Optimisation sous-modulaire

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Optimisation sous-modulaire"

Transcription

1 1/23 Optimisation sous-modulaire Guillaume Aubian 14 avril 2016

2 2/23 Définition Soient f : E R et g : E {true, false} Problème de minimisation associé : Trouver x E tel que : g(x) = true y E, f (x) f (y)

3 3/23 Savoir minimiser, c est cool... Quitte à remplacer f par f, maximiser c est minimiser

4 4/23 Savoir minimiser, c est cool... Quitte à remplacer f par f, maximiser c est minimiser Exemple : Maximiser f définie ainsi : E = {1,..., 49} 8 f : x somme que je gagne si je joue x au loto demain g : _ true

5 5/23...mais c est dur :( Indécidable si E infini Même si f et g calculables.

6 6/23...mais c est dur :( Indécidable si E infini Même si f et g calculables. Même si f : E {42}

7 7/23...mais c est dur :( Indécidable si E infini Même si f et g calculables. Même si f : E {42} Ou alors les matheux sont idiots : Comment démontrer un théorème trivial : E = {2k k > 1} f : x 42 g : x p 1, p 2 P, p 1 + p 2 x

8 8/23 Cas continu Définition On dit que f : R n R convexe si x, y R n, 0 λ 1, f (λx + (1 λ)y) λf (x) + (1 λ)f (y)

9 9/23 Cas continu Si E = R n f convexe g convexe Alors on sait minimiser f Et rapidement (polynomial en #digits) Méthode de l Ellipsoïde (1972), interêt théorique Méthode des points intérieurs (1984), très rapide

10 10/23 Cas discret E fini trivial d optimiser en O( E ) Si E = 2 V, peut-on optimiser en O(P( V )) = O(P(log E ))?

11 11/23 Cas discret E fini trivial d optimiser en O( E ) Si E = 2 V, peut-on optimiser en O(P( V )) = O(P(log E ))? Si oui, les infos sont idiots : Comment démontrer un théorème trivial : V = un ensemble de variables Soit ϕ une formule logique sur V f : x 1 si ϕ(x), 0 sinon g : _ true

12 12/23 Sous-modularité Définition Soit f : 2 V R On dit que f est sous-modulaire si : A, B 2 V, f (A) + f (B) f (A B) + f (A B) qui équivaut à : A B V, x 1 V, f (A {x 1 }) f (A) f (B {x 1 }) f (B) La première est pratique pour les calculs, la seconde pour l intuition

13 13/23 Optimisation sous-modulaire Soit f : 2 V R sous-modulaire, on sait minimiser f en temps (fortement) polynomial selon 2 V... que maximiser f est NP-complet... obtenir une (1 1 e )-approximation du maximum... qu un meilleur approximateur entraîne P=NP... faire un truc SWAG et inutile : les arbres de Gomory-Hu

14 14/23 Stabilité sous-modulaire Les fonctions sous-modulaires sont stables par : Composition gauche par une fonction croissante Et donc par multiplication par un scalaire positif Addition Composition gauche par une fonction concave Composition droite par le complémentaire Minimisation contre certaines fonctions

15 15/23 Exemple : fonction bugdet À tout i V, on associe un poids w i Fonction budget f : A V cste + i A w i est sous-modulaire Inutile tout seul car trivial à optimiser, cool avec les sommes Seule fonction f sous-modulaire, telle que f l est aussi

16 16/23 Autres exemples Min-Cut Petit trick pour virer la solution Peu importe que le graphe soit orienté (+ hypergraphe?) Problèmes NP-Complet Plein de NP-complets = maximiser une fonction sous-modulaire Set-cover Rang des matroïdes Certaines formulations de Max-Sat...

17 17/23 Algorithme de minimisation Complexité : O((γn 4 + n 5 )log(max_value))... C est beaucoup :( Date de 2012 (par Satoru Iwata) donc surement améliorable

18 18/23 Algorithme de maximisation Juste un glouton Difficile de prouver que resultat = (1 1 e )maximum Mieux P = NP Cool pour prouver la complexité d algos

19 19/23 Algorithme de maximisation resultat = (1 1 e )maximum Vrai même si on met une restriction sur la taille de la solution (par exemple, minimiser parmi les solutions de cardinal 42) Dans le cas de la minimisation, ça devient d un coup NP-complet!

20 20/23 Arbres de Gomory-Hu Soit f symétrique ( A V, f (A) = f (V A)) On note min i,j (f ) = min(f (S) S tq i S, j / S) Théorème Il existe un (unique à enracinage près) arbre pondéré A de sommets V, tel que : i, j V, min i,j (f ) = min(w(e), e Chemin de i à j dans A )

21 21/23 Arbres de Gomory-Hu Théorème Il existe un (unique à enracinage près) arbre pondéré A de sommets V, tel que : i, j V, min i,j (f ) = min(w(e), e Chemin de i à j dans A ) Algorithme de Gomory-Hu pour le calculer On sait le faire en n 1 appels de f (n 2 semblent nécessaires)

22 22/23 Interêt des arbres de Gomory-Hu Euh...

23 23/23 Conclusion Minimiser c est cool mais c est lent Maximiser c est cool mais c est pas parfait Pouvoir combiner des fonctions sous-modulaires c est cool Les arbres de Gomory-Hu... euh...

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

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

Plus en détail

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

Feuille 1 : Autour du problème SAT

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

Plus en détail

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

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

Plus en détail

(i) Le nombre de travailleurs commencant leur service est positif ou nul : x i 0 i = 1,...,7

(i) Le nombre de travailleurs commencant leur service est positif ou nul : x i 0 i = 1,...,7 Chapitre 1 Modelisation 11 Exemples de Problèmes 111 La Cafétaria Cafétaria ouverte toute la semaine Statistique sur le personnel requis : Jour Lundi Mardi Mercredi Jeudi Vendredi Samedi Dimanche Nombre

Plus en détail

Les espaces vectoriels

Les espaces vectoriels Agrégation interne UFR MATHÉMATIQUES 1. Généralités Les espaces vectoriels Dans tout le chapitre, K représente un corps commutatif. 1.1. Notion d espace vectoriel On considère un ensemble E sur lequel

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

EXAMEN I31, 2015. La clarté et la concision de vos réponses est essentielle. Lisez l énoncé avant de répondre.

EXAMEN I31, 2015. La clarté et la concision de vos réponses est essentielle. Lisez l énoncé avant de répondre. EXAMEN I, 05 La clarté et la concision de vos réponses est essentielle. Lisez l énoncé avant de répondre. Euclide et Bézout Pour a = a 0 = 0,b = b 0 =. Première question. Calculez le PGCDg deaetb, ainsi

Plus en détail

Introduction à la programmation en variables entières Cours 3

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

Plus en détail

Introduction à l optimisation

Introduction à l optimisation Université du Québec à Montréal Introduction à l optimisation Donnée dans le cadre du cours Microéconomie II ECO2012 Baccalauréat en économique Par Dominique Duchesneau 21 janvier septembre 2008 Ce document

Plus en détail

Introduction à l optimisation

Introduction à l optimisation Chapitre 1 Introduction à l optimisation 1.1 Problématique 1.1.1 Cadre Un problème d optimisation consiste, étant donnée une fonction f : S R, àtrouver: 1) son minimum v (resp. son maximum) dans S 2) un

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

Programmation linéaire

Programmation linéaire Programmation linéaire NICOD JEAN-MARC Master 2 Informatique Université de Franche-Comté UFR des Sciences et Techniques septembre 2008 NICOD JEAN-MARC Rappels sur les graphes 1 / 47 Sommaire 1 Exemple

Plus en détail

Traverses minimales d un hypergraphe :

Traverses minimales d un hypergraphe : Traverses minimales d un hypergraphe : Applications et Analyse Céline Hébert Alain Bretto Loïck Lhote GREYC, Université de Caen Basse-Normandie ALEA 2007, Marseille ébert, Bretto, Lhote (GREYC, Université

Plus en détail

Chapitre : Fonctions convexes

Chapitre : Fonctions convexes Chapitre : Fonctions convexes I Définition Définition 1 Soit f : I R une fonction continue où I un intervalle de R On dit que f est une fonction convexe si (x, y I 2, λ [0, 1], f(λx + (1 λy λf(x + (1 λf(y

Plus en détail

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I ÉLÉMENTS D OPTIMISATION Complément au cours et au livre de MTH 1101 - CALCUL I CHARLES AUDET DÉPARTEMENT DE MATHÉMATIQUES ET DE GÉNIE INDUSTRIEL ÉCOLE POLYTECHNIQUE DE MONTRÉAL Hiver 2011 1 Introduction

Plus en détail

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Arts & Métiers Filière PSI

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Arts & Métiers Filière PSI Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Arts & Métiers Filière PSI Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes

Plus en détail

A. 1. Définitions 96/154. Cas particuliers

A. 1. Définitions 96/154. Cas particuliers I II III IV V VI VII VIII Cours de Mathématiques IUT Orsay DUT INFORMATIQUE A - Semestre 0-0 Introduction Wims Calcul ensembliste Relations binaires, applications Logique Raisonnements par récurrence,

Plus en détail

Modèle probabiliste: Algorithmes et Complexité

Modèle probabiliste: Algorithmes et Complexité Modèles de calcul, Complexité, Approximation et Heuristiques Modèle probabiliste: Algorithmes et Complexité Jean-Louis Roch Master-2 Mathématique Informatique Grenoble-INP UJF Grenoble University, France

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

Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Laurent Garcin MPSI Lycée Jean-Baptiste Corot ESPACES VECTORIELS 1 Définition et exemples fondamentaux 1.1 Définition Définition 1.1 Espace vectoriel Soient K un corps et E un ensemble muni d une loi interne + et d une loi externe. i.e. d une application

Plus en détail

Généralités sur les fonctions numériques

Généralités sur les fonctions numériques 7 Généralités sur les fonctions numériques Une fonction numérique est, de manière générale, une fonction d une variable réelle et à valeurs réelles. 7.1 Notions de base sur les fonctions Si I, J sont deux

Plus en détail

Avertissement! Dans tout ce chapître, C désigne une partie convexe de IR n, et f une fonction. 9.1 Fonctions affines, convexes, strictement convexes

Avertissement! Dans tout ce chapître, C désigne une partie convexe de IR n, et f une fonction. 9.1 Fonctions affines, convexes, strictement convexes Chp. 9. Convexité Avertissement! Dans tout ce chapître, C désigne une partie convexe de IR n, et f une fonction numérique partout définie sur C. 9.1 Fonctions affines, convexes, strictement convexes Définition

Plus en détail

Baccalauréat ES Polynésie 10 juin 2016

Baccalauréat ES Polynésie 10 juin 2016 Baccalauréat ES Polynésie 0 juin 06 EXERCICE Les parties A et B sont indépendantes On s intéresse à l ensemble des demandes de prêts immobiliers auprès de trois grandes banques. Une étude montre que %

Plus en détail

Chapitre IV Bases et dimension d un espace vectoriel

Chapitre IV Bases et dimension d un espace vectoriel Chapitre IV Bases et dimension d un espace vectoriel Objectif : Nous allons voir comment fabriquer des systèmes de coordonnées pour les vecteurs d un espace vectoriel général. Dans ce chapitre désigne

Plus en détail

OLYMPIADES FRANÇAISES DE MATHÉMATIQUES

OLYMPIADES FRANÇAISES DE MATHÉMATIQUES OLYMPIADES FRANÇAISES DE MATHÉMATIQUES OLYMPIADES OFM FRANÇAISES MATHÉMATIQUES ENVOI NO. 3 CORRIGÉ 1 Exercices du groupe B Exercice 1. Soit n 1 un entier tel que le quotient de 2 n par n est une puissance

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

Exercices théoriques

Exercices théoriques École normale supérieure 2008-2009 Département d informatique Algorithmique et Programmation TD n 9 : Programmation Linéaire Avec Solutions Exercices théoriques Rappel : Dual d un programme linéaire cf.

Plus en détail

Série n 5 : Optimisation non linéaire

Série n 5 : Optimisation non linéaire Université Claude Bernard, Lyon I Licence Sciences & Technologies 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France Option: M2AO 2007-2008 Série n 5 : Optimisation

Plus en détail

Sujets HEC B/L 2013-36-

Sujets HEC B/L 2013-36- -36- -37- Sujet HEC 2012 B/L Exercice principal B/L1 1. Question de cours : Définition et propriétés de la fonction de répartition d une variable aléatoire à densité. Soit f la fonction définie par : f(x)

Plus en détail

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Corrigé

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Corrigé Baccalauréat ES/L Amérique du Sud 2 novembre 2 Corrigé A. P. M. E. P. EXERCICE Commun à tous les candidats 5 points. Diminuer le budget de 6 % sur un an revient à multiplier par 6 =,94. Diminuer le budget

Plus en détail

en dimension finie Table des matières

en dimension finie Table des matières Maths PCSI Cours Algèbre linéaire en dimension finie Table des matières 1 Rappels d algèbre linéaire 2 1.1 Applications linéaires......................................... 2 1.2 Familles libres, génératrices

Plus en détail

Exemples de problèmes N P-complets

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

Plus en détail

Automates temporisés Partie 1: Définitions

Automates temporisés Partie 1: Définitions p.1 Automates temporisés Partie 1: Définitions p.2 Motivation Les automates temporisés constituent un des modèle de systèmes réactifs à temps continu proposé par Alur et Dill en 1991. Temps continu vs

Plus en détail

Rappels d Algèbre Linéaire de P.C.S.I

Rappels d Algèbre Linéaire de P.C.S.I Rappels d Algèbre Linéaire de PCSI Table des matières 1 Structure d espace vectoriel sur IK 3 11 Définition et règles de calcul 3 12 Exemples de référence 3 13 Espace vectoriel produit 4 14 Sous-espaces

Plus en détail

Optimisation en nombres entiers

Optimisation en nombres entiers Optimisation en nombres entiers p. 1/83 Optimisation en nombres entiers Michel Bierlaire michel.bierlaire@epfl.ch EPFL - Laboratoire Transport et Mobilité - ENAC Optimisation en nombres entiers p. 2/83

Plus en détail

Toute situation est soit perdante, soit gagnante

Toute situation est soit perdante, soit gagnante Toute situation est soit perdante, soit gagnante Toute situation est soit perdante, soit gagnante Toute situation est soit perdante, soit gagnante Toute situation est soit perdante, soit gagnante Toute

Plus en détail

Chapitre 1 : Programmation linéaire

Chapitre 1 : Programmation linéaire Graphes et RO TELECOM Nancy 2A Chapitre 1 : Programmation linéaire J.-F. Scheid 1 I. Introduction 1) Modélisation En Recherche Opérationnelle (RO), modéliser un problème consiste à identifier: les variables

Plus en détail

BACCALAURÉAT GÉNÉRAL. MATHÉMATIQUES Série ES/L

BACCALAURÉAT GÉNÉRAL. MATHÉMATIQUES Série ES/L BACCALAURÉAT GÉNÉRAL SESSION 2015 MATHÉMATIQUES Série ES/L Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) ES : ENSEIGNEMENT OBLIGATOIRE L : ENSEIGNEMENT DE SPECIALITE Les calculatrices électroniques

Plus en détail

Sortie : OUI si n est premier, NON sinon. On peut voir Premier aussi comme une fonction, en remplaçant OUI par 1 et NON par 0.

Sortie : OUI si n est premier, NON sinon. On peut voir Premier aussi comme une fonction, en remplaçant OUI par 1 et NON par 0. Université Bordeaux 1. Master Sciences & Technologies, Informatique. Examen UE IN7W11, Modèles de calcul. Responsable A. Muscholl Session 1, 2011 2012. 12 décembre 2011, 14h-17h. Documents autorisés :

Plus en détail

Analyse de la complexité algorithmique (1)

Analyse de la complexité algorithmique (1) Analyse de la complexité algorithmique (1) L analyse de la complexité telle que nous l avons vue jusqu à présent nous a essentiellement servi à déterminer si un problème est ou non facile (i.e. soluble

Plus en détail

Intégrale de Lebesgue

Intégrale de Lebesgue Intégrale de Lebesgue ÉCOLE POLYTECHNIQUE Cours 4 : intégrale de Lebesgue Bertrand Rémy 1 / 50 1. Motivations et points de vue ÉCOLE POLYTECHNIQUE Cours 4 : intégrale de Lebesgue Bertrand Rémy 2 / 50 Deux

Plus en détail

Suites et Convergence

Suites et Convergence Suites et Convergence Une suite c est se donner une valeur (sans ambigüité) pour chaque N sauf peutêtre les premiers n. Donc une suite est une fonction : I R où I = N: = N. Notation : On note ( ) I R pour

Plus en détail

Topologie des espaces vectoriels normés

Topologie des espaces vectoriels normés Topologie des espaces vectoriels normés Cédric Milliet Version préliminaire Cours de troisième année de licence Université Galatasaray Année 2011-2012 2 Chapitre 1 R-Espaces vectoriels normés 1.1 Vocabulaire

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

ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE Section d Informatique et de Systèmes de Communication

ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE Section d Informatique et de Systèmes de Communication ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE Section d Informatique et de Systèmes de Communication Corrigé de la série 9 3 Juin 2005 1. Augmenter les poids a) Soit T l ensemble de tous les arbres couvrants

Plus en détail

Corrigé du baccalauréat ES Pondichéry 16 avril 2015

Corrigé du baccalauréat ES Pondichéry 16 avril 2015 Corrigé du baccalauréat ES Pondichéry 16 avril 2015 Exercice 1 Commun à tous les candidats 5 points Partie A On appelle B l événement «la batterie est défectueuse» ; l événement «le disque dur est défectueux».

Plus en détail

CH.2 CODES CORRECTEURS

CH.2 CODES CORRECTEURS CH.2 CODES CORRECTEURS 2.1 Le canal bruité 2.2 La distance de Hamming 2.3 Les codes linéaires 2.4 Les codes de Reed-Muller 2.5 Les codes circulaires 2.6 Le câblage des codes circulaires 2.7 Les performances

Plus en détail

Corrrigé du sujet de Baccalaurat S. Pondichery 2015. Spécialité

Corrrigé du sujet de Baccalaurat S. Pondichery 2015. Spécialité Corrrigé du sujet de Baccalaurat S Pondichery 2015 Spécialité EXERCICE 1 (4 points) commun à tous les candidats Partie A Soit f la fonction définie sur R par f(x) et la droite d équation et la droite d

Plus en détail

Résolution de systèmes linéaires : Méthodes directes. Polytech Paris-UPMC. - p. 1/51

Résolution de systèmes linéaires : Méthodes directes. Polytech Paris-UPMC. - p. 1/51 Résolution de systèmes linéaires : Méthodes directes Polytech Paris-UPMC - p. /5 Rappels mathématiques s Propriétés - p. 2/5 Rappels mathématiques Soit à résoudre le système linéaire Ax = b. Rappels mathématiques

Plus en détail

PC* Espaces préhilbertiens réels

PC* Espaces préhilbertiens réels I. Espace préhilbertien réel................................... 3 I.1 Produit scalaire dans un espace vectoriel réel................... 3 I.2 Inégalités de Cauchy-Schwarz et de Minkowski..................

Plus en détail

Algorithme du simplexe

Algorithme du simplexe Algorithme du simplexe Une solution à la programmation linéaire Hugues Talbot Laboratoire A2SI 18 mars 2008 Plan Algèbre linéaire Algorithme du simplexe Formulation et forme standard Notations Recherche

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

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

TRINÔME DU SECOND DEGRÉ

TRINÔME DU SECOND DEGRÉ TRINÔME DU SECOND DEGRÉ Définition On appelle fonction trinôme du second degré, toute fonction f définie sur IR qui, à x associe f(x) = ax 2 + bx + c, a, b et c étant trois réels avec a 0. Exemple Les

Plus en détail

1. Question 1 pt Comment s'appelle la société française de recherche opérationnelle?

1. Question 1 pt Comment s'appelle la société française de recherche opérationnelle? CONTRÔLE DE RECHERCHE OPÉRATIONNELLE Le contrôle est noté sur 30. 1. Question 1 pt Comment s'appelle la société française de recherche opérationnelle? 2. Management de projet 2 pts Considérons le projet

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

Arbres couvrants minimaux

Arbres couvrants minimaux Arbres couvrants minimaux Algorithmique L François Laroussinie er décembre 00 Plan Définitions Algorithme de Prim Algorithme de Kruskal Application au voyageur de commerce Plan Définitions Algorithme de

Plus en détail

Calculs et Fonctions. Commandes Calculs et Fonctions

Calculs et Fonctions. Commandes Calculs et Fonctions Calculs et Fonctions Commandes Calculs et Fonctions Asymptote CercleOsculateur Coefficients Courbe CourbeImplicite Courbure Degré Dénominateur Dérivée ElémentsSimples Extremum Facteurs Fonction Intégrale

Plus en détail

Preuve de la correction de l algorithme alpha-bêta

Preuve de la correction de l algorithme alpha-bêta I02 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Preuve de la correction de l algorithme alpha-bêta Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes

Plus en détail

Erik PERNOD Calcul Scientifique 3 ème Année RESEAUX DE NEURONES

Erik PERNOD Calcul Scientifique 3 ème Année RESEAUX DE NEURONES Erik PERNOD Calcul Scientifique 3 ème Année RESEAUX DE NEURONES 1 TABLE DES MATIERES TABLE DES MATIERES... 2 I PERCEPTRON SIMPLE... 3 I.1 Introduction... 3 I.2 Algorithme... 3 I.3 Résultats... 4 1er exemple

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

IV. PROGRAMMATION LINEAIRE. Forme standard Résolution graphique Définitions et théorèmes Algorithme du simplexe Dualité Approches non linéaires

IV. PROGRAMMATION LINEAIRE. Forme standard Résolution graphique Définitions et théorèmes Algorithme du simplexe Dualité Approches non linéaires Forme standard Résolution graphique Définitions et théorèmes Algorithme du simplexe Dualité Approches non linéaires IV.1 Forme standard (1) Minimiser avec Il est toujours possible de revenir à la forme

Plus en détail

Problème du flot à coût minimum

Problème du flot à coût minimum Problème du flot à coût minimum IFT1575 Modèles de recherche opérationnelle (RO). Optimisation de réseaux e. Flot à coût minimum On a un graphe orienté et connexe chaque arc (i,j), on associe une capacité

Plus en détail

CHAPITRE 2 SUITES RÉELLES ET COMPLEXES

CHAPITRE 2 SUITES RÉELLES ET COMPLEXES CHAPITRE SUITES RÉELLES ET COMPLEXES Les suites sont un objet fondamental à la fois en mathématiques et dans l application des mathématiques aux autres sciences. Nous verrons dans ce cours et les travaux

Plus en détail

Multiplication par une constante entière

Multiplication par une constante entière Multiplication par une constante entière Vincent Lefèvre Juin 2001 Introduction But : générer du code optimal à l aide d opérations élémentaires (décalages vers la gauche, additions, soustractions). Utile

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

Fondements de l informatique: Examen Durée: 3h

Fondements de l informatique: Examen Durée: 3h École polytechnique X2013 INF412 Fondements de l informatique Fondements de l informatique: Examen Durée: 3h Sujet proposé par Olivier Bournez Version 3 (corrigé) L énoncé comporte 4 parties (sections),

Plus en détail

Arithmétique Algorithmique. http://www.math.univ-lyon1.fr/~roblot/ens.html

Arithmétique Algorithmique. http://www.math.univ-lyon1.fr/~roblot/ens.html Arithmétique Algorithmique http://www.math.univ-lyon1.fr/~roblot/ens.html Partie III Algorithmes classiques 1 Coût de la multiplication et de la division 2 Exponentiation rapide 3 Algorithme d Euclide

Plus en détail

Réduction des endomorphismes et des matrices carrées

Réduction des endomorphismes et des matrices carrées 48 Chapitre 4 Réduction des endomorphismes et des matrices carrées La motivation de ce chapitre est la suivante. Étant donné un endomorphisme f d un espace E de dimension finie, déterminé par sa matrice

Plus en détail

Devoir maison n 5. MP Lycée Clemenceau. A rendre le 7 janvier 2014. Centrale

Devoir maison n 5. MP Lycée Clemenceau. A rendre le 7 janvier 2014. Centrale Devoir maison n 5 MP Lycée Clemenceau A rendre le 7 janvier 214 Centrale - Dans le problème, λ désigne toujours une application continue de IR + dans IR +, croissante et non majorée. - Dans le problème,

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

Baccalauréat Blanc 10 février 2015 Corrigé

Baccalauréat Blanc 10 février 2015 Corrigé Exercice Commun à tous les candidats Baccalauréat Blanc février 25 Corrigé. Réponse d. : e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e 5,4. 2. Réponse b. : positif

Plus en détail

Ax = b iff (B + N) x N

Ax = b iff (B + N) x N Chapitre 3 Algorithme du simplexe 3.1 Solution de base admissible P en forme standard. A = (a 1,...,a n ) Hypothèse : n m (plus de variables que d équations) et rg(a)=m (pas d équation inutile). Donc après

Plus en détail

Formes bilinéaires, produits scalaires Pour s entraîner...

Formes bilinéaires, produits scalaires Pour s entraîner... Formes bilinéaires, produits scalaires Pour s entraîner... I Savoir reconnaître un produit scalaire Les applications ci-dessous sont-elles des formes bilinéaires? Si oui sont-elles symétriques? Définies?

Plus en détail

Définition d une norme

Définition d une norme Définition d une norme Définition E est un K-ev. L application N : E R + est une norme sur E ssi 1. x E, N(x) = 0 x = 0. 2. k K, x E, N(k.x) = k N(x). 3. x, y E, N(x + y) N(x) + N(y) Notation N,. Propriété

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

Cours 2 6 octobre. 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée

Cours 2 6 octobre. 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée Introduction aux modèles graphiques 2010/2011 Cours 2 6 octobre Enseignant: Francis Bach Scribe: Nicolas Cheifetz, Issam El Alaoui 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée Soit

Plus en détail

I) Deux propriétés importantes Propriété 1 Si A est multiple de B et B est un multiple de n, alors A est un multiple de n.

I) Deux propriétés importantes Propriété 1 Si A est multiple de B et B est un multiple de n, alors A est un multiple de n. Extrait de cours de maths de 5e Chapitre 1 : Arithmétique Définition 1. Multiples et diviseurs Si, dans une division de D par d, le reste est nul, alors on dit que D est un multiple de d, que d est un

Plus en détail

Correction Bac blanc mai 2013

Correction Bac blanc mai 2013 Correction Bac blanc mai 2013 Exercice 1 Commun à tous les candidats. 4 points (1 point par bonne réponse) 1. La fonction F définie sur R par F (x) = e x2 est une primitive de la fonction f définie par

Plus en détail

Mathématiques I. Recueil d exercices #2. Analyse II

Mathématiques I. Recueil d exercices #2. Analyse II FACULTE DES SCIENCES ECONOMIQUES ET SOCIALES Sections des sciences économiques et des hautes études commerciales Mathématiques I Cours du professeur D. Royer Recueil d exercices #2 Analyse II Semestre

Plus en détail

TOPOLOGIE DE LA DROITE REELLE

TOPOLOGIE DE LA DROITE REELLE TOPOLOGIE DE LA DROITE REELLE P. Pansu 16 mai 2005 1 Qu est-ce que la topologie? C est l étude des propriétés des objets qui sont conservées par déformation continue. Belle phrase, mais qui nécessite d

Plus en détail

Les espaces vectoriels Partie 1

Les espaces vectoriels Partie 1 Les espaces vectoriels Partie 1 MPSI Prytanée National Militaire Pascal Delahaye 1 er février 2016 1 Définition d un Espace Vectoriel Soit ( K,+, ) un corps commutatif (le programme impose K = R ou C).

Plus en détail

11. Espaces vectoriels, homomorphismes, bases

11. Espaces vectoriels, homomorphismes, bases 11. Espaces vectoriels, homomorphismes, bases 11.1. Espaces vectoriels, algèbres 11.1.1. Structure d espace vectoriel et d algèbre 11.1.2. Combinaisons linéaires 11.1.3. Espaces vectoriels et algèbres

Plus en détail

Ce déterminant est non nul donc le système est de Cramer. On a donc. 3 3 1 1 1 2 9 1 5 x = det(m)

Ce déterminant est non nul donc le système est de Cramer. On a donc. 3 3 1 1 1 2 9 1 5 x = det(m) Problème ( points) Un capital de 0 000 euros est placé à un taux d intérêts composés de 2%. La valeur récupérée à l issue du placement est 70,2 euros. Quelle est la durée de ce placement? Soit d la durée

Plus en détail

Université Paris IX Dauphine UFR Mathématiques de la décision Notes de cours ALGEBRE 2. Guillaume CARLIER

Université Paris IX Dauphine UFR Mathématiques de la décision Notes de cours ALGEBRE 2. Guillaume CARLIER Université Paris IX Dauphine UFR Mathématiques de la décision Notes de cours ALGEBRE 2 Guillaume CARLIER L1, année 2006-2007 2 Ce support de cours est basé sur le poly de Tristan Tomala des années précédentes.

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

L2 2011/2012 USTV. Analyse. numérique M43. Recueil d exercices corrigés et aide-mémoire G. FACCANONI. Dernière mise-à-jour

L2 2011/2012 USTV. Analyse. numérique M43. Recueil d exercices corrigés et aide-mémoire G. FACCANONI. Dernière mise-à-jour L / Recueil d exercices corrigés et aide-mémoire USTV M Analyse numérique G FACCANONI Dernière mise-à-jour Jeudi mai Avertissement : ces notes sont régulièrement mises à jour et corrigées, ne vous étonnez

Plus en détail

Contexte général. Gestion du temps dans les applications réparties. Plan. Introduction

Contexte général. Gestion du temps dans les applications réparties. Plan. Introduction Contexte général Gestion du temps dans les applications réparties Communication par messages, pas de mémoire partagée Pas d horloge globale Chaque site a sa propre horloge Les horloges peuvent dériver

Plus en détail

Notion d algorithme. Boucles et tests avec et sans Python. Stéphane Gonnord. stephane@gonnord.org www.mp933.fr. Lycée du parc - Lyon

Notion d algorithme. Boucles et tests avec et sans Python. Stéphane Gonnord. stephane@gonnord.org www.mp933.fr. Lycée du parc - Lyon Boucles et tests avec et sans stephane@gonnord.org www.mp933.fr Lycée du parc - Lyon Vendredi 4, 11 et 18 octobre 2013 Lycée du parc 1. : des exemples de la vraie vie ; un peu de mathématiques 2. Des maths

Plus en détail

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

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

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 3 4 Master d économie Cours de M. Desgraupes MATHS/STATS Document : Solution des exercices d algèbre linéaire Table des matières

Plus en détail

Exo7. Espaces vectoriels. 1 Définition, sous-espaces. Fiche amendée par David Chataur et Arnaud Bodin.

Exo7. Espaces vectoriels. 1 Définition, sous-espaces. Fiche amendée par David Chataur et Arnaud Bodin. Exo7 Espaces vectoriels Fiche amendée par David Chataur et Arnaud Bodin. Définition, sous-espaces Exercice Montrer que les ensembles ci-dessous sont des espaces vectoriels (sur R) : E = { f : [,] R } :

Plus en détail

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

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

Plus en détail

( ) nouvelles variables et ( ) nouvelles contraintes, en gardant toutefois le caractère 0-1 des variables x.

( ) nouvelles variables et ( ) nouvelles contraintes, en gardant toutefois le caractère 0-1 des variables x. EXERCICES Exercices Dimension et faces élémentaires du Quadric Polytope On considère le problème quadratique en variables 0- suivant: min c i x i n i + c ij x i x i, j n j s.c. x i { 0,} i n où n est un

Plus en détail

Espaces euclidiens. 1 Produit scalaire 2 1.1 Définition... 2 1.2 Exemples fondamentaux... 2 1.3 Cauchy-Schwarz... 3 1.4 Norme associée...

Espaces euclidiens. 1 Produit scalaire 2 1.1 Définition... 2 1.2 Exemples fondamentaux... 2 1.3 Cauchy-Schwarz... 3 1.4 Norme associée... Maths PCSI Cours Table des matières Espaces euclidiens 1 Produit scalaire 2 1.1 Définition...................................... 2 1.2 Exemples fondamentaux.............................. 2 1.3 Cauchy-Schwarz..................................

Plus en détail

Équations différentielles en physique

Équations différentielles en physique Fiche Mathématiques pour la Physique - Équations différentielles en physique - MPSI 1 Lycée Chaptal - 2012 Équations différentielles en physique On ne considère en physique en prépa (quasiment) que des

Plus en détail

Cours IFT6266, Apprentissage Non-Supervisé de Variétés

Cours IFT6266, Apprentissage Non-Supervisé de Variétés Cours IFT6266, Apprentissage Non-Supervisé de Variétés L Apprentissage Non-Supervisé L apprentissage non-supervisé vise à caractériser la distribution des données, et les relations entre les variables,

Plus en détail

Analyse en composantes principales

Analyse en composantes principales Analyse en composantes principales Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire LITIS Analyse en composantes principales p. 1/18 Introduction Objectifs Soit {x i } i=1,,l

Plus en détail

Théorème de Rolle et égalité des accroissements finis. Applications

Théorème de Rolle et égalité des accroissements finis. Applications 0 Théorème de Rolle et égalité des accroissements finis. Applications 0. Le théorème de Rolle sur un espace vectoriel normé Pour ce paragraphe, on se donne un espace vectoriel normé (E, ). Le théorème

Plus en détail