Méthodes de Résolution de problèmes En Intelligence Artificielle

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Méthodes de Résolution de problèmes En Intelligence Artificielle"

Transcription

1 Méthodes de Résolution de problèmes En Intelligence Artificielle

2 Résolution de Problèmes et Intelligence Artificielle Résoudre des puzzles Jouer aux échecs Faire des mathématiques Et même conduire une voiture Sont des activités humaines qui requièrent de l intelligence 2

3 Les machines munies de programmes qui peuvent entreprendre de telles tâches, possèdent un certain degré d intelligence La résolution de problèmes exclut les méthodes de calcul ordinaire comme l inversion d une matrice ou la résolution des équations différentielles 3

4 Méthode basée Trial and error Les méthodes étudiées en Intelligence Artificielle utilisent souvent une recherche basée sur des essais et erreurs ( trial-anderror): Elles recherchent une solution dans un espace de solutions possibles 4

5 D autres thématiques de l Intelligence Artificielle Apprentissage automatique Compréhension du langage naturel Raisonnement automatique Il n existe pas de théorie unifiée pour l organisation de l intelligence. Cependant, comme les techniques de résolution de problèmes sont d une utilité d ordre général, elles peuvent être utilisées dans tous les axes de recherche de l Intelligence Artificielle 5

6 Les puzzles et les jeux comme exemples de problèmes Les puzzles et les jeux constituent une source riche d exemples de problèmes Pour l illustration des techniques Pour le test des méthodes Il existe des programmes de jeux qui battent les experts humains comme les jeux d échec 6

7 Le Taquin à 2 dimensions L exemple de problème utilisé dans ce cours est le taquin à 2 dimensions ou le puzzle à 15 carreaux Configuration initiale configuration cible

8 Approche Espace des états 8

9 Etat du problème Lors du processus de résolution, le problème transite d un état vers un autre. Dans le cas du taquin, un état est une configuration du tableau 4x4 On distingue: L état initial Un ou plusieurs états finaux 9

10 Opérateurs Un opérateur transforme un état en un autre état. Il existe quatre opérateurs pour le taquin: déplacer la case vide en haut déplacer la case vide en bas déplacer la case vide à gauche déplacer la case vide à droite 10

11 L application des opérateurs sur les états en démarrant de l état initial conduit à la construction d une arborescence 11

12 Exemple de portion d une arborescence

13 La racine correspond à la configuration initiale Un nœud représente une configuration quelconque Un arc correspond à l application d un opérateur 13

14 Réduction des problèmes en sous problèmes

15 Fractionnement du problème Le problème est divisé en plusieurs sous problèmes de petites tailles Le fractionnement s arrête lorsque le sous problème correspondant est solvable 15

16 Construction d une arborescence Un processus récursif permet la construction d une arborescence de sous problèmes. La racine correspond au problème à résoudre Un nœud à un sous problème Les sous problèmes d un niveau de l arbre ont une taille inférieure aux sous problèmes des niveaux supérieurs Les feuilles de l arbre correspondent aux sous problèmes solvables 16

17 Exemple Conduire d Oran à Annaba Conduire d Oran à Chlef Conduire de Chlef à Alger Conduire d Alger à Sétif Conduire de Sétif à Annaba 17

18 Exemple de portion d une arborescence Conduire d Oran à Annaba Conduire d Oran à Chlef Conduire De Chlef à Alger Conduire d Alger à Sétif Conduire De Sétif à Annaba Conduire De Chlef à Blida Conduire De Blida à Alger Conduire D Alger à Bouira 18

19 Remarque importante 1- C est la taille du problème qui est réduite à chaque fois que le problème est insolvable 2- La technique de résolution est la même pour tous les sous problèmes 19

20 Démonstration de théorèmes 20

21 Utilisation de la logique dans la résolution de problèmes Que ce soit par l approche espace des états ou par la réduction de problèmes, la résolution de problèmes fait appel souvent à la logique 21

22 Exemple d utilisation de la logique dans l approche Espace des états Dans le jeu du taquin, il a été démontré que les opérateurs de transition tels que définis précédemment conduisent à la création de deux sous-ensembles disjoints contenant les états du problème Un état quelconque d un sous ensemble ne peut donc avoir des successeurs appartenant à l autre sous ensemble Cet important résultat peut aider grandement à la résolution du problème, car à chaque génération d une configuration, il peut nous renseigner sur la possibilité d atteindre ou non l état cible 22

23 Troisième approche basée sur la logique: La démonstration de théorèmes Tout problème à résoudre peut être transformé en un théorème à démontrer Résoudre un problème équivaut donc à démontrer le théorème correspondant La logique est employée comme outil théorique pour la preuve 23

24 Deux éléments fondamentaux pour la résolution de problèmes La représentation La recherche Dans ce cours, nous nous intéressons plus particulièrement aux méthodes de recherche de solutions dans un espace d états. 24

25 Démarche générale pour la résolution d un problème 1- Choix de l approche de résolution Espace des états Réduction de problèmes Démonstration de théorèmes 2- Choix d une représentation Pour un même problème, il peut exister plusieurs représentations 3- Choix de la méthode de résolution 25

26 Panorama sur les méthodes de recherche Méthodes aveugles recherche en largeur d abord recherche en profondeur d abord Les méthodes heuristiques: l algorithme A* les méta-heuristiques Le recuit simulé Les algorithmes génétiques Les colonies de fourmis La recherche taboue 26

27 Les méthodes de recherche dans l approche espace des états 27

28 Processus de recherche dans un graphe Le processus de recherche d une solution opère sur une représentation de graphe comme suit: 1- Le nœud initial correspond à l état initial 2- Les successeurs d un nœud sont calculés à l aide des opérateurs. Soit, l opérateur qui calcule tous les successeurs 3- Parmi les successeurs, s il existe un état final, la solution est obtenue en parcourant le graphe de cet état vers l état initial. Les arcs doivent alors être orientés dans les deux sens dans le cas contraire, on continue l expansion des noeuds 28

29 Recherche aveugle Si l expansion des nœuds se fait selon l ordre dans lequel ils ont été engendrés, le processus est appelé recherche en largeur d abord Si la stratégie de l expansion considère des nœuds les plus récemment engendrés, le processus est appelé recherche en profondeur d abord 29

30 Dans les méthodes aveugles, l ordre dans lequel les nœuds sont engendrés ne tient pas compte de la position de l état cible dans le graphe. 30

31 Les méthodes heuristiques Dans les procédures non aveugles, on fait appel à des heuristiques Une heuristique signifie aider à découvrir L heuristique a pour rôle de diriger l expansion des nœuds vers l état but en développant les nœuds les plus prometteurs Par souci de simplification, les méthodes décrites ultérieurement utilisent une structure d arbre. L extension aux graphes sera considérée par la suite. 31

32 La recherche en largeur d abord ou recherche horizontale L expansion des nœuds les moins récemment engendrés s effectue en premier L arborescence est construite niveau après niveau et donc de manière horizontale 32

33 Un algorithme simple de recherche en largeur d abord 1- Insérer le nœud initial s dans une liste appelée OPEN 2- Si OPEN est vide alors échec sinon continuer 3- Retirer le premier nœud de OPEN et l insérer dans une liste appelée CLOSED. Soit n ce nœud. 4- S il n existe pas de successeur alors aller à 2. Engendrer les successeurs de n et les insérer à la queue de OPEN. Créer un chaînage de ces nœuds vers n 5- Si parmi les successeurs, il existe un état final alors succès: la solution est obtenue en suivant le chaînage arrière de ce nœud vers la racine, sinon aller à 2 33

34 Exercice 1: taquin 3x3 Appliquer la recherche en largeur d abord sur la donnée suivante: Configuration initiale configuration cible

35 35

36 Méthode de coût uniforme: une version plus générale de la recherche en largeur d abord Soient: - c(n i,n j ) le coût de l arc reliant ni à son successeur n j - g(n) le coût minimal de la chaîne allant de s à n La méthode garantit le calcul de la chaîne de coût minimal 36

37 Algorithme du coût uniforme 1- Insérer s dans une liste appelée OPEN. Soit g(s) = 0 2- Si OPEN est vide alors échec sinon continuer 3- Retirer de OPEN, le nœud qui a la plus petite valeur g et l insérer dans CLOSED. Soit n ce nœud. En cas de conflit, choisir arbitrairement n. 4- Si n est un état final alors succès sinon continuer 5- Engendrer les successeurs de n. S il n existe pas de successeur aller à 2 sinon calculer et insérer dans OPEN pour chaque successeur n i, g(n i )=g(n)+c(n,n i ). Etablir le chaînage arrière. 6- Aller à 2 37

38 Profondeur d un arbre La profondeur d un nœud dans un arbre est calculée comme suit: profondeur(racine) = 0 profondeur(n) = profondeur(parent(n))+1 38

39 La recherche en profondeur d abord ou recherche verticale L expansion des nœuds les plus récemment engendrés s effectue en premier Le nœud le plus profond est choisi pour l expansion. Lorsqu un certain seuil de profondeur est atteint, le processus considère un nœud du niveau précédent 39

40 Un algorithme de recherche en profondeur 1- Insérer le nœud initial s dans une liste appelée OPEN 2- Si OPEN est vide alors échec sinon continuer 3- Retirer le premier nœud de OPEN et l insérer dans une liste appelée CLOSED. Soit n ce nœud. 4- Si la profondeur de l arbre est égale au seuil de profondeur aller à 2 sinon continuer 5- Engendrer les successeurs de n et les empiler dans OPEN. Créer un chaînage de ces nœuds vers n 5- Si parmi les successeurs, il existe un état final alors succès: la solution est obtenue en suivant le chaînage arrière de ce nœud vers la racine, sinon aller à 2 40

41 Exercice 2: taquin 3x3 Appliquer la recherche en profondeur d abord sur la donnée suivante: Configuration initiale configuration cible

42 42

43 Modifications pour rechercher dans des graphes Recherche en largeur ou en profondeur d abord: * Quand un nœud est engendré, tester s il se trouve dans OPEN ou CLOSED. Ne pas l insérer dans ce cas. Algorithme du coût minimal: *Quand un nœud est créé - s il se trouve dans OPEN, mettre à jour sa valeur g (si elle est plus petite) et son chaînage arrière - s il se trouve dans CLOSED, mettre à jour sa valeur g (si elle est plus petite) et son chaînage arrière et l insérer dans OPEN 43

44 Introduction aux heuristiques Les méthodes aveugles sont des méthodes exhaustives Il existe des limites pratiques sur le temps d exécution et l espace mémoire pour appliquer ces méthodes sur une grande catégorie de problèmes Il faut chercher d autres alternatives efficaces pour solutionner ces problèmes Toute technique visant à accélérer la recherche est basée sur une information appelée heuristique Les méthodes utilisant des heuristiques sont dites méthodes de recherche heuristiques 44

45 Implémentation des méthodes heuristiques Utiliser la recherche en profondeur d abord et placer les nœuds développés dans OPEN selon l ordre déterminé par l heuristique Une façon plus flexible est d utiliser un critère pour réordonner tous les nœuds qui sont dans OPEN Une certaine mesure doit être établie pour évaluer la promesse d un nœud. Cette mesure est appelée fonction d évaluation ou d adéquation ou objective 45

46 Fonction d évaluation L utilisation d une heuristique est basée sur une fonction d évaluation pour ordonner la recherche Soit f une fonction d évaluation, f(n) exprime la valeur de cette fonction pour le nœud n 46

47 Algorithme de recherche ordonnée 1- Placer s dans OPEN et calculer f(s) 2- Si OPEN est vide alors échec sinon continuer 3- Retirer de OPEN, le nœud qui a la plus petite valeur f et l insérer dans CLOSED. Soit n ce nœud. 4- Si n est un état final alors succès sinon continuer 5- Engendrer les successeurs de n. S il n en existe pas aller à 2 sinon calculer pour chaque successeur n i, f(n i ). 6- Insérer les successeurs qui ne sont ni dans OPEN ni dans CLOSED, dans OPEN et établir le chaînage arrière. 7- Mettre à jour la valeur de f pour les successeurs qui se trouvent dans OPEN ou CLOSED. Placer dans OPEN, les nœuds de CLOSED pour lesquels f a diminué. Aller à 2 47

48 Soit f(n) = g(n) + w(n) Exercice 3 Où g(n) est la longueur de la chaîne entre la racine et n et w(n), le nombre de chiffres mal placés dans le puzzle. Le nœud initial a une valeur f = = 4 Appliquer l algorithme de recherche ordonnée sur la donnée de l exercice 2. 48

49 L algorithme A* C est un algorithme de recherche ordonnée basé sur une fonction d évaluation f(n)=g(n)+h(n) où g(n) est le coût de la chaîne allant de s à n et h(n) appelée heuristique est une estimation du coût de la chaîne reliant n à un nœud final. h est spécifique au domaine d application, exemple w. 49

50 Admissibilité et optimalité Théorème1: Si h (n) <= h(n) pour tout n, et si tous les coûts associés aux arcs sont supérieurs à un nombre positif alors A* est admissible. Théorème2: Soient A et A* deux algorithmes admissibles tels que A* est plus informé que A et h (m)-h (n) <= k(m,n) pour A*, alors pour tout graphe, si un nœud n est développé par A*, il est aussi développé par A. 50

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

Résolution de problèmes en intelligence artificielle et optimisation combinatoire : les algorithmes A*

Résolution de problèmes en intelligence artificielle et optimisation combinatoire : les algorithmes A* Résolution de problèmes en intelligence artificielle et optimisation combinatoire : les algorithmes A* Michel Couprie Le 5 avril 2013 Ce document est une courte introduction à la technique dite A*. Pour

Plus en détail

Algorithmes pour les graphes

Algorithmes pour les graphes Algorithmes pour les graphes 1 Définitions Un graphe est représenté par : V : L ensemble des noeuds ou sommets. E : L ensemble des arcs ou arrêtes. E est un sous-ensemble de V xv. On note G = (V, E). Si

Plus en détail

MAP-SIM2 : Planification de trajectoire

MAP-SIM2 : Planification de trajectoire MP-SIM : Planification de trajectoire sujet proposé par Nicolas Kielbasiewicz : nicolas.kielbasiewicz@ensta-paristech.fr 0 janvier 06 La planification de trajectoire consiste à déterminer une trajectoire,

Plus en détail

Algorithmes de recherche

Algorithmes de recherche Algorithmes de recherche 1 Résolution de problèmes par recherche On représente un problème par un espace d'états (arbre/graphe). Chaque état est une conguration possible du problème. Résoudre le problème

Plus en 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

Utilisation des Structures Combinatoires pour le Test Statistique. Contexte. Plan. Le test de logiciel. Les structures combinatoires décomposables

Utilisation des Structures Combinatoires pour le Test Statistique. Contexte. Plan. Le test de logiciel. Les structures combinatoires décomposables Utilisation des Structures Combinatoires pour le Test Statistique Sandrine-Dominique GOURAUD Équipe Programmation et Génie Logiciel, L.R.I. Co-encadrants: M.-C. Gaudel et A. Denise Plan Contexte Structures

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

Programmation des Systèmes Experts

Programmation des Systèmes Experts Conception de systèmes intelligents Programmation des Systèmes Experts James L. Crowley Deuxième Année ENSIMAG Troisième Bimestre 2000/2001 Séance 3 23 février 2001 Planification et Parcours de Graphe

Plus en détail

L'Intelligence Artificielle pour les développeurs Concepts et implémentations en Java

L'Intelligence Artificielle pour les développeurs Concepts et implémentations en Java Avant-propos 1. Objectifs du livre 15 2. Public et prérequis 15 3. Structure du livre 16 4. Code en téléchargement 18 Introduction 1. Présentation du chapitre 19 2. Définir l intelligence 19 3. L intelligence

Plus en détail

3- Les Réseaux de Petri

3- Les Réseaux de Petri http://www.tn.refer.org/hebergement/cours/sys_disc/notions_de_base_rdp.html Page 1 sur 7 3- Les Réseaux de Petri Plan Accueil Contact 3-1 Notions de Base 3-2 RdP Particuliers 3-3 Propriétés 3-4 Graphe

Plus en détail

Mini-Projet de Prolog : Solver de Sudoku

Mini-Projet de Prolog : Solver de Sudoku UNIVERSITE François Rabelais TOURS Polytech Tours-Département Informatique 64, Avenue Jean Portalis 37200 TOURS Mini-Projet de Prolog : Solver de Sudoku Encadré par : Présenté par : M. J-L Bouquard Florent

Plus en détail

Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant

Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant Licence informatique - L Année 0/0 Conception d algorithmes et applications (LI) COURS Résumé. Dans cette cinquième séance, nous continuons l exploration des algorithmes de type Programmation Dynamique.

Plus en détail

L'Intelligence Artificielle pour les développeurs Concepts et implémentations en C#

L'Intelligence Artificielle pour les développeurs Concepts et implémentations en C# Introduction 1. Structure du chapitre 19 2. Définir l intelligence 19 3. L intelligence du vivant 22 4. L intelligence artificielle 23 5. Domaines d application 25 6. Synthèse 27 Systèmes experts 1. Présentation

Plus en détail

Cours de Master Recherche

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

Plus en détail

Chapitre 4 Automates à pile et langages hors-contexte

Chapitre 4 Automates à pile et langages hors-contexte Chapitre 4 Automates à pile et langages hors-contexte 87 Introduction Langage a n b n n est pas accepté par un automate fini. Par contre L k = {a n b n n k} est accepté. Mémoire finie, mémoire infinie,

Plus en détail

! S. Russell & P. Norvig : Artificial Intelligence: A modern approach (2nd ed.).

! S. Russell & P. Norvig : Artificial Intelligence: A modern approach (2nd ed.). Introduction à l intelligence artificielle (recherche dans les graphes) Ouvrages conseillés! S. Russell & P. Norvig : rtificial Intelligence: modern approach (nd ed.). Prentice Hall, 003 (Trad. française

Plus en détail

Licence informatique - L3 Année 2012/2013. Conception d algorithmes et applications (LI325) COURS 2

Licence informatique - L3 Année 2012/2013. Conception d algorithmes et applications (LI325) COURS 2 Licence informatique - L Année 0/0 Conception d algorithmes et applications (LI) COURS Résumé. Cette deuxième séance est entièrement consacrée aux applications du principe Diviser pour Régner. Nous regarderons

Plus en détail

Notes de cours de spé maths en Terminale ES

Notes de cours de spé maths en Terminale ES Spé maths Terminale ES Lycée Georges Imbert 05/06 Notes de cours de spé maths en Terminale ES O. Lader Table des matières Recherche de courbes sous contraintes, matrices. Systèmes linéaires.......................................

Plus en détail

M2 Informatique/Réseaux Université Pierre et Marie Curie UE APMM

M2 Informatique/Réseaux Université Pierre et Marie Curie UE APMM TD TECHNIQUES DE CODAGE ET DE COMPRESSION. LANGAGE / CODAGE / VALENCE.. Rappels Toute fraction intelligible d un message est constituée de symboles. Le langage est l ensemble de ces symboles. Un codage

Plus en détail

UNIVERSITE SAAD DAHLAB DE BLIDA

UNIVERSITE SAAD DAHLAB DE BLIDA Chapitre 5 :. Introduction aux méthodes par séparation et évaluation Les méthodes arborescentes ( Branch and Bound Methods ) sont des méthodes exactes d'optimisation qui pratiquent une énumération intelligente

Plus en détail

Programmation par contraintes Cours 2 : Problémes de Satisfaction de Contraintes CSP

Programmation par contraintes Cours 2 : Problémes de Satisfaction de Contraintes CSP Cours 2 : Problémes de Satisfaction de Contraintes CSP ESIL Université de la méditerranée Odile.Papini@esil.univ-mrs.fr http://pages-perso.esil.univmed.fr/ papini/ Plan du cours 2 1 Définition d un CSP

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

PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011

PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011 Projet 2009 2010 Biométrie 3D PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011 Département : TIC Mots clés : Biométrie, Analyse d images, Vision, Caméra thermique, Caméra temps de vol, Détection

Plus en détail

De l art d écrire des programmes qui résolvent des problèmes que l on ne sait pas résoudre soi-même!

De l art d écrire des programmes qui résolvent des problèmes que l on ne sait pas résoudre soi-même! Chapitre 1 La récursivité De l art d écrire des programmes qui résolvent des problèmes que l on ne sait pas résoudre soi-même! 1.1 Définition et types de récursivité Définition 1 (Définition récursive,

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

Machines de Turing. Chapitre 14 14.1. DÉFINITION ET FONCTIONNEMENT

Machines de Turing. Chapitre 14 14.1. DÉFINITION ET FONCTIONNEMENT Chapitre 4 Machines de Turing Dans ce chapitre on présente un modèle de calcul introduit dans les années 3 par Turing, les machines de Turing. Ces machines formalisent la notion de calculabilité. La thèse

Plus en détail

Prof.É.D.Taillard. Classification automatique @Prof. E. Taillard 1 EIVD, Informatique logiciel, 4 e semestre

Prof.É.D.Taillard. Classification automatique @Prof. E. Taillard 1 EIVD, Informatique logiciel, 4 e semestre INFORMATIQUE ORIENTATION LOGICIELS CLASSIFICATION AUTOMATIQUE Prof.É.D.Taillard Classification automatique @Prof. E. Taillard EIVD, Informatique logiciel, 4 e semestre CLASSIFICATION AUTOMATIQUE But :

Plus en détail

V Recherche dans les arbres de jeux

V Recherche dans les arbres de jeux V Recherche dans les arbres de jeux Damien Olivier Damien.Olivier@univ-lehavre.fr Faculte des Sciences et Techniques du Havre Maitrise d informatique - Intelligence Artificielle p.1/30 Plan 1. Quels jeux?

Plus en détail

Génie Logiciel Industriel - Travaux pratiques

Génie Logiciel Industriel - Travaux pratiques - Travaux pratiques TP1 : Recherche par dichotomie I. Introduction. L objectif de ce TP est de mettre en pratique des notions de base du langage C (entrées/sorties, structure de contrôle, fonctions, ).

Plus en détail

L Intelligence Artificielle

L Intelligence Artificielle L Intelligence Artificielle pour les développeurs Concepts et implémentations en C# Virginie MATHIVET Table des matières 1 Les exemples à télécharger sont disponibles à l'adresse suivante : http://www.editions-eni.fr

Plus en détail

Devoir Surveillé informatique MP, PC, PSI

Devoir Surveillé informatique MP, PC, PSI NOM : Classe : Devoir Surveillé informatique MP, PC, PSI L utilisation des calculatrices n est pas autorisée pour cette épreuve. Le langage de programmation choisi est Python. L espace laissé pour les

Plus en détail

Résolution de systèmes linéaires creux par des méthodes directes

Résolution de systèmes linéaires creux par des méthodes directes Résolution de systèmes linéaires creux par des méthodes directes J. Erhel Janvier 2014 1 Stockage des matrices creuses Dans de nombreuses simulations numériques, la discrétisation du problème aboutit à

Plus en détail

Chap. 2. Langages et automates

Chap. 2. Langages et automates Chapitre 2. Langages et automates 1. Quelques définitions et description d un langage. 2. Les expressions régulières. 3. Les automates fini déterministes et non-déterministes. 4. Construction automatique

Plus en détail

Partie 3. Gilles Lebrun (gilles.lebrun@unicaen.fr)

Partie 3. Gilles Lebrun (gilles.lebrun@unicaen.fr) Partie 3 Gilles Lebrun (gilles.lebrun@unicaen.fr) Les arbres binaires Définition : C est une structure arborescente ou hiérarchique ou récursive Chaque élément (nœud) constituant la structure de l arbre

Plus en détail

L2: cours I4c Langages et automates

L2: cours I4c Langages et automates L2: cours I4c Langages et automates Olivier Togni, LE2I (038039)3887 olivier.togni@u-bourgogne.fr Modifié le 31 mai 2007 Sommaire Utiles pour compilation, interprétation,... 1. Langages rationnels 2. Langages

Plus en détail

Algorithmique et Structures de Données

Algorithmique et Structures de Données 1.1 Algorithmique et Structures de Données Jean-Charles Régin Licence Informatique 2ème année 1.2 Itérations Jean-Charles Régin Licence Informatique 2ème année Itération : définition 3 En informatique,

Plus en détail

Ioannis Parissis UFR IMA Laboratoire LIG. Test logiciel

Ioannis Parissis UFR IMA Laboratoire LIG. Test logiciel Test logiciel Objectif et plan du du cours Présenter les concepts de base sur le test logiciel Introduire des techniques simples pour construire des tests A partir de la spécification informelle du programme

Plus en détail

Langages de programmation et compilation

Langages de programmation et compilation École Normale Supérieure Langages de programmation et compilation Jean-Christophe Filliâtre Cours 6 / 9 novembre 2015 Jean-Christophe Filliâtre Langages de programmation et compilation 2015 2016 / cours

Plus en détail

Parcours d un graphe ISN 2013. Jean-Manuel Mény IREM de LYON () Algorithmique ISN 2013 1 / 97

Parcours d un graphe ISN 2013. Jean-Manuel Mény IREM de LYON () Algorithmique ISN 2013 1 / 97 Parcours d un graphe ISN 2013 Jean-Manuel Mény IREM de LYON () Algorithmique ISN 2013 1 / 97 Exercices à rendre Trois exercices sont à rendre. L exercice 1 pourra être rendu sur papier mardi 2 avril (ou

Plus en détail

Algorithmique et graphes

Algorithmique et graphes Tourisme et digicodes Stéphane Henriot Étienne Simon Département d informatique École normale supérieure de Cachan stephane.henriot@ens-cachan.fr etienne.simon@ens-cachan.fr GICS, 2014 http://gics.fr Outline

Plus en détail

Cours Excel. Licence des Sciences de Gestion 2006-2007. I. Présentation d Excel

Cours Excel. Licence des Sciences de Gestion 2006-2007. I. Présentation d Excel Cours Excel Licence des Sciences de Gestion 2006-2007 I. Présentation d Excel Classeur, feuilles, cellules, colonnes, lignes, Fenêtre principale o Barre de menus o Barre d outils o Barre de formules o

Plus en détail

Méthodes d Optimisation

Méthodes d Optimisation Méthodes d Optimisation Licence Professionnelle Logistique Université du Littoral - Côte d Opale, Pôle Lamartine Laurent SMOCH (smoch@lmpa.univ-littoral.fr) Septembre 2011 Laboratoire de Mathématiques

Plus en détail

Département de la Drôme

Département de la Drôme Département de la Drôme Mise en place des Programmes Personnalisés de Réussite Educative. Comment cibler les élèves? Les procédures de choix des élèves sont essentielles Certaines interprétations peuvent

Plus en détail

ALGORITHME DE DIJKSTRA

ALGORITHME DE DIJKSTRA Auteur : Marie-Laurence Brivezac ALGORITHME DE DIJKSTRA TI-83 Premium CE Mots-clés : graphes, matrices, algorithme, programmation. Fichiers associés : dijkstra_eleve.pdf, DIJKSTRA.8xp, MINL.8xp, [C].8xm,

Plus en détail

- 06 - LA GESTION DE LA PRODUCTION : PARTIE 1

- 06 - LA GESTION DE LA PRODUCTION : PARTIE 1 - 06 - LA GESTION DE LA PRODUCTION : PARTIE 1 Objectif(s) : o o Pré requis : o o o Contraintes de production, Optimisation de la gestion de la production. Coût de production, Production sous contraintes,

Plus en détail

Utiliser un modèle d état prédéfini

Utiliser un modèle d état prédéfini Chapitre 8 Etats rapides Certains boutons sont désactivés, en fonction du type de cellule sélectionné. 4 Répétez les étapes 2 et 3 pour chaque bordure à paramétrer. 5 Cliquez sur le bouton OK pour valider

Plus en détail

Placements de tours sur les diagrammes de permutations

Placements de tours sur les diagrammes de permutations Placements de tours sur les diagrammes de permutations 5 août 0 Résumé Le problème des placements de tours consiste à compter le nombre de manières de placer k tours sur un échiquier sans que les tours

Plus en détail

MÉRÉ Aurélien FIIFO1. Pathfinder

MÉRÉ Aurélien FIIFO1. Pathfinder MÉRÉ Aurélien FIIFO1 AMC Pathfinder 1 Sommaire Préambule... 3 Modélisation de l espace... 4 Modélisation des cases δ, α... 4 Interface en mode texte... 5 Modélisation du robot... 8 1 ) Le type Robot...

Plus en détail

Compteurs, variables et afficheurs dans Automgen

Compteurs, variables et afficheurs dans Automgen Section : S Option : Sciences de l ingénieur Discipline : Génie Électrique Compteurs, variables et afficheurs dans Automgen Domaine d application : Traitement programmé de l information Type de document

Plus en détail

Animation. Principes et modélisation

Animation. Principes et modélisation Animation Principes et modélisation Les animations Une animation est obtenue par une succession rapide d'images (25 images par seconde en vidéo, 24 pour le cinéma). Pour une séquence donnée, chaque image

Plus en détail

C12. Les structures arborescentes. Août 2006

C12. Les structures arborescentes. Août 2006 Les structures arborescentes Août 2006 Objectifs du C12 Connaître le principe de la structure d arbre binaire Connaître les détails d implémentation de la structure d arbre binaire de recherche Les structures

Plus en détail

Description du projet

Description du projet Polytech Paris Sud > Et4 Informatique > Recherche d information dans les textes Description du projet Ce projet est à réaliser en groupes de 4 ou 5 étudiants et sera à rendre collectivement. Le rendu sera

Plus en détail

Arbres Binaire. PSI DAKHLA Prof Youssef El marzak. 1 Prof Youssef Elmarzak

Arbres Binaire. PSI DAKHLA Prof Youssef El marzak. 1 Prof Youssef Elmarzak Arbres Binaire PSI DAKHLA Prof Youssef El marzak 1 Prof Youssef Elmarzak 1.introduction: Les arbre sont très utilisées en informatique, d une part parce que les informations sont souvent hiérarchisées,

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

M2 MPRO. Optimisation dans les Graphes 2014-2015

M2 MPRO. Optimisation dans les Graphes 2014-2015 M2 MPRO Optimisation dans les Graphes 2014-2015 Programmation linéaire et problèmes d'optimisation dans les graphes 1 Problèmes d'optimisation dans les graphes : quelles méthodes pour les résoudre? Théorie

Plus en détail

Tâche complexe produite par l académie de Clermont-Ferrand. Juin 2011 LA PHOTOCOPIEUSE. Fiche professeur... 2. Fiche élève... 4

Tâche complexe produite par l académie de Clermont-Ferrand. Juin 2011 LA PHOTOCOPIEUSE. Fiche professeur... 2. Fiche élève... 4 LA PHOTOCOPIEUSE Table des matières Fiche professeur... 2 Fiche élève... 4 Narration de séance et productions d élèves... 5 1 Fiche professeur LA PHOTOCOPIEUSE Niveaux et objectifs pédagogiques 3 e : introduction

Plus en détail

Complexité des algorithmes

Complexité des algorithmes Complexité des algorithmes par Robert Rolland R. Rolland, Aix Marseille Université, Institut de Mathématiques de Marseille I2M Luminy Case 930, F13288 Marseille CEDEX 9 e-mail : robert.rolland@acrypta.fr

Plus en détail

pmp Plate-forme Maison Passive a.s.b.l

pmp Plate-forme Maison Passive a.s.b.l Synthèse - NBN EN 13829 Performance thermique des bâtiments Détermination de la perméabilité à l air des bâtiments Méthode de pressurisation par ventilateur (ISO 9972 : 1996, modifiée) 1. Introduction

Plus en détail

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Philippe Gagnepain Université Paris 1 Ecole d Economie de Paris Centre d économie de la Sorbonne-UG 4-Bureau 405 philippe.gagnepain@univ-paris1.fr

Plus en détail

1 FAITES CONNAISSANCE AVEC LA MÉTHODE DES PLANS D EXPÉRIENCES

1 FAITES CONNAISSANCE AVEC LA MÉTHODE DES PLANS D EXPÉRIENCES 1 FAITES CONNAISSANCE AVEC LA MÉTHODE DES PLANS D EXPÉRIENCES Si vous lisez ce livre c est que, probablement, vous faites des expériences et que vous cherchez à mieux les organiser. Vous cherchez surtout

Plus en détail

Table des Matières. Satisfaisabilité en logique propositionnelle ES pour les problèmes d optimisation Élagage à l aide d heuristiques Le Labyrinthe

Table des Matières. Satisfaisabilité en logique propositionnelle ES pour les problèmes d optimisation Élagage à l aide d heuristiques Le Labyrinthe Table des Matières Essais Successifs (ES) 1 Rappels : Fonctions et Ordres de grandeurs 2 Diviser pour Régner 3 Approches Gloutonnes 4 Programmation Dynamique 5 Essais Successifs (ES) Le problème des n

Plus en détail

Intelligence Artificielle

Intelligence Artificielle Intelligence Artificielle p. 1/1 Intelligence Artificielle Les arbres de décisions Maria Malek Département Systèmes Informatiques Formels & Intelligents Intelligence Artificielle p. 2/1 Extraire les connaissances

Plus en détail

1 Introduction. 2 Algorithmes sans élagage. 2.1 Minimax. Chapitre 3 : Jeux (Février 2007, Pierre Gançarski)

1 Introduction. 2 Algorithmes sans élagage. 2.1 Minimax. Chapitre 3 : Jeux (Février 2007, Pierre Gançarski) Chapitre 3 : Jeux (Février 2007, Pierre Gançarski) 1 Introduction Quatre caractérisques pour les jeux étudiés : jeux à deux : deux adversaires eectuent alternativement des coups, chaque défaillance de

Plus en détail

CHAPITRE 2 GRAPHES 2.1 LES GRAPHES ET LEURS COMPOSANTES.

CHAPITRE 2 GRAPHES 2.1 LES GRAPHES ET LEURS COMPOSANTES. CHAPITRE 2 GRAPHES 2.1 LES GRAPHES ET LEURS COMPOSANTES. Faire le numéro 5 a)b) de la page 39 du cahier math 3000 Remarque importante : La somme des degrés de tous les sommets d un graphe est toujours

Plus en détail

Arbres binaires de recherche (ABR) Binary Search Trees (BST)

Arbres binaires de recherche (ABR) Binary Search Trees (BST) LSVIII-BIM Algorithmie, 2015 Arbres binaires de recherche (ABR) Binary Search Trees (BST) I. Arbres binaires 1. Structure 2. Parcours II. Arbres binaires de recherche 1. Définition 2. Opérations sur les

Plus en détail

MATH-F-306 - Optimisation. Prénom Nom Note

MATH-F-306 - Optimisation. Prénom Nom Note MATH-F-306 Optimisation examen de 1 e session année 2009 2010 Prénom Nom Note Répondre aux questions ci-dessous en justifiant rigoureusement chaque étape, affirmation, etc. AUCUNE NOTE N EST AUTORISÉE.

Plus en détail

Introduction. 1. Une base de données : 2. Un SGBD :

Introduction. 1. Une base de données : 2. Un SGBD : Le modèle Entité-Association Introduction Les bases de données ont pris une place importante en informatique, et particulièrement dans le domaine de la gestion. L étude des bases de données a conduit au

Plus en détail

Problèmes à propos des nombres entiers naturels

Problèmes à propos des nombres entiers naturels Problèmes à propos des nombres entiers naturels 1. On dispose d une grande feuille de papier, on la découpe en 4 morceaux, puis on déchire certains morceaux (au choix) en 4 et ainsi de suite. Peut-on obtenir

Plus en détail

IMPRESSION D UNE FEUILLE DE CALCUL OU D UN GRAPHIQUE

IMPRESSION D UNE FEUILLE DE CALCUL OU D UN GRAPHIQUE IMPRESSION D UNE FEUILLE DE CALCUL OU D UN GRAPHIQUE Pour imprimer une feuille de calcul, vous devez d abord définir la zone à imprimer (cette étape n est pas nécessaire si vous désirez imprimer tout le

Plus en détail

Modélisation de systèmes par automates finis

Modélisation de systèmes par automates finis LIP6 - UPMC Année 2010 2011 Master SAR - MSR Aide mémoire Modélisation de systèmes par automates finis Table des matières 1 Introduction : modélisation par automates finis 1 2 Systèmes de transitions et

Plus en détail

Tristan Cazenave Laboratoire d Intelligence Artificielle. cazenave@ai.univ-paris8.fr

Tristan Cazenave Laboratoire d Intelligence Artificielle. cazenave@ai.univ-paris8.fr Réflexivité et programmation du jeu de Go Tristan Cazenave Laboratoire d Intelligence Artificielle Université Paris 8, Saint Denis, France cazenave@ai.univ-paris8.fr Résumé La réflexivité peut intervenir

Plus en détail

Spécification géométrique des produits (GPS) I. Un peu d histoire 1

Spécification géométrique des produits (GPS) I. Un peu d histoire 1 2 Année PT S.I.I. CI 2 : Analyse et conception des mécanismes Fiche de TD Page 1 sur 1 Le GPS, «Geométric Product Spécification» est un concept qui a pour but de rendre la lecture des dessins de définition

Plus en détail

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

Mathématiques pour l informatique 1 notes de cours sur la première partie 1 Mathématiques pour l informatique 1 notes de cours sur la première partie L1 Université Paris-Est, Marne-la-Vallée Cyril Nicaud Organisation Ce demi-cours est composé de 6 séances de cours et 6 séances

Plus en détail

FAO CATIA Initiation

FAO CATIA Initiation Avant propos Objectif : Aider les équipes «Course en Cours» à aborder la FAO CATIA et à travailler en autonomie. Ce diaporama ne traite pas des choix et procédés d usinages. Pré-requis : Maîtriser les

Plus en détail

UNIVERSITÉ de CAEN/BASSE NORMANDIE U.F.R. : SCIENCES CAEN. Cours EL401T2. Master 1A Mention EEA Parcours AEII

UNIVERSITÉ de CAEN/BASSE NORMANDIE U.F.R. : SCIENCES CAEN. Cours EL401T2. Master 1A Mention EEA Parcours AEII UNIVERSITÉ de CAEN/BASSE NORMANDIE U.F.R. : SCIENCES CAEN Réseaux de Petri Cours EL4 Master A Mention EEA Parcours AEII G. Scorletti et G. Binet Maîtres de conférences à l Université de Caen GREYC AUTO

Plus en détail

Rapport IN52. Sujet : Résolution d un puzzle

Rapport IN52. Sujet : Résolution d un puzzle CARRE Julien PIERNOT Jérôme Rapport IN52 Sujet : Résolution d un puzzle Responsable : M. Ruicheck Y. Automne 2007 1 SOMMAIRE INTRODUCTION...3 I. Description et approche du sujet...4 1. Description 2. Outils

Plus en détail

Sommaire des mises à jour au document : Indicateurs de rendement des mathématiques M à 9 de l Alberta

Sommaire des mises à jour au document : Indicateurs de rendement des mathématiques M à 9 de l Alberta Sommaire des mises à jour au document : Indicateurs de rendement des mathématiques M à 9 de l Alberta Ce document présente les mises à jour qui ont été faites au document d appui Indicateurs de rendement

Plus en détail

CHAPITRE VI : SYSTEME DE GESTION DE FICHIERS

CHAPITRE VI : SYSTEME DE GESTION DE FICHIERS 56 CHAPITRE VI : SYSTEME DE GESTION DE FICHIERS 6.1 INTRODUCTION : Afin de fournir un accès efficace et pratique au disque, le SE impose un système de gestion de fichiers (SGF) pour permettre de stocker,

Plus en détail

Le fer à cheval de Smale

Le fer à cheval de Smale Le fer à cheval de Smale Selim GHAZOUANI, ENS Lyon Novembre 2010, Groupe de lecture dirigé par Alexey GLUSTYUK sur les systèmes dynamiques Le fer à cheval de Smale est un exemple de transformation continue

Plus en détail

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN Les contenues de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas

Plus en détail

1. Description du cours

1. Description du cours 1. Description du cours Ce cours porte sur la généralisation de notions mathématiques par le biais d expériences, d applications et du développement de structures formelles et abstraites. Au moyen de la

Plus en détail

UP : Unified Process

UP : Unified Process UP : Unified Process 1 UP : Unified Process Table des matières 1DÉFINITION... 2 1.1UP est itératif... 2 1.2UP est centré sur l'architecture...2 1.3UP est piloté par les cas d'utilisation d'uml... 2 2VIE

Plus en détail

Modélisation objet avec UML

Modélisation objet avec UML Modélisation objet avec UML Le développement des systèmes est une tâche d une grande envergure et un investissement important pour toute entreprise. La modélisation des systèmes déjà existants ou d un

Plus en détail

Introduction à la théorie des jeux à deux

Introduction à la théorie des jeux à deux Introduction à la théorie des jeux à deux Table des matières 1 Arbres d évaluation 2 A) Minimax...................................... 2 B) α-β......................................... 3 2 Variantes et

Plus en détail

Expressions, types et variables en Python

Expressions, types et variables en Python Expressions, types et variables en Python 2015-08-26 1 Expressions Les valeurs désignent les données manipulées par un algorithme ou une fonction. Une valeur peut ainsi être : un nombre, un caractère,

Plus en détail

Agrégation externe de mathématiques, texte d exercice diffusé en 2012 Épreuve de modélisation, option informatique

Agrégation externe de mathématiques, texte d exercice diffusé en 2012 Épreuve de modélisation, option informatique Agrégation externe de mathématiques, texte d exercice diffusé en 2012 Épreuve de modélisation, option informatique Résumé : A partir du problème de la représentation des droites sur un écran d ordinateur,

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

Les théorèmes de Gerschgorin et de Hadamard

Les théorèmes de Gerschgorin et de Hadamard Localisation des valeurs propres : Quelques propriétés sur les disques de Gerschgorin. Jean-Baptiste Campesato 22 septembre 29 Gerschgorin est parfois retranscrit en Gershgorin, Geršgorin, Hershhornou

Plus en détail

Introduction à l Intelligence Artificielle

Introduction à l Intelligence Artificielle Introduction à l Intelligence Artificielle p. 1/41 Introduction à l Intelligence Artificielle Cyril Terrioux Laboratoire des Sciences de l Information et des Systèmes LSIS - UMR CNRS 6168 Introduction

Plus en détail

Module Production à commande numérique - Tournage. Les techniques de production à commande numérique... 3. Introduction / historique...

Module Production à commande numérique - Tournage. Les techniques de production à commande numérique... 3. Introduction / historique... Index Les sujets de formation Les techniques de production à commande numérique.... 3 Introduction / historique...................................... 3 CNC, Généralités.........................................

Plus en détail

Fiche méthodologique Les pièges dans les dénombrements

Fiche méthodologique Les pièges dans les dénombrements Fiche méthodologique Les pièges dans les dénombrements BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Dans cette fiche, on résume quelques points techniques sur les dénombrements et la théorie des probabilités.

Plus en détail

Algorithmes de tris. Chapitre 4

Algorithmes de tris. Chapitre 4 Chapitre 4 Algorithmes de tris Trier un ensemble d objets consiste à ordonner ces objets en fonction de clés et d une relation d ordre définie sur cette clé. Par exemple, chaque étudiant inscrit à l université

Plus en détail

Chapitre 1 Découvrir Excel 15

Chapitre 1 Découvrir Excel 15 Chapitre 1 Découvrir Excel 15 1.1. Connaître l historique du tableur et d Excel... 16 Les débuts du tableur... 16 L évolution d Excel depuis Excel 2... 17 Excel 2007 en quelques mots... 19 1.2. Démarrer

Plus en détail

Spécification par la modélisation

Spécification par la modélisation Spécification par la modélisation Objectifs : Être en mesure de spécifier par les modèles UML. Comprendre l importance des cas d utilisation (UC). Comprendre les méthodes d'identification des UCs. Comprendre

Plus en détail

PROGRAMMATION DYNAMIQUE

PROGRAMMATION DYNAMIQUE PROGRAMMATION DYNAMIQUE 1 Le principe d optimalité de Bellman La programmation dynamique est fondée sur le principe d optimalité de Bellman : Soit f une fonction réelle de x et y = (y 1, y 2,..., y n ).

Plus en détail

Les Sparklines. Création. Astuce!

Les Sparklines. Création. Astuce! Les Sparklines Les Sparklines sont des micrographiques s insérant dans une seule cellule d Excel. Ils apportent du sens dans vos tableaux de données chiffrées pour les analyser d un seul coup d œil. Trois

Plus en détail

Programmation par Contraintes. Correctif des quelques exercices.

Programmation par Contraintes. Correctif des quelques exercices. Programmation par Contraintes. Correctif des quelques exercices. Ruslan Sadykov 22 décembre 204 Les règles de Golomb Une règle de Golomb est un ensemble d entiers naturels dans lequel les distances entre

Plus en détail

Chapitre 1 Second degré. Table des matières. Chapitre 1 Second degré TABLE DES MATIÈRES page -1

Chapitre 1 Second degré. Table des matières. Chapitre 1 Second degré TABLE DES MATIÈRES page -1 Chapitre 1 Second degré TABLE DES MATIÈRES page -1 Chapitre 1 Second degré Table des matières I Exercices I-1 1................................................ I-1................................................

Plus en détail

Grammaires formelles et. programmation logique

Grammaires formelles et. programmation logique Grammaires formelles et programmation logique Motivation Après avoir étudié Prolog nous l avons appliqué à l interprétation de règles de sémantique sur des termes (Arbres de Syntaxe Abstraite) Nous allons

Plus en détail