.

Plus en détail

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce Heuristique et métaheuristique IFT1575 Modèles de recherche opérationnelle (RO) 8. Optimisation combinatoire et métaheuristiques Un algorithme heuristique permet d identifier au moins une solution réalisable

Plus en détail

optimisation robuste de réseaux de télécommunications

optimisation robuste de réseaux de télécommunications optimisation robuste de réseaux de télécommunications Orange Labs Laboratoire Heudiasyc, UMR CNRS 6599, Université de Technologie de Compiègne Olivier Klopfenstein thèse effectuée sous la direction de

Plus en détail

Allocation de ressources pour réseaux virtuels Projet de fin d études. Mikaël Capelle. Marie-José Huguet Slim Abdellatif Pascal Berthou

Allocation de ressources pour réseaux virtuels Projet de fin d études. Mikaël Capelle. Marie-José Huguet Slim Abdellatif Pascal Berthou Allocation de ressources pour réseaux virtuels Projet de fin d études Mikaël Capelle Marie-José Huguet Slim Abdellatif Pascal Berthou 27 Juin 2014 Plan 1 Introduction - La virtualisation de réseau 2 3

Plus en détail

Problème combinatoire sur le réseau de transport de gaz. Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS

Problème combinatoire sur le réseau de transport de gaz. Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS Problème combinatoire sur le réseau de transport de gaz Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS Au programme Présentation du problème Un problème d optimisation

Plus en détail

Rapport. TME2 - Problème d affectation multi-agents

Rapport. TME2 - Problème d affectation multi-agents Rapport TME2 - Problème d affectation multi-agents Auteurs : Encadrant : Lan Zhou Safia Kedad-Sidhoum Minh Viet Le Plan I. Problème :... 2 II. Question 1 - Formulation linéaire du problème :... 2 III.

Plus en détail

Introduction à la programmation en variables entières Cours 3

Introduction à la programmation en variables entières Cours 3 Introduction à la programmation en variables entières Cours 3 F. Clautiaux francois.clautiaux@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 272 Sommaire Notion d heuristique Les algorithmes gloutons

Plus en détail

Routage de camions dans le secteur du BTP

Routage de camions dans le secteur du BTP Routage de camions dans le secteur du BTP 1 / 25 Routage de camions dans le secteur du BTP Projet Orlogès Sylvain Rosembly 1 Nathalie Bostel 2 Pierre Dejax 3 1 Master ORO - Ecole des Mines de Nantes 2

Plus en détail

Recherche Opérationnelle I

Recherche Opérationnelle I Recherche Opérationnelle I Nadia Brauner Nadia.Brauner@imag.fr Programmation linéaire en nombres entiers Programmation linéaire en nombres entiers Introduction Programmation Linéaire (PL) Variables de

Plus en détail

Tournées de véhicules

Tournées de véhicules Tournées de véhicules De la théorie aux outils d aide à la décision Olivier Péton, Ecole des Mines de Nantes, novembre 2008 Les principaux problèmes de tournées Deux problèmes de base : Problème du voyageur

Plus en détail

Méthodes de la Recherche Opérationnelle pour l analyse de données

Méthodes de la Recherche Opérationnelle pour l analyse de données Méthodes de la Recherche Opérationnelle pour l analyse de données Julien Darlay G-SCOP 27 janvier 2011 Julien Darlay (G-SCOP) Méthodes de RO pour l analyse de données 27 janvier 2011 1 / 20 Plan Analyse

Plus en détail

Application de K-means à la définition du nombre de VM optimal dans un cloud

Application de K-means à la définition du nombre de VM optimal dans un cloud Application de K-means à la définition du nombre de VM optimal dans un cloud EGC 2012 : Atelier Fouille de données complexes : complexité liée aux données multiples et massives (31 janvier - 3 février

Plus en détail

Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique

Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique F. Clautiaux francois.clautiaux@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 Motivation et objectif du cours

Plus en détail

Modélisation et résolution du problème de transport de gaz: application au réseau principal français

Modélisation et résolution du problème de transport de gaz: application au réseau principal français Modélisation et résolution du problème de transport de gaz: application au réseau principal français Présentation des travaux de thèse GDF SUEZ - INPT - ENSIACET - LGC EMN 24 mars 2011 Le gaz en Europe

Plus en détail

StatEnAction 2009/10/30 11:26 page 111 #127 CHAPITRE 10. Machines à sous

StatEnAction 2009/10/30 11:26 page 111 #127 CHAPITRE 10. Machines à sous StatEnAction 2009/0/30 :26 page #27 CHAPITRE 0 Machines à sous Résumé. On étudie un problème lié aux jeux de hasard. Il concerne les machines à sous et est appelé problème de prédiction de bandits à deux

Plus en détail

Séance 12: Algorithmes de Support Vector Machines

Séance 12: Algorithmes de Support Vector Machines Séance 12: Algorithmes de Support Vector Machines Laboratoire de Statistique et Probabilités UMR 5583 CNRS-UPS www.lsp.ups-tlse.fr/gadat Douzième partie XII Algorithmes de Support Vector Machines Principe

Plus en détail

Optimisation des tournées de ramassage scolaire de la commune de Seneffe

Optimisation des tournées de ramassage scolaire de la commune de Seneffe Optimisation des tournées de ramassage scolaire de la commune de Seneffe Laurie Hollaert Séminaire GRT 7 novembre Laurie Hollaert Optimisation des tournées de ramassage scolaire de la commune de Seneffe

Plus en détail

Cours de Master Recherche

Cours de Master Recherche Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction

Plus en détail

Rédiger un rapport technique

Rédiger un rapport technique Rédiger un rapport technique Prof. N. Fatemi Plan Introduction Présentation écrite Programmation du travail Rédaction Conseils génériques Références 2 Introduction Objectifs du cours Savoir étudier un

Plus en détail

Programmation Linéaire - Cours 1

Programmation Linéaire - Cours 1 Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.

Plus en détail

Chapitre 6. Modélisation en P.L.I. 6.1 Lien entre PL et PLI. 6.1.1 Approximation de la PLI

Chapitre 6. Modélisation en P.L.I. 6.1 Lien entre PL et PLI. 6.1.1 Approximation de la PLI Chapitre 6 Modélisation en P.L.I. 6.1 Lien entre PL et PLI (P) problème de PL. On restreint les variables à être entières : on a un problème de PLI (ILP en anglais). On restreint certaines variables à

Plus en détail

Automatisation de la certification formelle de systèmes critiques par instrumentation d interpréteurs abstraits

Automatisation de la certification formelle de systèmes critiques par instrumentation d interpréteurs abstraits 1 d Automatisation de la certification formelle de systèmes critiques par instrumentation d sous la direction de Michaël Périn Soutenance de Thèse de Doctorat Université de Grenoble - Laboratoire Verimag

Plus en détail

4. Programmation en nombres entiers

4. Programmation en nombres entiers IFT575 Modèles de recherche opérationnelle (RO). Programmation en nombres entiers b. Séparation et évaluation progressive c. Plans de coupes Résolution de modèles entiers Programmation en nombres entiers

Plus en détail

Collecte des nœuds de raccordement abonnés chez Bouygues Telecom

Collecte des nœuds de raccordement abonnés chez Bouygues Telecom Collecte des nœuds de raccordement abonnés chez Bouygues Telecom Julien Darlay jdarlay@innovation24.fr Innovation 24 Groupe Bouygues 1 20 Innovation 24 Filiale Optimisation & Aide à la Décision du Groupe

Plus en détail

Modélisation et optimisation combinatoire de la

Modélisation et optimisation combinatoire de la Modélisation et optimisation combinatoire de la gestion d énergie pour un système multi-sources Yacine Gaoua (1)(2)(3) 1.Institut National Polytechnique de Toulou, INPT 2.Laboratoire PLAsma et Conversion

Plus en détail

Resolution limit in community detection

Resolution limit in community detection Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.

Plus en détail

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

Clermont Ferrand - Janvier 2003

Clermont Ferrand - Janvier 2003 DISDAMIN: Algorithmes de Data Mining Distribués Valerie FIOLET (1,2) - Bernard TOURSEL (1) 1 Equipe PALOMA - LIFL - USTL - LILLE (FRANCE) 2 Service Informatique - UMH - MONS (BELGIUM) Clermont Ferrand

Plus en détail

Plan du cours. Métaheuristiques pour l optimisation combinatoire. Quelques problèmes classiques (2/3) Quelques problèmes classiques (1/3)

Plan du cours. Métaheuristiques pour l optimisation combinatoire. Quelques problèmes classiques (2/3) Quelques problèmes classiques (1/3) Plan du cours Quelques problèmes classiques Quelques algorithmes classiques Métaheuristiques pour l optimisation combinatoire un peu de vocabulaire codage des solutions taxinomie méthodes complètes méthodes

Plus en détail

Optimisation du trafic au sol sur les grands aéroportsa

Optimisation du trafic au sol sur les grands aéroportsa Optimisation du trafic au sol sur les grands aéroportsa Plan Contexte Simulations accélérées du trafic au sol Optimisation des séquences d'avions sur les pistes Résolution des conflits au roulage Applications

Plus en détail

Algorithmes de recherche locale

Algorithmes de recherche locale Algorithmes de recherche locale Recherche Opérationnelle et Optimisation Master 1 Sébastien Verel verel@lisic.univ-littoral.fr http://www-lisic.univ-littoral.fr/~verel Université du Littoral Côte d Opale

Plus en détail

Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification

Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification 1/54 Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification Étienne Baudrier CReSTIC vendredi 9 décembre 2005 2/54 Contexte programme national de

Plus en détail

Planifica(on du stockage intermédiaire dans l industrie du shampoing

Planifica(on du stockage intermédiaire dans l industrie du shampoing dans l industrie du shampoing R. Belaid, V. T kindt, C. Esswein, rabah.belaid@etu.univ-tours.fr Université François Rabelais Tours Laboratoire d Informatique 64 avenue Jean Portalis, 37200, Tours Journées

Plus en détail

Un algorithme génétique hybride pour des problèmes de tournées de véhicules multi-attributs

Un algorithme génétique hybride pour des problèmes de tournées de véhicules multi-attributs Un algorithme génétique hybride pour des problèmes de tournées de véhicules multi-attributs Thibaut Vidal, Teodor Gabriel Crainic, Michel Gendreau Nadia Lahrichi, Walter Rei ROADEF 2010 Plan de la présentation

Plus en détail

Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques. Elec 2311 : S7

Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques. Elec 2311 : S7 Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques Elec 2311 : S7 1 Plan du cours Qu est-ce l optimisation? Comment l optimisation s intègre dans la conception?

Plus en détail

Cours 1: Introduction à l algorithmique

Cours 1: Introduction à l algorithmique 1 Cours 1: Introduction à l algorithmique Olivier Bournez bournez@lix.polytechnique.fr LIX, Ecole Polytechnique 2011-12 Algorithmique 2 Aujourd hui Calcul de x n Maximum Complexité d un problème Problème

Plus en détail

Evolution d un scénario dans l expérience e-colab. EMF, Dakar avril 2009 Gilles Aldon, Eductice, INRP Dominique Raymond-Baroux, IREM Paris 7

Evolution d un scénario dans l expérience e-colab. EMF, Dakar avril 2009 Gilles Aldon, Eductice, INRP Dominique Raymond-Baroux, IREM Paris 7 Evolution d un scénario dans l expérience e-colab EMF, Dakar avril 2009 Gilles Aldon, Eductice, INRP Dominique Raymond-Baroux, IREM Paris 7 Cadre général Groupe e-colab au sein de l INRP Collaboration

Plus en détail

Programmation par contraintes. Laurent Beaudou

Programmation par contraintes. Laurent Beaudou Programmation par contraintes Laurent Beaudou On se trouve où? Un problème, une solution : la solution est-elle une solution du problème? simulation, vérification 2 On se trouve où? Un problème, une solution

Plus en détail

Impact du chevauchement d activités sur la diminution de la durée de projet

Impact du chevauchement d activités sur la diminution de la durée de projet Colloque sur les enjeux et outils modernes de gestion de projet Impact du chevauchement d activités sur la diminution de la durée de projet Francois Berthaut, Ing. Jr., M.Sc.A., École Polytechnique francois.berthaut@polymtl.ca

Plus en détail

Gestion de tampon en ligne

Gestion de tampon en ligne Gestion de tampon en ligne pour illustrer des techniques centrales en algorithmique en ligne C. Dürr CNRS, LIP6 roadef 2014 La scène devant le frigo jeter les aliments périmés découvrir ce que son compagnon

Plus en détail

Développement de méthodes multi-grilles dans le cadre de l intéraction pastille/gaine

Développement de méthodes multi-grilles dans le cadre de l intéraction pastille/gaine Développement de méthodes multi-grilles dans le cadre de l intéraction pastille/gaine January 25, 2011 Ce n est le bon chemin que si la flèche vise le coeur, R.Hauser Intéraction Pastille/Gaine Fonctionnement

Plus en détail

Multiplication par une constante entière

Multiplication par une constante entière Multiplication par une constante entière Vincent Lefèvre Juin 2001 Introduction But : générer du code optimal à l aide d opérations élémentaires (décalages vers la gauche, additions, soustractions). Utile

Plus en détail

Modélisation et Optimisation de la Planification de Réseaux Sans Fil

Modélisation et Optimisation de la Planification de Réseaux Sans Fil Modélisation et Optimisation de la Planification de Réseaux Sans Fil Thèse soutenue le 8 décembre 2008 par Alexandre GONDRAN Devant le Jury : M. Jean-Marie GORCE rapporteur Pr, INSA Lyon M. Olivier HUDRY

Plus en détail

Contrainte de flot pour RCPSP avec temps de transfert

Contrainte de flot pour RCPSP avec temps de transfert Contrainte de flot et x-rcpsc T 1 Contrainte de flot pour RCPSP avec temps de transfert PS temp, s ij Cmax BENOIST Thierry BOUYGUES/e-Lab DIAMANTINI Maurice ENSTA/LMA Contrainte de flot et x-rcpsc T Présentation

Plus en détail

Intelligence Artificielle Jeux

Intelligence Artificielle Jeux Intelligence Artificielle Jeux Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes Programmation

Plus en détail

Quelques perspectives pour la programmation mathématique en commande robuste

Quelques perspectives pour la programmation mathématique en commande robuste Quelques perspectives pour la programmation mathématique en commande robuste P. Apkarian, D. Arzelier, D. Henrion, D. Peaucelle UPS - CERT - LAAS-CNRS Contexte de la commande robuste 2 Théorie de la complexité

Plus en détail

OPTIMISATION DE LA TARIFICATION DES RÉSEAUX MOBILES

OPTIMISATION DE LA TARIFICATION DES RÉSEAUX MOBILES OPTIMISATION DE LA TARIFICATION DES RÉSEAUX MOBILES ST50 - Projet de fin d études Matthieu Leromain - Génie Informatique Systèmes temps Réel, Embarqués et informatique Mobile - REM 1 Suiveur en entreprise

Plus en détail

Cours 4 Méthodes arborescentes et PLNE

Cours 4 Méthodes arborescentes et PLNE RCP4 Optimisation en Informatique Cours 4 Méthodes arborescentes et PLNE CNAM /3 Sourour Elloumi et Eric Soutif RCP4 Optimisation en Informatique Plan du cours Cours : Introduction Cours : Modélisation

Plus en détail

Localisation de ressources dans les réseaux CDN

Localisation de ressources dans les réseaux CDN Cas de la VoD LIP6 DESIR - FT R&D Octobre 2008 Plan Introduction 1 Introduction 2 3 4 Introduction DESIR : DÉcision, Systèmes Intelligents et Recherche opérationnelle La recherche opérationnelle : (boite

Plus en détail

Planification et ordonnancement sous incertitudes Application à la gestion de projet

Planification et ordonnancement sous incertitudes Application à la gestion de projet Toulouse, 14 mai 2003 Planification et ordonnancement sous incertitudes Application à la gestion de projet Julien Bidot Plan Séminaire au LAAS Planification de tâches et ordonnancement Domaine d application

Plus en détail

Cours d Algorithmique et structures de données 1

Cours d Algorithmique et structures de données 1 Ministère de l Enseignement Supérieur et de la Recherche Scientifique Université Mohamed Khider - Biskra Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie Département d Informatique

Plus en détail

APPLICATION DE LA RECHERCHE OPÉRATIONNELLE DANS DES APPLICATIONS OPÉRATIONNELLES FRANCIS SOURD SNCF INNOVATION & RECHERCHE

APPLICATION DE LA RECHERCHE OPÉRATIONNELLE DANS DES APPLICATIONS OPÉRATIONNELLES FRANCIS SOURD SNCF INNOVATION & RECHERCHE APPLICATION DE LA RECHERCHE OPÉRATIONNELLE DANS DES APPLICATIONS OPÉRATIONNELLES FRANCIS SOURD SNCF INNOVATION & RECHERCHE INAUGURATION DE L INSTITUT HENRI FAYOL 17/05/2013 DE L OPTIMISATION MATHEMATIQUE

Plus en détail

Optimisation de plans de financement immobiliers

Optimisation de plans de financement immobiliers Optimisation de plans de financement immobiliers ~ Frédéric GARDI 03/07/2007 Présentation du problème Plan/solution de financement : assemblage/mix de produits Pour chaque prêt du plan : son montant, sa

Plus en détail

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France. La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of

Plus en détail

Cours de Master Recherche

Cours de Master Recherche Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 1 - Introduction Qu est-ce qu un

Plus en détail

Efficacité énergétique des réseaux de cœur et d accès

Efficacité énergétique des réseaux de cœur et d accès Efficacité énergétique des réseaux de cœur et d accès David Coudert Joanna Mouliérac, Frédéric Giroire MASCOTTE I3S (CNRS/Université Nice Sophia-Antipolis) INRIA Sophia-Antipolis Méditerranée 1 Contexte

Plus en détail

Planification des salles opératoires avec durées d interventions aléatoires

Planification des salles opératoires avec durées d interventions aléatoires Planification des salles opératoires avec durées d interventions aléatoires Mehdi LAMIRI, Xiaolan XIE, Alexandre DOLGUI et Frédéric GRIMAUD Centre Ingénierie et santé Centre Génie Industriel et Informatique

Plus en détail

Étude Des Zones D un Joint De Soudure D une Eprouvette Sollicitée En Fatigue

Étude Des Zones D un Joint De Soudure D une Eprouvette Sollicitée En Fatigue Étude Des Zones D un Joint De Soudure D une Eprouvette Sollicitée En Fatigue F.Z.KETTAF 1, N.H.CHERIET 2, B. BOUCHOUICHA 3 Laboratoire LMSR.Université Djillali Liabès Sidi Bel Abbes- Algérie. 1 fz.kettaf@gmail.com

Plus en détail

Gestion dynamique des tâches dans les grappes

Gestion dynamique des tâches dans les grappes Gestion dynamique des tâches dans les grappes une approche à base de machines virtuelles Fabien Hermenier Équipe ASCOLA, École des Mines de Nantes 26 novembre 2009 Fabien Hermenier (ASCOLA) Gestion dynamique

Plus en détail

Machine de Turing. Informatique II Algorithmique 1

Machine de Turing. Informatique II Algorithmique 1 Machine de Turing Nous avons vu qu un programme peut être considéré comme la décomposition de la tâche à réaliser en une séquence d instructions élémentaires (manipulant des données élémentaires) compréhensibles

Plus en détail

Génération aléatoire de structures ordonnées

Génération aléatoire de structures ordonnées Génération aléatoire de structures ordonnées Olivier Roussel Équipe APR Laboratoire d Informatique de Paris 6 Université Pierre et Marie Curie ALÉA 2011 7 mars 2011 Olivier Roussel (LIP6) Génération de

Plus en détail

Soutenance de Thèse. Analyses statistiques des communications sur puce

Soutenance de Thèse. Analyses statistiques des communications sur puce Soutenance de Thèse Analyses statistiques des communications sur puce Antoine Scherrer LIP - ENS Lyon Equipe Compsys 11 décembre 26 A. Scherrer - Analyses statistiques des communications sur puce 1 / 4

Plus en détail

Chapitre 6. Programmation Dynamique. Méthodes P.S.E.P. 6.1 Programmation dynamique. 6.1.1 Exemple introductif

Chapitre 6. Programmation Dynamique. Méthodes P.S.E.P. 6.1 Programmation dynamique. 6.1.1 Exemple introductif Chapitre 6 Programmation Dynamique. Méthodes P.S.E.P. 6.1 Programmation dynamique 6.1.1 Exemple introductif Problème : n matrices M i (m i, m i+1 ) à multiplier en minimisant le nombre de multiplications,

Plus en détail

Mes histoires d amour avec les travaux de Maxime Crochemore. Gregory Kucherov LIFL/CNRS/INRIA, Lille, France

Mes histoires d amour avec les travaux de Maxime Crochemore. Gregory Kucherov LIFL/CNRS/INRIA, Lille, France Mes histoires d amour avec les travaux de Maxime Crochemore Gregory Kucherov LIFL/CNRS/INRIA, Lille, France Marne-la-Vallée, 26 octobre 2007 travaux de Maxime (données du 2/11/2006) 59 articles de revue

Plus en détail

Minimisation des distances dans un réseau de transports publics urbains avec demande élastique

Minimisation des distances dans un réseau de transports publics urbains avec demande élastique Minimisation des distances dans un réseau de transports publics urbains avec demande élastique Loïc YON LIMOS UMR 6158, Université Blaise Pascal Résumé Dans un contexte économique toujours plus exigeant,

Plus en détail

C09: Conception parallèle

C09: Conception parallèle méthodologie de conception en quatre étapes virtualisation applications structurées et non structurées aspect analytique: S, E Accélération Amdahl Accélération Gustafson Surcharge de parallélisation Conception

Plus en détail

Utilisation pédagogique d une Webcam

Utilisation pédagogique d une Webcam Utilisation pédagogique d une Webcam Sébastien PEYROT - sebastien.peyrot@ac-poitiers.fr Collège Jules VERNE - Angoulême Année scolaire 2007-2008 Table des matières 1 Introduction 2 Choix du matériel 3

Plus en détail

PREMIER RETOUR D EXPERIENCE SUR LE FLOW-SHOP BIOBJECTIF ET HYBRIDE A DEUX ETAGES AVEC UNE CONTRAINTE DE BLOCAGE PARTICULIERE

PREMIER RETOUR D EXPERIENCE SUR LE FLOW-SHOP BIOBJECTIF ET HYBRIDE A DEUX ETAGES AVEC UNE CONTRAINTE DE BLOCAGE PARTICULIERE 6 e Conférence Francophone de MOdélisation et SIMulation - MOSIM 06 - du 3 au 5 avril 2006 - Rabat - Maroc Modélisation, Optimisation et Simulation des Systèmes : Défis et Opportunités PREMIER RETOUR D

Plus en détail

Quelle infrastructure de recharge pour une Agglomération de 500 000 habitants?

Quelle infrastructure de recharge pour une Agglomération de 500 000 habitants? LYCÉE JULES VIETTE MONTBELIARD 1STI2D Enseignement transversal Quelle infrastructure de recharge pour une Agglomération de 500 000 habitants? Thème SOCIETE ET DEVELOPPEMENT DURABLE Objectifs de formation.

Plus en détail

Aspects théoriques et algorithmiques du calcul réparti Le placement

Aspects théoriques et algorithmiques du calcul réparti Le placement Aspects théoriques et algorithmiques du calcul réparti Le placement Patrick CIARLET Enseignant-Chercheur UMA patrick.ciarlet@ensta-paristech.fr Françoise LAMOUR franc.lamour@gmail.com Aspects théoriques

Plus en détail

Sommaire. Introduction.2. 1. Définition..2. 2. Historique.2. 3. Domaine d application.2. 4.Les Travaux réalisés sur les domaines d application.

Sommaire. Introduction.2. 1. Définition..2. 2. Historique.2. 3. Domaine d application.2. 4.Les Travaux réalisés sur les domaines d application. Sommaire Introduction.2 1. Définition..2 2. Historique.2 3. Domaine d application.2 4.Les Travaux réalisés sur les domaines d application.3 5.Algorithme 4 6.Exemple d application 5 7. Avantage et inconvénient..6

Plus en détail

Aspects théoriques et algorithmiques du calcul réparti Le placement

Aspects théoriques et algorithmiques du calcul réparti Le placement Aspects théoriques et algorithmiques du calcul réparti Le placement Patrick CIARLET Enseignant-Chercheur UMA patrick.ciarlet@ensta-paristech.fr Françoise LAMOUR franc.lamour@gmail.com Aspects théoriques

Plus en détail

La nouvelle planification de l échantillonnage

La nouvelle planification de l échantillonnage La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage

Plus en détail

Commande auto-adaptative par auto-séquencement, avec application à un avion instable

Commande auto-adaptative par auto-séquencement, avec application à un avion instable Commande auto-adaptative par auto-séquencement, avec application à un avion instable Patrice ANTOINETTE 1 2 Gilles FERRERES 1 1 ONERA-DCSD, Toulouse 2 ISAE, Toulouse GT MOSAR, 4 juin 2009 Plan Introduction

Plus en détail

Problème d ordonnancement de véhicules en variables booléennes

Problème d ordonnancement de véhicules en variables booléennes Problème d ordonnancement de véhicules en variables booléennes Freddy Hetman 2 juillet 2013 Faculté des sciences Jean Perrin Freddy Hetman () 2 juillet 2013 1 / 22 Sommaire 1 Introduction 2 Le problème

Plus en détail

REGAL: une bibliothèque pour la génération d automates Mardi déterministes

REGAL: une bibliothèque pour la génération d automates Mardi déterministes REGAL: une bibliothèque pour la génération d automates déterministes Julien David Mardi 30 octobre 2007 REGAL: une bibliothèque pour la génération d automates Mardi déterministes 30 octobre 2007 1 / 21

Plus en détail

Exploration des capacités des CSP pour la localisation d erreurs à partir de. contre-exemples

Exploration des capacités des CSP pour la localisation d erreurs à partir de. contre-exemples École Doctorale STIC de l Université de Nice Sophia-Antipolis capacités des CSP pour la localisation d erreurs Domaine: Mathématique-informatique Filière: Informatique Juin 2012 Présenté par : BEKKOUCHE

Plus en détail

Cours de spécialité mathématiques en Terminale ES

Cours de spécialité mathématiques en Terminale ES Cours de spécialité mathématiques en Terminale ES O. Lader 2014/2015 Lycée Jean Vilar Spé math terminale ES 2014/2015 1 / 51 Systèmes linéaires Deux exemples de systèmes linéaires à deux équations et deux

Plus en détail

The Current State and Future of Search Based Software Engineering

The Current State and Future of Search Based Software Engineering The Current State and Future of Search Based Software Engineering Mark Harman 1 IEEE International Conference on Software Engineering FoSE 07: Future of Software Engineering 1 King's College, LONDON, UK

Plus en détail

Notion de complexité

Notion de complexité 1 de 27 Algorithmique Notion de complexité Florent Hivert Mél : Florent.Hivert@lri.fr Adresse universelle : http://www-igm.univ-mlv.fr/ hivert Outils mathématiques 2 de 27 Outils mathématiques : analyse

Plus en détail

Introduction aux Support Vector Machines (SVM)

Introduction aux Support Vector Machines (SVM) Introduction aux Support Vector Machines (SVM) Olivier Bousquet Centre de Mathématiques Appliquées Ecole Polytechnique, Palaiseau Orsay, 15 Novembre 2001 But de l exposé 2 Présenter les SVM Encourager

Plus en détail

Introduction à l analyse numérique : exemple du cloud computing

Introduction à l analyse numérique : exemple du cloud computing Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation

Plus en détail

Placement de centres logistiques

Placement de centres logistiques Master 1 - Spécialité Androide Année 2014/2015 Module RP Résolution de Problèmes Projet Placement de centres logistiques On considère dans ce projet la résolution du problème de placement de centres logistiques

Plus en détail

Optimisation for Cloud Computing and Big Data

Optimisation for Cloud Computing and Big Data 1 / 23 Optimisation for Cloud Computing and Big Data Olivier Beaumont, Lionel Eyraud-Dubois 2 / 23 Aujourd hui Problèmes de fiabilité on va oublier la dynamicité Placement de VMs en programmation par contraintes

Plus en détail

Compte rendu de la séance d APP de Maths La calculatrice la suite numérique

Compte rendu de la séance d APP de Maths La calculatrice la suite numérique Compte rendu de la séance d APP de Maths La calculatrice la suite numérique Séance effectuée dans une classe de CP à l école des Lauves, réalisée à partir de la vidéo fournie par M. EYSSERIC et préparée

Plus en détail

Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com

Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com Points abordés Méthodes numériques employées en finance Approximations de prix

Plus en détail

Simulation avancée du procédé d injection

Simulation avancée du procédé d injection Simulation avancée du procédé d injection JT «Conception et optimisation numérique en plasturgie» Jeudi 30 juin Ronan Le Goff Sommaire Introduction Modèle numérique Cas d étude Paramètres rhéo Stratégies

Plus en détail

TD 3 : Problème géométrique dual et méthode des moindres carrés

TD 3 : Problème géométrique dual et méthode des moindres carrés Semestre, ENSIIE Optimisation mathématique 4 mars 04 TD 3 : Problème géométrique dual et méthode des moindres carrés lionel.rieg@ensiie.fr Exercice On considère le programme géométrique suivant : min x>0,y>0

Plus en détail

Algorithmique distribuée d exclusion mutuelle : vers une gestion efficace des ressources

Algorithmique distribuée d exclusion mutuelle : vers une gestion efficace des ressources Algorithmique distribuée d exclusion mutuelle : vers une gestion efficace des ressources Jonathan Lejeune LIP6-UPMC/CNRS, Inria 19 septembre 2014 Directeur : Pierre Sens Encadrants : Luciana Arantes et

Plus en détail

Mathématiques pour l informatique 1 notes de cours sur la seconde partie

Mathématiques pour l informatique 1 notes de cours sur la seconde partie Mathématiques pour l informatique notes de cours sur la seconde partie L Université Paris-Est, Marne-la-Vallée Cyril Nicaud Organisation Ce demi-cours est composé de 6 séances de cours et 6 séances de

Plus en détail