Systèmes décisionnels et programmation avancée

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Systèmes décisionnels et programmation avancée"

Transcription

1 Systèmes décisionnels et programmation avancée M1 SIR Philippe Muller et Mustapha Mojahid, Matthieu Serrurier, Marie-Christine Scheix

2 Introduction structure du cours intervenants introduction au contenu

3 Trois parties résolution de problèmes combinatoires systèmes de contraintes programmation logique

4 Trois intervenants résolution de problèmes combinatoires : Matthieu Serrurier systèmes de contraintes : Philippe Muller programmation logique : Mustapha Mojahid + un renfort en TP : Marie-Christine Scheix

5 Ce qu on verra... Toujours deux versants modélisation de problèmes résolution de problèmes et mise en pratique en TP systèmes décisionnels programmation avancée

6 Domaines visés problèmes mal posés ou mal définis domaines en friche problèmes complexes ou très larges problèmes pour lesquels on ne connaît pas d algorithmes efficaces (rapides) ou ne donnant pas de bonnes solutions.

7 Une méthodologie commune 1 modélisation d un domaine ou d un problème particulier (mathématique ou logique) 2 représentation 3 résolution (algorithmique, raisonnement, optimisation, apprentissage) 4 évolution L étape (3) nécessite des recherches dans des ensembles de possibilités très grands recherche opérationnelle.

8 Humains, robots, machines, etc : systèmes décisionnels une notion commune : la notion d agent rationnel reçoit de l information d un environnement agit sur l environnement en fonction de l information reçue et traitée (perception) (action) (décision)

9 Caractéristiques de l agent rationnel perception : nécessite représentation de l environnement action : représentation des actions possibles décision : processus

10 Exemple chercher son chemin

11 Un exemple : chercher son chemin

12 Un exemple : chercher son chemin

13 Exemple trouver son chemin représentation : graphe / grille actions : déplacements ds une direction décision : arriver au but + optimiser : quelles procédures? analogue à trouver une solution parmi un ensemble de possibles

14 Résolution de problèmes Exemple simplet : Un berger veut transporter d un côté d une rivière à l autre : une chèvre, un chou, un loup laissés seuls, la chèvre mange le chou laissés seuls, le loup mange la chèvre son bateau ne peut prendre à bord que deux choses en plus de lui-même comment s y prendre pour éviter le carnage? représentation des données? actions possibles? qu est-ce qu une résolution?

15 Résolution d un problème combinatoire A peine moins simplet : les missionaires et les cannibales

16 Les cannibales (suite)

17 Les cannibales (suite)

18 Les cannibales (suite)

19 Planification monde des cubes : idéalisation d un problème général nombre d états possibles? augmente très (trop rapidement)

20 Exemple réel : installation de relais satellites [stage M2 SIR / 2013 Astrium]

21 Petit Exemple on dispose de deux récipients initialement vides, pouvant respectivement contenir 3 litres et 4 litres d eau. on peut remplir complètement un récipient au robinet, le vider complètement dans l évier, ou bien vider un récipient dans l autre jusqu à remplir le deuxième ou bien vider un récipient dans l autre jusqu à vider le premier. on veut arriver à avoir 2 litres d eau exactement dans le récipient de 4 litres.

22 Exemple : Die Hard (3L,4L) (0,0) (3,0) remplir 3 (0,3) vider 3 dans 4 (3,3) remplir 3 (2,4) remplir 4 avec 3 (2,0) vider 4 (0,2) vider 3 dans 4

23 Exercice : ordonnancement modéliser le problème d ordonnancement suivant : on a 4 tâches à réaliser de durées 5, 1, 3, 4 les tâches 2 et 3 ne peuvent être faites en parallèle (mêmes ressources nécessaires), la 3 doit être faite avant la 4. peut-on avoir toutes les tâches commencées finies avant t=7?

24 Exemple avec optimisation : Pandémie Une épidémie de maladie infectieuse a été observée dans un certain nombre N d endroits. Un ensemble de M équipes de médecins doivent aller enquêter pour identifier la maladie, ce qui leur prend un certain temps t ij qui dépend de l endroit j et de l équipe i. Chaque équipe peut enquêter au maximum à 2 endroits, mais doit alors se déplacer de l endroit j 1 à l endroit j 2, ce qui prend un temps d j1 j 2. Peut-on trouver une solution prenant moins de 20 unités de temps? Bonus : quel est le minimum qu on puisse trouver? Eq / Lieu Lieu 1 /

25 Problèmes combinatoires classiques sac à dos ; ex : ( ) dans 20 litres déménagement voyageur de commerce coloriage de graphes etc versions idéalisées de nombreux problèmes réels explosion du nombre de possibilités problème de résolution vs. problème d optimisation

26 Systèmes de contraintes processus de recherche de solutions dans un cadre plus spécifique uniquement des faits : variables avec domaines restreints + relations entre variables recherche d instances des variables satisfaisant les relations ( contraintes ) applications : partout (emploi du temps, occupation de salles, logistique, etc)

27 Systèmes de contraintes des variables {V 1, V 2, V 3,...} des domaines de valeurs : V 1 D 1, V 2 D 2,... des contraintes entre variables : ex V 1 V 2, V 3 V 4

28 Exemple 5 personnes de 5 métiers différents dans 5 maisons de couleurs différentes, avec un animal domestique et une boisson préférée distincte. L anglais habite dans la maison rouge. L espagnol a un chien. Le japonais est peintre. L italien boit du thé. Le norvégien habite la première maison. L habitant de la maison verte boit du café. La maison blanche est juste après la verte. Le sculpteur élève des escargots. Le diplomate habite la maison jaune.

29 Exemple (suite) On boit du lait dans la 3e maison. La maison du norvégien est à côté de la bleue. Le violoniste boit du jus de fruit. Le renard est dans la maison voisine du docteur. (plus simple : après) Le cheval est la maison voisine de celle du diplomate. (plus simple : après) (indice) Le zèbre est dans la maison verte. Une des personnes boit de l eau. Qui habite où?

30 Modélisation quelles variables? quels domaines? représentation résolution à la main résolution : variante des algorithmes de recherche (cf cours 1)

31 Variables et domaines maison, couleur, métier, pays, boisson, animal? 1 maisons {1, 2, 3, 4, 5} (dans l ordre) 2 il y a une valeur seulement de métier, animal, etc par maison 3 toutes les variables peuvent être associées à une valeur de maison : 1, 2, 3, 4, 5 4 donc 5 variables par propriétés = 25 variables, chacune de domaine {1, 2, 3, 4, 5} 5 pas de variables pour la maison

32 Démarrage contrainte générale : chien chat, chat cheval, etc sur les 5 familles de variables L anglais habite dans la maison rouge. rouge=anglais L espagnol a un chien. espagnol=chien Le japonais est peintre. japonais=peintre L italien boit du thé. italien=thé Le norvégien habite la première maison. norvegien=1

33 L habitant de la maison verte boit du café. vert=café La maison verte est juste après la blanche. vert=blanche+1 Le sculpteur élève des escargots. sculpteur=escargot Le diplomate habite la maison jaune. jaune=diplomate

34 Suite On boit du lait dans la 3e maison. lait=3 La maison du norvégien est à côté de la bleue. norvegien bleue = 1 Le violoniste boit du jus de fruit. violoniste=jus Le renard est dans la maison après celle du docteur. renard=docteur+1 Le cheval est la maison après celle du diplomate. cheval=diplomate+1 Le zèbre est dans la maison blanche. zebre=blanche Une des personnes boit de l eau.

35 Résolution 1 recherche arborescente dans les valeurs possibles 2 propagation des contraintes ex : domaine de norvégien=1 on remplace partout dans les autres 1 1 devient impossible pour espagnol, italien, etc 2 bleu {0, 2} D(bleu) = {2}

36 animal chien = 4, renard = 1, cheval = 2, escargot = 3, zèbre = 5, color bleu = 2, vert = 5, rouge = 3, blanc = 4, jaune = 1, drink café = 5, jus = 4, lait = 3, thé = 2, eau = 1, nationality angl = 3, ital = 2, jap = 5, norv = 1, espagnol = 4, profession diplomate = 1, docteur = 2, peintre = 5, sculpteur = 3, violiniste = 4 ici : uniquement par propagation de contraintes

37 Exercices : ordonnancement modéliser le problème d ordonnancement suivant : on a 4 tâches à réaliser de durées 5, 1, 3, 4 les tâches 2 et 3 ne peuvent être faites en parallèle (mêmes ressources nécessaires), la 3 doit être faite avant la 4. peut-on avoir toutes les tâches commencées finies avant t=7? reprendre comme un problème de satisfaction de contraintes

38 Représentations de connaissances la résolution nécessite des modèles explicites du monde/ de l environnement des agents des contraintes nécessité d une certaine expressivité des formalismes faits/ buts règles/ contraintes générales théorie développement de bases de connaissances ( systèmes experts ) développement de démonstrateurs automatiques / modules de raisonnement

39 Formalisation et logique en résumé : nécessité d un langage formel de modélisation expressivité calcul des conséquences : raisonnement la logique est l outil idéal pour cette tâche

40 Brefs rappels de logique termes : variables x i, constantes c j, images de fonctions f (x) propositions atomiques : prédicats P(x), Q(x 1, x 2, x 3 ) littéral : atome ou sa négation P(x), Q(x, y) propositions construites avec,,, : P(x) Q(y) quantificateurs :, x[(oiseau(x) pingouin(x)) vole(x)]

41 Conséquence logique théorie = axiomes logiques + conséquences conséquence : notion syntaxique, A B conséquence : notion sémantique, A = B une théorie est l ensemble des conséquences de ses axiomes (fermeture)

42 Démonstration automatique Partir de la négation de la conclusion + théorie montrer incohérence ( ) en propositionnel pur : déjà combinatoire au premier ordre : indécidable en général, nécessite des restrictions indécidable = il ne peut exister (!) d algorithme qui garantit une réponse dans tous les cas. on verra comment s en sortir quand même...

43 La logique pour de vrai exemple : la tarification des compagnies aérienne tarification très complexe, avec de nombreux facteurs : des millions de tarifs différents facteurs qui peuvent se combiner pour donner des tarifs très différents : âge : moins de 2 ou plus de 65 passager accompagnant quelqu un à plein tarif heures de pointe samedi sur place vol normal aller-retour ou avec plus d étapes.... nécessite test de cohérence

44 Allons-y si le passager sur un itinéraire a moins de deux ans, il a droit au tarif bébé i, a, p passager(i, p) age(p, a) a 2 tarif baby(i) besoin de raisonner sur des nombres autres contraintes (...) départ d un vol correspond à l arrivée du précédent attente pas trop courte pour avoir la correspondance attente pas trop longue!

45 Démonstration automatique partir de la négation de la conclusion + théorie incohérence en propositionnel pur : combinatoire au premier ordre : indécidable en général, nécessite des restrictions indécidable = il ne peut exister (!) d algorithme qui garantit une réponse dans tous les cas. la logique sert surtout à exprimer des faits, pas à guider la preuve : x, y( z(parent(x, z) (parent(z, y)))) grandparent(x, y) mais étant donné des parents, on veut trouver les grands-parents? étant donné les GP on veut trouver les parents? les démonstrateurs ne sont pas adaptés à ça (trop lourds)

46 Systèmes de règles si on se limite à des formules plus contraintes des procédures de démonstration simplifiées on peut avoir quelque chose d utilisable systèmes à base de règles programmation logique

47 Un type de formule sympathique Clause de Horn : un littéral positif maximum Q ( P 1... P n Q) noté aussi : (P 1... P n Q) antécédents conséquent ( P 1... P n ) (fait brut ) (règle) (contrainte de cohérence)

48 Limites si on exclut les contraintes de cohérence on ne peut déduire de négations on ne peut déduire ou affirmer de disjonctions P 1 P 2 Q 1 Q 2

49 Processus de résolution similaire à un problème de recherche vers l arrière on part de la conclusion, et on remonte les antécédents possibles jusqu à trouver une (ou des solution(s) si on laisse continuer) ou bien arriver à un échec.

50 Exemple de résolution soit la base, avec les constantes a, b, c, d, e 1 Parent(a,b) 2 Pere(a,b) 3 Parent(a,c) 4 Parent(b,e) 5 mere(b,e) 6 Frere(e,d) 7 x, y, z Frere(x,y) Parent(z,x) Parent(z,y) 8 x, y, z Mere(z,y) Parent(z,y) 9 x, y, z Pere(z,y) Parent(z,y) 10 x, y, z Parent(x,y) Parent(y,z) Grandparent(x,z)

51 but : Grandparent(x,d) empiler le but+ un prédicat spécial reponse(x) répéter tant que le but n est pas reponse : trouver une règle ou un fait qui peut s unifier avec le but empiler les antécédents en instanciant les variables dans l ensemble des buts sinon échec on revient au point de décision précédent ici : on ne peut que choisir la dernière règle, qui peut donner les littéraux parent(y,d) et parent(x,y) quel ordre vaut-il mieux prendre pour les règles et les antécedents?

52 D autres caractéristique 1 on raisonne sur des relations on peut aussi bien demander Grandparent(a,x)? 2 preuve par échec : si on ne trouve pas P on suppose que c est faux programmation logique

53 Adaptation 1 représentation et raisonnement pas toujours suffisant 2 évolutivité d un système 3 adaptation au changement 4 peut-on faire de l apprentissage automatiquement? ( en M2)

54 Exemple : diagnostic

55 Apprendre les règles Cas Prévisions Température Humidité Vent Sport E1 Soleil Chaude Elevée Faible NON E2 Soleil Chaude Elevée Fort NON E3 Couvert Chaude Elevée Faible OUI E4 Pluie Douce Elevée Faible OUI E5 Pluie Froide Normale Faible OUI E6 Pluie Froide Normale Fort NON E7 Couvert Froide Normale Fort OUI E8 Soleil Douce Elevée Faible NON E9 Soleil Froide Normale Faible OUI E10 Pluie Douce Normale Faible OUI E11 Soleil Douce Normale Fort OUI E12 Couvert Douce Elevée Fort OUI E13 Couvert Chaude Normale Faible OUI E14 Pluie Douce Elevée Fort NON

56 Apprendre les règles Sport? prévision météo soleil couvert pluie humidité OUI vent forte normale fort faible NON OUI NON OUI

57 Décision sur un nouveau cas? si Soleil+Température chaude+humidité normale+vent fort? prévision météo soleil humidité normale OUI

Intelligence artificielle et Recherche opérationnelle

Intelligence artificielle et Recherche opérationnelle Intelligence artificielle et Recherche opérationnelle M1 SIR Philippe Muller et Matthieu Serrurier, Marie-Christine Lagasquie 2015-2016 Introduction structure du cours intervenants introduction au contenu

Plus en détail

Modélisation de la Résolution de Problèmes

Modélisation de la Résolution de Problèmes Modélisation de la Résolution de Problèmes - Rappels : «Suite d opérations par lesquelles on conclut qu une proposition implique la vérité d une autre proposition» ( * ) Historiquement : Nécessité de séparer

Plus en détail

Programmation logique par contraintes. Partie II

Programmation logique par contraintes. Partie II Programmation logique par contraintes Partie II Plan du cours Programmation logique et Prolog (PL) SWI-Prolog, Sicstus Programmation logique par contraintes (PLC) Sicstus Problèmes de satisfaction de contraintes

Plus en détail

Intelligence Artificielle Planification

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

Plus en détail

Planification. Plan. Planification. Introduction à la planification. La langage STRIPS. Représentation des plans. Planification partiellement ordonnée

Planification. Plan. Planification. Introduction à la planification. La langage STRIPS. Représentation des plans. Planification partiellement ordonnée Planification 1 Plan Introduction à la planification La langage STRIPS Représentation des plans Planification partiellement ordonnée Graphes de panification 2 Planification Un agent planificateur construit

Plus en détail

Logique et bases de données

Logique et bases de données Logique et bases de données Vision logique d une BD relationnelle Signification des règles logiques Le modèle DATALOG Evaluation des règles non récursives Signification et évaluation des règles récursives

Plus en détail

Intelligence Artificielle. Dorra BEN AYED

Intelligence Artificielle. Dorra BEN AYED Intelligence Artificielle Dorra BEN AYED Chapitre 2 Résolution de problème en IA Par recherche Introduction Résoudre un pb c est chercher un chemin qui permet d aller d une situation initiale à une situation

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

Chapitre 2. Eléments pour comprendre un énoncé

Chapitre 2. Eléments pour comprendre un énoncé Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données

Plus en détail

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

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

Plus en détail

TESSA : MATRICE DE SECTION VERSION WEB

TESSA : MATRICE DE SECTION VERSION WEB TESSA : MATRICE DE SECTION VERSION WEB NOM DU FICHIER TESSA : Togo_Ma_M1_S2_G_110213 PAYS TESSA : Togo DOMAINE DU MODULE : MATHEMATIQUES Module numéro : 1 Titre du module : Étude du nombre et de la structure

Plus en détail

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

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

Plus en détail

TD1 Mise à niveau PROLOG

TD1 Mise à niveau PROLOG UFR 919 Sciences de l ingénieur Master Informatique Spécialité STL Analyse de Programmes et Sémantique (APS) TD1 Mise à niveau PROLOG Jacques Malenfant, Olena Rogovchenko Exercice 1 : Arbre généalogique

Plus en détail

Raisonnement symbolique et géométrique pour la robotique mobile

Raisonnement symbolique et géométrique pour la robotique mobile Introduction à la réunion finale Raisonnement symbolique et géométrique pour la robotique mobile J. Guitton, J.L. Farges Control Architectures of Robots - Bourges - 30 mai 2008 1 Plan Introduction Vers

Plus en détail

Programmation Avancée - Prolog

Programmation Avancée - Prolog Programmation Avancée - Prolog N. Prcovic Programmation Avancée - Prolog p.1/26 Introduction La programmation logique est une forme particulière de programmation déclarative. La programmation déclarative

Plus en détail

Bases de données Cours 5 : Base de données déductives

Bases de données Cours 5 : Base de données déductives Cours 5 : ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 Introduction 2 approche sémantique approche axiomatique

Plus en détail

Bases de données documentaires et distribuées Cours NFE04

Bases de données documentaires et distribuées Cours NFE04 Bases de données documentaires et distribuées Cours NFE04 Introduction a la recherche d information Auteurs : Raphaël Fournier-S niehotta, Philippe Rigaux, Nicolas Travers prénom.nom@cnam.fr Département

Plus en détail

Vidéo partie 1. Logique Vidéo partie 2. Raisonnements Exercices Logique, ensembles, raisonnements

Vidéo partie 1. Logique Vidéo partie 2. Raisonnements Exercices Logique, ensembles, raisonnements Exo7 Logique et raisonnements Vidéo partie 1. Logique Vidéo partie 2. Raisonnements Exercices Logique, ensembles, raisonnements Quelques motivations Il est important d avoir un langage rigoureux. La langue

Plus en détail

Les automates. Fabrice EUDES, Pascal EVRARD, Philippe MARQUET, François RECHER & Yann SECQ

Les automates. Fabrice EUDES, Pascal EVRARD, Philippe MARQUET, François RECHER & Yann SECQ Les automates Fabrice EUDES, Pascal EVRARD, Philippe MARQUET, François RECHER & Yann SECQ Avril 2015 Retour sur l île et le barman Deux problèmes similaires: Des îles, des bateaux et un trésor à trouver

Plus en détail

Deuxième période 2012-2013 Maths + Enigmes

Deuxième période 2012-2013 Maths + Enigmes Deuxième période 2012-2013 Maths + Enigmes Résoudre ces énigmes va te demander de l'imagination, de la persévérance, pas de technique ou de connaissance particulière, de l'organisation, de la clarté de

Plus en détail

Systèmes d'informations Géographiques - Graphes

Systèmes d'informations Géographiques - Graphes Systèmes d'informations Géographiques - Graphes Institut National des Sciences Appliquées - Rouen Département Architecture des Systèmes d'information michel.mainguenaud@insa-rouen.fr Graphe et Spatialisation!

Plus en détail

Sé m a n t iq u e d e la lo g iq u e. In t e r p r é t a t io n ( 1 /2 )

Sé m a n t iq u e d e la lo g iq u e. In t e r p r é t a t io n ( 1 /2 ) Sé m a n t iq u e d e la lo g iq u e Comment écrire les formules? Aspects syntaxiques Programmation Comment Logique et déterminer Prolog la valeur de vérité d une formule? Aspects sémantiques logique bivaluée

Plus en détail

Exemples de problèmes N P-complets

Exemples de problèmes N P-complets Exemples de problèmes N P-complets MTH6311 S. Le Digabel, École Polytechnique de Montréal H2014 (v2) MTH6311: Exemples de problèmes NP-complets 1/22 Plan 1. Rappels essentiels 2. Problème SAT 3. Autres

Plus en détail

Feuille 1 Modèle Relationnel et Requêtes Conjonctives

Feuille 1 Modèle Relationnel et Requêtes Conjonctives Université de Bordeaux M2 d Informatique, 2015-2016 Cours de Bases de Données Avancées Feuille 1 Modèle Relationnel et Requêtes Conjonctives Le but de cette feuille est d introduire le modèle de bases

Plus en détail

Evaluation de performance en Sûreté de Fonctionnement

Evaluation de performance en Sûreté de Fonctionnement Groupe SdF Midi-Pyrénées Toulouse 5 juin 2015 Evaluation de performance en Sûreté de Fonctionnement - Andre.cabarbaye Plan Introduction Types de performances Finalité des analyses Attentes du donneur d

Plus en détail

Développement itératif, évolutif et agile

Développement itératif, évolutif et agile Document Développement itératif, évolutif et agile Auteur Nicoleta SERGI Version 1.0 Date de sortie 23/11/2007 1. Processus Unifié Développement itératif, évolutif et agile Contrairement au cycle de vie

Plus en détail

Calcul Booléen et Circuits Logiques

Calcul Booléen et Circuits Logiques Chapitre 7 Calcul Booléen et Circuits Logiques 7.1 Traitement Logique et Machine 7.1.1 Exemple Nos raisonnement sont usuellement simples : si ma voiture ne marche pas et il pleut alors je prends le metro

Plus en détail

Stratégies et construction

Stratégies et construction Stratégies et construction Sébastien MARTINEAU Été 2008 Exercice 1 (Niveau 2). Sur une règle d 1 mètre de long se trouvent 2008 fourmis. Chacune part initialement, soit vers la gauche, soit vers la droite,

Plus en détail

Enrichir les pratiques enrichir le développement de l enfantl

Enrichir les pratiques enrichir le développement de l enfantl Dans le but d enrichir vos pratiques et d y inclure quelques nouveautés, nous vous proposons de revisiter les mathématiques et les expériences scientifiques par l animation d activités-projets et d'ateliers

Plus en détail

Débuter en algorithmique

Débuter en algorithmique Isabelle Morel 1 1 Qu est-ce qu un algorithme? Débuter en algorithmique Définition Un alogorithme est une suite d opérations élémentaires, à appliquer dans un ordre déterminé à des données. Un algorithme

Plus en détail

Un modèle général et des résultats de complexité pour le partage de biens indivisibles

Un modèle général et des résultats de complexité pour le partage de biens indivisibles Un modèle général et des résultats de complexité pour le partage de biens indivisibles Sylvain Bouveret, Hélène Fargier, Jérôme Lang et Michel Lemaître ONERA / IRIT / CNES / SUPAERO le 27 mai 2005 Partage

Plus en détail

Plan du cours. Programmation logique et Prolog (PL) Programmation logique par contraintes (PLC) Problèmes de satisfaction de contraintes (CSP/PC)

Plan du cours. Programmation logique et Prolog (PL) Programmation logique par contraintes (PLC) Problèmes de satisfaction de contraintes (CSP/PC) Plan du cours Programmation logique et Prolog (PL) SWI-Prolog, Sicstus Programmation logique par contraintes (PLC) Sicstus Problèmes de satisfaction de contraintes (CSP/PC) Choco (Sicstus & Bin Prolog)

Plus en détail

Coaching, Une méthode scientifique

Coaching, Une méthode scientifique Coaching, Une méthode scientifique ROSELYNE KATTAR Tout le monde parle de coaching sans savoir exactement de quoi il s agit. Afin de clarifier cette approche selon moi, je vous propose de répondre à 3

Plus en détail

Amadeus e-retail Engine. Ventes & e-commerce. Développez votre activité. sur Internet!

Amadeus e-retail Engine. Ventes & e-commerce. Développez votre activité. sur Internet! Amadeus e-retail Engine Ventes & e-commerce Développez votre activité sur Internet! Amadeus e-retail Engine, votre atout Internet! Amadeus e-retail Engine est un moteur de réservation de voyages en ligne

Plus en détail

Algorithmes de tri. 1 Introduction

Algorithmes de tri. 1 Introduction Algorithmes de tri L objectif de ce document est de présenter plusieurs algorithmes classiques de tri. On commence par présenter chaque méthode de manière intuitive, puis on détaille un exemple d exécution

Plus en détail

Des situations pour chercher en «Découvrir le monde/mathématiques» en GS et CP

Des situations pour chercher en «Découvrir le monde/mathématiques» en GS et CP Des situations pour chercher en «Découvrir le monde/mathématiques» en GS et CP D après des travaux d André Jacquart 1. Les jetons Une boîte rouge une boîte bleue 12 jetons Distribuer les jetons de manière

Plus en détail

Partiel - 12 mars 2014

Partiel - 12 mars 2014 Licence STS, semestre 4 013 14 Mathématiques pour l Informatique (Info 9) 1 mars 014 http://www.lri.fr/~paulin/mathinfo Partiel - 1 mars 014 L examen dure heures. L énoncé est composé de 5 pages. Toutes

Plus en détail

INFO-F-302 Informatique Fondamentale Projet : Logique du Premier Ordre et Utilisation de l Outil Z3

INFO-F-302 Informatique Fondamentale Projet : Logique du Premier Ordre et Utilisation de l Outil Z3 UNIVERSITÉ LIBRE DE BRUXELLES (corrected version 20120416) INFO-F-302 Informatique Fondamentale Projet : Logique du Premier Ordre et Utilisation de l Outil Z3 L objectif de ce projet est de modéliser des

Plus en détail

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2) Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter

Plus en détail

Customisation Rhapsody et Henri BOULOUET DITV/AEEV/EECH. approche méthodologique

Customisation Rhapsody et Henri BOULOUET DITV/AEEV/EECH. approche méthodologique Customisation Rhapsody et approche méthodologique Retour d expérience sur l implémentation d un langage et profil UML associé 1 Sommaire Principe d un développement méthodologique Evocation d ISR (Ingénierie

Plus en détail

Rallye mathématique 2006/2007 des écoles de Haute-Loire Cycle 3 Première manche Eléments de solutions 1. Les œufs de Pâques (10 points)

Rallye mathématique 2006/2007 des écoles de Haute-Loire Cycle 3 Première manche Eléments de solutions 1. Les œufs de Pâques (10 points) Rallye mathématique 2006/2007 des écoles de Haute-Loire Cycle 3 Première manche Eléments de solutions 1. Les œufs de Pâques (10 points) Il s'agit d'un problème qui fait appel aux connaissances sur la numération.

Plus en détail

P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S

P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S POUR L ENSEIGNEMENT DE L INFORMATIQUE MPSI première année I. Objectifs de la formation II-1 Développement de compétences et d aptitudes

Plus en détail

Systèmes d'exploitation Chapitre 3: Gestion de fichiers

Systèmes d'exploitation Chapitre 3: Gestion de fichiers Université Cadi Ayyad Faculté Polydisciplinaire de Safi Département sciences mathématiques et informatique Systèmes d'exploitation Chapitre 3: Gestion de fichiers Le stockage fiable, rapide de grandes

Plus en détail

Introduction à la programmation en variables entières Cours 3

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

Plus en détail

Crésus-facturation multilingue. Dès version 3.4

Crésus-facturation multilingue. Dès version 3.4 Crésus-facturation multilingue Dès version 3.4 2 Crésus-facturation multi-lingue 1 Introduction Comment faire des factures multilingues? Qu'est ce qu'une facturation multilingue? Pour le logiciel Crésus-facturation,

Plus en détail

Questions fréquemment posées

Questions fréquemment posées Questions fréquemment posées Vous ne trouvez pas la réponse à votre question? N hésitez pas à vous informer : Réservez via : Contactez : Neckermann Votre boutique de vacances ou 070/233 906 Thomas Cook

Plus en détail

Introduction aux épreuves de logique des concours ACCÈS et SESAME

Introduction aux épreuves de logique des concours ACCÈS et SESAME Introduction aux épreuves de logique des concours ACCÈS et SESAME «La chance aide parfois, le travail toujours» Vous vous apprêtez à vous lancer dans cette course contre la montre qu est l admission en

Plus en détail

A l aide de votre e-mail vous pouvez visiter un site web!

A l aide de votre e-mail vous pouvez visiter un site web! A l aide de votre e-mail vous pouvez visiter un site web! par Ueli Scheuermeier, LBL Êtes vous parmi ces agents de terrain qui ont la possibilité de se servir de l e-mail? Mais vous arrivez pas à naviguer

Plus en détail

Préparation à l'option Informatique de l'agrégation de mathématiques. Responsable: Cristina Sirangelo cristina.sirangelo@lsv.ens-cachan.

Préparation à l'option Informatique de l'agrégation de mathématiques. Responsable: Cristina Sirangelo cristina.sirangelo@lsv.ens-cachan. Préparation à l'option Informatique de l'agrégation de mathématiques Responsable: Cristina Sirangelo cristina.sirangelo@lsv.ens-cachan.fr Option informatique Option informatique du concours externe à l'agrégation

Plus en détail

Activités de mesures sur la masse à l aide d unités de mesure conventionnelles. L unité de mesure la plus appropriée

Activités de mesures sur la masse à l aide d unités de mesure conventionnelles. L unité de mesure la plus appropriée Activités de mesures sur la masse à l aide d unités de mesure conventionnelles L unité de mesure la plus appropriée Dans cette activité, l élève choisit l unité de mesure la plus appropriée pour déterminer

Plus en détail

Université Bordeaux 1 Master d informatique UE Bases de Données Sujet et correction de l examen du 27 mai 2004 8h00 9h30 (sans documents)

Université Bordeaux 1 Master d informatique UE Bases de Données Sujet et correction de l examen du 27 mai 2004 8h00 9h30 (sans documents) Numéro d anonymat: 1 Université Bordeaux 1 Master d informatique UE Bases de Données Sujet et correction de l examen du 27 mai 2004 8h00 9h30 (sans documents) Sauf mention contraire en caractères gras,

Plus en détail

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre Recherche opérationnelle Programmation linéaire et recherche opérationnelle Ioan Todinca Ioan.Todinca@univ-orleans.fr tél. 0 38 41 7 93 bureau : en bas à gauche Tentative de définition Ensemble de méthodes

Plus en détail

Logique et bases de données

Logique et bases de données Logique et bases de données Plan Théorie du premier ordre Hypothèses CWA, unique name, domain closure BD comme interprétation BD comme théorie du 1er ordre BD déductives Signification des différentes formes

Plus en détail

INFO-F-302 Informatique Fondamentale Examen Session de Juin 2014

INFO-F-302 Informatique Fondamentale Examen Session de Juin 2014 INFO-F-302 Informatique Fondamentale Examen Session de Juin 2014 CORRIGÉ Documents non autorisés, durée: 2h45 1 Questions de cours (6 points) Question 1 (2pts) Donner quatre méthodes vues en cours pour

Plus en détail

Théorie des graphes. Introduction. Programme de Terminale ES Spécialité. Résolution de problèmes à l aide de graphes. Préparation CAPES UCBL

Théorie des graphes. Introduction. Programme de Terminale ES Spécialité. Résolution de problèmes à l aide de graphes. Préparation CAPES UCBL Introduction Ces quelques pages ont pour objectif de vous initier aux notions de théorie des graphes enseignées en Terminale ES. Le programme de Terminale (voir ci-après) est construit sur la résolution

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 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 détail

Programme détaillé BTS INFORMATIQUE DE GESTION DIPLÔME D ETAT. Objectifs de la formation. Les métiers. Durée de la formation

Programme détaillé BTS INFORMATIQUE DE GESTION DIPLÔME D ETAT. Objectifs de la formation. Les métiers. Durée de la formation Objectifs de la formation Les inscriptions sont réservées aux élèves de niveau BAC ou plus, et sont ouvertes dans la mesure des places disponibles. Le Brevet de Technicien Supérieur d Informatique de Gestion

Plus en détail

Méthodes de test. Mihaela Sighireanu

Méthodes de test. Mihaela Sighireanu UFR d Informatique Paris 7, LIAFA, 175 rue Chevaleret, Bureau 6A7 http://www.liafa.jussieu.fr/ sighirea/cours/methtest/ Partie I 1 Propriétés 2 Un peu de génie logiciel de test 3 Eléments Problèmes Point

Plus en détail

DOSSIER DES ENSEIGNANT-E-S. Travail de fin d études en didactique universitaire

DOSSIER DES ENSEIGNANT-E-S. Travail de fin d études en didactique universitaire DOSSIER DES ENSEIGNANT-E-S Travail de fin d études en didactique universitaire Magali Muller Bastien Walliser Septembre 2009 CHOIX D UNE PROBLEMATIQUE L étape choix d une problématique comprend les documents

Plus en détail

Technique d Intelligence Artificielle : Résumé

Technique d Intelligence Artificielle : Résumé Technique d Intelligence Artificielle : Résumé Chapitre 1 : Préambule 1.1 Système classique de gestion! Processus bien défini et bien connu! Utilisateur passif! Ex : logiciel de gestion Généralement, il

Plus en détail

Enthousiasme? «Helvetia un lieu pour travailler avec de l espace pour vivre.»

Enthousiasme? «Helvetia un lieu pour travailler avec de l espace pour vivre.» Enthousiasme? «Helvetia un lieu pour travailler avec de l espace pour vivre.» Apprentissage de commerce. Pour bien démarrer dans la vie professionnelle. Quels que soient vos projets, nous sommes à vos

Plus en détail

CRÉER UN COURS EN LIGNE

CRÉER UN COURS EN LIGNE Anne DELABY CRÉER UN COURS EN LIGNE Deuxième édition, 2006, 2008 ISBN : 978-2-212-54153-3 2 Que recouvre le concept d interactivité? Dans une perspective de cours en ligne, une activité interactive est

Plus en détail

NOTES DE COURS LA MÉTHODE DES ARBRES POUR LE CALCUL DES PROPOSITIONS

NOTES DE COURS LA MÉTHODE DES ARBRES POUR LE CALCUL DES PROPOSITIONS NOTES DE COURS L MÉTHODE DES RRES POUR LE CLCUL DES PROPOSITIONS JOSEPH VIDL-ROSSET TLE DES MTIÈRES 1. L essentiel sur la méthode des arbres 1 1.1. Méthode sémantique ou syntaxique? 1 1.2. Le comment et

Plus en détail

GRANDEURS ET MESURE ET RESOLUTION DE PROBLEME. Enseigner la notion de contenance et celle de sa mesure par la résolution de problème CYCLE 2

GRANDEURS ET MESURE ET RESOLUTION DE PROBLEME. Enseigner la notion de contenance et celle de sa mesure par la résolution de problème CYCLE 2 GRANDEURS ET MESURE ET RESOLUTION DE PROBLEME Enseigner la notion de contenance et celle de sa mesure par la résolution de problème CYCLE 2 Compétence : Apprendre et comparer les unités usuelles de longueur

Plus en détail

L3-2014/2015 Mercredi 14 janvier Mathématiques Discrètes. Examen. Exercice 1.

L3-2014/2015 Mercredi 14 janvier Mathématiques Discrètes. Examen. Exercice 1. Examen Exercice 1. Soit N un entier naturel 2. On dispose de trois jeux de N cartes (numérotées de 1 à N), chaque jeu étant d une couleur différente : rouge, bleue et verte. On se propose de distribuer

Plus en détail

Invariants, Principe des tiroirs

Invariants, Principe des tiroirs DOMAINE : Combinatoire AUTEUR : Pierre BERTIN NIVEAU : Débutants STAGE : Montpellier 2013 CONTENU : Exercices Invariants, Principe des tiroirs - Principe des tiroirs - S il y a (n + 1) chaussettes à ranger

Plus en détail

DOSSIER N 01. Exemples simples de problèmes de dénombrement dans différentes situations.

DOSSIER N 01. Exemples simples de problèmes de dénombrement dans différentes situations. DOSSIER N 01 Question : Présenter un choix d exercices sur le thème suivant : Exemples simples de problèmes de dénombrement dans différentes situations. Consignes de l épreuve : Pendant votre préparation

Plus en détail

Résumé du chapitre 8 Ressources et interblocage

Résumé du chapitre 8 Ressources et interblocage Résumé du chapitre 8 Ressources et interblocage Jacques Mossière 12 août 2004 1 Introduction Ce chapitre est consacré à l étude d un problème classique dans les systèmes, l interblocage, c est à dire l

Plus en détail

Partie I Le consommateur et la demande

Partie I Le consommateur et la demande Partie I Le consommateur et la demande Chapitre 1 La fonction d utilité 1 Plan du cours 1. Le consommateur. 2. La notion d utilité. 3. Les courbes d indifférence. 4. L optimum du consommateur. 5. Exercices.

Plus en détail

UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010. N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES

UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010. N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010 N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES 1 Les énoncés La plupart des phrases que l on rencontre dans un livre

Plus en détail

Chapitre 4 : Guide de Mouvement et Masque

Chapitre 4 : Guide de Mouvement et Masque Cours Flash Chapitre 4 : Guide de Mouvement et Masque Rappel : les fichiers fla et swf sont dans le fichier «4_Guide de mouvement et masque.zip». SOMMAIRE 1 OBJECTIFS DU CHAPITRE... 1 2 INTRODUCTION...

Plus en détail

Le livre de travail peut être élaboré sur Word et être complété par des photos et des graphiques

Le livre de travail peut être élaboré sur Word et être complété par des photos et des graphiques Employé/employée de commerce CFC Branche logistique et transports internationaux Le livre de travail Le livre de travail est un classeur avec les registres suivants (proposition): 1. Base de la logistique

Plus en détail

Plan de cours. LOG2810 Structures discrètes. Enseignants. Chargés de laboratoires. Département de génie informatique et de génie logiciel Automne 2013

Plan de cours. LOG2810 Structures discrètes. Enseignants. Chargés de laboratoires. Département de génie informatique et de génie logiciel Automne 2013 Plan de cours LOG2810 Structures discrètes Département de génie informatique et de génie logiciel Automne 2013 3 crédits Triplet horaire : 3 2 4 Enseignants Foutse Khomh, Professeur responsable Pavillon

Plus en détail

P oc o e c s e s s u s s u s e t e o u o t u il i s l s d d a c a c c u c e u i e l i l e t e d d i n i t n ég é r g at a io i n Boîte à outils (7)

P oc o e c s e s s u s s u s e t e o u o t u il i s l s d d a c a c c u c e u i e l i l e t e d d i n i t n ég é r g at a io i n Boîte à outils (7) Processus et outils d accueil et d intégration Boîte à outils (7) Accueillir et intégrer Il existe un consensus sur l importance du sujet : Le recrutement ne s arrête pas à l issue de l entretien et de

Plus en détail

DIGESTION IN VITRO (Faure-Rabasse S.)

DIGESTION IN VITRO (Faure-Rabasse S.) DIGESTION IN VITRO (Faure-Rabasse S.) classe : 5 ème durée : 55 minutes Contexte : La partie «digestion des aliments et le devenir des Nutriments» commence avec la mise en place de cette tâche. En introduction

Plus en détail

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

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

Plus en détail

INFO-F-302 : Logique informatique Projet : Le Jeu ABCPath et Utilisation d un Solveur SAT

INFO-F-302 : Logique informatique Projet : Le Jeu ABCPath et Utilisation d un Solveur SAT UNIVERSITE LIBRE DE BRUXELLES INFO-F-302 : Logique informatique Projet : Le Jeu ABCPath et Utilisation d un Solveur SAT L objectif de ce projet est de modéliser plusieurs problèmes en logique propositionnelle

Plus en détail

MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE

MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE [Prénom Nom] Rapport sur le stage effectué du [date] au [date] Dans la Société : [NOM DE LA SOCIETE : Logo de la société] à [Ville] [Intitulé du

Plus en détail

Bravo! Vous arrosez avec l eau de pluie : vous gagnez 100 litres. Pollution de l eau : l équipe suivante joue 2 fois

Bravo! Vous arrosez avec l eau de pluie : vous gagnez 100 litres. Pollution de l eau : l équipe suivante joue 2 fois BRAVO! Vous arrosez avec l eau de pluie Vous gagnez 100 Bravo! Vous arrosez avec l eau de pluie : vous gagnez 100 litres L équipe suivante joue 2 Pollution de l eau : l équipe suivante joue 2 fois BRAVO!

Plus en détail

e-learning avec Moodle

e-learning avec Moodle e-learning avec Moodle Une nouvelle plateforme d apprentissage RAI est lancée Christine Papilloud-Rey Avantages de l e-learning Modes de transmission variés Langue Exposé Video Modes d apprentissage auditif

Plus en détail

Introduction au TALN et à l ingénierie linguistique. Isabelle Tellier ILPGA

Introduction au TALN et à l ingénierie linguistique. Isabelle Tellier ILPGA Introduction au TALN et à l ingénierie linguistique Isabelle Tellier ILPGA Plan de l exposé 1. Quelques notions de sciences du langage 2. Applications et enjeux du TAL/ingénierie linguistique 3. Les deux

Plus en détail

Conduite de projets informatiques. Rappel. Plan de la dernière partie. Principes généraux et techniques. Eric Bourreau

Conduite de projets informatiques. Rappel. Plan de la dernière partie. Principes généraux et techniques. Eric Bourreau Conduite de projets informatiques Principes généraux et techniques Eric Bourreau 1 Rappel Définition et terminologie Le découpage d un projet L estimation des charges Les techniques de planification L

Plus en détail

La démarche d investigation en mathématiques. 26 novembre 2008 La démarche d investigation en mathématiques P. KOBER- IUFM Nice

La démarche d investigation en mathématiques. 26 novembre 2008 La démarche d investigation en mathématiques P. KOBER- IUFM Nice La démarche d investigation en mathématiques 1) Qu est ce que la démarche d investigation en sciences? 2) Qu est-ce que faire des mathématiques? - Pour un chercheur Plan de cette intervention - Dans l

Plus en détail

Le capteur solaire thermique : un exemple concret

Le capteur solaire thermique : un exemple concret Le capteur solaire thermique : un exemple concret Une utilisation possible du soleil est le chauffage de l eau sanitaire, utilisée pour se laver, pour faire la vaisselle ou encore le ménage. Il s agit

Plus en détail

FONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières

FONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières FONDEMENTS MATHÉMATIQUES 12 E ANNÉE Mathématiques financières A1. Résoudre des problèmes comportant des intérêts composés dans la prise de décisions financières. [C, L, RP, T, V] Résultat d apprentissage

Plus en détail

IFT 615 Intelligence artificielle

IFT 615 Intelligence artificielle Département d informatique IFT 615 Intelligence artificielle Plan de cours Hiver 201 Professeur Auxiliaire Froduald Kabanza Courriel : kabanza@usherbrooke.ca Local : D-1022-2 Téléphone : (819) 821-8000,

Plus en détail

HYDRO MATERIELS. Comment réduire vos consommations d eau dans l habitat

HYDRO MATERIELS. Comment réduire vos consommations d eau dans l habitat Energie et environnement En Franche Comté MATERIELS HYDRO YDRO-ECONOMES Comment réduire vos consommations d eau dans l habitat Version 1 AJENA Espace inf eau 28 boulevard Gambetta BP 30149 39 004 LONS

Plus en détail

ITIL, une approche qualité pour la gestion des services(*) informatiques. Pourquoi et comment introduire ITIL dans son organisation

ITIL, une approche qualité pour la gestion des services(*) informatiques. Pourquoi et comment introduire ITIL dans son organisation Livre blanc Le pragmatisme de votre système d information Rédacteur : Marc LORSCHEIDER / Expert ITIL Mise à jour : 05/06/2013 ITIL, une approche qualité pour la gestion des services(*) informatiques Pourquoi

Plus en détail

Feuille 1 : Autour du problème SAT

Feuille 1 : Autour du problème SAT Master-2 d Informatique 2014 2015 Complexit Algorithmique Applique. Feuille 1 : Autour du problème SAT 1 Rappels sur SAT Énoncé du problème. Le problème SAT (ou le problème de Satisfaisabilité) est le

Plus en détail

Les animaux. Les métiers

Les animaux. Les métiers Les animaux Les métiers Les moyens de transport Les fruits Je pratique mon truc de la catégorie: je retrouve les mots dans ma tête. Tu connais maintenant dans quelle catégorie est chacun des mots qu il

Plus en détail

Mathématiques et Philosophie en classe de seconde

Mathématiques et Philosophie en classe de seconde Mathématiques et Philosophie en classe de seconde Intervention du Professeur de mathématiques. Effectif de la classe : 34 élèves. Intervention : quinze heures en alternance avec le cours de Philosophie.

Plus en détail

Activité : Écriture des nombres en binaire (Primaire et Collège) Séance : 1 Durée : 1h à 1h30

Activité : Écriture des nombres en binaire (Primaire et Collège) Séance : 1 Durée : 1h à 1h30 Activité : Écriture des nombres en binaire (Primaire et Collège) Séance : 1 Durée : 1h à 1h30 Matériel : - Jeu de 5 cartes binaires pour la démonstration (format A4, plastifiée) - (Jeu de 5 cartes individuel

Plus en détail

Devoir Maison. Michel Lévy. 20 avril 2009

Devoir Maison. Michel Lévy. 20 avril 2009 Devoir Maison Michel Lévy 20 avril 2009 1 Objectifs Le but de ce devoir, est essentiellement de vous faire connaître et de vous inciter à utiliser deux logiciels dont la base théorique est, très partiellement,

Plus en détail

TOUT SAVOIR SUR LES DEPLACEMENTS DES PATIENTS AVEC LEUR MATERIEL

TOUT SAVOIR SUR LES DEPLACEMENTS DES PATIENTS AVEC LEUR MATERIEL TOUT SAVOIR SUR LES DEPLACEMENTS DES PATIENTS AVEC LEUR MATERIEL Il est important qu un insuffisant respiratoire qui désire se déplacer pour rendre visite à sa famille ou ses amis, ou prendre des vacances,

Plus en détail

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

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

Plus en détail

Voici une demande qui revient régulièrement lors de mes rencontres avec les employeurs :

Voici une demande qui revient régulièrement lors de mes rencontres avec les employeurs : Logique dépannage La logique de dépannage dépend d une multitude d aspect, et un de ses aspects que j ai pu constater avec le temps en tant que formateur est que les techniciens industriels apprennent

Plus en détail

Lis attentivement les informations ci-dessous, elles te seront utiles pour répondre aux questions du laboratoire.

Lis attentivement les informations ci-dessous, elles te seront utiles pour répondre aux questions du laboratoire. LES PLUIES ACIDES Nom : Protocole de laboratoire But : Comprendre la formation des pluies acides. Matériel nécessaire : 1 ballon volumétrique 1 erlenmeyer (125 ml) 3 béchers (250 ml) 1 paille à usage unique

Plus en détail

IUT de Laval Année Universitaire 2008/2009. Fiche 1. - Logique -

IUT de Laval Année Universitaire 2008/2009. Fiche 1. - Logique - IUT de Laval Année Universitaire 2008/2009 Département Informatique, 1ère année Mathématiques Discrètes Fiche 1 - Logique - 1 Logique Propositionnelle 1.1 Introduction Exercice 1 : Le professeur Leblond

Plus en détail

La stratification de l eau dans un ballon d eau chaude

La stratification de l eau dans un ballon d eau chaude Principe La stratification de l eau dans un ballon d eau La densité de l eau varie avec sa température. De manière simplifiée, plus l eau est froide, plus elle est dense. «Un litre d eau froide, c est

Plus en détail