Méthodes d optimisation pour un problème de co-voiturage couplé aux transports en commun
|
|
- Camille Michel
- il y a 8 ans
- Total affichages :
Transcription
1 Méthodes d optimisation pour un problème de co-voiturage couplé aux transports en commun Aziz Amnay Encadrant : Nadia Brauner Responsable Ensimag : Florence MARANINCHI Grenoble, le 16 mai 2012
2 Table des matières 1 Présentation générale Cadre du projet Présentation de l'équipe Remerciements Problème Problème de transport en commun modal Modélisation Algorithmes et heuristiques utilisés Algorithmes d'optimisation multiobjectif Heuristiques Exemples Problème de covoiturage Problématique Exemples Problème de transport multimodal avec covoiturage Problématique Approche Exemples Approche Comparaison des deux approches Conclusion 14 2
3 1 Présentation générale 1.1 Cadre du projet Le module d'initiation à la Recherche en Laboratoire (IRL) consiste à développer un travail personnel en autonomie sous la direction d'enseignants-chercheurs dans un laboratoire. L'objectif principal est d'initier l'étudiant au travail dans le domaine de la recherche scientique et de voir la particularité du métier de chercheur. D'autre part, il donne lieu à la rédaction d'un rapport décrivant les aspects techniques et théoriques appris durant le stage. Ce travail vise à toucher essentiellement deux problématiques. La première consiste à comprendre le fonctionnement des calculateurs d'itinéraires modal du transport en commun et du covoiturage. La seconde consiste à essayer de proposer une méthode qui pourrait exploiter les deux outils pour proposer des trajets qui utilisent à la fois du transport en commun et du covoiturage. Le sujet est une des problématiques de la société La Roue Verte, qui propose actuellement des solutions en covoiturage et en transport en commun séparées. 1.2 Présentation de l'équipe 1. Encadrante : Nadia BRAUNER Professeur UJF-UFR IM2G Laboratoire G-SCOP. Domaine de recherche : Recherche Opérationnelle et Optimisation Combinatoire. 2. Laboratoire d'accueil : G-SCOP Laboratoire des Sciences pour la Conception, l'optimisation et la Production de Grenoble. Il est constitué de 2 pôles : (a) Optimisation et Systèmes de Production (qui contient l'équipe de recherche opérationnelle). Ce pôle traite des problèmes classiques de recherche opérationnelle. (b) Conception Integrée. 3. La Roue Verte Entreprise grenobloise de covoiturage. Elle propose des solutions dans le covoiturage depuis En partenariat avec la société Navitia, elle propose aussi des trajets du transport en commun modal. Dans le but de développer ses activités, elle souhaite combiner les deux modes. 1.3 Remerciements Je tiens à remercier mon encadrante Madame Nadia Brauner pour l'aide précieuse qu'elle m'a apportée et pour le temps qu'elle m'a consacré. Je tiens aussi à remercier l'ensimag, le laboratoire G-SCOP qui m'on oert l'opportunité de vivre cette expérience et la société La Roue Verte pour sa collaboration et son accueil lors de ma visite de ses locaux. 3
4 1.4 Problème Le problème consiste à proposer un moteur d'optimisation qui serait capable de proposer des trajets combinant le covoiturage et le transport en commun. 2 Problème de transport en commun modal Beaucoup des calculateurs d'itinéraires de transport en commun sont simplistes et ne proposent qu'un seul mode de transport. On peut citer par exemple, le calculateur d'itinéraire de SNCF. Ce type de calculateurs ne considèrent qu'un seul objectif. Ces dernières années plusieurs travaux de recherche s'intéressent à l'amélioration des calculateurs d'itinéraire existants. Parmi les sites de calcul d'itinéraires modaux on peut citer : 1. Navitia[4] C'est ce calculateur qu'utilise La Roue Verte pour calculer les trajets les transport en commun. Il est également largement utilisé en France. Il prend en compte la marche et propose l'optimisation du temps du trajet ou le nombre de correspondances. Mais il ne permet pas l'optimisation multiobjectif. 2. Semitag[5] le calculateur d'itinéraires grenoblois de Semitag qui intègrent la marche, le train, le bus et le tram. 3. google maps[3] Google propose diérents calculs d'itinéraires de point à point en obligeant l'utilisateur à choisir le mode exclusif (voiture, marche, vélo et les transport en commun). Il ne permet pas non plus de choisir les objectifs à optimiser. 4. Graphserver[2] C'est un calculateur multimodal sous licence libre. la généricité constitue l'un de ses principaux atout. En eet, il ne fait pas de supposition sur la nature de l'itinéraire souhaité. Mais il ne permet pas de calculer l'itinéraire le plus rapide! 2.1 Modélisation Le réseau du transport en commun multimodal se modélise avec un graphe multicouche. Une couche pour chaque ligne du mode de transport. L'intérêt de cette modélisation est qu'elle permet de contrôler le nombre de changements de mode (ou même au sein d'un seul mode). remarque : Les tailles des graphes du transport en commun ne se mesurent pas uniquement par le nombre d'arrêts. Ils dépendent aussi de la fréquence des lignes d'un mode donné. La gure 1 illustre ce problème avec un graphe initial de 4 sommets et 5 arcs qui devient assez gros (40 sommets et 47 arcs). 4
5 Figure 1 exemple de graphe espace-temps[1] d ij (t) représente le temps nécessaire pour aller de l'arrêt i à j. t i période i (il y en a 10 dans cet exemple). En notant k le nombre de périodes de temps, Le principe consiste à multiplier chaque sommet k fois. On obtient alors des sommets i k correspondant à l'arrêt i et la période k. On relie deux sommets i k et j l par l'arc (i k, j l ) si à partir de l'arrêt i on arrive vers j en l k périodes. On présente ci-après les paramètres d'entrée et de sortie usuels du calculateur multimodal : 1. Paramètres d'entrée : Pour les calculateurs d'itinéraires du transport en commun, les principaux paramètres sont : (a) Graphes espace-temps (un graphe pour chaque mode) : représente la base de donnée du réseau de transport. Les paramètres suivants sont rentrés par l'utilisateur : (b) Point de départ O. (c) Point de destination D. (d) Date et heure de départ. (e) Les modes à utiliser. 2. Sortie : En sortie, les calculateurs présentent souvent les meilleures solutions trouvées sous la forme suivante : (a) Arrêt de départ. (b) Arrêt d'arrivée. (c) Durée et détail de l'itinéraire. 5
6 (d) Options pour l'achage des autres solutions. 3. Objectifs Les principaux objectifs à considérer sont les suivant : (a) Minimisation des coûts. (b) Minimisation du temps du trajet. (c) Minimisation du nombre de changements de modes. (d) Minimisation de l'émission de CO 2. Une des dicultés dans l'optimisation multiobjectif réside dans le fait qu'il y a des objectifs qui vont dans le même sens et d'autres qui s'opposent. Dans notre cadre, il est évident que la minimisation des coûts et celle de la durée s'opposent. En eet, marcher à pieds est la meilleure solution pour minimiser les dépenses et la pire pour minimiser le temps. 2.2 Algorithmes et heuristiques utilisés Cette section présente dans un premier temps quelques algorithmes classiques de l'optimisation multiobjectif. Puis elle présentera des heuristiques utilisées dans les mêmes problèmes Algorithmes d'optimisation multiobjectif 1. Optimisation multiobjectif : L'optimisation multiobjectif consiste à optimiser plusieurs objectifs qui peuvent être indépendents, liés ou contradictoires. La comparaison entre les objetifs nécessitent de dénir un ordre partiel, appelé relation de dominance, entre les solutions. Une solution domine une autre si elle est strictement meilleure sur un critère du vecteur coût et est meilleure ou égale sur tous les autres critères. Mathématiquement, on peut écrire qu'un vecteur u = (u 1,..., u k ) domine un autre vecteur v = (v 1,..., v k ) si : i {1,..., k}u i v i et i {1,..., k} u i < v i 2. Algorithme de Martin (1984) [6] : Cet algorithme est une extension de l'algorithme de Dijkstra en multiobjectif. Rappel : L'algorithme de Dijkstra est l'algorithme qui calcule le plus court chemin d'un sommet vers tous les autres. Il requiert que les poids sur les arcs soient positifs. une étiquette : est un triplet (n ud, vecteur coût, prédécesseur). n ud : le n ud courant. vecteur coût : vecteur des objectifs à minimiser. prédécesseur : permet de retrouver le chemin. 6
7 Principe : Cet algorithme consiste à trouver tous les trajets non dominés reliant une source à une destination. A chaque itération, il énumère tous les successeurs du sommet courant et calcule les nouveaux coûts. Il élimine les solutions dominées et garde les autres pour la suite de l'algorithme jusqu'à atteindre la destination. (a) initialisation de l'algorithme : I 0 := (O, V ecteurcout, NULL) où O : l'origine (la source) et VecteurCout le vecteur coût. (b) Répéter i. Prendre l'étiquette e de coût minimal c(e). ii. Pour chaque successeur, créer une nouvelle étiquette e : c i (e ) = c i (e) + f i (c t (e)) où t dénote le temps et f i fonction coût de transition. iii. Éliminer les étiquettes dominées. Écacité de l'algorithme : Le temps de calcul est raisonnnable pour des instances de taille moyenne. Par contre, pour des instances à grandes échelles telle que Los Angeles, il peut être très long (quelques minutes). Cette lenteur provient essentiellement de la relation de dominance. En eet, si cette relation laisse beaucoup de solutions à chaque itération, l'algorithme doit examiner un très grand nombre de solutions. Ce qui le ralentit signicativement.on a donc tout l'intérêt de rendre cette relation la plus restrictive possible. On peut considérer qu'une solution est dominée si elle nous fait gagner 1 minute avec un changement de plus par exemple. 3. Algorithme TLS (Topoligical Label Setting) Cet algorithme permet de contrôler le nombre de changements de mode. (a) étiquette (i, q, k) : chemin partiel de l'origine O au n ud i dans l'état q avec k transferts. Q now, Q next deux les de priorités qui contiennent les solutions avec respectivement k et k + 1 transferts. (b) initialisation : k := 0 (c) repéter i. si k k max avec k max le nombre maximum de transferts. calcul des solutions avec k transferts. ii. k := k + 1 7
8 2.2.2 Heuristiques Pour améliorer la vitesse de calcul, certains calculateurs d'itinéraires utilisent des heuristiques pour calculer des solutions approchées aux solutions optimales. 1. Algorithme A* : Cet algorithme est un algorithme de recherche de chemins entre un n ud source et un n ud destination. Il est souvent utilisé quand on privilégie le temps de calcul sur l'exactitude des résultats. Principe : L'idée principale de l'algorithme est que pour aller de A à B, il faut essayer de s'approcher le mieux de B à chaque itération. C'est à dire, qu'étant au point a i, le prochain sommet S à visiter est celui qui minimise la somme du coût de l'arc a i S et la distance entre a i et la destination (estimation par la distance euclidienne par exemple). Les chemins qui ne sont pas directs sont mis dans une liste. Ces chemins sont réexaminés si les chemins directs n'aboutissent pas. Cela garantit de trouver une solution quand elle existe. 2.3 Exemples La gure 2 représente l'interface du calculateur d'itinéraires du semitag de Grenoble. Figure 2 Exemple de trajet : Gabriel Faure Alsace Loraine 8
9 Figure 3 Résultat pour le trajet Gabriel Faure Alsace Loraine La gure 3 représente le résultat de la recherche d'un trajet donné. En particulier, on donne des informations sur les horaires, la durée, les modes et l'itinéraire détaillé. 3 Problème de covoiturage Le covoiturage est un moyen de transport qui pourra être mieux exploité dans l'avenir. En eet, il permet, non seulement, de diminuer l'émission de CO 2, mais il peut aussi aider à résoudre le problème des embouteillages en zones urbaines. On peut distinguer au moins deux types de covoiturage : Le covoiturage régulier qui concerne les trajets domicile écoletravail et le covoiturage ponctuel ou de loisir. 3.1 Problématique Étant donné un ensemble E de trajets enregistrés dans la base de données, le but d'un calculateur de covoiturage est de proposer au covoitureur un ou plusieurs trajets correspondant au trajet recherché. 1. Paramètres d'entrée : En général, un calculateur d'itinéraires en covoiturage a besoin des paramètres suivants pour eectuer sa recherche : (a) E : Ensemble de trajets dans la base de donnée. (b) Ville (Point) de départ. (c) Ville (Point) destination. (d) Type du trajet : régulier ou ponctuel. (e) Si trajet régulier : i. Heure de départ. ii. Heure de retour. (f) Si trajet ponctuel : i. Date du voyage. ii. Heure approximative. (g) Rayon de recherche par rapport à la ville de départ R1. 9
10 (h) Rayon de recherche par rapport à la ville d'arrivée R2. 2. Sortie du calculateur d'itinéraire : (a) Liste des trajets qui répondent à la requête avec des informations supplémentaire sur chaque trajet. (b) Nombre de places disponibles. (c) Heure approximative d'arrivée. (d) Prix. (e) Informations sur le conducteur. 3. OBJECTIFS : Habituellement, les objectifs considérés sont les suivants : (a) Minimiser le temps du voyage. (b) Minimiser l'émission de CO 2. (c) Minimiser les coûts. 3.2 Exemples la gure 4 illustre une recherche de trajet entre Grenoble et Lyon dans le site de covoiturage de La Roue Verte. Figure 4 covoiturage pour le trajet Grenoble Lyon sur la RoueVerte 10
11 4 Problème de transport multimodal avec covoiturage 4.1 Problématique En considérant les deux outils de calcul d'itinéraires du transport en commun multimodal et du covoiturage comme des outils que l'on peut utiliser (des boîtes noires), le but est de trouver une approche qui pourrait donner une solution au problème uniant les deux modes de transport. En premier lieu, nous sommes partis sur une solution modiant le graphe du réseau du transport en commun. Mais en contactant l'entreprise, il s'est avéré qu'ils n'ont pas les moyens pour modier la base de données du transport en commun et nous ont guidé vers l'approche Approche 1 L'idée principale de cette approche est de considérer chaque trajet pertinent du covoiturage comme une nouvelle ligne de transport en commun. En eet, elle consiste à chercher les trajets de covoiturage pertinents et de les intégrer dans le réseau du transport en commun avant de faire la recherche nale. 1. Enregistrement d'un trajet de A B (a) Déterminer la trajectoire. (b) Décomposer le trajet A B en sous trajets O i O i+1, i {0... N} avec N le nombre d'arrêts du transport en commun sur la trajectoire de A B, O 0 = A et O N = B. remarque : Il est possible de rendre cette décomposition plus ne en ne prenant que les arrêts pertinent pour le trajet. Par exemple, on n'ajoute pas les arrêts qui ont une seule direction et qui prennent plus de temps qu'en voiture. Pour notre problème, il vaut mieux ajouter tous les arrêts parce même en ajoutant tous les trajets de covoiturage en Isère (environ 6000 trajets), la taille du graphe reste acceptable. (c) Estimer les instants de passage de la voiture par tous les points intermédiaires O i. 2. Recherche d'un trajet : O D (a) Interroger le modèle de COVOITURAGE pour avoir tous les trajets partants du même point de départ O ou arrivants au même point d'arrivée D, et qui ont au moins une partie commune avec la trajectoire recherchée. (b) Ajouter chacun de ces trajets en les décomposant en plusieurs sous trajets comme expliqué dans le point 1.b avec les temps de passage associés. On considèrera chaque trajet comme une nouvelle ligne de bus ou train. (c) Faire une recherche dans le modèle du transport en commun MULTIMODAL sur le graphe résultant en limitant le nombre de changements de mode. (d) Supprimer les trajets ajoutés aux graphes pour cette recherche. 11
12 4.3 Exemples Supposons qu'on cherche un trajet A B. An de simplier, on suppose que le calculateur du covoiturage trouve une seule solution. Cette solution va de A vers J en passant par I le milieu du segment AB. De même, le calculateur du transport en commun trouve une solution composée de deux parties. Une première partie en tram de A à T et une seconde en train de T à B. La gure 5 donne une représentation graphique de cette situation : Figure 5 Un exemple illustrant l'utilité de l'approche 1 On décompose le trajet du covoiturage en sous-trajets A i A i+1 selon les arrêts du transport en commun et on l'intègre dans module du transport en commun. Puis en eectuant une recherche on trouvera la solution combinant une partie du covoiturage de A à I et une partie de train de I à B. Cette solution est meilleure que la première solution du tansport en commun en terme de distance, temps et éventuellemet en coût. 4.4 Approche 2 A cause des moyens limités de l'entreprise, on propose une solution qui pourrait être appliquée. Cette approche, à l'inverse de la première, consiste à chercher tous les arrêts qui sont sur la trajectoire du trajet recherché. Ensuite, pour tout arrêt T i rencontré, chercher s'il existe le trajet origine T i ou T i destination en covoiturage. Si on en trouve un, on cherche son complémentaire dans le réseau du transport en commun. Cette approche peut s'écrire plus formellement : 12
13 Recherche du trajet A B : 1. Détérminer la trajectoire du trajet du trajet entre A et B. 2. Détérminer l'ensemble des arrêts inclus un polygone autour de la trajectoire du trajet : T ={arrêt T i / T i dans le polygone entourant la trajectoire}. 3. Pour tout T i de T faire (a) chercher le trajet A T i en covoiturage. (b) chercher le trajet complémentaire T i B en transport en commun. (c) chercher le trajet T i B en covoiturage. (d) chercher le trajet complémentaire A T i en transport en commun. 4.5 Comparaison des deux approches Cette section présente une comparaison entre les deux approches selon deux critères. La complexité et le temps d'exécution d'une part et l'optimalité de la solution de l'autre. 1. Complexité : Pour cette partie on introduit les notations suivantes : T C : le coût d'une recherche en tranport en commun. CO : le coût d'une recherche en covoiturage. La première approche eectue deux recherches : une en covoiturage et une autre en transport en commun en plus de l'ajout des trajets pertinents dans le réseau de transport en commun. Ce dernier ajout ne devrait pas coûter très cher puisque la décomposition des trajets se fait au moment de l'enregistrement du trajet. Le coût est approximativement T C + CO. La seconde, quant à elle, eectue beaucoup de recherches en covoiturage. Elle effectue exactement le nombre d'arrêts rencontrés dans la trajectoire.elle fait le même nombre de recherches en transport en commun. Donc la première approche semble bien plus performante en terme de rapidité. De plus, la seconde n'est pas prévisible. En eet, elle peut ne faire que deux où elle peut faire entre une et quelques dizaine de recherches en multimodal. Le coût = n(t C + CO) où n le nombre d'arrêts rencontrés dans la trajectoire. Il faut cepandant rappeler que, du fait que les calculateurs multimodals ne sont pas très écaces quand on utilise plus de 3 objectifs pour de grandes instances, la première approche ne peut pas non plus être écace pour ces mêmes problèmes. 2. Optimalité : La première approche garantit de trouver des solutions optimales que ce soit des solutions qui combinent le transport en commun et covoiturage ou juste un des deux modes. Alors que la seconde essaye de trouver une solution optimale parmi les solution directes. Ainsi, Cette approche ne trouvera pas les solutions qui se En eet, elle n'intègre pas les deux systèmes. Elle ne trouve la solution optimale que dans le cas où cette dernière contient du covoiturage en début ou en n du trajet. 13
14 5 Conclusion Le problème de relier covoiturage et transport en commun devient de plus en plus crucial. Nous avons proposé une solution qui exploite les performances des calculateurs d'itinéraires multimodal pour répondre au problème. Malheureusement, nous n'avons pas eu la chance de tester notre approche parce que La Roue Verte n'a pas la possibilité de modier la base du transport en commun (de Navitia). Une suite logique du projet serait de tester les approches proposées pour les améliorer. Il faudrait pour cela trouver un partenaire capable de modier sa base du transport en commun ou même développer un projet permettant d'eectuer des tests sur une base de graphes virtuelle quelconque. Il peut aussi être intéressant d'essayer de trouver des solutions pour les grandes instances. Personnellement, j'ai apprécié de travailler sur ce sujet. Le fait de ne pas pouvoir tester la méthode proposé est un peu décevant. Mais en général, le projet s'est bien déroulé et j'ai appris énormémant que ce soit sur le sujet lui même ou sur la recherche en laboratoire. Je tiens à remercier mon encadrante Madame Nadia Brauner qui a essayé de me faciliter et me familiariser avec le sujet et la vie en laboratoire. Références [1] Fallou gueye, algorithmes bi-objectif de calcul d'itinéraires multimodaux. [2] http ://graphserver.github.com/graphserver/. [3] http ://maps.google.fr/. [4] http ://transpole.prod.navitia.com/navitia/. [5] http :// [6] Tristram Gräbener, calcul d'itinéraire multimodal et multiobjectif en milieu urbain. 14
LE PROBLEME DU PLUS COURT CHEMIN
LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs
Plus en détailIntroduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.
Introduction L'objectif de mon TIPE est la reconnaissance de sons ou de notes de musique à l'aide d'un réseau de neurones. Ce réseau doit être capable d'apprendre à distinguer les exemples présentés puis
Plus en détailConception d'un réseau de transport d'électricité
La Fédération Française des Jeux Mathématiques et la Société de Calcul Mathématique SA avec l'appui de Réseau de Transport d'electricité Conception d'un réseau de transport d'électricité Auteurs : Florian
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 détailAlgorithmes de recherche d itinéraires en transport multimodal
de recherche d itinéraires en transport multimodal Fallou GUEYE 14 Décembre 2010 Direction : Christian Artigues LAAS-CNRS Co-direction : Marie José Huguet LAAS-CNRS Encadrant industriel : Frédéric Schettini
Plus en détailTélécom Nancy Année 2013-2014
Télécom Nancy Année 2013-2014 Rapport 1A Ajout du langage C dans la Programmer's Learning Machine GIANNINI Valentin Loria 615, rue du Jardin Botanique 54600, Villers-Lès-Nancy Maître de stage : QUINSON
Plus en détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailChapitre 1 : Introduction aux bases de données
Chapitre 1 : Introduction aux bases de données Les Bases de Données occupent aujourd'hui une place de plus en plus importante dans les systèmes informatiques. Les Systèmes de Gestion de Bases de Données
Plus en détailchapitre 4 Nombres de Catalan
chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C
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 détailRecherche dans un tableau
Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6
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 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 détailDYNAMIQUE DE FORMATION DES ÉTOILES
A 99 PHYS. II ÉCOLE NATIONALE DES PONTS ET CHAUSSÉES, ÉCOLES NATIONALES SUPÉRIEURES DE L'AÉRONAUTIQUE ET DE L'ESPACE, DE TECHNIQUES AVANCÉES, DES TÉLÉCOMMUNICATIONS, DES MINES DE PARIS, DES MINES DE SAINT-ÉTIENNE,
Plus en détailRDEX. Ridesharing Data EXchange Le standard d'échange d'annonces de covoiturage
RDEX Ridesharing Data EXchange Le standard d'échange d'annonces de covoiturage RDEX Histoire 1/3 Constat : Impossibilité d'échanger des annonces entre deux territoires voisins équipés par des opérateurs
Plus en détailOrdonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1
CHAPTER 1 Ordonnancement 1.1. Étude de cas Ordonnancement de tâches avec contraintes de précédences 1.1.1. Exemple : construction d'une maison. Exercice. On veut construire une maison, ce qui consiste
Plus en détailPar : Abdel YEZZA, Ph.D. Date : avril 2011 / mise à jour oct. 2012 (ajout de la section 3 et augmentation de la section 1)
1 Que signifient AON et AOA? Par : Abdel YEZZA, Ph.D. Date : avril 2011 / mise à jour oct. 2012 (ajout de la section 3 et augmentation de la section 1) Sommaire 1. Concepts... 2 2. Méthode PCM appliquée
Plus en détailChapitre 7 - Relativité du mouvement
Un bus roule lentement dans une ville. Alain (A) est assis dans le bus, Brigitte (B) marche dans l'allée vers l'arrière du bus pour faire des signes à Claude (C) qui est au bord de la route. Brigitte marche
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailProgrammation Objet - Cours II
Programmation Objet - Cours II - Exercices - Page 1 Programmation Objet - Cours II Exercices Auteur : E.Thirion - Dernière mise à jour : 05/07/2015 Les exercices suivants sont en majorité des projets à
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 détailCHAPITRE VIII : Les circuits avec résistances ohmiques
CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On
Plus en détailTRAAM STI 2013-2014 Acquisition et exploitations pédagogiques des données sur un système pédagogique
TRAAM STI 2013-2014 Acquisition et exploitations pédagogiques des données sur un système pédagogique Bilan technique et éléments de développement Fonctionnalités attendues Une vingtaine d établissements
Plus en détailDiviser un nombre décimal par 10 ; 100 ; 1 000
Diviser un nombre décimal par 10 ; 100 ; 1 000 Diviser un nombre décimal par 10 ; 100 ; 1 000. 23 1 et 2 Pauline collectionne les cartes «Tokéron» depuis plusieurs mois. Elle en possède 364 et veut les
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 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 détailAnticiper pour avoir une innovation d'avance : le leitmotiv de Pierre Jouniaux, entrepreneur du big data!
Anticiper pour avoir une innovation d'avance : le leitmotiv de Pierre Jouniaux, entrepreneur du big data! Pierre Jouniaux http://www.safety line.fr CV : Pierre Jouniaux, ingénieur aéronautique, pilote
Plus en détailCOMPTE-RENDU DE LA RÉUNION DU COMITÉ DES USAGERS DE LA LIGNE 900 PONT AUDEMER LE HAVRE SAMEDI 2 FÉVRIER 2013
COMPTE-RENDU DE LA RÉUNION DU COMITÉ DES USAGERS DE LA LIGNE 900 PONT AUDEMER LE HAVRE SAMEDI 2 FÉVRIER 2013 Objet : LR 900 : Comité des usagers n 1 Participants : Usagers : Ø Madame MOKBEL Ø Monsieur
Plus en détailTRUECRYPT SUR CLEF USB ( Par Sébastien Maisse 09/12/2007 )
TRUECRYPT SUR CLEF USB ( Par Sébastien Maisse 09/12/2007 ) Voici un petit document concernant d'un espace crypté sur une clef usb en utilisant le logiciel TRUECRYPT. Ce dernier est gratuit et disponible
Plus en détailAlgorithmes d'apprentissage
Algorithmes d'apprentissage 1 Agents qui apprennent à partir d'exemples La problématique : prise de décision automatisée à partir d'un ensemble d'exemples Diagnostic médical Réponse à une demande de prêt
Plus en détailUEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.
UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases
Plus en détailles Formulaires / Sous-Formulaires Présentation...2 1. Créer un formulaire à partir d une table...3
Présentation...2 1. Créer un formulaire à partir d une table...3 2. Les contrôles :...10 2.1 Le contrôle "Intitulé"...11 2.2 Le contrôle "Zone de Texte"...12 2.3 Le contrôle «Groupe d options»...14 2.4
Plus en détail6. Les différents types de démonstrations
LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,
Plus en détailProgrammation 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 À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détail2. RAPPEL DES TECHNIQUES DE CALCUL DANS R
2. RAPPEL DES TECHNIQUES DE CALCUL DANS R Dans la mesure où les résultats de ce chapitre devraient normalement être bien connus, il n'est rappelé que les formules les plus intéressantes; les justications
Plus en détailCNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2
CNAM UE MVA 210 Ph. Duran Algèbre et analyse tensorielle Cours 4: Calcul ierentiel 2 Jeui 26 octobre 2006 1 Formes iérentielles e egrés 1 Dès l'introuction es bases u calcul iérentiel, nous avons mis en
Plus en détailComplexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation
Complexité Objectifs des calculs de complexité : - pouvoir prévoir le temps d'exécution d'un algorithme - pouvoir comparer deux algorithmes réalisant le même traitement Exemples : - si on lance le calcul
Plus en détailBaccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé.
Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. L usage d une calculatrice est autorisé Durée : 3heures Deux annexes sont à rendre avec la copie. Exercice 1 5 points 1_ Soit f la
Plus en détailET VOUS COMMENT. 900 000 déplacements VOUS DÉPLACEZ-VOUS? FAITES LE TEST TOUS LES JOURS DANS LA COMMUNAUTÉ URBAINE
900 000 déplacements TOUS LES JOURS DANS LA COMMUNAUTÉ URBAINE ET VOUS COMMENT VOUS DÉPLACEZ-VOUS? FAITES LE TEST CITOYEN DE SA VILLE ET DE SA PLANÈTE évaluez vos comportements Question 1 : pour vous rendre
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 détailOptimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie
Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie 1 Présenté par: Yacine KESSACI Encadrement : N. MELAB E-G. TALBI 31/05/2011 Plan 2 Motivation
Plus en détailVers l'ordinateur quantique
Cours A&G Vers l'ordinateur quantique Données innies On a vu dans les chapîtres précédents qu'un automate permet de représenter de manière nie (et même compacte) une innité de données. En eet, un automate
Plus en détailCompte-rendu de projet de Système de gestion de base de données
Compte-rendu de projet de Système de gestion de base de données Création et utilisation d'un index de jointure LAMBERT VELLER Sylvain M1 STIC Université de Bourgogne 2010-2011 Reponsable : Mr Thierry Grison
Plus en détailLes Réseaux sans fils : IEEE 802.11. F. Nolot
Les Réseaux sans fils : IEEE 802.11 F. Nolot 1 Les Réseaux sans fils : IEEE 802.11 Historique F. Nolot 2 Historique 1er norme publiée en 1997 Débit jusque 2 Mb/s En 1998, norme 802.11b, commercialement
Plus en détailTable des matières. 10 Gimp et le Web. Option de traitement d'images Mémento pour la séance N o 8. 10.1 Création d'animation
Université de NiceSophia Antipolis Semaine du 26 novembre 2007 Licence de Sciences de la vie, semestre 1 Option de traitement d'images Mémento pour la séance N o 8 Table des matières 10 Gimp et le Web
Plus en détailMathématiques et petites voitures
Mathématiques et petites voitures Thomas Lefebvre 10 avril 2015 Résumé Ce document présente diérentes applications des mathématiques dans le domaine du slot-racing. Table des matières 1 Périmètre et circuit
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 détailAPRÈS LONDRES, GRENOBLE EXPÉRIMENTE LE PAIEMENT PAR CARTE BANCAIRE SANS CONTACT SUR UNE LIGNE DE BUS
APRÈS LONDRES, GRENOBLE EXPÉRIMENTE LE PAIEMENT PAR CARTE BANCAIRE SANS CONTACT SUR UNE LIGNE DE BUS Le paiement sans contact dans la Métropole grenobloise est lancé lundi 21 septembre sur la ligne Chrono
Plus en détailPROJET TRIBOX-2012-A
PROJET TRIBOX-2012-A Auteur : GUITTON Jordan Tutoriel d'installation et de configuration de Trixbox Membres du projet: GUITTON Jordan MORELLE Romain SECK Mbaye Gueye Responsable de la formation: MOTAMED
Plus en détail1.5 0.5 -0.5 -1.5 0 20 40 60 80 100 120. (VM(t i ),Q(t i+j ),VM(t i+j ))
La logique oue dans les PME/PMI Application au dosage de l'eau dans les bétons P.Y. Glorennec INSA de Rennes/IRISA glorenne@irisa.fr C. Hérault Hydrostop christophe@hydrostop.fr V. Hulin Hydrostop vincent@hydrostop.fr
Plus en détailSommaire. 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 détailTP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile
TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile Dans ce TP, vous apprendrez à définir le type abstrait Pile, à le programmer en Java à l aide d une interface
Plus en détailL'INTÉRÊT COMPOSÉ. 2.1 Généralités. 2.2 Taux
L'INTÉRÊT COMPOSÉ 2.1 Généralités Un capital est placé à intérêts composés lorsque les produits pendant la période sont ajoutés au capital pour constituer un nouveau capital qui, à son tour, portera intérêt.
Plus en détailPOLY-PREPAS Centre de Préparation aux Concours Paramédicaux. - Section Audioprothésiste / stage i-prépa intensif -
POLY-PREPAS Centre de Préparation aux Concours Paramédicaux - Section Audioprothésiste / stage i-prépa intensif - 70 Chapitre 8 : Champ de gravitation - Satellites I. Loi de gravitation universelle : (
Plus en détailDes solutions efficaces, économiques, écologiques. Les professionnels de la mobilité durable
Des solutions efficaces, économiques, écologiques Les professionnels de la mobilité durable Mobili-T et la gestion des déplacements Mobili-T, le Centre de gestion des déplacements du Québec métropolitain,
Plus en détailPropulsions alternatives
Propulsions alternatives Huit formes de propulsion alternative existent aujourd hui à côté des moteurs à essence et au diesel classiques. Nous les passons en revue ici avec à chaque fois une définition,
Plus en détailNombre de marches Nombre de facons de les monter 3 3 11 144 4 5 12 233 5 8 13 377 6 13 14 610 7 21 15 987 8 34 16 1597 9 55 17 2584 10 89
Soit un escalier à n marches. On note u_n le nombre de façons de monter ces n marches. Par exemple d'après l'énoncé, u_3=3. Pour monter n marches, il faut d'abord monter la première. Soit on la monte seule,
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 détailÉvolution de schémas dans les entrepôts de données mise à jour de hiérarchies de dimension pour la personnalisation des analyses
Évolution de schémas dans les entrepôts de données mise à jour de hiérarchies de dimension pour la personnalisation des analyses Thèse présentée par Cécile FAVRE pour obtenir le titre de Docteur en Informatique
Plus en détailContents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailCHAPITRE IX : Les appareils de mesures électriques
CHAPITRE IX : Les appareils de mesures électriques IX. 1 L'appareil de mesure qui permet de mesurer la différence de potentiel entre deux points d'un circuit est un voltmètre, celui qui mesure le courant
Plus en détailIntroduction à la relativité générale
Introduction à la relativité générale Bartolomé Coll Systèmes de référence relativistes SYRTE - CNRS Observatoire de Paris Introduction à la Relativité Générale Préliminaires Caractère théorique (formation)
Plus en détailRéseau : Interconnexion de réseaux, routage et application de règles de filtrage.
TD réseau - Réseau : interconnexion de réseau Réseau : Interconnexion de réseaux, routage et application de règles de filtrage. Un réseau de grande importance ne peut pas seulement reposer sur du matériel
Plus en détailBaccalauréat technologique
Baccalauréat technologique Épreuve relative aux enseignements technologiques transversaux, épreuve de projet en enseignement spécifique à la spécialité et épreuve d'enseignement technologique en langue
Plus en détailInstallation FollowMe Q server
Installation FollowMe Q server FollowMe Rev 1.00 30 nov 2007 Pré requis FollowMe v5 est un service de Windows et s'installe sur tout poste fonctionnant sous XP Pro, 2000 server, 2003 server. Il utilise
Plus en détailLa 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 détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détail2004 2014 : un risque a chassé l autre
2004 2014 : un risque a chassé l autre En 10 ans, le profil des conducteurs français a évolué, leur rapport à la conduite aussi. Pour autant le poids des bons et mauvais conducteurs est resté stable, de
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 détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailLES CRITERES CLES DU SUCCES D'UNE SEGMENTATION
LES CRITERES CLES DU SUCCES D'UNE SEGMENTATION Quel que soit le type de segmentation, une segmentation réussie se doit d'être : Opérante : les segments définis sont-ils suffisamment importants pour correspondre
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 détailInstallation d un serveur DHCP sous Gnu/Linux
ROYAUME DU MAROC Office de la Formation Professionnelle et de la Promotion du Travail Installation d un serveur DHCP sous Gnu/Linux DIRECTION RECHERCHE ET INGENIERIE DE FORMATION SECTEUR NTIC Installation
Plus en détailMES ÉCO-DÉPLACEMENTS LE QUIZZ
MES ÉCO-DÉPLACEMENTS LE QUIZZ Pour réduire efficacement ses consommations liées aux déplacements C'est parti! Ce quizz vous permettra d évaluer les gestes que vous faites déjà en matière d éco-déplacements
Plus en détailGuide pratique du référencement de web consultant eu. Commençons par l optimisation de vos pages, ou on page
Guide pratique du référencement de web consultant eu Edition 2012 Commençons par l optimisation de vos pages, ou on page L'optimisation de vos balises, ou metatags, . 1. La balise est celle
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en détailPourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
Plus en détailRapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/2011. 1.1 Présentation. 1.2 Ressources
Master Maths Finances 2010/2011 Data Mining janvier 2011 RapidMiner 1 Introduction 1.1 Présentation RapidMiner est un logiciel open source et gratuit dédié au data mining. Il contient de nombreux outils
Plus en détailDéSIT Démarche d ingénierie pour les Systèmes d Information Transport ambiants, sécurisés et personnalisables
DéSIT Démarche d ingénierie pour les Systèmes d Information Transport ambiants, sécurisés et personnalisables Début du projet : septembre 2008 Durée prévue : 3 ans Projet du cluster Territoires, Transports
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailCRÉER DES LEÇONS AVEC L'ÉDITEUR DU LOGICIEL 1000 MOTS POUR APPRENDRE À LIRE EN FRANÇAIS, ANGLAIS ET ALLEMAND
93 CRÉER DES LEÇONS AVEC L'ÉDITEUR DU LOGICIEL 1000 MOTS POUR APPRENDRE À LIRE EN FRANÇAIS, ANGLAIS ET ALLEMAND 1 - LE LOGICIEL 1000 MOTS 1000 mots est un logiciel destiné aux classes du cycle II en France
Plus en détailYAO : Un logiciel pour les modèles
YAO : Un logiciel pour les modèles numériques et l'assimilation de données Sylvie Thiria, Fouad Badran, Charles Sorror Rapport de recherche (22 juin 2006) 1 Table des matières 1 Introduction 3 2 Principes
Plus en détailRaja Bases de données distribuées A Lire - Tutoriel
Université des Sciences de Montpellier Master 2 Semestre 1 Unité d'enseignement FMIN306 Raja Bases de données distribuées A Lire - Tutoriel 26 janvier 2011 Audrey Novak Romain Maneschi Jonathan Fhal Aloys
Plus en détaile in Toutes les aides du ra r Conseil Régional de Lorraine Lo n jeune e : être -) ;-I :-D ;-)
ne i u d ra s e Lor d ai de s le al es gion t u é To il R e s n Co u en j e r t ê e ;I :-D ;) e n e in a r r Lo :-) :-O Édito Des projets plein la tête? Des coups de pouce pour étudier? Des envies de vous
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 détailGérer ses impressions en ligne
Gérer ses impressions en ligne Service d'impression en ligne et copieurs numériques en réseau E.N.T : onglet Services pratiques, Rubrique Gérer ses impressions. Octobre 2012 Version : 1.1.1 Direction des
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailAnalyse des trajectoires acceptables en approche de virage assistance aux conducteurs
DIVAS Analyse des trajectoires acceptables en approche de virage assistance aux conducteurs N 3.C.1 Décembre 2008 Projet financé par l Agence Nationale de la Recherche Responsable : S. Espié Projet ANR
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailG.P. DNS02 Septembre 2012. Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3. Réfraction
DNS Sujet Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3 Réfraction I. Préliminaires 1. Rappeler la valeur et l'unité de la perméabilité magnétique du vide µ 0. Donner
Plus en détailL OFFRE TRAVAUX TRANSILIEN
L OFFRE TRAVAUX TRANSILIEN CONDITIONS GENERALES D UTILISATION AU 05/12//2014 Ecolutis et SNCF Transilien proposent une offre promotionnelle aux usagers d Ile-de-France, qui réaliseront leur trajet en Covoiturage
Plus en détailLes Franciliens utilisent autant les transports en commun que la voiture pour se rendre au travail
ILE-DE-FRANCE à la page à la page N 353 - Avril 11 Population Les Franciliens utilisent autant les transports en commun que la voiture pour se rendre au travail Les Franciliens utilisent autant la voiture
Plus en détailChapitre 2 : Caractéristiques du mouvement d un solide
Chapitre 2 : Caractéristiques du mouvement d un solide I Rappels : Référentiel : Le mouvement d un corps est décris par rapport à un corps de référence et dépend du choix de ce corps. Ce corps de référence
Plus en détail1. LA GESTION DES BASES DE DONNEES RELATIONNELLES
Dossier G11 - Interroger une base de données La base de données Facturation contient tout un ensemble d'informations concernant la facturation de la SAFPB (société anonyme de fabrication de produits de
Plus en détail