Université de Bretagne-Sud, Lab-STICC, Lorient, France

Dimension: px
Commencer à balayer dès la page:

Download "Université de Bretagne-Sud, Lab-STICC, Lorient, France {andre.rossi,marc.sevaux}@univ-ubs.fr"

Transcription

1 Problèmes de maximisation de la durée de vie dans un réseau de capteurs sans fil directionnels André Rossi, Alok Singh, Marc Sevaux Université de Bretagne-Sud, Lab-STICC, Lorient, France University of Hyderabad, School of Computer and Information Sciences, India 2 février 2 A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

2 Plan Réseaux de capteurs sans fil omnidirectionnels 2 Réseaux de capteurs sans fil directionnels Méthode de résolution par génération de colonnes Comparaison des deux versions du problème Résultats 6 Conclusions et perspectives A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 2 / 6

3 Réseaux de capteurs sans fil omnidirectionnels A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

4 Réseaux de capteurs sans fil omnidirectionnels A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

5 Réseaux de capteurs sans fil omnidirectionnels A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

6 Réseaux de capteurs sans fil omnidirectionnels Maximiser c t j () j= c a i,j t j b i i {,...,n} [ i ] (2) j= t j j {,...,c} () n Maximiser a i,c+ i () i= a i,c+ i C k k {,...,m} () n a i,c+ m (6) i= a i,c+ {,} i {,...,n} (7) A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

7 Réseaux de capteurs sans fil directionnels Chaque capteur fonctionne dans un secteur angulaire d amplitude donnée Une direction dans [,2[ pour tout capteur actif Premier problème Second problème A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

8 Réseaux de capteurs sans fil directionnels Chaque capteur fonctionne dans un secteur angulaire d amplitude donnée Une direction dans [,2[ pour tout capteur actif Premier problème Second problème A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

9 Réseaux de capteurs sans fil directionnels Chaque capteur fonctionne dans un secteur angulaire d amplitude donnée Une direction dans [,2[ pour tout capteur actif Premier problème Second problème A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

10 Réseaux de capteurs sans fil directionnels Chaque capteur fonctionne dans un secteur angulaire d amplitude donnée Une direction dans [,2[ pour tout capteur actif Premier problème Second problème A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

11 Réseaux de capteurs sans fil directionnels Chaque capteur fonctionne dans un secteur angulaire d amplitude donnée Une direction dans [,2[ pour tout capteur actif Premier problème Second problème A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

12 Réseaux de capteurs sans fil directionnels Chaque capteur fonctionne dans un secteur angulaire d amplitude donnée Une direction dans [,2[ pour tout capteur actif Premier problème Second problème A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

13 Réseaux de capteurs sans fil directionnels Chaque capteur fonctionne dans un secteur angulaire d amplitude donnée Une direction dans [,2[ pour tout capteur actif Premier problème Second problème A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

14 Réseaux de capteurs sans fil directionnels Chaque capteur fonctionne dans un secteur angulaire d amplitude donnée Une direction dans [,2[ pour tout capteur actif Premier problème Second problème A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

15 Réseaux de capteurs sans fil directionnels Chaque capteur fonctionne dans un secteur angulaire d amplitude donnée Une direction dans [,2[ pour tout capteur actif Premier problème Second problème A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

16 Réseaux de capteurs sans fil directionnels Chaque capteur fonctionne dans un secteur angulaire d amplitude donnée Une direction dans [,2[ pour tout capteur actif Premier problème Second problème A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

17 Réseaux de capteurs sans fil directionnels Chaque capteur fonctionne dans un secteur angulaire d amplitude donnée Une direction dans [,2[ pour tout capteur actif Premier problème Second problème A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

18 Réseaux de capteurs sans fil directionnels A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 6 / 6

19 Méthode de résolution par génération de colonnes Représentation d une couverture 2 Initialisation du problème maître Sous-problème Stratégie globale de l algorithme de génération de colonnes Intérêt de l algorithme génétique pour le sous-problème A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 7 / 6

20 Représentation d une couverture Le capteur s i a σ i directions, pour tout i dans {,...,n}. i g i = σ l, et q {,...,σ i }, A gi +q,j = ssi le capteur i est actif l= et orienté dans sa q ième direction. 7 2 A j = 6.. g i + g i + σ i g n + σ n A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

21 Représentation d une couverture Le capteur s i a σ i directions, pour tout i dans {,...,n}. i g i = σ l, et q {,...,σ i }, A gi +q,j = ssi le capteur i est actif l= et orienté dans sa q ième direction. 7 2 A j = 6.. g i + g i + σ i g n + σ n A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

22 Représentation d une couverture Le capteur s i a σ i directions, pour tout i dans {,...,n}. i g i = σ l, et q {,...,σ i }, A gi +q,j = ssi le capteur i est actif l= et orienté dans sa q ième direction. 7 2 A j = 6.. g i + g i + σ i g n + σ n A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

23 Représentation d une couverture Le capteur s i a σ i directions, pour tout i dans {,...,n}. i g i = σ l, et q {,...,σ i }, A gi +q,j = ssi le capteur i est actif l= et orienté dans sa q ième direction. 7 2 A j = 6.. g i + g i + σ i g n + σ n A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

24 Représentation d une couverture Une colonne du problème maître correspond à plusieurs couvertures distinctes Maximiser p σ i j= t j q= p j= t j A gi +q,j t j b i i {,...,n} j {,...,p} s s 2 2 A j = } s } s 2 A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

25 Représentation d une couverture Une colonne du problème maître correspond à plusieurs couvertures distinctes Maximiser p σ i j= t j q= p j= t j A gi +q,j t j b i i {,...,n} j {,...,p} s s 2 2 A j = } s } s 2 A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

26 Représentation d une couverture Une colonne du problème maître correspond à plusieurs couvertures distinctes Maximiser p σ i j= t j q= p j= t j A gi +q,j t j b i i {,...,n} j {,...,p} s s 2 2 A j = } s } s 2 s s 2 2 A j = } s } s 2 A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

27 Initialisation du problème maître S il existe une cible hors de portée de tout capteur, alors le problème n a pas de solution (la durée de vie du réseau de capteurs est nulle) La réciproque est fausse s s 2 s 2 Déterminer s il existe une couverture valide est un problème N P-complet Conséquence : initialement, aucune colonne pour le problème maître A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

28 Initialisation du problème maître S il existe une cible hors de portée de tout capteur, alors le problème n a pas de solution (la durée de vie du réseau de capteurs est nulle) La réciproque est fausse s s 2 s 2 Déterminer s il existe une couverture valide est un problème N P-complet Conséquence : initialement, aucune colonne pour le problème maître A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

29 Initialisation du problème maître S il existe une cible hors de portée de tout capteur, alors le problème n a pas de solution (la durée de vie du réseau de capteurs est nulle) La réciproque est fausse s s 2 s 2 Déterminer s il existe une couverture valide est un problème N P-complet Conséquence : initialement, aucune colonne pour le problème maître A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

30 Initialisation du problème maître S il existe une cible hors de portée de tout capteur, alors le problème n a pas de solution (la durée de vie du réseau de capteurs est nulle) La réciproque est fausse s s 2 s 2 Déterminer s il existe une couverture valide est un problème N P-complet Conséquence : initialement, aucune colonne pour le problème maître A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

31 Initialisation du problème maître S il existe une cible hors de portée de tout capteur, alors le problème n a pas de solution (la durée de vie du réseau de capteurs est nulle) La réciproque est fausse s s 2 s 2 Déterminer s il existe une couverture valide est un problème N P-complet Conséquence : initialement, aucune colonne pour le problème maître A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

32 Initialisation du problème maître S il existe une cible hors de portée de tout capteur, alors le problème n a pas de solution (la durée de vie du réseau de capteurs est nulle) La réciproque est fausse s s 2 s 2 Déterminer s il existe une couverture valide est un problème N P-complet Conséquence : initialement, aucune colonne pour le problème maître A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

33 Initialisation du problème maître S il existe une cible hors de portée de tout capteur, alors le problème n a pas de solution (la durée de vie du réseau de capteurs est nulle) La réciproque est fausse s s 2 s 2 Déterminer s il existe une couverture valide est un problème N P-complet Conséquence : initialement, aucune colonne pour le problème maître A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

34 Sous-problème Sous-problème : Maximiser σ i A gi +q,j q= A h,j h C k n σ i A gi +q,j m i= q= n σ i i= q= A gi +q,j i i {,...,n} k {,...,m} A gi +q,j {,} i {,...,n}, q {,...,σ i } On utilise un algorithme génétique pour retourner plusieurs couvertures profitables On n utilise la formulation PLNE qu en cas d échec de l algorithme génétique A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

35 Stratégie globale de l algorithme de génération de colonnes Début Problème maître Sous-problème algo. génétique Oui Oui Couverture profitable trouvée? Non Oui Quatrième essai? Non Sous-problème PLNE Couverture profitable trouvée? Fin Non A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 2 / 6

36 Intérêt de l algorithme génétique pour le sous-problème n ϕ PLNE seul Algo géné + PLNE Facteur d accélération Temps de calcul en secondes Plus l amplitude du secteur angulaire ϕ est petite, plus le problème est difficile L intérêt de l algorithme génétique s accentue avec la difficulté des instances A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

37 Comparaison des deux versions du problème LM-PDS : directions prédéfinies, LM-CDS : directions à déterminer LM-PDS peut être non réalisable alors que LM-CDS l est s i 2 s 2 i LM-PDS LM-CDS la durée de vie du réseau dans le cas de LM-CDS est supérieure ou égale à ce qu elle est pour LM-PDS. A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

38 Comparaison des deux versions du problème LM-PDS : directions prédéfinies, LM-CDS : directions à déterminer LM-PDS peut être non réalisable alors que LM-CDS l est s i 2 s 2 i LM-PDS LM-CDS la durée de vie du réseau dans le cas de LM-CDS est supérieure ou égale à ce qu elle est pour LM-PDS. A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

39 Comparaison des deux versions du problème LM-PDS : directions prédéfinies, LM-CDS : directions à déterminer LM-PDS peut être non réalisable alors que LM-CDS l est s i 2 s 2 i LM-PDS LM-CDS la durée de vie du réseau dans le cas de LM-CDS est supérieure ou égale à ce qu elle est pour LM-PDS. A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

40 Comparaison des deux versions du problème LM-PDS : directions prédéfinies, LM-CDS : directions à déterminer LM-PDS peut être non réalisable alors que LM-CDS l est s i 2 s 2 i LM-PDS LM-CDS la durée de vie du réseau dans le cas de LM-CDS est supérieure ou égale à ce qu elle est pour LM-PDS. A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

41 Comparaison des deux versions du problème LM-PDS : directions prédéfinies, LM-CDS : directions à déterminer LM-PDS peut être non réalisable alors que LM-CDS l est s i 2 s 2 i LM-PDS LM-CDS la durée de vie du réseau dans le cas de LM-CDS est supérieure ou égale à ce qu elle est pour LM-PDS. A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

42 Comparaison des deux versions du problème LM-PDS : directions prédéfinies, LM-CDS : directions à déterminer LM-PDS peut être non réalisable alors que LM-CDS l est s i 2 s 2 i LM-PDS LM-CDS la durée de vie du réseau dans le cas de LM-CDS est supérieure ou égale à ce qu elle est pour LM-PDS. A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

43 Résultats n ϕ LM-PDS LM-CDS De LM-PDS à LM-CDS 2 # opt. avg. LT avg. CPU # opt. avg. LT avg. CPU avg. LT avg. CPU % 6.% % +.6% %.% %.2% % 7.6% %.2% % 7.% %.6%.2 dnf % dnf % dnf 2. dnf +.7% - 6. dnf. dnf +.% - LM-CDS permet de prolonger la durée de vie d au moins % par rapport à LM-PDS LM-CDS n est pas plus difficile que LM-PDS A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 / 6

44 Conclusions et perspectives Maximisation de la durée de vie pour capteurs directionnels Pour des directions prédéfinies Pour des directions à déterminer La version avec directions à déterminer est la plus pertinente Génération de colonnes exploitant un algorithme génétique Matheuristique très efficace, facilement adaptable, basée sur un code libre (c et glpk) Méthode exacte pouvant servir d heuristique Prise en compte de la connectivité Utilisation de modèles de consommation plus réalistes A. Rossi, A. Singh, M. Sevaux (UBS) Réseaux de capteurs sans fil directionnels 2 février 2 6 / 6

Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires

Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Julien Jorge julien.jorge@univ-nantes.fr Laboratoire d Informatique de Nantes Atlantique,

Plus en détail

Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie

Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie 1 Présenté par: Yacine KESSACI Encadrement : N. MELAB E-G. TALBI 31/05/2011 Plan 2 Motivation

Plus en détail

Jean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux

Jean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Bases de données réparties: Fragmentation et allocation

Bases de données réparties: Fragmentation et allocation Pourquoi une base de données distribuée? Bibliographie Patrick Valduriez, S. Ceri, Guiseppe Delagatti Bases de données réparties: Fragmentation et allocation 1 - Introduction inventés à la fin des années

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

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Masses de données 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Rédacteurs : Mjo Huguet / N. Jozefowiez 1. Introduction : Besoins Informations et Aide

Plus en détail

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation

Plus en détail

L exclusion mutuelle distribuée

L exclusion mutuelle distribuée L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué

Plus en détail

Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes.

Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes. Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes. LE QUERE Yann, SEVAUX Marc, TRENTESAUX Damien, TAHON Christian Equipe Systèmes de Production

Plus en détail

Programmation Par Contraintes

Programmation Par Contraintes Programmation Par Contraintes Cours 2 - Arc-Consistance et autres amusettes David Savourey CNRS, École Polytechnique Séance 2 inspiré des cours de Philippe Baptiste, Ruslan Sadykov et de la thèse d Hadrien

Plus en détail

ARBRES BINAIRES DE RECHERCHE

ARBRES BINAIRES DE RECHERCHE ARBRES BINAIRES DE RECHERCHE Table de symboles Recherche : opération fondamentale données : éléments avec clés Type abstrait d une table de symboles (symbol table) ou dictionnaire Objets : ensembles d

Plus en détail

Ordonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative

Ordonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative Ordonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative Y. Houbad, M. Souier, A. Hassam, Z.Sari Laboratoire d automatique Tlemcen Faculté de technologie, Université Abou

Plus en détail

Les colonies de fourmis : apprentissage coopératif pour le problème du voyageur de commerce

Les colonies de fourmis : apprentissage coopératif pour le problème du voyageur de commerce : apprentissage coopératif pour le problème du voyageur de commerce Alexandre Bargeton Benjamin Devèze Université Pierre et Marie Curie Présentation du projet ANIMAT 1 Comportements collectifs des insectes

Plus en détail

Algorithmique I. Augustin.Lux@imag.fr Roger.Mohr@imag.fr Maud.Marchal@imag.fr. Algorithmique I 20-09-06 p.1/??

Algorithmique I. Augustin.Lux@imag.fr Roger.Mohr@imag.fr Maud.Marchal@imag.fr. Algorithmique I 20-09-06 p.1/?? Algorithmique I Augustin.Lux@imag.fr Roger.Mohr@imag.fr Maud.Marchal@imag.fr Télécom 2006/07 Algorithmique I 20-09-06 p.1/?? Organisation en Algorithmique 2 séances par semaine pendant 8 semaines. Enseignement

Plus en détail

Algorithmes d'apprentissage

Algorithmes d'apprentissage Algorithmes d'apprentissage 1 Agents qui apprennent à partir d'exemples La problématique : prise de décision automatisée à partir d'un ensemble d'exemples Diagnostic médical Réponse à une demande de prêt

Plus en détail

MEM vs entrevues traditionnelles pour l admission en médecine :

MEM vs entrevues traditionnelles pour l admission en médecine : MEM vs entrevues traditionnelles pour l admission en médecine : Méthodologie mixte pour comparer les deux modalités au sein d une même cohorte Julie Anne Buckland Directeurs de recherche: Philippe Karazivan

Plus en détail

Architecture des Systèmes d Information Architecture des Systèmes d Information

Architecture des Systèmes d Information Architecture des Systèmes d Information Plan... Tableaux et tris I3 - Algorithmique et programmation 1 Rappels Nicol Delestre 2 Tableaux à n dimensions 3 Initiation aux tris Tableaux - v2.0.1 1 / 27 Tableaux - v2.0.1 2 / 27 Rappels : tableau

Plus en détail

Resolution limit in community detection

Resolution limit in community detection Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.

Plus en détail

Programmation Linéaire - Cours 1

Programmation Linéaire - Cours 1 Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.

Plus en détail

Introduction à la Programmation par Contraintes (PPC) Ruslan Sadykov LIX, École Polytechnique

Introduction à la Programmation par Contraintes (PPC) Ruslan Sadykov LIX, École Polytechnique Introduction à la Programmation par Contraintes (PPC) Ruslan Sadykov LIX, École Polytechnique Contenu Introduction Modélisation Problèmes de satisfaction des contraintes Exemples des modèles PPC simples

Plus en détail

Programmation linéaire

Programmation linéaire Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire

Plus en détail

Chapitre 4 : Exclusion mutuelle

Chapitre 4 : Exclusion mutuelle Chapitre 4 : Exclusion mutuelle Pierre Gançarski Juillet 2004 Ce support de cours comporte un certain nombre d erreurs : je décline toute responsabilité quant à leurs conséquences sur le déroulement des

Plus en détail

Détection des deux roues motorisés par télémétrie laser à balayage

Détection des deux roues motorisés par télémétrie laser à balayage MEsure du TRAfic des deux-roues MOTOrisés pour la sécurité et l évaluation des risques Détection des deux roues motorisés par télémétrie laser à balayage Séminaire de mi parcours 11 mai 2012 CETE Normandie

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 3. Les distributions à deux variables Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles

Plus en détail

BACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE

BACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la

Plus en détail

Plus courts chemins, programmation dynamique

Plus courts chemins, programmation dynamique 1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique

Plus en détail

Optimisation for Cloud Computing and Big Data

Optimisation for Cloud Computing and Big Data 1 / 31 Optimisation for Cloud Computing and Big Data Olivier Beaumont, Lionel Eyraud-Dubois 2 / 31 Le Cloud, qu est-ce que c est? C est récent Amazon qui commence (2006) avec AWS Dropbox, Google App Engine

Plus en détail

Algorithmique et Programmation, IMA

Algorithmique et Programmation, IMA Algorithmique et Programmation, IMA Cours 2 : C Premier Niveau / Algorithmique Université Lille 1 - Polytech Lille Notations, identificateurs Variables et Types de base Expressions Constantes Instructions

Plus en détail

Cours d initiation à la programmation en C++ Johann Cuenin

Cours d initiation à la programmation en C++ Johann Cuenin Cours d initiation à la programmation en C++ Johann Cuenin 11 octobre 2014 2 Table des matières 1 Introduction 5 2 Bases de la programmation en C++ 7 3 Les types composés 9 3.1 Les tableaux.............................

Plus en détail

Application de K-means à la définition du nombre de VM optimal dans un cloud

Application de K-means à la définition du nombre de VM optimal dans un cloud Application de K-means à la définition du nombre de VM optimal dans un cloud EGC 2012 : Atelier Fouille de données complexes : complexité liée aux données multiples et massives (31 janvier - 3 février

Plus en détail

Raisonnement par récurrence Suites numériques

Raisonnement par récurrence Suites numériques Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.

Plus en détail

Développement mobile MIDP 2.0 Mobile 3D Graphics API (M3G) JSR 184. Frédéric BERTIN fbertin@neotilus.com

Développement mobile MIDP 2.0 Mobile 3D Graphics API (M3G) JSR 184. Frédéric BERTIN fbertin@neotilus.com Développement mobile MIDP 2.0 Mobile 3D Graphics API (M3G) JSR 184 Frédéric BERTIN fbertin@neotilus.com Présentaion : Mobile 3D Graphics API JSR 184 M3G :présentation Package optionnel de l api J2ME. Prend

Plus en détail

Algorithmique & programmation

Algorithmique & programmation Algorithmique & programmation Type structuré Article, Enregistrement, Structure Définition de nouveaux types!! On a vu les types simples "! entier, booléen, caractère, chaîne de caractères!! Comment gérer

Plus en détail

Un modèle réactif pour l optimisation par colonies de fourmis : application à la satisfaction de contraintes

Un modèle réactif pour l optimisation par colonies de fourmis : application à la satisfaction de contraintes Actes JFPC 2009 Un modèle réactif pour l optimisation par colonies de fourmis : application à la satisfaction de contraintes Madjid Khichane 1,2, Patrick Albert 1 et Christine Solnon 2 1 ILOG An IBM Company

Plus en détail

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

Plus en détail

Modélisation multi-agents - Agents réactifs

Modélisation multi-agents - Agents réactifs Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf

Plus en détail

03/04/2007. Tâche 1 Tâche 2 Tâche 3. Système Unix. Time sharing

03/04/2007. Tâche 1 Tâche 2 Tâche 3. Système Unix. Time sharing 3/4/27 Programmation Avancée Multimédia Multithreading Benoît Piranda Équipe SISAR Université de Marne La Vallée Besoin Programmes à traitements simultanés Réseau Réseau Afficher une animation en temps

Plus en détail

Séries Statistiques Simples

Séries Statistiques Simples 1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &

Plus en détail

1 Recherche en table par balayage

1 Recherche en table par balayage 1 Recherche en table par balayage 1.1 Problème de la recherche en table Une table désigne une liste ou un tableau d éléments. Le problème de la recherche en table est celui de la recherche d un élément

Plus en détail

Contrôle Non Destructif : Implantation d'algorithmes sur GPU et multi-coeurs. Gilles Rougeron CEA/LIST Département Imagerie Simulation et Contrôle

Contrôle Non Destructif : Implantation d'algorithmes sur GPU et multi-coeurs. Gilles Rougeron CEA/LIST Département Imagerie Simulation et Contrôle Contrôle Non Destructif : Implantation d'algorithmes sur GPU et multi-coeurs Gilles Rougeron CEA/LIST Département Imagerie Simulation et Contrôle 1 CEA R & D for Nuclear Energy 5 000 people Nuclear systems

Plus en détail

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments Recherche Opérationnelle Optimisation combinatoire : Applications et compléments Pierre Delisle Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique 17 février 2014 Plan de

Plus en détail

Principes d implémentation des métaheuristiques

Principes d implémentation des métaheuristiques Chapitre 2 Principes d implémentation des métaheuristiques Éric D. Taillard 1 2.1 Introduction Les métaheuristiques ont changé radicalement l élaboration d heuristiques : alors que l on commençait par

Plus en détail

Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires

Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique

Plus en détail

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France. La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of

Plus en détail

Correction du baccalauréat S Liban juin 2007

Correction du baccalauréat S Liban juin 2007 Correction du baccalauréat S Liban juin 07 Exercice. a. Signe de lnx lnx) : on fait un tableau de signes : x 0 e + ln x 0 + + lnx + + 0 lnx lnx) 0 + 0 b. On afx) gx) lnx lnx) lnx lnx). On déduit du tableau

Plus en détail

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction

Plus en détail

Pour chaque projet est indiqué son titre, le ou les laboratoires participants ainsi que le coordinateur

Pour chaque projet est indiqué son titre, le ou les laboratoires participants ainsi que le coordinateur Pour chaque projet est indiqué son titre, le ou les laboratoires participants ainsi que le coordinateur ARROWS Structures de données avec pointeurs sûres : une approche déclarative de leur spécification

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

6. Hachage. Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses

6. Hachage. Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses 6. Hachage Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses PLAN Définition Fonctions de Hachage Méthodes de résolution de collisions Estimation

Plus en détail

Cours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions

Cours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Cours d introduction à l informatique Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Qu est-ce qu un Une recette de cuisine algorithme? Protocole expérimental

Plus en détail

Pratique des options Grecs et stratégies de trading. F. Wellers

Pratique des options Grecs et stratégies de trading. F. Wellers Pratique des options Grecs et stratégies de trading F. Wellers Plan de la conférence 0 Philosophie et structure du cours 1 Définitions des grecs 2 Propriétés des grecs 3 Qu est ce que la volatilité? 4

Plus en détail

Localisation des points d accès sans fil non autorisés

Localisation des points d accès sans fil non autorisés Localisation des points d accès sans fil non autorisés Un point d accès non autorisé peut compromettre la sécurité du réseau de l entreprise en l exposant au monde extérieur. Pour remédier à cette menace,

Plus en détail

Optimisation SQL. Quelques règles de bases

Optimisation SQL. Quelques règles de bases Optimisation SQL Quelques règles de bases Optimisation des ordres SQL Page 2 1. QUELQUES RÈGLES DE BASE POUR DES ORDRES SQL OPTIMISÉS...3 1.1 INTRODUCTION...3 1.2 L OPTIMISEUR ORACLE...3 1.3 OPTIMISEUR

Plus en détail

La fonction ET et la fonction OU. La Fonction ET

La fonction ET et la fonction OU. La Fonction ET La Fonction ET La fonction ET ne peut afficher que deux résultats: VRAI : Si les résultats de tous les tests logiques sont VRAI FAUX : Si le résultat d au moins l'un des tests logiques est FAUX. Structure

Plus en détail

Eclairage artificiel

Eclairage artificiel Eclairage artificiel Directions de lumière Effets de la source Mise en Scène Mise en Valeur Eléments de Projet Directions de lumière La composition lumineuse d une scène suppose la maîtrise des directions

Plus en détail

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA 75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche

Plus en détail

Expérience 3 Formats de signalisation binaire

Expérience 3 Formats de signalisation binaire Expérience 3 Formats de signalisation binaire Introduction Procédures Effectuez les commandes suivantes: >> xhost nat >> rlogin nat >> setenv DISPLAY machine:0 >> setenv MATLABPATH /gel/usr/telecom/comm_tbx

Plus en détail

OUTILS EN INFORMATIQUE

OUTILS EN INFORMATIQUE OUTILS EN INFORMATIQUE Brice Mayag brice.mayag@dauphine.fr LAMSADE, Université Paris-Dauphine R.O. Excel brice.mayag@dauphine.fr (LAMSADE) OUTILS EN INFORMATIQUE R.O. Excel 1 / 35 Plan Présentation générale

Plus en détail

Durée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point

Durée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point 03 Mai 2013 Collège Oasis Durée de L épreuve : 2 heures. apple Le sujet comporte 4 pages et est présenté en livret ; apple La calculatrice est autorisée ; apple 4 points sont attribués à la qualité de

Plus en détail

Programmation mathématique Discrète et Modèles Linéaires

Programmation mathématique Discrète et Modèles Linéaires Université Pierre et Marie Curie Master IAD Module PDML Programmation mathématique Discrète et Modèles Linéaires Pierre Fouilhoux pierre.fouilhoux@lip6.fr 29 septembre 2013 Table des matières I Programmation

Plus en détail

Erreur statique. Chapitre 6. 6.1 Définition

Erreur statique. Chapitre 6. 6.1 Définition Chapitre 6 Erreur statique On considère ici le troisième paramètre de design, soit l erreur statique. L erreur statique est la différence entre l entrée et la sortie d un système lorsque t pour une entrée

Plus en détail

Optimisation for Cloud Computing and Big Data

Optimisation for Cloud Computing and Big Data 1 / 23 Optimisation for Cloud Computing and Big Data Olivier Beaumont, Lionel Eyraud-Dubois 2 / 23 Aujourd hui Problèmes de fiabilité on va oublier la dynamicité Placement de VMs en programmation par contraintes

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

TP3 : Manipulation et implantation de systèmes de fichiers 1

TP3 : Manipulation et implantation de systèmes de fichiers 1 École Normale Supérieure Systèmes et réseaux Année 2012-2013 TP3 : Manipulation et implantation de systèmes de fichiers 1 1 Répertoire de travail courant Le but de l exercice est d écrire une commande

Plus en détail

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.

Plus en détail

alg - Classes, instances, objets [oo] Exercices résolus

alg - Classes, instances, objets [oo] Exercices résolus alg - Classes, instances, objets [oo] Exercices résolus Karine Zampieri, Stéphane Rivière, Béatrice Amerein-Soltner Unisciel algoprog Version 27 avril 2015 Table des matières 1 Compte bancaire OO 2 1.1

Plus en détail

Des HRTF aux Object-RTF : Système de prise de son 3D pour dispositifs nomades

Des HRTF aux Object-RTF : Système de prise de son 3D pour dispositifs nomades CFA 214 Poitiers 22-25 Avril 214, Poitiers Des HRTF aux Object-RTF : Système de prise de son 3D pour dispositifs nomades J. Palacino et R. Nicol Orange Labs, 2 Avenue Pierre Marzin, 223 Lannion, France

Plus en détail

TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile

TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile Dans ce TP, vous apprendrez à définir le type abstrait Pile, à le programmer en Java à l aide d une interface

Plus en détail

K. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau

K. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau Apport des modèles de krigeage à la simulation numérique K Ammar, F Bachoc, JM Martinez CEA-Saclay, DEN, DM2S, F-91191 Gif-sur-Yvette, France Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau Apport des

Plus en détail

Agrégation de liens xdsl sur un réseau radio

Agrégation de liens xdsl sur un réseau radio Agrégation de liens xdsl sur un réseau radio Soutenance TX Suiveur: Stéphane Crozat Commanditaire: tetaneutral.net/laurent Guerby 1 02/02/212 Introduction 2 Introduction: schéma 3 Définition d un tunnel

Plus en détail

RECHERCHE OPERATIONNELLE

RECHERCHE OPERATIONNELLE RECHERCHE OPERATIONNELLE 0. Introduction. Ce cours a été enseigné jusqu en 2002, en année de licence, à la MIAGE de NANCY. L objectif principal de ce cours est d acquérir une connaissance approfondie de

Plus en détail

) ) ) ) Structure et optimisation des coûts de la conformité Analyse comparée de PCI DSS et ISO 27001 CNIS EVENT. 27 avril 2011.

) ) ) ) Structure et optimisation des coûts de la conformité Analyse comparée de PCI DSS et ISO 27001 CNIS EVENT. 27 avril 2011. Structure et optimisation des coûts de la conformité Analyse comparée de PCI DSS et ISO 27001 CNIS EVENT 27 avril 2011 Paris ) ) ) ) Ce document est la propriété de Provadys SAS et ne peut être reproduit

Plus en détail

This is an author-deposited version published in : http://oatao.univ-toulouse.fr/ Eprints ID : 13074

This is an author-deposited version published in : http://oatao.univ-toulouse.fr/ Eprints ID : 13074 Open Archive TOULOUSE Archive Ouverte (OATAO) OATAO is an open access repository that collects the work of Toulouse researchers and makes it freely available over the web where possible. This is an authordeposited

Plus en détail

Installation kit NTS 820-F 1987009E9NN

Installation kit NTS 820-F 1987009E9NN Installation kit NTS 820-F 1987009E9NN Nussbaum France Central 2, 460 Clos de la courtine 93160 Noisy le grand 01 78 78 72 00 www.nussbaum-france.com Préalable : Cette notice va vous aidez pour la modification

Plus en détail

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines

Plus en détail

Sommaire. Introduction.2. 1. Définition..2. 2. Historique.2. 3. Domaine d application.2. 4.Les Travaux réalisés sur les domaines d application.

Sommaire. Introduction.2. 1. Définition..2. 2. Historique.2. 3. Domaine d application.2. 4.Les Travaux réalisés sur les domaines d application. Sommaire Introduction.2 1. Définition..2 2. Historique.2 3. Domaine d application.2 4.Les Travaux réalisés sur les domaines d application.3 5.Algorithme 4 6.Exemple d application 5 7. Avantage et inconvénient..6

Plus en détail

Optimisation de la compression fractale D images basée sur les réseaux de neurones

Optimisation de la compression fractale D images basée sur les réseaux de neurones Optimisation de la compression fractale D images basée sur les réseaux de neurones D r BOUKELIF Aoued Communication Networks,Architectures and Mutimedia laboratory University of S.B.A aoued@hotmail.com

Plus en détail

PREMIER RETOUR D EXPERIENCE SUR LE FLOW-SHOP BIOBJECTIF ET HYBRIDE A DEUX ETAGES AVEC UNE CONTRAINTE DE BLOCAGE PARTICULIERE

PREMIER RETOUR D EXPERIENCE SUR LE FLOW-SHOP BIOBJECTIF ET HYBRIDE A DEUX ETAGES AVEC UNE CONTRAINTE DE BLOCAGE PARTICULIERE 6 e Conférence Francophone de MOdélisation et SIMulation - MOSIM 06 - du 3 au 5 avril 2006 - Rabat - Maroc Modélisation, Optimisation et Simulation des Systèmes : Défis et Opportunités PREMIER RETOUR D

Plus en détail

I4 : Bases de Données

I4 : Bases de Données I4 : Bases de Données Passage de UML au modèle relationnel Georges LOUIS Département Réseaux et Télécommunications Université de La Rochelle Module I4 2008-2009 1 G.Louis Sommaire 1 Des classes aux tables

Plus en détail

Optimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h

Optimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels

Plus en détail

Introduction sur les risques avec l'informatique «industrielle»

Introduction sur les risques avec l'informatique «industrielle» HERVÉ SCHAUER CONSULTANTS Cabinet de Consultants en Sécurité Informatique depuis 1989 Spécialisé sur Unix, Windows, TCP/IP et Internet Introduction sur les risques avec l'informatique «industrielle» Paris,

Plus en détail

Diagrammes de Package, de déploiement et de composants UML

Diagrammes de Package, de déploiement et de composants UML labsticc.univ-brest.fr/pages_perso/babau/ Diagrammes de Package, de déploiement et de composants UML Jean-Philippe Babau Département Informatique, UFR Sciences, Laboratoire Lab-STICC 2 1 Plan Description

Plus en détail

Le projet CyberEdu, intégrer la cybersécurité dans les enseignements d informatique. Gilles Lesventes Université de Rennes 1

Le projet CyberEdu, intégrer la cybersécurité dans les enseignements d informatique. Gilles Lesventes Université de Rennes 1 Le projet CyberEdu, intégrer la cybersécurité dans les enseignements d informatique Gilles Lesventes Université de Rennes 1 Journée SPECIF Campus - 7 novembre 2014 1 Appel d offre dans le contexte décrit

Plus en détail

Initiation à la Programmation en Logique avec SISCtus Prolog

Initiation à la Programmation en Logique avec SISCtus Prolog Initiation à la Programmation en Logique avec SISCtus Prolog Identificateurs Ils sont représentés par une suite de caractères alphanumériques commençant par une lettre minuscule (les lettres accentuées

Plus en détail

Chp. 4. Minimisation d une fonction d une variable

Chp. 4. Minimisation d une fonction d une variable Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie

Plus en détail

E/ECE/324/Rev.1/Add.12/Rev.7/Amend.4 E/ECE/TRANS/505/Rev.1/Add.12/Rev.7/Amend.4

E/ECE/324/Rev.1/Add.12/Rev.7/Amend.4 E/ECE/TRANS/505/Rev.1/Add.12/Rev.7/Amend.4 6 décembre 2012 Accord Concernant l adoption de prescriptions techniques uniformes applicables aux véhicules à roues, aux équipements et aux pièces susceptibles d être montés ou utilisés sur un véhicule

Plus en détail

Université de Sherbrooke, Département d informatique

Université de Sherbrooke, Département d informatique Université de Sherbrooke, Département d informatique IGL501 : Méthodes formelles en génie logiciel, Examen périodique Professeur : Marc Frappier, mardi 7 octobre 2013, 15h30 à 18h20, local D4-2022 Documentation

Plus en détail

I. Ensemble de définition d'une fonction

I. Ensemble de définition d'une fonction Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux

Plus en détail

Package TestsFaciles

Package TestsFaciles Package TestsFaciles March 26, 2007 Type Package Title Facilite le calcul d intervalles de confiance et de tests de comparaison avec prise en compte du plan d échantillonnage. Version 1.0 Date 2007-03-26

Plus en détail

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur Excel Avancé Plan Outils de résolution La valeur cible Le solveur Interactivité dans les feuilles Fonctions de recherche (ex: RechercheV) Utilisation de la barre d outils «Formulaires» Outils de simulation

Plus en détail

Projet L1, S2, 2015: Simulation de fourmis, Soutenance la semaine du 4 mai.

Projet L1, S2, 2015: Simulation de fourmis, Soutenance la semaine du 4 mai. Projet L1, S2, 2015: Simulation de fourmis, Soutenance la semaine du 4 mai. 1 Introduction On considère une grille de 20 lignes 20 colonnes. Une case de la grille peut être vide, ou contenir une et une

Plus en détail

CREATION D UNE CHAINE DE REFERENCE POUR

CREATION D UNE CHAINE DE REFERENCE POUR CREATION D UNE CHAINE DE REFERENCE POUR LA MESURE DE LA PRESSION ARTERIELLE La mesure de la pression artérielle par méthode auscultatoire au moyen d un sphygmomanomètre est l une des méthodes les plus

Plus en détail

Nom de l UE Matières CM TD TP Langues 14 14. Gestion financière 6 10 5 crédits ECTS

Nom de l UE Matières CM TD TP Langues 14 14. Gestion financière 6 10 5 crédits ECTS Année 2 - Semestre 3 Spécialités : GI, I, M UE LSE E302 Langues Sciences Economiques Sciences de Gestion Sciences Humaines Volume horaire CM : 24 h TD : 42 h GI TP : 14 h Responsable : Richard Mulpas Nom

Plus en détail

Programmation linéaire et Optimisation. Didier Smets

Programmation linéaire et Optimisation. Didier Smets Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des

Plus en détail

Laboratoire d Automatique et Productique Université de Batna, Algérie

Laboratoire d Automatique et Productique Université de Batna, Algérie Anale. Seria Informatică. Vol. IX fasc. 2 Annals. Computer Science Series. 9 th Tome st Fasc. 2 La sélection de paramètres d un système industriel par les colonies de fourmis Ouahab Kadri, L. Hayet Mouss,

Plus en détail

Rétablissement d un réseau cellulaire après un désastre

Rétablissement d un réseau cellulaire après un désastre Rétablissement d un réseau cellulaire après un désastre Anaïs Vergne avec Laurent Decreusefond, Ian Flint, et Philippe Martins Journées MAS 2014 29 août 2014 Rétablissement d un réseau cellulaire après

Plus en détail

Optimisation multi-objectif par colonies de fourmis : cas des problèmes de sac à dos

Optimisation multi-objectif par colonies de fourmis : cas des problèmes de sac à dos Optimisation multi-objectif par colonies de fourmis : cas des problèmes de sac à dos Inès Alaya To cite this version: Inès Alaya. Optimisation multi-objectif par colonies de fourmis : cas des problèmes

Plus en détail

dans un contexte d infogérance J-François MAHE Gie GIPS

dans un contexte d infogérance J-François MAHE Gie GIPS Management de la sécurité dans un contexte d infogérance J-François MAHE Gie GIPS Mise en place d une convention de service Traitant les points suivants : L organisation de la sécurité du SI La gestion

Plus en détail