RELAXATION LAGRANGIENNE DE PROBLÈMES DE INSTITUT SUPERIEUR D INFORMATIQUE DE MODELISATION ET DE LEURS APPLICATIONS
|
|
- Jean-René Pierre
- il y a 8 ans
- Total affichages :
Transcription
1 INSTITUT SUPERIEUR D INFORMATIQUE DE MODELISATION ET DE LEURS APPLICATIONS COMPLEXE DES CEZEAUX BP AUBIERE CEDEX Rapport de projet 3 ème année filière 4 RELAXATION LAGRANGIENNE DE PROBLÈMES DE PLANIFICATION DE PRODUCTION D ÉNERGIE Présenté par : Mohamed BOUSSAÏD et Skander BOURAOUI Responsable ISIMA: Philippe MAHEY Mars 2006
2 INSTITUT SUPERIEUR D INFORMATIQUE DE MODELISATION ET DE LEURS APPLICATIONS COMPLEXE DES CEZEAUX BP AUBIERE CEDEX Rapport de projet 3 ème année filière 4 RELAXATION LAGRANGIENNE DE PROBLÈMES DE PLANIFICATION DE PRODUCTION D ÉNERGIE Présenté par : Mohamed BOUSSAÏD et Skander BOURAOUI Responsable ISIMA: Philippe MAHEY Mars 2006
3 Remerciements Nous voudrions remercier Mr Philippe Mahey, professeur à l ISIMA, pour l investissement très important qu il a mis dans l encadrement de notre projet. Son perfectionnisme et ses vastes connaissances ont permis de baliser l avancée de ce travail jusqu à son aboutissement.
4 Résumé Les problèmes de gestion de la production des centrales électriques chez EDF sont modélisés dans ce sujet par des problèmes convexes de grande taille possédant des contraintes couplantes. Nous allons nous restreindre au cours de cette étude à la forme linéaire des ces problèmes sur lesquels nous allons appliquer un ensemble de méthodes de résolution, basés sur la méthode de relaxation Lagrangienne et dont nous comparerons les rendements pour en utiliser la méthode dont le coût en temps de calcul et le nombre d itérations ne sera pas trop élevé. mots-clés : Relaxation lagrangienne, problèmes convexes, algorithme du volume, algorithme du sous-gradient. Abstract The energy production in EDF can be sometimes modeled by a large scale convex problem with coupling constraints. Those problems can be solved by some algorithms which are based on the LAGRANGIAN relaxation method. This study deals with the numerical aspect of the application of the LAGRANGIAN relaxation method. It debates the convergence problems, the different ways of solving the sub-problems spawned by this method and the accomplishment of the original problem decomposition. key-words : Lagrangean relaxation, sub-gradient algorithm, volume algorithm.
5 TABLE DES MATIÈRES 3 Table des matières Remerciements 1 Résumé 2 Table des figures 4 1 Introduction 5 2 Problématique 6 3 Méthodes de résolution Méthodes de sous-gradient Méthode de Shor Méthode de Held et Karp Algorithme du volume Exemple d application pour les méthodes du gradient Exemple de la fonction losange Comparaison Résultats Exemple d application pour l algorithme du volume Exemple d un problème d optimisation avec contraintes linéaires Résultats Modèle de gestion de production chez EDF Modélisation Centrales thermiques Centrales hydrauliques Formulation du problème de gestion de production Résolution du problème et résultats Conclusion 17
6 TABLE DES FIGURES 4 Table des figures 3.1 Évolution de la méthode Held et Karp Évolution de la méthode de Shor Évolution du nombre d itération avec la méthode de Held et Karp Évolution du nombre d itération avec la méthode de Shor Évolution du temps CPU avec la méthode de Held et Karp Évolution du temps CPU avec la méthode de shor
7 1 Introduction 5 1 Introduction L essentiel des grandes entreprises nationales et internationales possèdent des départements de recherches dont le principal rôle est de rechercher des méthodes permettant de maximiser le rendement de celles-ci et de minimiser les pertes. EDF se pose le problème de la gestion des centrales électriques qui se composent des centrales nucléaires, hydrauliques et les centrales thermiques au charbon et au fuel. Chacune de ces centrales fonctionne différemment et donc impose des contraintes d utilisation différentes et des rendements différents. Le but donc de la recherche au sein d EDF est l optimisation du fonctionnement de l ensemble du système production-consommation. Ces problèmes seront, dans le sujet du projet traité, modélisés par des problèmes convexes de grande dimension possédant des contraintes couplantes. Nous nous baserons dans cette étude sur l algorithme du sous-gradient pour la résolution de ces problèmes. Nous allons dans un premier temps comparer trois algorithmes différents, «la relaxation de Held et Karp», «la série convergente de Shor», et enfin «l algorithme de volume», que nous programmerons en C++ et Ilog Cplex, et que nous appliquerons sur un modèle simpliste pour avoir une idée sur les rendements de chacun d entre eux. Nous appliquerons le meilleur de ces algorithmes au modèle du système production chez EDF. Nous présentons dans la première partie de ce documents la problématique posée par le sujet, nous définirons ensuite l ensemble des algorithmes utilisés, puis nous les comparerons suivant un ensemble de critère et enfin nous appliquerons le meilleur algorithme au problème posé.
8 2 Problématique 6 2 Problématique On s intéresse à la planification de la production de centrales thermiques à flamme et hydrauliques sur un horizon moyen terme (deux à cinq années). Les centrales nucléaires sont mises de côté. Fonctionnement des centrales Une centrale thermique brûle plusieurs milliers de tonnes par jour d un fossile (charbon, pétrole, gaz) afin de produire de la vapeur d eau qui entraîne des turbo-alternateurs et produit ainsi de l électricité. Leur utilisation doit être limitée à cause du prix important du combustible et de la pollution engendrée. Les centrales hydrauliques quant à elles utilisent l énergie cinétique de l eau contenue dans un reservoir. Elles sont de deux types : Les centrales moyennes et hautes chutes : Elles disposent d un réservoir d eau (des lacs la plupart du temps) que l on peut vider partiellement en ouvrant une vanne. L écoulement de l eau permet alors d actionner un turbo-alternateur qui produit de l électricité. Les centrales à réserve pompée : Dans leur phase productive, elles fonctionnent comme une centrale moyenne/haute chûte. Elles ont cependant la particularité de pouvoir récupérer l eau écoulée dans un réservoir inférieur, et à tout moment de pomper depuis ce réservoir pour pouvoir reconstituer le stock de leur réservoir supérieur. La gestion de production annuelle est cruciale pour assurer l utilisation optimale des ressources hydrauliques. Elle consiste à valoriser l eau disponible dans les barrages, ressource dont la valeur provient de la rareté et à minimiser l utilisation des combustibles fossiles. Le but est de prévoir une utilisation des centrales permettant de réaliser deux objectifs antagonistes : d une part produire assez d électricité pour satisfaire la demande et d autre part minimiser les dépenses liées aux achats de combustibles. Il faut trouver l équilibre entre «produire assez pour satisfaire la demande»et «produire le moins possible afin de réduire les dépenses».
9 3 Méthodes de résolution 7 3 Méthodes de résolution 3.1 Méthodes de sous-gradient Les méthodes de sous-gradients sont proposées pour maximiser des fonctions concaves (ou minimiser des fonctions convexes) non nécessairement différentiables pour lesquelles il est relativement aisé de déterminer un sous-gradient en un point. La méthode générique initialement étudiée par l école de Kiev dans les années 60 consiste à effectuer des petits pas dans les directions du sous-gradient : Soit h une fonction concave. On définit la suite de points {u k } suivante : u k+1 = u k + λ k g k g k (SG) où g k h(u k ) et λ k > 0. Dans un premier temps, on remarque que la direction g k n est pas toujours une direction de montée pour la fonction concave h. On veut dire par là que, contrairement au cas différentiable, la dérivée directionnelle h (u k ;g k ) peut être négative en certains points où h n est pas différentiable. Dans un second temps, le résultat de convergence pour la suite générée par (SG) a été obtenu par Polyak. En effet, Si on suppose que l ensemble des maxima de h, H, est borné, alors, si la suite des pas λ k associée à l algorithme (SG) satisfait : λ k 0 et λ k + la suite u k converge vers un point de H. Il suffit donc d imposer a priori à la suite λ k la condition ci-dessus, dite de la suite divergente, pour garantir la convergence (par exemple λ k = 1 ). L inconvénient principal est que cette k condition implique une convergence sous-linéaire des itérés vers une solution. En pratique, on implémente l algorithme (SG) avec une suite λ k convergente qui permet d obtenir une convergence linéaire. Cette convergence est d autant meilleure que l angle α, entre le sous-gradient et la direction optimale, est plus petit. 3.2 Méthode de Shor On appelle condition ξ de la fonction h, le cosinus du plus grand angle α (donc le pire des cas) quand u parcourt l espace : < u u,g(u) > ξ = In f u u u. g(u) Plus cette condition est proche de 0, plus la fonction est mal conditionnée et la convergence lente. Pour la série convergente de Shor, le choix le plus courant pour le pas λ k est décrit ci-dessus : Soit d k la distance à l optimum en u k. Le pas optimal correspond à projeter u sur la direction du sous-gradient g k. On a alors d k+1 = d k sinα k, où α k est l angle entre g k et la direction optimale. si on dispose d une estimation ξ de la condition de la fonction h, on peut alors choisir : λ k = λ 0 ρ k (SH) avec λ 0 = d 0 ξ où d 0 est une estimation de la distance initiale à l optimum, ρ = (1 ξ 2 ) 1/2 3.3 Méthode de Held et Karp Dans (Mathematical Programming, vol. 1, 1971), Held et Karp on proposé une relaxation lagrangienne du problème du voyageur de commerce avec une méthode de sous-gradient où le
10 3.4 Algorithme du volume 8 pas correspond à : h h(u k ) λ k = ω k g k (HK) où 0 < ω k < 2 et h est une estimation par défaut de la valeur optimale h. 3.4 Algorithme du volume Considérons le programme linéaire suivant : minimize cx Ax b (PL 1 ) Dx e x 0 L algorithme du volume est une extension de l algorithme du sous-gradient. En effet, cette méthode produit non seulement une borne inférieure à la solution duale du problème (PL), mais aussi une approximation de la solution primale du programme linéaire (PL). Et afin de simplifier le problème (PL), on élimine certaines contraintes, (par exemple les contraintes Ax b dans le problème (PL)), en utilisant la relaxation lagrangienne. Dans ce cas, on a à résoudre le problème (PL 2 ) suivant : (PL 2 ) minimize L(π) = (cx + πa)x πb Dx e x 0 où π est le multiplicateur de lagrange. Afin de maximiser la fonction L(.), on applique l algorithme du volume décrit ci-dessous : Algorithme du volume : t 1 On ititialise π 0 Résoudre (PL 2 ) avec π = π pour obtenir x = x 0 et z = L( π). Tant que nouvelle itération faire v t = b A x et π = π + sv t où s est donné par : s = λ T z v t 2 π i t max(0;π i ) Résoudre (PL 2 ) avec π = π t pour obtenir x t et z t = L(π t ). x αx t + (1 α) x, où 0 < α < 1. si z t > z alors π π t, z z t t t Exemple d application pour les méthodes du gradient Exemple de la fonction losange Dans R 2, h(u) = u 1 k u 2 avec k 0. h peut s écrire h(u) = min{u 1 + ku 2,u 1 ku 2, u 1 + ku 2, u 1 ku 2 }.
11 3.5 Exemple d application pour les méthodes du gradient Comparaison La méthode du sous-gradient sans amélioration converge très lentement vers la solution qui est le vecteur (00) T. On va donc comparer les deux méthodes : la relaxation de Held et Karp et la série convergente de Shor, qui sont évidemment deux méthodes améliorées du sous-gradient. Afin de comparer entre ces deux méthodes, on a choisi trois critères de comparaison, à savoir : L évolution de la méthode, i.e, le calcul de u t u t 1 pendant chaque itération. Ce critère nous donne une idée sur la vitesse de convergence de la méthode. Le nombre d itération pour obtenir la solution en faisant évoluer le coefficient de la fonction losange k. Ce critère nous donne une idée sur la robustesse de la méthode. Et enfin, le temps CPU mis pour obtenir la solution en faisant évoluer le coefficient de la fonction losange k Résultats La relaxation de Held et Karp contient un paramètre ω, dit paramètre de relaxation, qui est compris entre 0 et 2. On a donc testé l algorithme sur la fonction losange en choisissant trois paramètres ω distincts : 2.5 Convergence de la methode Held et Karp (k=50) 0<Omega<1 Omega=1 1<Omega<2 2 Critere de convergence Iterations FIG. 3.1 Évolution de la méthode Held et Karp Comme indiqué sur la figure Fig. 3.1, on a trois plages pour ω : un graphe pour lequel 0 < ω < 1, un autre pour ω = 1 et un dernier pour 1 < ω < 2. Le coefficient de la fonction losange k a été pris égal à 50. On voit bien que quand le paramètre ω augmente, la méthode de Held et Karp converge plus rapidement vers la solution optimale. En ce qui concerne la méthode de Shor, on prend le coefficient de la fonction losange égal à 50, et on obtient la figure Fig Sur cette figure, on remarque que l évolution de la méthode de Shor est assez différente de celle de la méthode de Held et Karp. Toutefois, elle converge plus rapidement vers la solutions optimale.
12 3.6 Exemple d application pour l algorithme du volume 10 3 Convergence de la methode de Shor (k=50) 2.5 Critere de convergence Iteration FIG. 3.2 Évolution de la méthode de Shor Regardons maintenant ce que donne le graphe représentant le nombre d itérations pour obtenir la solution en faisant évoluer le coefficient de la fonction losange de 0 à 100. Avec la méthode de Held et Karp (Fig. 3.3), le nombre d itérations diminue quand ω augmente, sauf pour 1 < ω < 2, dont la courbe est très instable. Avec la méthode de Shor (Fig. 3.4), le nombre d itérations augmente presque linéairement avec le coefficient k de la fonction losange, ce qui montre une certaine stabilité de la méthode. En outre, le nombre d itérations avec la méthode de Shor ne dépasse pas les 4000, alors qu avec la méthode de Held et Karp, le nombre d itérations les dépasse largement. Enfin, regardons ce que donnent les graphes représentant le temps CPU mis pour obtenir la solution optimale, en faisant évoluer le coefficient k de la fonction losange de 0 à 100. En ce qui concerne la méthode de Held et Karp (Fig. 3.5), on obtient des courbes similaires à celles représentant l évolution du nombre d itérations. En effet, on a un temps CPU qui augmente quand ω diminue sauf pour 1 < ω < 2 qui est assez instable. Et pour la méthode de Shor (Fig. 3.6), on obtient une courbe sous forme de zigzag. Toutefois, il faut souligner que le temps CPU avec cette méthode ne dépasse pas les 0.02s, alors qu avec la méthode de Held et Karp, on arrive vers les 2s. Conclusion, la méthode de Shor est plus robuste, et plus stable que la méthode de Held et Karp. On pourrait cependant jouer sur le paramètre ω de la méthode de Held et Karp afin d améliorer ses performances, mais on risque de privilégier un critère d optimisation sur un autre. 3.6 Exemple d application pour l algorithme du volume Exemple d un problème d optimisation avec contraintes linéaires Considérons le programme linéaire suivant :
13 3.6 Exemple d application pour l algorithme du volume e e+06 Evolution du nombre d iterations pour chaque fonction avec la methode Held et Karp 0<Omega<1 Omega=1 1<Omega<2 1e+06 Nombre d iterations Coefficient de la fonction losange FIG. 3.3 Évolution du nombre d itération avec la méthode de Held et Karp 4500 Evolution du nombre d iterations pour chaque fonction losange avec la methode de Shor Nombre d iterations coefficient de la fonction losange k FIG. 3.4 Évolution du nombre d itération avec la méthode de Shor
14 3.6 Exemple d application pour l algorithme du volume Temps d execution de la fonction losange avec la methode Held et Karp pour k entre 0 et 100 0<Omega<1 Omega=1 1<Omega< Temps d execution Coefficient de la fonction losange k FIG. 3.5 Évolution du temps CPU avec la méthode de Held et Karp 0.02 Temps d execution de la fonction losange avec la methode de Shor pour k entre 0 et Temps d execution coefficient de la fonction losange k FIG. 3.6 Évolution du temps CPU avec la méthode de shor
15 3.6 Exemple d application pour l algorithme du volume 13 (PL 1 ) minimize z = x 1 x 2 2y 1 y 2 x 1 + 2x 2 + 2y 1 + y 2 40 x 1 + 3x x 1 + x 2 20 y 1 10 y 2 10 y 1 + y 2 15 x 0 y 0 Comme la première contrainte est couplée avec les deux variables x = (x 1 x 2 ) T et y = (y 1 y 2 ) T, on va donc la relaxer. Le problème à optimiser devient donc : (PL 2 ) minimize L(π) = (cx + πa)x πb x 1 + 3x x 1 + x 2 20 y 1 10 y 2 10 y 1 + y 2 15 x 0 y 0 où π est le multiplicateur de lagrange, c = ( ), A = (1,2,2,1), b = 40, et x = (x 1,x 2,y 1,y 2 ) T. On applique alors au (PL 2 ) l algorithme du volume Résultats La difficulté principale de l agorithme du volume est la calibration du paramètre α. En effet, pour qu on obtienne la solution optimale, qui est dans ce cas, les vecteurs x = ( 25 3, 8 3 ) et y = (10,5), α devra tendre vers 0 à la fin des itérations. Toutefois, si α tend rapidement vers 0, la convergence vers la solution optimale risque d être très lente, voire impossible, et si α tend lentement vers 0, la convergence risque aussi de ne pas avoir lieu. Il est donc indispensable de bien calibrer ce paramètre. Aussi, la condition d arrêt de l algorithme est indispensable et doit donc être bien choisie, car c est elle qui déterminera si l algorithme a bien convergé vers la bonne solution ou, dans le cas échéant, n a pas convergé. Dans ce problème, après beaucoup de calibrage, on a choisit au départ α = 1, et dans l algorithme du volume, on a inclut la condition suivante 2 : si α k > 10 3 alors α k+1 = αk 5 Ensuite, on a choisit deux conditions d arrêt qui doivent être vérifiées simultanément, à savoir : Tant que v t < et z t z < 10 6 faire tourner l algorithme du volume. z t Après 70 itérations, notre algorithme a bien convergé vers la bonne solution, à savoir, x = (8.3334,3.6664), y = (10,5) et π = 1 3.
16 4 Modèle de gestion de production chez EDF 14 Et afin de bien tester la robustesse de l algorithme du volume, on va donc le tester sur un grand problème de planification de chez EDF. 4 Modèle de gestion de production chez EDF 4.1 Modélisation Les aspects géographiques sont mis de côté : on considère que l électricité peut être dispatchée sur tout le territoire sans perte. On discrétise l horizon moyen terme en T périodes de durée δ 1,...,δ T et on suppose connue la demande en électricité D 1,...,D T sur chacune de ces périodes Centrales thermiques Les centrales thermiques sont indexées dans l ensemble N th. Leur fonctionnement est le suivant : Pendant la période t {1,...,T }, fournit une puissance électrique p i,t, exprimée en MW, qui doit être comprise entre Pi,t min et Pi,t max. Son coût de fonctionnement par unité d énergie produite est noté c i (exprimé en e/mwh). Sur la période t, elle coûte donc c i δ t p i,t. L ensemble réalisable pour la production de la centrale i N th est : ξ i = {p i R T /P min i,t p i,t P max i,t } (1) Dans ce qui suit, on note : δ = (δ t=1,...,δ t=t ) T,D = (D t=1,...,d t=t ) T, p i = (p i,t=1,..., p i,t=t ) T etp min/max i = (P min/max i,t=1,...,p min/max i,t=t ) T i = 1,...,N th Centrales hydrauliques Une centrale hydraulique ne coûte rien. Sa production est limitée et son rôle est de gérer une réserve de façon à couvrir les périodes de pointes. Elles sont indexées dans l ensemble N hy et suivent les règles suivantes : À la fin de la période t {1,...,T }, la centrale j N hy possède un niveau de réserve en eau s i, j qui doit être inférieurà la valeur maximale S max j. On considère une réserve d eau comme une réserve d énergie et on exprime par conséquent le stock en MWh plutôt qu en litre. Le stock initial est noté s j,0. Cette réserve est approvisionnée au début de chaque période t avec la quantité a i, j correspondant aux apports naturels (précipitations, fonte des neiges) exprimée aussi en MWh. Pendant la période t, la centrale j fournit une puissance p + j,t inférieure à la puissance limite P max+ j,t. Le stock diminue alors de la quantité δ t p + j,t. Une centrale à réserve pompée peut aussi consommer une puissance p j,t Pmax j,t pour augmenter son stock de la quantité ρδ t p j,t où ρ est un coefficient de rendement compris entre 0 et 1. On prendra P max j = 0, pour les centrales classiques. Les vecteurs p j et p + j sont en fait les parties négatives et positives d un même vecteur p j correspond à la production en valeur absolue. La composante p j,t est positive en cas de production effective et négative en cas de pompage.
17 4.2 Résolution du problème et résultats 15 P max j Les vecteurs p + j, p j et s j sont soumis à des contraintes de boîtes 0 p + P max+ j et0 s S max j. La loi de conservation des réserves s écrit :,0 p s j,t s j,t 1 + a j,t + ρδ t p j,t δ t p + j,t (2) pour t = 1,...,T. Si le second membre, qui correspond à la réserve à la fin de la période t 1, est supérieur à la limite S max j, alors le surplus sera déversé et on aura s j,t = S max j. Dans le cas contraire, on aura toujours l égalité. Pour résumer, l ensemble de réalisabilité de la production de la centrale hydraulique j N hy s écrit : avec p R T, p = p + p, s R T ξ j = 1 (0) 1 1 B = et a = (0) Formulation du problème de gestion de production 0 p + P max+ j 0 p P max j 0 s S max j Bs + p + ρp a s 0 + a 1 a 2 Le problème de minimisation des coûts de production sous la contrainte de satisfaire la demande s écrit comme le programme linéaire : Minimiser (GP1) 4.2 Résolution du problème et résultats. a T c i δ T p i i N th p i = D i N th N hy p i ξ i Ce modèle de planification de EDF a été implémenté avec l algorithme du volume, puisqu il est le seul qui a pu nous donner un résultat. Avec l algorithme de Held et Karp, (en prenant α = 1 dans l algorithme du volume), la solution obtenue n est pas optimale, et il semble que l algorithme stagne sur cette valeur. Dans l algorithme du volume, et après beaucoup de tâtonnement, on a choisit pour valeur initiale de α = 1 2, et pour chaque dix itérations et tant que α est supérieur à 10 3 on divise α par 2. Pour λ le coefficient de s, on l initialise à 1 et on le divise par 10 pour chaque 10 itérations. Quant à la valeur maximale de la solution UB, on l initialise à une certaine valeur assez grande, et au cours des itérations, si z 0.95UB alors, UB = 1.1 z. Sinon, pour les conditions d arrêt, l algorithme du volume tourne tant que v t < 10 1 et z t z z t < Avec ce calibrage, on a remarqué que l algorithme du volume converge lentement vers la solution optimale. Toutefois, on n a pas réussi à le faire converger totalement vu le quota.
18 4.2 Résolution du problème et résultats 16 imposé sur le temps CPU. En effet, en une heure et demi, et après 1545 itérations, l algorithme se termine, sans pour autant converger totalement, et on trouve pour solution optimale z = 1,
19 5 Conclusion 17 5 Conclusion Dans ce projet, on a pu comparer différentes versions ou améliorations de l algorithme du sous-gradient, à savoir, la relaxation de Shor, la méthode de Held et Karp et enfin l algorithme du volume. Sur un exemple simpliste, on a pu tester les deux premières améliorations de l algorithme du sous-gradient, et on les a comparé selon différents critères : le temps CPU, le nombre d itérations, et la vitesse de convergence de la méthode. Un autre exemple a été testé sur l algorithme du volume, et les résultats étaient très satisfaisants puisque l algorithme du volume fait le couplage entre l algorithme de Held et Karp et celui du sous-gradient, à un constant multiplicatif près. Toutefois, l algorithme du volume présente quelques difficultés, à savoir le calibrage des différents paramètres qui entrent en jeu dans l algorithme : Le coefficient α doit converger vers 0, mais il ne doit pas le faire rapidement pour que l algorithme ne bloque pas sur une solution non optimale, et il ne doit pas le faire lentement afin que l algorithme converge assez rapidement vers la solution optimale. Le coefficient ω dans le calcul de s doit aussi tendre vers 0 après plusieurs itérations afin que l algorithme converge assez rapidement vers la solution optimale. Enfin, il faut faire évoluer la borne maximale de la solution optimale afin que l algorithme ne bloque pas sur une solution non optimale. En somme, il faut faire un compromis entre la vitesse de convergence des différents paramètres de l algorithme du volume, et celle de l algorithme proprement dit.
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 détailphysicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178
Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain
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 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 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 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 détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
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 détailOrigine du courant électrique Constitution d un atome
Origine du courant électrique Constitution d un atome Electron - Neutron ORIGINE DU COURANT Proton + ELECTRIQUE MATERIAUX CONDUCTEURS Électrons libres CORPS ISOLANTS ET CORPS CONDUCTEURS L électricité
Plus en détailOptimisation de l équilibre offre-demande, rôle des interconnexions et impact de l arrêt du nucléaire allemand pour EDF
Optimisation de l équilibre offre-demande, rôle des interconnexions et impact de l arrêt du nucléaire allemand pour EDF 07 juin 2011 Philippe TORRION Directeur Optimisation Amont/Aval et Trading Sommaire
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 détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
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 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 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 détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
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 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 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 détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
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 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 détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailProduction électrique : la place de l énergie éolienne
Production électrique : la place de l énergie éolienne I Production électrique : principes de base L énergie électrique n est pas un fluide que l on pourrait «mettre en conserve», l énergie électrique
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailDemand Response, une brique importante du Smart Grid
Emplacement Co-branding Demand Response, une brique importante du Smart Grid Colloque OSE, 29/09/2011 SAS au capital de 854 000 euros Un modèle qui a fait ses preuves Energy Pool, Agrégateur de capacités
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
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 détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailT.P. FLUENT. Cours Mécanique des Fluides. 24 février 2006 NAZIH MARZOUQY
T.P. FLUENT Cours Mécanique des Fluides 24 février 2006 NAZIH MARZOUQY 2 Table des matières 1 Choc stationnaire dans un tube à choc 7 1.1 Introduction....................................... 7 1.2 Description.......................................
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailModèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes
de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz
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 détailCENTRALES HYDRAULIQUES
CENTRALES HYDRAULIQUES FONCTIONNEMENT Les différentes centrales hydrauliques Les centrales hydrauliques utilisent la force de l eau en mouvement, autrement dit l énergie hydraulique des courants ou des
Plus en détailModélisation 3D par le modèle de turbulence k-ε standard de la position de la tête sur la force de résistance rencontrée par les nageurs.
Modélisation 3D par le modèle de turbulence k-ε standard de la position de la tête sur la force de résistance rencontrée par les nageurs. H. ZAÏDI a, S. FOHANNO a, R. TAÏAR b, G. POLIDORI a a Laboratoire
Plus en détailFeuille TD n 1 Exercices d algorithmique éléments de correction
Master Sciences, Technologies, Santé Mention Mathématiques, spécialité Enseignement des mathématiques Algorithmique et graphes, thèmes du second degré Feuille TD n 1 Exercices d algorithmique éléments
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détail(51) Int Cl.: B23P 19/00 (2006.01) B23P 19/04 (2006.01) F01L 1/053 (2006.01)
(19) (12) DEMANDE DE BREVET EUROPEEN (11) EP 1 886 760 A1 (43) Date de publication: 13.02.2008 Bulletin 2008/07 (21) Numéro de dépôt: 0711197.6 (1) Int Cl.: B23P 19/00 (2006.01) B23P 19/04 (2006.01) F01L
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailLa place du charbon dans le mix électrique
La place du charbon dans le mix électrique Présentation au colloque 7 février 2008 Gérard Mestrallet, PDG de SUEZ «Les nouveaux débouchés du charbon : quels risques pour le changement climatique?» Outline
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 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 détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
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 détailL énergie en France et en Allemagne : comparaisons
L énergie en France et en Allemagne : comparaisons En matière de consommation d énergie, de structure du système électrique, de recours aux énergies renouvelables, d émission de gaz à effet de serre, les
Plus en détailL équilibre offre-demande d électricité en France pour l été 2015
L équilibre offre-demande d électricité en France pour l été 2015 Synthèse Juin 2015 Sommaire Analyse globale 4 1. Prévision de consommation 5 2. Disponibilité du parc de production 7 3. Étude du risque
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 détailStockage de chaleur solaire par sorption : Analyse et contrôle du système à partir de sa simulation dynamique
Stockage de chaleur solaire par sorption : Analyse et contrôle du système à partir de sa simulation dynamique Kokouvi Edem N TSOUKPOE 1, Nolwenn LE PIERRÈS 1*, Lingai LUO 1 1 LOCIE, CNRS FRE3220-Université
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailLe contenu en CO2 du kwh électrique : Avantages comparés du contenu marginal et du contenu par usages sur la base de l historique.
Final le 08/10/2007 Le contenu en CO2 du kwh électrique : Avantages comparés du contenu marginal et du contenu par usages sur la base de l historique. - NOTE DETAILLEE - 1- Le contexte Le calcul du contenu
Plus en détailUne application des algorithmes génétiques à l ordonnancement d atelier
Une application des algorithmes génétiques à l ordonnancement d atelier VACHER Jean-Philippe - GALINHO Thierry - MAMMERI Zoubir Laboratoire d Informatique du Havre Université du Havre 25, Rue Philippe
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailA GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters
A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters Présenté par : Equipe de travail : Laboratoire : Maxime CHASSAING Philippe LACOMME, Nikolay
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailFigure 3.1- Lancement du Gambit
3.1. Introduction Le logiciel Gambit est un mailleur 2D/3D; pré-processeur qui permet de mailler des domaines de géométrie d un problème de CFD (Computational Fluid Dynamics).Il génère des fichiers*.msh
Plus en détailÊtre Anticiper Innover. Une technologie dont on ne peut se passer
Être Anticiper Innover Une technologie dont on ne peut se passer Soyez assuré de la qualité et de la performance de nos produits Grâce à l ALPHA2, vous pouvez compter sur la qualité et la fiabilité reconnues
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailANDRITZ Atro Vis hydrodynamique
ANDRITZ Atro Vis hydrodynamique www.andritz.com Vis hydrodynamique ANDRITZ Atro Effi caces, robustes et écologiques Vous êtes titulaire d un droit d usage d eau en tant que personne privée, entreprise
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailLE 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 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 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 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 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 détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
Plus en détailMODÉLISATION DU FONCTIONNEMENT EN PARALLELE À DEUX OU PLUSIEURS POMPES CENTRIFUGES IDENTIQUES OU DIFFERENTES
Annals of the University of Craiova, Electrical Engineering series, No. 30, 006 MODÉLISATION DU FONCTIONNEMENT EN PARALLELE À DEUX OU PLUSIEURS POMPES CENTRIFUGES IDENTIQUES OU DIFFERENTES Daniela POPESCU,
Plus en détailProjet : Recalage par maximisation de l information mutuelle
École Polytechnique de Montréal Automne 25, 12 décembre 25 Projet : Recalage par maximisation de l information mutuelle GBM613, Application médicales de l informatique Nom Matricule Groupe Herve Lombaert
Plus en détailALFÉA HYBRID DUO FIOUL BAS NOX
ALFÉA HYBRID BAS NOX POMPE À CHALEUR HYBRIDE AVEC APPOINT FIOUL INTÉGRÉ HAUTE TEMPÉRATURE 80 C DÉPART D EAU JUSQU À 60 C EN THERMODYNAMIQUE SOLUTION RÉNOVATION EN REMPLACEMENT DE CHAUDIÈRE FAITES CONNAISSANCE
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailQue sont les sources d énergie renouvelable?
Que sont les sources d énergie renouvelable? Comme leur nom l indique, il s agit de sources qui se renouvellent et ne s épuiseront donc jamais à l échelle du temps humain! Les sources non renouvelables
Plus en détailBIG Data et R: opportunités et perspectives
BIG Data et R: opportunités et perspectives Guati Rizlane 1 & Hicham Hajji 2 1 Ecole Nationale de Commerce et de Gestion de Casablanca, Maroc, rguati@gmail.com 2 Ecole des Sciences Géomatiques, IAV Rabat,
Plus en détailL offre d énergie: une comparaison France, Allemagne et Japon. Par Pierre Lasserre, Sciences économiques Université du Québec à Montréal
L offre d énergie: une comparaison France, Allemagne et Japon Par Pierre Lasserre, Sciences économiques Université du Québec à Montréal Plan Quelques faits stylisés caractéristiques de la France, de l
Plus en détailC f tracée ci- contre est la représentation graphique d une
TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe
Plus en détailEvolution du mix électrique en France - Qui paiera?
Evolution du mix électrique en France - Qui paiera? Par Julien Deleuze Senior Manager, Estin & Co Des options environnementales, énergétiques, économiques majeures La France fait face à cinq options environnementales,
Plus en détailChapitre 7. Circuits Magnétiques et Inductance. 7.1 Introduction. 7.1.1 Production d un champ magnétique
Chapitre 7 Circuits Magnétiques et Inductance 7.1 Introduction 7.1.1 Production d un champ magnétique Si on considère un conducteur cylindrique droit dans lequel circule un courant I (figure 7.1). Ce courant
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailVers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
Plus en détailLa Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS
Rev. Energ. Ren. : Chemss 2000 39-44 La Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS D.K. Mohamed, A. Midoun et F. Safia Département
Plus en détailL ENERGIE CORRECTION
Technologie Lis attentivement le document ressource mis à ta disposition et recopie les questions posées sur une feuille de cours (réponds au crayon) : 1. Quelles sont les deux catégories d énergie que
Plus en détailBus hybrides Scania : un concept novateur qui améliore le rendement de 25 %
PRESS info P09601FR / Per-Erik Nordström Mai 2009 Bus hybrides Scania : un concept novateur qui améliore le rendement de 25 % Scania lance un vaste programme d essais en service réel d une chaîne cinématique
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
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 détail1. La production d électricité dans le monde : perspectives générales
Quinzième inventaire Édition 2013 La production d électricité d origine renouvelable dans le monde Collection chiffres et statistiques Cet inventaire a été réalisé par Observ ER et la Fondation Énergies
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 détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détailWhitepaper. La solution parfaite pour la mise en température d un réacteur. Système de régulation. Réacteur. de température
Whitepaper Mettre en température économiquement La solution parfaite pour la mise en température d un réacteur La mise en température de réacteur dans les laboratoires et les unités pilotes de l industrie
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 détailÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE
ÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE ANALYSIS OF THE EFFICIENCY OF GEOGRIDS TO PREVENT A LOCAL COLLAPSE OF A ROAD Céline BOURDEAU et Daniel BILLAUX Itasca
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
Plus en détailCOMMANDER la puissance par MODULATION COMMUNIQUER
SERIE 4 MODULER - COMMUNIQUER Fonctions du programme abordées : COMMANDER la puissance par MODULATION COMMUNIQUER Objectifs : Réaliser le câblage d un modulateur d après le schéma de puissance et de commande,
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détail