Cours 2 : algorithme du simplexe
|
|
- Jean-Luc Jobin
- il y a 5 ans
- Total affichages :
Transcription
1 Cours 2 : algorithme du simplexe Christophe Gonzales LIP6 Université Paris 6, France
2 Plan du cours Cours 2 : algorithme du simplexe 2/29 1 Rappels sur l algorithme vu la semaine dernière 2 Définition de l algorithme du simplexe 3 Interprétation géométrique 4 Critères de choix pour les variables entrantes
3 Rappels sur le cours de la semaine dernière (1/10) Cours 2 : algorithme du simplexe 3/29 Forme standard n max c j x j s.c. j=1 n a ij x j b i (i = 1, 2,..., m) j=1 x j 0 (j = 1, 2,..., n) Algorithme de résolution (1/2) 1 Ajouter des variables d écart x n+1,..., x n+m : n x n+i = b i a ij x j (i = 1, 2,..., m) z = j=1 n c j x j j=1
4 Rappels sur le cours de la semaine dernière (2/10) Cours 2 : algorithme du simplexe 4/29 Algorithme de résolution (2/2) 2 première solution réalisable : x 0 = (0,..., 0, b 1, b 2,..., b m ) variables en base : x n+1,..., x n+m, hors base : x 1,..., x n 3 s il existe un coefficient positif dans z, soit x i la variable correspondante, sinon aller en 8 4 calculer la valeur maximale de x i de manière à ce que les variables en base restent positives ou nulles. Soit x j une des variables en base qui s annule 5 faire entrer x i en base, faire sortir x j de la base 6 exprimer les variables en base en fonction des variables hors base 7 retourner en 3 8 on est à l optimum. Les variables en base définissent la solution optimale
5 Rappels sur le cours de la semaine dernière (3/10) Problème à résoudre : max x 1 + 5x 2 + x 3 s.c. x 1 + 3x 2 + x 3 3 x 1 + 3x 3 2 2x 1 + 4x 2 x 3 4 x 1 + 3x 2 x 3 2 x 1 0, x 2 0, x 3 0 Première étape : ajouter des variables d écart : max x 1 + 5x 2 + x 3 s.c. x 1 + 3x 2 + x 3 + x 4 = 3 x 1 + 3x 3 + x 5 = 2 2x 1 + 4x 2 x 3 + x 6 = 4 x 1 + 3x 2 x 3 + x 7 = 2 x 1 0, x 2 0, x 3 0, x 4 0, x 5 0, x 6 0, x 7 0 Cours 2 : algorithme du simplexe 5/29
6 Rappels sur le cours de la semaine dernière (4/10) Cours 2 : algorithme du simplexe 6/29 Expression de z et des variables en base en fonction des variables hors base : x 4 = 3 x 1 3x 2 x 3 x 5 = 2 + x 1 3x 3 x 6 = 4 2x 1 4x 2 + x 3 x 7 = 2 x 1 3x 2 + x 3 z = x 1 + 5x 2 + x 3 variables en base : x 4, x 5, x 6, x 7 = solution réalisable = (0, 0, 0, 3, 2, 4, 2) 3 coefficients positifs dans z = x 1, x 2 et x 3 = choix (au hasard) de faire rentrer x 1 en base
7 Rappels sur le cours de la semaine dernière (5/10) Cours 2 : algorithme du simplexe 7/29 x 4 = 3 x 1 3x 2 x 3 x 5 = 2 + x 1 3x 3 x 6 = 4 2x 1 4x 2 + x 3 x 7 = 2 x 1 3x 2 + x 3 z = x 1 + 5x 2 + x 3 4 calcul de la valeur optimale de x 1 : augmenter x 1 = augmenter z ne pas trop augmenter x 1 afin que x 4, x 5, x 6, x 7, restent 0 (x 4 ) 3 x 1 0 (x 5 ) 2 + x 1 0 (x 6 ) 4 2x 1 0 (x 7 ) 2 x 1 0 = x 1 3, x 1 2, x 1 2, x 1 2 = x 1 = 2 = variable à sortir de la base : x 6 ou x 7
8 Rappels sur le cours de la semaine dernière (6/10) Cours 2 : algorithme du simplexe 8/29 x 4 = 3 x 1 3x 2 x 3 x 5 = 2 + x 1 3x 3 x 6 = 4 2x 1 4x 2 + x 3 x 7 = 2 x 1 3x 2 + x 3 z = x 1 + 5x 2 + x 3 5 choix (au hasard) de faire sortir x 7 de la base = x 1 = 2 3x 2 + x 3 x 7 6 expression des variables en base en fonction des variables hors base : x 4 = 1 2x 3 + x 7 x 5 = 4 3x 2 2x 3 x 7 x 6 = 2x 2 x 3 + 2x 7 x 1 = 2 3x 2 + x 3 x 7 z = 2 + 2x 2 + 2x 3 x 7
9 Rappels sur le cours de la semaine dernière (7/10) Cours 2 : algorithme du simplexe 9/29 x 4 = 1 2x 3 + x 7 x 5 = 4 3x 2 2x 3 x 7 x 6 = 2x 2 x 3 + 2x 7 x 1 = 2 3x 2 + x 3 x 7 z = 2 + 2x 2 + 2x 3 x 7 3 coefficients positifs dans z : x 2 et x 3 = choix (au hasard) : rentrer x 3 en base = choix de la variable à sortir de la base : (x 4 ) 1 2x 3 0 (x 5 ) 4 2x 3 0 = x (x 6 ) 0 x = min{b i / coeff de x 3 : coeff 0} (x 1 ) 2 + x 3 0 x 3 rentre en base, mais sa valeur est égale à 0 = la valeur de la fonction objectif ne change pas!
10 Rappels sur le cours de la semaine dernière (8/10) Cours 2 : algorithme du simplexe 10/29 6 expression des variables en base en fonction des variables hors base : x 4 = 1 4x 2 + 2x 6 3x 7 x 5 = 4 7x 2 + 2x 6 5x 7 x 3 = 2x 2 x 6 + 2x 7 x 1 = 2 x 2 x 6 + x 7 z = 2 + 6x 2 2x 6 + 3x 7 3 coefficients positifs dans z : x 2 et x 3 = choix (au hasard) : rentrer x 2 en base : (x 4 ) 1 4x 2 0 (x 5 ) 4 7x 2 0 = x (x 3 ) 2x sort de la base (x 1 ) 2 x 2 0
11 Rappels sur le cours de la semaine dernière (9/10) 6 expression des variables en base en fonction des variables hors base : x 2 = x x x 7 x 5 = x x x 7 x 3 = x x 7 x 1 = x x x 7 z = x 4 + x x rentrer x 6 en base et sortir x 1 : x 2 = x x x 7 x 5 = x x x 7 x 3 = x x 7 = z : coeffs négatifs = optimum x 6 = x x x 7 z = x x x 7 Cours 2 : algorithme du simplexe 11/29
12 Rappels sur le cours de la semaine dernière (10/10) Cours 2 : algorithme du simplexe 12/29 En résumé : plusieurs variables peuvent être candidates à entrer en base = critère de choix à définir plusieurs variables peuvent être candidates à sortir de la base = critère de choix à définir dégénérescence : certaines variables entrant en base peuvent avoir pour valeur 0 = la fonction objectif n augmente pas = éviter que l algorithme ne boucle
13 Notation en tableau (1/5) Cours 2 : algorithme du simplexe 13/29 Principe : placer toutes les variables du même côté x 4 = 3 x 1 3x 2 x 3 x 5 = 2 + x 1 3x 3 x 6 = 4 2x 1 4x 2 + x 3 x 7 = 2 x 1 3x 2 + x 3 z = x 1 + 5x 2 + x 3 x 1 + 3x 2 + x 3 + x 4 = 3 x 1 + 3x 3 + x 5 = 2 2x 1 + 4x 2 x 3 + x 6 = 4 x 1 + 3x 2 x 3 + x 7 = 2 z + x 1 + 5x 2 + x 3 = 0
14 Notation en tableau (2/5) Cours 2 : algorithme du simplexe 14/29 La notation en tableau peut s appliquer à toutes les étapes : Avant pivot : dictionnaire x 4 = 3 x 1 3x 2 x 3 x 5 = 2 + x 1 3x 3 x 6 = 4 2x 1 4x 2 + x 3 x 7 = 2 x 1 3x 2 + x 3 z = x 1 + 5x 2 + x 3 tableau x 1 + 3x 2 + x 3 + x 4 = 3 x 1 + 3x 3 + x 5 = 2 2x 1 + 4x 2 x 3 + x 6 = 4 x 1 + 3x 2 x 3 + x 7 = 2 z + x 1 + 5x 2 + x 3 = 0 Après pivot : x 1 entre et x 7 sort dictionnaire x 4 = 1 2x 3 + x 7 x 5 = 4 3x 2 2x 3 x 7 x 6 = 2x 2 x 3 + 2x 7 x 1 = 2 3x 2 + x 3 x 7 z = 2 + 2x 2 + 2x 3 x 7 tableau 2x 3 + x 4 x 7 = 1 3x 2 + 2x 3 + x 5 + x 7 = 4 2x 2 + x 3 + x 6 2x 7 = 0 x 1 + 3x 2 x 3 + x 7 = 2 z + 2x 2 + 2x 3 x 7 = 2
15 Notation en tableau (3/5) Cours 2 : algorithme du simplexe 15/29 Pivot en termes de dictionnaires Faire entrer x i et sortir x j : supp. que x j est défini à gauche des «=» sur la kème ligne 1 exprimer x i en fonction des autres variables sur la kème ligne 2 sur toutes les autres lignes, remplacer les x i par cette expression Pivot en termes de tableaux Faire entrer x i et sortir x j : 1 diviser la seule ligne dont le coeff de x j est 0 (kème ligne) par le coeff associé à x i sur cette ligne = le coeff de x i devient 1 2 pour toute autre ligne r k, soustraire a ri fois la kème ligne = le coeff de x i sur ces lignes devient 0
16 Notation en tableau (4/5) Cours 2 : algorithme du simplexe 16/29 Application du pivot directement sur les tableaux : x 1 + 3x 2 + x 3 + x 4 = 3 x 1 + 3x 3 + x 5 = 2 2x 1 + 4x 2 x 3 + x 6 = 4 x 1 + 3x 2 x 3 + x 7 = 2 z + x 1 + 5x 2 + x 3 = 0 pivot : x 1 entre et x 7 sort 2x 3 + x 4 x 7 = 1 3x 2 + 2x 3 + x 5 + x 7 = 4 2x 2 + x 3 + x 6 2x 7 = 0 x 1 + 3x 2 x 3 + x 7 = 2 z + 2x 2 + 2x 3 x 7 = 2 ligne où x 7 est défini : 4ème ligne
17 Notation en tableau (5/5) Cours 2 : algorithme du simplexe 17/29 D un point de vue informatique, stocker uniquement les nombres, pas les chaînes de caractères x i : 2x 3 + x 4 x 7 = 1 3x 2 + 2x 3 + x 5 + x 7 = 4 2x 2 + x 3 + x 6 2x 7 = 0 x 1 + 3x 2 x 3 + x 7 = 2 z + 2x 2 + 2x 3 x 7 = 2 = tableau stocké sous forme informatique :
18 Algorithme du simplexe : 1ère version 1 examiner s il existe un nombre positif sur la dernière ligne (excepté la dernière colonne qui vaut z). S il n y en a pas, aller en 6. sinon, soit j l index d une de ces colonnes 2 pour chaque ligne, soit s le nombre dans la colonne la plus à droite et r le nombre dans la colonne j. Déterminer la ligne i ayant le plus petit ratio s/r 0. Si les r de toutes les lignes sont négatives ou nulles, aller en 7 3 diviser la ligne i par son coefficient r 4 pour toutes les lignes i, soit k le nombre stocké sur cette ligne à la colonne j. soustraire à la ligne k fois la ligne i 5 revenir en 1 6 on est à l optimum. Les nombres égaux à 0 sur la dernière ligne (excepté la dernière colonne) déterminent la solution optimale. 7 Le problème n est pas borné, i.e., le max de la fonction objectif est +. Cours 2 : algorithme du simplexe 18/29
19 Interprétation géométrique de l algorithme (1/8) Cours 2 : algorithme du simplexe 19/29 max x 1 + 3x 2 x 2 4 x 1 3x 2 1 2x 1 3x 2 5 s.c. x 1 x 2 3 2x 1 x 2 7 x 1 + 2x 2 11 x 1 0, x 2 0
20 Interprétation géométrique de l algorithme (2/8) Cours 2 : algorithme du simplexe 20/29 x 2 + x 3 = 4 x 1 3x 2 + x 4 = 1 2x 1 3x 2 + x 5 = 5 x 1 x 2 + x 6 = 3 2x 1 x 2 + x 7 = 7 x 1 + 2x 2 + x 8 = 11 z + x 1 + 3x 2 = 0 base : x 3, x 4, x 5, x 6, x 7, x 8 = Pivot : on fait entrer x 1 et sortir x 4
21 Interprétation géométrique de l algorithme (3/8) Cours 2 : algorithme du simplexe 21/29 x 2 + x 3 = 4 x 1 3x 2 + x 4 = 1 3x 2 2x 4 + x 5 = 3 2x 2 x 4 + x 6 = 2 5x 2 2x 4 + x 7 = 5 5x 2 x 4 + x 8 = 10 z + 6x 2 x 4 = 1 base : x 1, x 3, x 5, x 6, x 7, x 8 = Pivot : on fait entrer x 2 et sortir x 5
22 Interprétation géométrique de l algorithme (4/8) Cours 2 : algorithme du simplexe 22/29 x x x 5 = 3 x 1 x 4 + x 5 = 4 x x x 5 = x x 5 + x 6 = x x 5 + x 7 = x x 5 + x 8 = 5 z + 3x 4 2x 5 = 7 base : x 1, x 2, x 3, x 6, x 7, x 8 = Pivot : on fait entrer x 4 et sortir x 6
23 Interprétation géométrique de l algorithme (5/8) Cours 2 : algorithme du simplexe 23/29 x 3 + x 5 2x 6 = 3 x 1 x 5 + 3x 6 = 4 x 2 x 5 + 2x 6 = 1 x 4 2x 5 + 3x 6 = 0 x 5 4x 6 + x 7 = 0 3x 5 7x 6 + x 8 = 5 z + 4x 5 9x 6 = 7 base : x 1, x 2, x 3, x 4, x 7, x 8 dégénérescence!!!!! = Pivot : on fait entrer x 5 et sortir x 7
24 Interprétation géométrique de l algorithme (6/8) Cours 2 : algorithme du simplexe 24/29 x 3 2x 6 x 7 = 3 x 1 x 6 + x 7 = 4 x 2 2x 6 + x 7 = 1 x 4 5x 6 + 2x 7 = 0 x 5 4x 6 + x 7 = 0 5x 6 3x 7 + x 8 = 5 z + 7x 6 4x 7 = 7 base : x 1, x 2, x 3, x 4, x 5, x 8 dégénérescence!!!!! = Pivot : on fait entrer x 6 et sortir x 8
25 Interprétation géométrique de l algorithme (7/8) Cours 2 : algorithme du simplexe 25/29 z x x x 8 = 1 x x x 8 = 5 x x x 8 = 3 x 4 x 7 + x 8 = 5 x x x 8 = 4 x x x 8 = x x 8 = 14 base : x 1, x 2, x 3, x 4, x 5, x 6 = Pivot : on fait entrer x 7 et sortir x 3
26 Interprétation géométrique de l algorithme (8/8) Cours 2 : algorithme du simplexe 26/29 5x 3 + x 7 2x 8 = 5 x 1 2x 3 + x 8 = 3 x 2 + x 3 = 4 5x 3 + x 4 x 8 = 10 7x 3 + x 5 2x 8 = 11 3x 3 + x 6 x 8 = 4 z x 3 x 8 = 15 base : x 1, x 2, x 4, x 5, x 6, x 7 = optimum!!!!!
27 Choix des variables entrantes (1/3) choisir une variable dont le coeff dans la fonction objectif est > 0 = règle ambiguë : plusieurs variables peuvent être candidates But : choisir la variable pour minimiser le nombre d itérations de l algorithme Règle du plus grand coefficient Choisir de faire entrer la variable qui a le plus grand coefficient dans la fonction objectif grand coeff = le taux d augmentation de la fonction objectif est élevé aucune garantie que ce soit optimal : la variable peut être contrainte à prendre une petite valeur = peu de variation de la fonction objectif Cours 2 : algorithme du simplexe 27/29
28 Choix des variables entrantes (2/3) Cours 2 : algorithme du simplexe 28/29 Règle du plus grand accroissement de z Choisir de faire entrer la variable qui fait le plus augmenter la fonction objectif aucune garantie que ce soit optimal : on peut faire beaucoup augmenter localement la fonction objectif et rester coincé plus tard :
29 Choix des variables entrantes (3/3) Cours 2 : algorithme du simplexe 29/29 La règle du plus grand coefficient est plus souvent utilisée que la règle du plus grand accroissement car elle est calculable plus rapidement Dégénérescence Avec les deux règles précédentes, on peut cycler (boucler indéfiniment sur les mêmes itérations)
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 détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailProgrammation 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 détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailLa 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 détailAlgorithmique et structures de données I
Algorithmique et structures de données I Riadh Ben Messaoud Université 7 novembre à Carthage Faculté des Sciences Économiques et de Gestion de Nabeul 1ère année Licence Fondamentale IAG 1ère année Licence
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailNouveau Barème W.B.F. de points de victoire 4 à 48 donnes
Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes Pages 4 à 48 barèmes 4 à 48 donnes Condensé en une page: Page 2 barèmes 4 à 32 ( nombre pair de donnes ) Page 3 Tous les autres barèmes ( PV de
Plus en détail1 de 46. Algorithmique. Trouver et Trier. Florent Hivert. Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert
1 de 46 Algorithmique Trouver et Trier Florent Hivert Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert 2 de 46 Algorithmes et structures de données La plupart des bons algorithmes
Plus en détailJean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux
Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis
Plus en détailTutoriel Sage One Edition Expert-Comptable. - Le cabinet d Expertise-Comptable doit appeler le Service Client Sage One au 0825 95 00 70.
Tutoriel Sage One Edition Expert-Comptable Sage One Edition Expert-Comptable : inscription et identifiants - Le cabinet d Expertise-Comptable doit appeler le Service Client Sage One au 0825 95 00 70. -
Plus en détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
Plus en détailArchitecture des Systèmes d Information Architecture des Systèmes d Information
Plan... Tableaux et tris I3 - Algorithmique et programmation 1 Rappels Nicol Delestre 2 Tableaux à n dimensions 3 Initiation aux tris Tableaux - v2.0.1 1 / 27 Tableaux - v2.0.1 2 / 27 Rappels : tableau
Plus en détailExcel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur
Excel Avancé Plan Outils de résolution La valeur cible Le solveur Interactivité dans les feuilles Fonctions de recherche (ex: RechercheV) Utilisation de la barre d outils «Formulaires» Outils de simulation
Plus en détailCompte rendu d activité
Dimitri GRAND URIEN année 2011 2013 BTS SIO option : Solution d infrastructure système et réseau Compte rendu d activité SAV Multi-Services Contexte : Suite à une coupure de service, un client nous ramène
Plus en détailCours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.
Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement
Plus en détailintroduction Chapitre 5 Récursivité Exemples mathématiques Fonction factorielle ø est un arbre (vide) Images récursives
introduction Chapitre 5 Images récursives http ://univ-tln.fr/~papini/sources/flocon.htm Récursivité http://www.poulain.org/fractales/index.html Image qui se contient elle-même 1 Exemples mathématiques
Plus en détailQuelques algorithmes simples dont l analyse n est pas si simple
Quelques algorithmes simples dont l analyse n est pas si simple Michel Habib habib@liafa.jussieu.fr http://www.liafa.jussieu.fr/~habib Algorithmique Avancée M1 Bioinformatique, Octobre 2008 Plan Histoire
Plus en détailOptimisation Combinatoire et Colonies de Fourmis Nicolas Monmarche April 21, 1999 Sommaire Inspiration biologiques Ant Colony Optimization Applications TSP QAP Flow Shop Problemes dynamiques 1 Historique
Plus en détailSub CalculAnnuite() Const TITRE As String = "Calcul d'annuité de remboursement d'un emprunt"
TD1 : traduction en Visual BASIC des exemples du cours sur les structures de contrôle de l'exécution page 1 'TRADUCTION EN VBA DES EXEMPLES ALGORITHMIQUES SUR LES STRUCTURES 'DE CONTROLE DE L'EXECUTION
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailAnnexe 6. Notions d ordonnancement.
Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailAlgorithmes de recherche
Algorithmes de recherche 1 Résolution de problèmes par recherche On représente un problème par un espace d'états (arbre/graphe). Chaque état est une conguration possible du problème. Résoudre le problème
Plus en détailContrainte 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 détailDurée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point
03 Mai 2013 Collège Oasis Durée de L épreuve : 2 heures. apple Le sujet comporte 4 pages et est présenté en livret ; apple La calculatrice est autorisée ; apple 4 points sont attribués à la qualité de
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailApplication 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 détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailProgramme détaillé BTS INFORMATIQUE DE GESTION DIPLÔME D ETAT. Objectifs de la formation. Les métiers. Durée de la formation
Objectifs de la formation Les inscriptions sont réservées aux élèves de niveau BAC ou plus, et sont ouvertes dans la mesure des places disponibles. Le Brevet de Technicien Supérieur d Informatique de Gestion
Plus en détailAlgorithme. Table des matières
1 Algorithme Table des matières 1 Codage 2 1.1 Système binaire.............................. 2 1.2 La numérotation de position en base décimale............ 2 1.3 La numérotation de position en base binaire..............
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailAlgorithmique et Programmation, IMA
Algorithmique et Programmation, IMA Cours 2 : C Premier Niveau / Algorithmique Université Lille 1 - Polytech Lille Notations, identificateurs Variables et Types de base Expressions Constantes Instructions
Plus en détailLa 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 détailAtelier Transversal AT11. Activité «Fourmis» Pierre Chauvet. pierre.chauvet@uco.fr
Atelier Transversal AT11 Activité «Fourmis» Pierre Chauvet pierre.chauvet@uco.fr Ant : un algorithme inspiré de l éthologie L éthologie Etude scientifique des comportements animaux, avec une perspective
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailProgrammation linéaire
CHAPTER 1 Programmation linéaire 1.1. Qu'est-ce que la programmation linéaire 1.1.1. Exemple: le problème du régime de Polly [1, p.3]. Besoins journaliers: Énergie: 2000 kcal Protéines: 55g Calcium: 800
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailPrudence, Epargne et Risques de Soins de Santé Christophe Courbage
Prudence, Epargne et Rique de Soin de Santé Chritophe Courbage ASSOCIATION DE GENÈVE Introduction Le compte d épargne anté (MSA), une nouvelle forme d intrument pour couvrir le dépene de anté en ca de
Plus en détailFONCTION DE DEMANDE : REVENU ET PRIX
FONCTION DE DEMANDE : REVENU ET PRIX 1. L effet d une variation du revenu. Les lois d Engel a. Conditions du raisonnement : prix et goûts inchangés, variation du revenu (statique comparative) b. Partie
Plus en détailCours de recherche opérationnelle I
1 Cours de recherche opérationnelle I Nadia Brauner Nadia.Brauner@imag.fr Grenoble, 2014-2015 Auteurs Ont participé à la rédaction de ce cours (par ordre d arrivée) Nadia Brauner Christophe Rapine Julien
Plus en détailInfo0804. Cours 6. Optimisation combinatoire : Applications et compléments
Recherche Opérationnelle Optimisation combinatoire : Applications et compléments Pierre Delisle Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique 17 février 2014 Plan de
Plus en détailCouplage efficace entre Optimisation et Simulation stochastique Application à la maintenance optimale d une constellation de satellites
Couplage efficace entre Optimisation et Simulation stochastique Application à la maintenance optimale d une constellation de satellites Benoît Beghin Pierre Baqué André Cabarbaye Centre National d Etudes
Plus en détailALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII
ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)
Plus en détailL utilisation d un réseau de neurones pour optimiser la gestion d un firewall
L utilisation d un réseau de neurones pour optimiser la gestion d un firewall Réza Assadi et Karim Khattar École Polytechnique de Montréal Le 1 mai 2002 Résumé Les réseaux de neurones sont utilisés dans
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailL exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailCours d Informatique
Cours d Informatique 1ère année SM/SMI 2007/2008, Info 2 Département de Mathématiques et d Informatique, Université Mohammed V elbenani@hotmail.com sayah@fsr.ac.ma 2007/2008 Info2, 1ère année SM/SMI 1
Plus en détailResolution 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 détailExcel 2010 Module 13. Comment créer un tableau d amortissement dégressif d une immobilisation. Enseignant : Christophe Malpart
Excel 2010 Module 13 Comment créer un tableau d amortissement dégressif d une immobilisation Enseignant : Christophe Malpart Excel 2010. Module 13. Christophe Malpart Sommaire 1 Introduction 3 2 Calcul
Plus en détailCorrection TD algorithmique
Affectation Correction TD algorithmique Exercice 1 algo affect1b b 5 a b+1 b 2 Il vaut faire passer la notion de variable et la notion de stockage mémoire. Une variable n a donc pas d historique et à un
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailAccessibilité ERP Guide des obligations liées à l accessibilité des personnes handicapées dans les bâtiments ERP existants.*
Accessibilité ERP Guide des obligations liées à l accessibilité des personnes handicapées dans les bâtiments ERP existants.* *Application de l arrêté du 21 mars 2007, de l arrêté du 1er août 2006 et de
Plus en détailSTAGE IREM 0- Premiers pas en Python
Université de Bordeaux 16-18 Février 2014/2015 STAGE IREM 0- Premiers pas en Python IREM de Bordeaux Affectation et expressions Le langage python permet tout d abord de faire des calculs. On peut évaluer
Plus en détailTP 2 Réseaux. Adresses IP, routage et sous-réseaux
TP 2 Réseaux Adresses IP, routage et sous-réseaux C. Pain-Barre INFO - IUT Aix-en-Provence version du 24/2/2 Adressage IP. Limites du nombre d adresses IP.. Adresses de réseaux valides Les adresses IP
Plus en détailNouvelles 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 détail6 ème. Rallye mathématique de la Sarthe 2013/2014. 1 ère épreuve de qualification : Problèmes Jeudi 21 novembre 2013
Retrouver tous les sujets, les corrigés, les annales, les finales sur le site du rallye : http://sarthe.cijm.org I Stéphane, Eric et Christophe sont 3 garçons avec des chevelures différentes. Stéphane
Plus en détailManuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2
éducalgo Manuel d utilisation 26 juin 2011 Table des matières 1 Tâche à effectuer : écrire un algorithme 2 2 Comment écrire un algorithme? 3 2.1 Avec quoi écrit-on? Avec les boutons d écriture........
Plus en détail1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles)
1/4 Objectif de ce cours /4 Objectifs de ce cours Introduction au langage C - Cours Girardot/Roelens Septembre 013 Du problème au programme I passer d un problème exprimé en français à la réalisation d
Plus en détailINF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies
INF 232: Langages et Automates Travaux Dirigés Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies Année Académique 2013-2014 Année Académique 2013-2014 UNIVERSITÉ JOSEPH
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailApplication 1- VBA : Test de comportements d'investissements
Application 1- VBA : Test de comportements d'investissements Notions mobilisées Chapitres 1 à 5 du cours - Exemple de récupération de cours en ligne 1ère approche des objets (feuilles et classeurs). Corps
Plus en détailChapitre 4 : Exclusion mutuelle
Chapitre 4 : Exclusion mutuelle Pierre Gançarski Juillet 2004 Ce support de cours comporte un certain nombre d erreurs : je décline toute responsabilité quant à leurs conséquences sur le déroulement des
Plus en détailSujet 4: Programmation stochastique propriétés de fonction de recours
Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction
Plus en détailIntroduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
Plus en détailCONTENU MISE EN PLACE. 1. Placez le plateau de jeu au centre de la table.
TM Pour voir une vidéo explicative du jeu, visitez www.stratusgames.com INTRODUCTION BUT DU JEU Les habitants des villages entourant un volcan dormant vivaient heureux et en paix jusqu au jour où BADABOUM
Plus en détailNouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires
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
Plus en détailLES MÉTHODES DE POINT INTÉRIEUR 1
Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences
Plus en détailCette règle ne s applique pas aux valeurs émises ou garanties par l Etat.
Instruction COSOB n 2000-01 du 11 janvier 2000 fixant les règles prudentielles de gestion des intermédiaires en opérations de bourse Article 1er. En application du règlement n 96-03 du 03 Juillet 1996
Plus en détailINTRODUCTION AUX SYSTEMES D EXPLOITATION. TD2 Exclusion mutuelle / Sémaphores
INTRODUCTION AUX SYSTEMES D EXPLOITATION TD2 Exclusion mutuelle / Sémaphores Exclusion mutuelle / Sémaphores - 0.1 - S O M M A I R E 1. GENERALITES SUR LES SEMAPHORES... 1 1.1. PRESENTATION... 1 1.2. UN
Plus en détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détailAlgorithmes récursifs
Licence 1 MASS - Algorithmique et Calcul Formel S. Verel, M.-E. Voge www.i3s.unice.fr/ verel 23 mars 2007 Objectifs de la séance 3 écrire des algorithmes récursifs avec un seul test rechercher un élément
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailListes de fournitures du secondaire pour la rentrée 2015-2016
Listes de fournitures du secondaire pour la rentrée 2015-2016 Classe de 6 ème - Un paquet de pinceaux (gros, moyens, petit) Classe de 5 ème - Un paquet de pinceaux (gros, moyens, petits) Classe de 4 ème
Plus en détailCHAPITRE 1. Suites arithmetiques et géometriques. Rappel 1. On appelle suite réelle une application de
HAPITRE 1 Suites arithmetiques et géometriques Rappel 1 On appelle suite réelle une application de dans, soit est-à-dire pour une valeur de la variable appartenant à la suite prend la valeur, ie : On notera
Plus en détailINITIATION AU LANGAGE C SUR PIC DE MICROSHIP
COURS PROGRAMMATION INITIATION AU LANGAGE C SUR MICROCONTROLEUR PIC page 1 / 7 INITIATION AU LANGAGE C SUR PIC DE MICROSHIP I. Historique du langage C 1972 : naissance du C dans les laboratoires BELL par
Plus en détailLicence Sciences et Technologies Examen janvier 2010
Université de Provence Introduction à l Informatique Licence Sciences et Technologies Examen janvier 2010 Année 2009-10 Aucun document n est autorisé Les exercices peuvent être traités dans le désordre.
Plus en détailNotice d Utilisation du logiciel Finite Element Method Magnetics version 3.4 auteur: David Meeker
Notice d Utilisation du logiciel Finite Element Method Magnetics version 3.4 auteur: David Meeker DeCarvalho Adelino adelino.decarvalho@iutc.u-cergy.fr septembre 2005 Table des matières 1 Introduction
Plus en détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détailAlgorithmique I. Augustin.Lux@imag.fr Roger.Mohr@imag.fr Maud.Marchal@imag.fr. Algorithmique I 20-09-06 p.1/??
Algorithmique I Augustin.Lux@imag.fr Roger.Mohr@imag.fr Maud.Marchal@imag.fr Télécom 2006/07 Algorithmique I 20-09-06 p.1/?? Organisation en Algorithmique 2 séances par semaine pendant 8 semaines. Enseignement
Plus en détailexigences des standards ISO 9001: 2008 OHSAS 18001:2007 et sa mise en place dans une entreprise de la catégorie des petites et moyennes entreprises.
R E S U M E de la Thése de doctorat Perfectionnement du systemé de management intégré qualité-responsabilité sociale-santé et sécurité occupationnelle élaborée par Monsieur le thésard Denuntzio C. Romeo,
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailInitiation à LabView : Les exemples d applications :
Initiation à LabView : Les exemples d applications : c) Type de variables : Créer un programme : Exemple 1 : Calcul de c= 2(a+b)(a-3b) ou a, b et c seront des réels. «Exemple1» nom du programme : «Exemple
Plus en détailMathématiques appliquées à l'économie et à la Gestion
Mathématiques appliquées à l'économie et à la Gestion Mr Makrem Ben Jeddou Mme Hababou Hella Université Virtuelle de Tunis 2008 Continuité et dérivation1 1- La continuité Théorème : On considère un intervalle
Plus en détailExclusion Mutuelle. Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr. Université de Provence. 9 février 2011
Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr Université de Provence 9 février 2011 Arnaud Labourel (Université de Provence) Exclusion Mutuelle 9 février 2011 1 / 53 Contexte Epistémologique
Plus en détailAlgorithmique et Programmation
École Supérieure d Ingénieurs de Poitiers Gea Algorithmique et Programmation Laurent Signac ii Algorithmique et programmation Gea Table des matières Avant Propos v Structures de données Notion de pointeur..............................................
Plus en détailMANUEL D UTILISATION - Précis Poste de Traitement d Images 1 - Déconvolution
Service Commun de Microscopie MANUEL D UTILISATION - Précis Poste de Traitement d Images 1 - Déconvolution Version 1 Précis Février 2015 SERVICE COMMUN DE MICROSCOPIE MANUEL D UTILISATION Poste de Traitement
Plus en détailHELPDESK IMAGINLAB GUIDE UTILISATION POUR IMAGINEURS. : Guide HelpDesk pour les Imagineurs-v1.2.docx. Date : 2013-07-24
HELPDESK IMAGINLAB GUIDE UTILISATION POUR IMAGINEURS Fichier : Guide HelpDesk pour les Imagineurs-v1.2.docx Date : 2013-07-24 Rédacteurs : Helpdesk ImaginLab FICHE D'EVOLUTION Edition Date Auteur Action
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailUniversité du Québec à Chicoutimi. Département d informatique et de mathématique. Plan de cours. Titre : Élément de programmation.
Université du Québec à Chicoutimi Département d informatique et de mathématique Plan de cours Titre : Élément de programmation Sigle : 8inf 119 Session : Automne 2001 Professeur : Patrice Guérin Local
Plus en détail