Chapitre 5: La programmation dynamique

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Chapitre 5: La programmation dynamique"

Transcription

1 Chaptre 5: La programmaton dynamque. Introducton La programmaton dynamque est un paradgme de concepton qu l est possble de vor comme une améloraton ou une adaptaton de la méthode dvser et régner. Ce concept a été ntrodut par Bellman, dans les années 50, pour résoudre typquement des problème d optmsaton. Pour la pette hstore, Bellman a chos le terme programmaton dynamque dans un souc de communcaton : son supéreur ne supportat n le mot «recherche» n celu de «mathématque». Alors l lu a semblé que les termes «programmaton» et «dynamque» donnaent une apparence qu plarat à son supéreur. En réalté, le terme programmaton sgnfat à l époque plus planfcaton et ordonnancement que la programmaton au sens qu on lu donne de nos ours. En un mot, la programmaton dynamque est un ensemble de règles que tout un chacun peut suvre pour résoudre un problème donné. La programmaton dynamque est smlare à la méthode dvser et régner en ce sens que, une soluton d un problème dépend des solutons précédentes obtenues des sous-problèmes. La dfférence sgnfcatve entre ces deux méthodes est que la programmaton dynamque permet aux sous-problemes de se superposer. Autrement dt, un sous-problèmes peut être utlsé dans la soluton de deux sous-problèmes dfférents. Tands que l approche dvser et régner crée des sous-problèmes qu sont complètement séparés et peuvent être résolus ndépendamment l un de l autre. Une llustraton de cette dfférence est montrée par la Fgure 5.. Dans cette fgure, le problème à résoudre est à la racne, et les descendants sont les sous-problèmes, plus facles à résoudre. Les feulles de ce graphe consttuent des sous-problèmes dont la résoluton est trvale. Dans la programmaton dynamque, ces feulles consttuent souvent les données de l algorthme. La dfférence fondamentale entre ces deux méthodes devent alors clare: les sous-problèmes dans la programmaton dynamque peuvent être en nteracton, alors dans la méthode dvser et régner, ls ne le sont pas. dvser et régner programmaton dynamque Une seconde dfférence entre ces deux méthodes est, comme llustré par la fgure c-dessus, est que la méthode dvser et régner est récursve, les calculs se font de haut en bas. Tands que la programmaton dynamque est une méthode dont les calculs se font de bas en haut : on

2 commence par résoudre les plus petts sous-problèmes. En combnant leur soluton, on obtent les solutons des sous-problèmes de plus en plus grands. Illustraton : On débute nos exemples par celu du calcul des nombres de Fbonacc. Le problème est de calculer le n premers nombres de Fbonacc donnés par la formule suvante : F(0) = ; F() = ; F( n) = F( n ) + F( n ) L algorthme mplantant cette formule est alors comme sut : Algorthme nt functon Fbo(nt n){ } f (n <= ) return ; else return(fbo(n-)+fbo(n-)) Nous avons vu que la complexté de cet algorthme est en exponentelle. La rason de cette neffcacté est due à la multplcté de calcul d un même nombre, comme le montre la fgure cdessous sur n =4. Fgure 5..

3 La clef à une soluton plus effcace est d évter la multplcté de résoluton du même sousproblème. On amélore de lon la complexté temporelle s, une fos calculé, on sauvegarde un résultat, par exemple dans une table. Et au beson, on le prend de cette table. Cette remarque nous amène à la soluton suvante : Algorthme nt functon Fb(nt n){ f (Fb(n) soluton est dans la table) return table[n] ; f (n<= ) return ; else { sol = Fb(n-) + Fb(n-) sauvegarder sol dans table comme soluton à Fb(n) ; return (sol) ; } } Cette approche de résoluton est connue sous le nom de fonctons à mémore, qu est très lée à la programmaton dynamque. On y revendra un peu lon. En suupprmant la récursvté, nous écrvons cet algorthme dans une forme typque de la programmaton dynamque. Algorthme 3 nt functon Fb(nt n){ F[] = ; F[] = ; For (= ; <=n ; ++) F[] = F[-] + F[-]; return (F[]); } Illustraton : Avançons un peu plus dans ce concept en prenant un autre exemple qu est celu du calcul du coeffcent bnomal. S on mplante drectement cette expresson sous cette forme, on obtent la foncton suvante : 3

4 nt functon B(nt n,) { f ( = = 0) ( = = n) return else return(b(n-,-) + B(n-,); } \\ fn de foncton Voyons vor l exécuton de cette foncton sur un exemple de données: n = 5 et =. Remarquez le nombre de fos, par exemple que, le terme est calculé. n Exercce: montrer que la complexté temporelle de cette foncton est en θ. Pour évter de calculer pluseurs fos un nombre, l dée est de créer un tableau où on calcule tous les nombres de pettes talles, ensute, de talles de plus en plus grandes avant d arrver au nombre désré. Pour ce fare, on procède comme sut : 4

5 Pour calculer donc B(n,), on procède comme sut: for(=0 ; <=n ; ++) for (=0; <=mn{,}; ++) f (==0) (==) B[,] = ; else B[,] = B[-,-] + B[-,] return (B[n,]); On remplt le tableau B lgne par lgne comme sut Complexté de l algorthme : cette complexté est rédute au remplssage de la moté du tableau B. Comme le nombre d éléments de B est de n, la complexté de l algorthme est par conséquent en O (n). Remarque : Il est ntéressant de constater que seule la moté de la matrce B est utlsée pour calculer B[n,]. Autrement dt, un tableau à une dmenson suffrat pour fare ces calculs. On obtent alors l algorthme suvant : 5

6 . Quand et comment utlser la méthode de la programmaton dynamque La programmaton est un outl général de résoluton de problèmes. Toutefos, l n y pas de règle pour affrmer que la programmaton dynamque peut ou ne peut être utlsée pour résoudre tel ou tel problème. Le gros du traval, s on veut utlser cette méthode, résde tout d abord dans l obtenton de l expresson récursve de la soluton en foncton de celle des sous-problèmes (de talle plus pette). Notons que dans les problèmes d optmsaton, cette manère d obtenr la soluton optmale à partr des solutons optmales des sous problèmes s appelle le prncpe d optmalté de Bellman. Il est mportant de soulgner que ce prncpe, ben que naturel, n est pas touours applcable. Exercce : Trouver un exemple où ce prncpe n est pas applcable. Une fos cette expresson obtenue, on analyse ce qu se passe dans une mplantaton récursve naïve : s on se rend compte que la soluton de même problèmes est calculée pluseurs fos, on est alors dans le cadre de la programmaton dynamque. Le découpage du problème devrat naturellement condure à la défnton de la table (qu peut être de dmenson,,3, ). Remarquez qu une case de la table correspond à un sous-problème. Par alleurs, le nombre de sous-problèmes peut être très grand. La complexté obtenue, de l algorthme de programmaton dynamque, n est pas forcément polynomal. S on est dans le cadre de la méthode de la programmaton dynamque, les étape suves peuvent être résumées comme sut : a. obtenton de l équaton récursve lant la soluton d un problème à celle de sousproblèmes. b. ntalsaton de la table: cette étape est donnée par les condton ntale de l équaton obtenue à l étape. c. remplssage de la table: cette étape consste à résoudre les sous-problèmes de talle de plus en plus grandes, en se servant ben entendu de l équaton obtenue à l étape. 6

7 d. lecture de la soluton : l étape 3 ne condut qu à la valeur (optmale) du problème de départ. Elle ne donne pas drectement la soluton condusant à cette valeur. En générale, pour avor cette soluton, on fat un traval nverse en lsant dans la table en partant de la soluton fnale et en fasant le chemn nverse des calculs effectués en à l étape Étude de quelques exemples. Dans cette secton, l sera queston de vor en acton la méthode de la programmaton dynamque sur des problèmes essentellement d optmsaton. 3.. Détermner le plus court chemn dans un graphe algorthme de Floyd Sot un graphe G = ( X, V ) ayant X comme ensemble de sommets et V comme ensemble d'arcs. Le pods de l arc a est un enter naturel noté l (a). La longueur d'un chemn est égale à la somme des longueurs des arcs qu le composent. Le problème consste à détermner pour chaque couple ( x, x ) de sommets, le plus court chemn, s'l exste, qu ont x à x. Nous commençons par donner un algorthme qu détermne les longueurs des plus courts chemns notées δ ( x, x ). Par conventon, on note δ ( x, x ) = s'l n'exste pas de chemn entre x et x (en fat l sufft dans la sute de remplacer par un nombre suffsamment grand par exemple la somme des longueurs de tous les arcs du graphe). La constructon effectve des chemns sera examnée ensute. On suppose qu'entre deux sommets l y a au plus un arc. En effet, s'l en exste pluseurs, l sufft de ne retenr que le plus court. Les algorthmes de recherche de chemns les plus courts reposent sur l'observaton très smple (mas comben mportante) suvante: Remarque S f est un chemn de longueur mnmale ognant x à y et qu passe par, alors l se décompose en deux chemns de longueur mnmale l'un qu ont x à z et l'autre qu ont z à y. Dans la sute, on suppose les sommets numérotés x, x,..., xn et, pour tout > 0, on consdère la proprété P suvante pour un chemn: P ( f ) : Tous les sommets de f, autres que son orgne et son extrémté, ont un ndce strctement nféreur à. On peut remarquer d une part qu'un chemn vérfe P s, et seulement s, l se compose d'un unque arc. D autre part la condton P n+ est satsfate par tous les chemns du graphe. Notons par δ ( x, x ) la longueur du plus court chemn vérfant la proprété P et qu a pour orgne x et pour extrémté x. Cette valeur est s aucun tel chemn n'exste. Ans δ ( x, x ) = s'l n'y a pas d'arc entre x et x, et vaut l (a), s a est cet arc. D'autre part δ n = δ. + 7

8 Le lemme suvant permet de calculer les δ + connassant les δ ( x, x ). On en dédura un algorthme tératf. Lemme Les relatons suvantes sont satsfates par les δ : Preuve δ ( x, x ) = mn( δ ( x, x ), δ ( x, x ) + δ ( x, x + Sot un chemn de longueur mnmale satsfasant P +, ou ben l ne passe pas par x et on a la relaton suvante qu est vérfée : δ ( x, x ) = δ ( x, x + ou ben l passe par x et, d'après la remarque c-dessus, l est composé d'un chemn de longueur mnmale ognant x à x et satsfasant P et d'un autre mnmal auss ognant x à x. Ce chemn est donc de longueur : δ x, x ) + δ ( x, x ). ( L'algorthme suvant pour la recherche du plus court chemn met à our une matrce delta[,] qu a été ntalsée par les longueurs des arcs et par un enter suffsamment grand s'l n'y a pas d'arc entre x et x. À chaque tératon de la boucle externe, on fat croître l'ndce du P calculé. for := to n for := to n for := to n delta[,] := mn(delta[,], delta[,] + delta[,]) Sur l'exemple du graphe donné sur la Fgure 5.3, on part de la matrce δ donnée par ) )) 8

9 Fgure 5.3: Un graphe aux arcs valués Après le calcul on obtent: Pour le calcul effectf des chemns les plus courts, on utlse une matrce qu content suv[,], le sommet qu sut dans le chemn le plus court qu va de à. Les valeurs suv[,] sont ntalsées à s'l exste un arc de vers et à snon ; suv[,] est lu ntalsé à. Le calcul précédent qu a donné peut s'accompagner de celu de en procédant comme sut: for := to n for := to n for := to n f delta[, ] > (delta[, ] + delta[, ]) then begn delta[, ] := delta[, ] + delta[, ]; suvant[, ] := suvant[, ]; end; Une fos le calcul des deux matrces effectué, on peut retrouver le plus court chemn qu ont à, à l ade la procédure c-dessous: 9

10 procedure PlusCourtChemn(, : nteger); var : nteger; begn := ; whle <> do begn wrte (, ' '); := suvant[, ]; end; wrteln(); end; Sur l'exemple précédent, on obtent la matrce suvante: 3.: Multplcaton chaînée de matrces Sot n matrces M, M,..., M n ; chaque matrce M possède d lgnes et d colonnes. Le problème est d effectuer M... n en un mnmum d opératons de multplcatons. Rappels a. Pour fare le produt M, l est nécessare que le nombre de colonnes de M sot égal au nombre de lgne de M b. Le nombre de multplcatons engendrées par M, de dmenson respectvement de ( d d ) et ( d d ) est égal à d d d. Parce que la multplcaton est une opératon assocatve ( M ( M 3) = ( M ) M 3, l exste une multtude de manères d effectuer le produt entre les matrces. Par exemple, sot les tros matrces suvantes : A ( 3 5) ; B ( 5 89) ; C ( 89 3); D ( 3 34) 0

11 Effectuons les calculs des combnasons de produt suvants : M = (( A B) C) D AB : = 5785 multplcatons ( AB ) C : = 347 multplcatons (( AB ) C) D : = 36 multplcatons multplcatons (( AB ) C) D : 058 multplcatons ( AB )( CD) : 50 multplcatons ( A ( BC)) D : 856 multplcatons A (( BC) D) : multplcatons A ( B( CD)) : 6 48 multplcatons Idée : la méthode brute: On nsère les parenthèses de toutes les manères possbles et ensute, pour chacune d elle, on compte le nombre de multplcatons engendrées. Procédons comme pour dvser et régner en subdvsant le problème en deux sous-problèmes comme sut : M = M... )( M ) () ( n S t (n) est le coût pour effectuer le produt c-dessus, alors t () va représenter le coût du produt ( M... ) et t( n ) celu de ( M n ). Alors, pour un donné, le coût du produt est clarement t( n ) t (). Comme l ndce de séparaton peut être à n mporte laquelle des postons,,,n-, alors la relaton entre t (n), t () et t( n ) est comme sut : n t( n) = = Exercce : résoudre l équaton récurrente c-dessus. Idée : la programmaton dynamque t( ) t( n ) t ( ) = (pourquo donc?). caractérser la structure d une soluton optmale s m ; n : soluton optmale pour le fare le produt ( M ), alors la soluton du problème est le calcul de m n

12 M M... )( M... = ( + + n ) soluton optmale m soluton optmale m + n. défnr récursvement la valeur d une soluton optmale en foncton des soluton optmales des sous-problèmes. Les sous-problèmes : Détermner le coût mnmum d un parenthétsage de ( M +... ) = : aucune multplcaton : m = 0 < : m = coût mnmum pour calculer le produt ( M +... ) + coût mnmum pour calculer le produt ( M ) + coût pour multpler les deux matrces d d d Comme, on ne sat pas à pror où placer l ndce, on dot essayer toutes les postons et prendre celle qu engendre le mons de multplcatons. Cela donne donc : m 0; = = mn{ m < + m + d + d d ; < Exercce : mplanter l équaton récursve c-dessus, et détermner sa complexté temporelle et spatale. 3. Au leu de calculer la récurrence drectement (autrement dt, d une manère descendante), on utlse l approche ascendante de la programmaton dynamque comme sut : Constructon de la table dagonale par dagonale. La dagonale s content les éléments m tel que = s ; pour s= 0,,,3,,n-, c est-à-dre pour les dfférences d ndce de plus en plus grandes.

13 s = 0; m = 0; =,,..., n; s = ; m d d d ; =,,..., n ; s < n; + = + < { m + m d d d } mn =,,..., n s; m s = s + s < + s L algorthme sera alors comme sut :. for (=; <=n; ++) m[,]=0 ;. for ( =; <=n-; ++) m[,+] = d[-]*d[]*d[+]; 3. for (s =; <= n-; s++) for(=; <= n-s; ++) m[,+s] = mn { m[,]+m[+,+s]+d[-]*d[]*d[+s]}; < + s Complexté : Clarement, elle est en O ( n 3 ) : les deux boucles for mbrquées sont exécutées en O ( n ) multplées par le calcul du mnmum qu s exécute en O (n). Illustraton Reprenons l exemple précédent à savor : A ( 3 5) ; B ( 5 89) ; C ( 89 3); D ( 3 34) s = : m = 5785 ; m ; 3 = 335 m 34 = 9087; s = : m 3 = mn{ m + m ; m + m } = 530 m 4 = mn{ m + m ; m3 + m } = 845 s = 3 ; m4 = mn{ m + m ; m + m ; m3 + m } = 856. Pour détermner l ordre dans lequel les matrces sont multplées, on procède comme sut en lsant les valeurs de de la fn vers le début. Ans, m 4 est donné par =3 ; m est donné par = ; 3 Ce qu sgnfe que le produt dot être fat comme sut : (( M ) 3) M 4 3

14 3.3. Problème du sac à dos en nombres enters Nous avons ntrodut au chaptre précédent le problème du sac à dos. Rappelons la défnton de ce problème. =, et un sac à dos pouvant contenr un pods maxmal de W. Chaque obet a un pods w et un gan v. Le problème consste à chosr un ensemble d'obets parm les n obets, au plus un de chaque, de telle manère que le gan total sot maxmsé, sans dépasser la capacté W du sac. Dans cette verson que nous présentons dans ce chaptre, un obet est sot chos sot gnoré. Autrement dt, les obets sont ndvsbles, et de ce fat nous ne pouvons pendre une porton d un obet dans le sac. Sot un ensemble de n obets N {,,..., n} En termes mathématques, nous avons ce qu sut : max = n w x v x W x = 0,. L ntégralté des obets rend ce problème dffcle à résoudre. La stratége vorace proposée dans le chaptre précédent ne fonctonne plus dans ce cas. Exercce : Donner un exemple où les dfférentes stratéges voraces auxquelles vous pourrez penser ne génèrent pas la soluton optmale. Exercce : un smple algorthme pour ce problème est de générer toutes les solutons possbles (un obet est sot chos sot gnoré). Concevor l algorthme basé sur cette stratége. Montrer que sa complexté est en O ( n ) Proprété récursve du problème : La programmaton dynamque peut être développée en dvsant le problème en deux sousproblème comme sut : P, désgne le gan maxmum généré par le chox des premers obets dont la somme des pods ne dépasse pas W, alors résoudre le problème revent à trouver la valeur de P n, W. En calculant P, la séquences d obets peut être dvsée en deux : les ( ) premers obets et l obet. L obet est sot chos sot gnoré dans P,. 4

15 s l obet est chos, avant de l nclure, on dot s assurer que son pods ne dépasse pas la capacté du sac à dos. S tel est le cas, alors l contrbue à la soluton optmale par le gan v. Par conséquent, nous avons ben P = P + v, w S l obet n est pas chos dans la soluton optmale. Dans ce cas, nous avons la capacté du sac nchangée. Il suffrat donc de trouver la soluton optmale parm les premers obets, sot P,. Ben entendu, pour trouver chos ou gnoré. P,, l suffrat de prendre le maxmum entre le cas où l obet est Les cas de base sont : P, = 0 pour = 0 ou = 0 (pourquo donc?) Cela nous amène aux relatons récursves suvantes : P 0; = 0... ou... = 0 = p, ; < w ; > 0 max{ p,, p, w + v } L algorthme de programmaton dynamque est alors comme sut :. For (= ;<=n ; ++) P[,0] = 0;. For (= ;<= ; ++) P[0,] = 0; 3. For (= ;<=n ; ++) For (= ;<= ; ++){ P[,]=P[-,]; f ( >= w ){ f (P[-,- w ]+ v >P[-,]) P[,] = P[-,- w ]+ v ; } } Complexté: Il est clar que cette complexté est domnée par les deux boucles «for» mbrquées l une dans l autre : une est térée fos et l autre est térée n fos. Par conséquent, la complexté de tout l algorthme est en O (n). 5

16 Exemple: Soent les données suvantes relatves aux obets. La capacté maxmal du sac est : tem valeur pods En applquant l algorthme c-dessus, on obtent la table P suvante : La soluton optmale est donc donnée par P[5,] = 40. Pour retrouver les obets fasant parte de la soluton optmale, on procède comme sut : - P[5,] est donné par P[4,], car lors du calcul de P[5,] = mn{p[4,],p[4,- w 5 ]+ v 5 } = P[4,]}. Cela sgnfe que l obet 5 ne fat parte de la soluton optmale. - Ensute P[4,] est donné par P[3, - w 4 ] + v 4 = P[3,5]. Autrement dt, l obet 4 est chos. - Ensute P[3,5] est donné par P[,5- w3 ]+ v 3 = P[,0]+8. L obet 3 est chos. - En contnuant de la sorte, on trouve que P[,0] = P[,0]=P[0,0]. Les obets fasant parte de la soluton optmale sont don : l obet 4 et l obet 3. Exercce : Écrre un algorthme qu détermne la composton de la soluton optmale. 3.4 : Problème du voyageur de commerce Défnton : Étant un graphe valué G = ( X, V ). Le problème du voyageur de commerce consste, en partant d un sommet donné, de trouver un cycle de pods mnmum passant par tous les sommets une et ne seule fos, et retournant au sommet de départ. Sans perte de généralté, on dentfe les n sommets par les enters {,,..., n}, et on suppose que le cycle commence au sommet. La dstance entre deux sommets et est notée par d. Pour obtenr l équaton de récurrence résolvant ce problème, procédons comme sut : 6

17 Il est clar que tout cycle est consttué d un arc (,) et d un chemn smple (partant de et passant une et une seule fos par tous les sommets de V-{,}. Sot donc D[,S] la dstance d un plus court chemn partant de, passant par tous les ponts de S, une et seule fos, et se termnant au sommet. La relaton suvante n est donc pas dffcle à établr : D { } [ S] = mn d + D[, S { }], (a) La soluton optmale est donc donnée par D[,V-{}]. Il est clar que D[, ]= d. D S { } [, V { } ] = mn d + D[, V {, } ] n Nous avons donc à parttonner l ensemble V-{}. Le nombre de sous-ensemble qu on en générer est donc n. Par conséquent, la dmenson de la table à construre est ( n ) par n. Par exemple pour n = 4, on aura à construre la table suvante : 3 {} {} {3} {4} {,3} {,4} {3,4} Illustraton : Sot donc le graphe suvant : Nous avons donc : D[, ] = 5 ; D[3, ] = 6 ; D[4, ] = 8 ; D[,{3} ] d + D[3, ] =5 ; D [,{3} ] = 8; = 3 D [ 3,{}] = 8; D [ 3,{4}] = 0; D [ 4,{}] = 3; D [ 4,{3} ] = 5; 7

18 Ensute, on calcule [ S] D D D D, avec S = ; ; S. [,{3,4} ] = mn{ d + D[ 3, {} 4 ]}, d + D[ 4,{3} ] = [,{,4}] = mn{ d + D[, {} 4 ]}, d + D[ 4,{} ] = [,{,3} ] = mn{ d + D[, {} 3 ]}, d + D[ 3,{} ] = Fnalement, on obtent : [,{,3,4} ] = mn{ d + D[,{3,4} ], d + D[ 3,{,4} ], d [ 4,{,3} ]} 3 4 D D + = { 35,40,43} = 35. La valeur de la soluton optmale est donc 35. Pour le parcours à fare ayant la valeur optmale de 5, on procède de la manère suvante: pour chaque D [, S], on retent l ndce mnmsant le membre drot de l équaton (a), en commençant touours à partr de la valeur de la soluton optmale et en rebroussant chemn usqu à trouver la soluton complète. Ans, dans notre exemple, nous avons L ndce mnmsant D [,{,3,4} ] est. Le cycle donc commence par et dot passer par le sommet. Le reste du cycle peut être obtenu à partr de D [,{3,4} ]. L ndce mnmsant cette expresson est 4. Par conséquent, le cycle devra ensute passer par le sommet 4. Le reste du cycle peut être obtenu de D [ 4,{3} ]. L ndce mnmsant cette expresson ne peut être que 3. Le cycle est donc Complexté : On dot remplr tout le tableau de dmenson ( n ) par n. De Plus, le calcul de chaque D[,S] nécesste l examen de S autres cases (pour détermner le mnmum). Par conséquent, la complexté de cet algorthme est en O ( n n ). Exercce : détermner la complexté spatale de cet algorthme. 4. Les fonctons à mémore Tout comme la méthode dvser et régner calcule des valeurs pluseurs fos, la programmaton dynamque peut calculer elle auss des valeurs nutles. En effet, on fasant les calculs de bas en haut, on est amener à calculer des valeurs qu peuvent ne pas être utlser par la sute: on calcule tous les sous-problèmes de pette talle, ensute de talle un peu plus grande et ans de sute, sans se soucer s ces valeurs vont entrer dans le calcul de la valeur optmale du problème de départ. La technque de la foncton mémore permet de combner l élégance de la méthode dvser et 8

19 régner (de la récursvté) avec l effcacté de la programmaton dynamque. L dée donc est d utlser un tableau T avec la foncton récursve f exprmant la résoluton du problème donné. Foncton f(x,x,,xn) { s T[x,x,,xn] la valeur d ntalsaton alors retourner T[x,x,,xn] ; snon { s = f(x,x,,xn) ; T[x,x,,xn] = s ; retourner s ; } } De ce fat, on gagne à ne pas calculer nutlement certanes cases. Remarque : Le premer exemple qu on a vu est celu du calcul des nombre de Fbonacc. Prenons comme deuxème exemple celu du voyageur de commerce. S on veut mplanter notre soluton d une manère ascendante, nous rencontrons le problème évoqué au début du ce chaptre : certanes valeurs de D[,S] sont recalculées pluseurs fos et l algorthme est très neffcace. Exercce : Montrer que L,mplantaton ascendante de la foncton (a) c-dessus génère une complexté en O(n!). Pour calculer D[,S] d une manère ascendante, nous avons beson de générer tous les ensembles vdes, pus contenant un élément, pus deux, etc. La concepton d un tel générateur n est certanement pas dffcle mas elle est certanement fastdeuse. L utlsaton d une foncton à mémore consste à adondre à la foncton récursve une table de talle suffsante. Intalement, tous les éléments de cette table ont une valeur spécale ndquant qu ls ne sont pas encore défns. Ensute, chaque fos qu on appelle la foncton, on regarde dans la table pour vor s cette valeur a été déà calculée sur les même paramètres. S c est le cas, on retourne la valeur stocée dans la table. Autrement, on procède au calcul de la foncton. Avant de retourner la valeur de la foncton, on la stoce dans la table à l endrot appropré. De cette manère, on n aura pas à calculer la foncton plus d une fos. Pour les mêmes valeurs des paramètres. Cela nous donne l mplantaton suvante : On ntalse les éléments de tab à (une dstance ne peut être négatve). 9

20 foncton D(nt, set S){ s S = retourner d ; s tab[,s] 0 retourner tab[,s]; pettshort = un grand nombre; pour S fare dstance = d + D(, S { }); s dstance < pettshort petshort = dstance ; tab[,s] = pettshort ; retourner pettshort; La foncton D alle la clarté de la concepton dvser et régner (récursve) avec l effcacté de la programmaton dynamque. Exercce : Montrer comment calculer le coeffcent bnomal en utlsant une foncton à mémore. Sources. G. Brassard, P. Bratley (996): Fundamentals of algorthmcs, Prentce Hall. E. Horowtz, S. Sahn, S., Raasearan (997): Computer algorthms, Computer Scences Press. 3. J.J. Levy: Notes de cours d algorthmque, École Polytechnque, France. 0

Exercices d algorithmique

Exercices d algorithmique Exercces d algorthmque Les algorthmes proposés ne sont pas classés par ordre de dffculté Nombres Ecrre un algorthme qu renvoe la somme des nombre entre 0 et n passé en paramètre Ecrre un algorthme qu renvoe

Plus en détail

Remboursement d un emprunt par annuités constantes

Remboursement d un emprunt par annuités constantes Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)

Plus en détail

N - ANNEAUX EUCLIDIENS

N - ANNEAUX EUCLIDIENS N - ANNEAUX EUCLIDIENS Dans ce qu sut A est un anneau untare, mun de deux opératons notées addtvement et multplcatvement. Le neutre de l addton est noté 0, celu de la multplcaton est noté e. On pose A

Plus en détail

Miroirs sphériques Dioptres sphériques. 1 Miroirs sphériques. 1.1 Introduction : focaliser la lumière. 1.2 Miroir concaves faisceau parallèle

Miroirs sphériques Dioptres sphériques. 1 Miroirs sphériques. 1.1 Introduction : focaliser la lumière. 1.2 Miroir concaves faisceau parallèle Mrors spérques Doptres spérques Nous allons mantenant aborder des systèmes optques un peu plus complexes, couramment utlsés pour produre des mages. Nous allons commencer par étuder un mror spérque de façon

Plus en détail

V FORMATION DES IMAGES DANS L EXEMPLE DU MIROIR PLAN

V FORMATION DES IMAGES DANS L EXEMPLE DU MIROIR PLAN Chaptre V page V-1 V FORMTION DES IMGES DNS L EXEMPLE DU MIROIR PLN Le but de ce chaptre est d ntrodure la noton d mage { travers l exemple du mror plan. Vous vous êtes sûrement déjà regardé(e) dans un

Plus en détail

Analyse Numérique - Projet A rendre au plus tard le jour de l examen final, en Janvier 2010.

Analyse Numérique - Projet A rendre au plus tard le jour de l examen final, en Janvier 2010. Master 1ère année de Mathématques Analyse Numérque - Projet A rendre au plus tard le jour de l examen fnal, en Janver 2010. CMI, Unversté de Provence Année 2009-2010 Ce qu vous est demandé : Rédger les

Plus en détail

Théorie des Nombres - TD1 Rappels d arithmétique élémentaire

Théorie des Nombres - TD1 Rappels d arithmétique élémentaire Unversté Perre & Mare Cure Master de mathématques 1 Année 2012-2013 Module MM020 Théore des Nombres - TD1 Rappels d arthmétque élémentare Exercce 1 : Trouver tous les enters n N tels que ϕ(n) = 6. Même

Plus en détail

I. Fonctionnalités du tableur

I. Fonctionnalités du tableur Olver Coma Macro MRP pour Excel Decembre 1999 I. Fonctonnaltés du tableur I.1. Feulle «Nomenclature «Le tableur propose pluseurs optons à l ouverture du fcher. Cnq boutons apparassent à drote de la feulle

Plus en détail

Ajustement affine par les moindres carrés

Ajustement affine par les moindres carrés 1. Nveau Termnales STG et ES Ajustement affne par les mondres carrés 2. Stuaton-problème proposée Introducton à la méthode des mondres carrés. 3. Support utlsé Tableur et calculatrce. 4. Contenu mathématque

Plus en détail

L'INDUCTION ON5WF (MNS)

L'INDUCTION ON5WF (MNS) 'IDUCTIO ème parte / O5WF (MS) Dans la ère parte de cet artcle, nous avons vu qu'un courant électrque donnat leu à un champ magnétque (expérence d'oersted). ous avons ensute vu comment Faraday, après avor

Plus en détail

Solution : 1. Soit y = α + βt, l équation de la droite considérée. Le problème de régression linéaire s écrit. i=1 2(α + βt i b i )t i

Solution : 1. Soit y = α + βt, l équation de la droite considérée. Le problème de régression linéaire s écrit. i=1 2(α + βt i b i )t i Exercces avec corrgé succnct du chaptre 3 (Remarque : les références ne sont pas gérées dans ce document, par contre les quelques?? qu apparassent dans ce texte sont ben défns dans la verson écran complète

Plus en détail

Utilisation du symbole

Utilisation du symbole HKBL / 7 symbole sgma Utlsaton du symbole Notaton : Pour parler de la somme des termes successfs d une sute, on peut ou ben utlser les pontllés ou ben utlser le symbole «sgma» majuscule noté Par exemple,

Plus en détail

Partie I: Différences finies avec centrage partiel

Partie I: Différences finies avec centrage partiel U. PARIS VI et ÉCOLE POLYTECHNIQUE 7 anver 04 Spécalté Probablté et Fnance du Master de Scences et Technologe EXAMEN DU COURS ANALYSE NUMÉRIQUE DES ÉQUATIONS AUX DÉRIVÉES PARTIELLES EN FINANCE verson 03/0/04

Plus en détail

Electronique TD1 Corrigé

Electronique TD1 Corrigé nersté du Mane - Faculté des Scences! etour D électronque lectronque D1 Corrgé Pour un sgnal (t) quelconque : 1 $ (t) # MOY! (t) dt 1 FF! (t) dt (t) MX MOY mpltude crête à - crête mpltude Mn Pérode t emarque

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 3

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 3 UNIVERSITE MONTESQUIEU BORDEAUX IV Lcence 3 ère année Econome - Geston Année unverstare 2006-2007 Semestre 2 Prévsons Fnancères Travaux Drgés - Séances n 3 «Les Crtères Fondamentaux des Chox d Investssement»

Plus en détail

La décomposition en valeurs singulières: un outil fort utile

La décomposition en valeurs singulières: un outil fort utile La décomposton en valeurs sngulères: un outl fort utle Références utles: 1- Sonka et al.: sectons 3.2.9 et 3.2.1 2- Notes manuscrtes du cours 3- Press et al: Numercal recpes * Dernère révson: Patrck Hébert

Plus en détail

Proposition d'une solution au problème d initialisation cas du K-means

Proposition d'une solution au problème d initialisation cas du K-means Proposton d'une soluton au problème d ntalsaton cas du K-means Z.Guelll et L.Zaou, Unversté des scences et de la technologe d Oran MB, Unversté Mohamed Boudaf USTO -BP 505 El Mnaouer -ORAN - Algére g.zouaou@gmal.com,

Plus en détail

MASTER ECONOMETRIE ET STATISTIQUE APPLIQUEE (ESA)

MASTER ECONOMETRIE ET STATISTIQUE APPLIQUEE (ESA) MASTER ECONOMETRIE ET STATISTIQUE APPLIQUEE (ESA) Unversté d Orléans Econométre des Varables Qualtatves Chaptre 3 Modèles à Varable Dépendante Lmtée Modèles Tobt Smples et Tobt Généralsés Chrstophe Hurln

Plus en détail

Banque d exercices pour le cours de "mise à niveau" de statistique de M1 AgroParisTech

Banque d exercices pour le cours de mise à niveau de statistique de M1 AgroParisTech Banque d exercces pour le cours de "mse à nveau" de statstque de M1 AgroParsTech Instructons pour les exercces 1. Lorsque ren n est précsé, on suppose que la dstrbuton étudée est gaussenne. Pour les exercces

Plus en détail

SIMNUM : Simulation de systèmes auto-gravitants en orbite

SIMNUM : Simulation de systèmes auto-gravitants en orbite SIMNUM : Smulaton de systèmes auto-gravtants en orbte sujet proposé par Ncolas Kelbasewcz : ncolas.kelbasewcz@ensta-parstech.fr 14 janver 2014 1 Établssement du modèle 1.1 Approxmaton de champ lontan La

Plus en détail

Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amiens.fr/pedagogie/maths/new/ue2007/synthese_atelier_annette_alain.

Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amiens.fr/pedagogie/maths/new/ue2007/synthese_atelier_annette_alain. Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amens.fr/pedagoge/maths/new/ue2007/synthese_ateler_annette_alan.pdf 1 La règle du jeu Un drecteur de casno se propose d nstaller le

Plus en détail

(Licence L1 /Durée 3H) Stand d étude de l'effort tranchant dans une poutre Règle Des accroches poids

(Licence L1 /Durée 3H) Stand d étude de l'effort tranchant dans une poutre Règle Des accroches poids (Lcence L1 /Durée 3H) Objectfs : Se famlarser avec l apparel d étude de l'effort tranchant dans une poutre (les pèces consttutves, mode d emplo...) Ben matrser les étapes qu mènent à l élaboraton des dfférents

Plus en détail

Méthode de Vogel Modifiée pour la résolution du problème de transport simple

Méthode de Vogel Modifiée pour la résolution du problème de transport simple Appled Mathematcal Scences, Vol. 5, 2011, no. 48, 2373-2388 Méthode de Vogel Modfée pour la résoluton du problème de transport smple Salmata G. Dagne Département de Mathématques Unversté Chekh Anta Dop,

Plus en détail

Prévision des ventes des articles textiles confectionnés. B. Zitouni*, S. Msahli* * Unité de Recherches Textiles, Ksar-Hellal, Tunisie.

Prévision des ventes des articles textiles confectionnés. B. Zitouni*, S. Msahli* * Unité de Recherches Textiles, Ksar-Hellal, Tunisie. Prévson des ventes des artcles textles confectonnés B Ztoun*, S Msahl* * Unté de Recherches Textles, Ksar-Hellal, Tunse Résumé Dans cette étude, on se propose de détermner s le recours à des réseaux de

Plus en détail

SUIVI CINETIQUE PAR ANALYSE CHIMIQUE (CORRECTION)

SUIVI CINETIQUE PAR ANALYSE CHIMIQUE (CORRECTION) Chme Termnale S Chaptre Travaux Pratques n a Correcton SUIVI CINETIQUE PAR ANALYSE CHIMIQUE (CORRECTION) 1 PRINCIPE On dose une espèce chmque (réact ou produt du système chmque) à ntervalle de temps réguler

Plus en détail

Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 Année 2011 12. TD4. Tribus.

Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 Année 2011 12. TD4. Tribus. Unversté Perre & Mare Cure (Pars 6) Lcence de Mathématques L3 UE LM364 Intégraton 1 Année 2011 12 TD4. Trbus. Échauffements Exercce 1. Sot X un ensemble. Donner des condtons sur X pour que les classes

Plus en détail

Application de la méthode hybride RT/RS au problème d engagement des turbines "Unit Commitment"

Application de la méthode hybride RT/RS au problème d engagement des turbines Unit Commitment Applcaton de la méthode hybrde RT/RS au problème d engagement des turbnes "nt Commtment" R. D. OHAEDI S. ARIF A. HELLAL Laboratore d Analyse et de Commande des Systèmes d Énerge et Réseaux Électrques,

Plus en détail

Exercices Électrocinétique

Exercices Électrocinétique ercces Électrocnétque alculs de tensons et de courants -21 éseau à deu malles Détermner, pour le crcut c-contre, l ntensté qu 1 2 traverse la résstance 2 et la tenson u au bornes de la résstance 3 : 3

Plus en détail

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 ECO - SESSION 1 - Correction - Minimum Moyenne Ecart-type

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 ECO - SESSION 1 - Correction - Minimum Moyenne Ecart-type EAME FIAL DE STATISTIQUES DESCRIPTIVES L1 ECO - SESSIO 1 - Correcton - Exercce 1 : 1) Questons à Chox Multples (QCM). Cochez la bonne réponse Classer ces statstques selon leur nature (ndcateur de poston

Plus en détail

Synthèse de cours PanaMaths (Terminale S) Les nombres complexes

Synthèse de cours PanaMaths (Terminale S) Les nombres complexes Snthèse de cours PanaMaths (Termnale S) L ensemble des nombres complees Défntons n pose tel que = 1 { } L ensemble des nombres complees, noté, est l ensemble : z /(, ) = + Le réel est appelé «parte réelle

Plus en détail

Valeur absolue et fonction valeur absolue Cours

Valeur absolue et fonction valeur absolue Cours Valeur absolue foncton valeur absolue Cours CHAPITRE 1 : Dstance entre deu réels 1) Eemples prélmnares 2) Défnton 3) Proprétés CHAPITRE 2 : Valeur absolue d un réel 1) Défnton 2) Proprétés CHAPITRE 3 :

Plus en détail

Editions ENI. Excel 2013. Collection Référence Bureautique. Extrait

Editions ENI. Excel 2013. Collection Référence Bureautique. Extrait Edtons ENI Collecton Référence Bureautque Extrat Tableaux de données Tableaux de données Créer un tableau de données Un tableau de données, auss appelé lste de données (dans les ancennes versons d Excel),

Plus en détail

MODELISATION DES PROCESSUS LINEAIRES

MODELISATION DES PROCESSUS LINEAIRES MDELISATIN DES PRCESSUS LINEAIRES Dans un premer temps, nous ne consdérons que des processus partculers, supposés notamment statonnare. Cec permet de présenter un certan nombre d'outls dans un cadre relatvement

Plus en détail

Les jeunes économistes

Les jeunes économistes Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque

Plus en détail

Exercices sur la géométrie plane

Exercices sur la géométrie plane Eercces sur la géoétre plane Sot un trangle équlatéral et M un pont ntéreur au trangle n note H, K, L les projetés orthogonau respectfs de M sur les tros côtés éontrer que la soe MH + MK + ML est constante

Plus en détail

LES DIMENSIONS DANS LA PERCEPTION DES INTERVALLES MUSICAUX *

LES DIMENSIONS DANS LA PERCEPTION DES INTERVALLES MUSICAUX * LES DIMENSIONS DANS LA PERCEPTION DES INTERVALLES MUSICAUX * "W.J.M. LEVELT et R. PLOMP (Insttute for Percepton R.V.O.-T.N.O., SOESTERBERG, PAYS-BAS) Introducton Il est ntéressant de savor de quelle manère

Plus en détail

Cours de Calcul numérique MATH 031

Cours de Calcul numérique MATH 031 Cours de Calcul numérque MATH 03 G. Bontemp, A. da Slva Soares, M. De Wulf Département d'informatque Boulevard du Tromphe - CP22 http://www.ulb.ac.be/d Valeurs propres en pratque. Localsaton. Méthode de

Plus en détail

classification non supervisée : pas de classes prédéfinies Applications typiques

classification non supervisée : pas de classes prédéfinies Applications typiques Qu est ce que le clusterng? analyse de clusterng regroupement des obets en clusters un cluster : une collecton d obets smlares au sen d un même cluster dssmlares au obets appartenant à d autres clusters

Plus en détail

Chapitre 2 : Energie potentielle électrique. Potentiel électrique

Chapitre 2 : Energie potentielle électrique. Potentiel électrique 2 e BC 2 Energe potentelle électrque. Potentel électrque 12 Chaptre 2 : Energe potentelle électrque. Potentel électrque 1. Traval de la orce électrque a) Expresson mathématque dans le cas du déplacement

Plus en détail

Champ magnétique. 1 Notions préliminaires. 1.1 Courant électrique et densité de courant

Champ magnétique. 1 Notions préliminaires. 1.1 Courant électrique et densité de courant 4 Champ magnétque 1 Notons prélmnares 1.1 Courant électrque et densté de courant Un courant électrque est défn par un déplacement de charges électrques élémentares (ex : les électrons de conducton dans

Plus en détail

CHAPITRE 2. La prévision des ventes

CHAPITRE 2. La prévision des ventes CHAPITRE La prévson des ventes C est en foncton des prévsons de ventes que l entreprse détermne la producton, les achats et les nvestssements nécessares. La prévson des ventes condtonne l ensemble de la

Plus en détail

MGA802. Analyse fonctionnelle. Chapitre 1. S. Antoine Tahan, ing. Ph.D. Département de génie mécanique

MGA802. Analyse fonctionnelle. Chapitre 1. S. Antoine Tahan, ing. Ph.D. Département de génie mécanique Analyse fonctonnelle Chaptre S. Antone Tahan, ng. Ph.D. Département de géne mécanque Ma 009 Manuel : Métrologe MEC66 Auteur : Antone Tahan, ng., Ph.D. atahan@mec.etsmtl.ca ère édton : novembre 004 ème

Plus en détail

C.P.G.E-TSI-SAFI Redressement non commandé 2006/2007

C.P.G.E-TSI-SAFI Redressement non commandé 2006/2007 C.P.G.E-TSI-SAFI edressement non commandé 2006/2007 edressement non commandé Introducton : es réseaux et les récepteurs électrques absorbent de l énerge sous deux formes, en contnus ou en alternatfs. Pour

Plus en détail

Tableau croisé dynamique

Tableau croisé dynamique Tableau crosé dynamque Tableau crosé dynamque Excel 2010 Créer un tableau crosé dynamque Un tableau crosé dynamque permet de résumer, d analyser, d explorer et de présenter des données de synthèse. S la

Plus en détail

L algorithme PageRank de Google : Une promenade sur la toile

L algorithme PageRank de Google : Une promenade sur la toile APMEP Pour chercher et approfondr 473 L algorthme PageRank de Google : Une promenade sur la tole Mchael Esermann (*) Depus plus d une décenne Google domne le marché des moteurs de recherche sur nternet

Plus en détail

DEFINITIONS ET PRINCIPES FONDAMENTAUX DE LA RDM

DEFINITIONS ET PRINCIPES FONDAMENTAUX DE LA RDM DEFINITIONS ET PRINCIPES FONDMENTUX DE L RDM 1 OJET DE L RDM PRINCIPES DE L STTIQUE.1 Défnton de l équlbre statque.1.1 Epresson du torseur des actons, moment d une force.1. Sstèmes de forces dvers 3. Les

Plus en détail

Optimisation du conditionnement d'air des locaux de télécommunication par utilisation de produits à changement de phase

Optimisation du conditionnement d'air des locaux de télécommunication par utilisation de produits à changement de phase Optmsaton du condtonnement d'ar des locaux de télécommuncaton par utlsaton de produts à changement de phase Davd NÖRTERSHÄUSER, Stéphane LE MASSON France Telecom R&D, 2 Avenue Perre Marzn, 2 LANNION Résumé

Plus en détail

Indicateurs de compétitivité- prix et de performances à l exportation

Indicateurs de compétitivité- prix et de performances à l exportation Décembre 2009 Indcateurs de compéttvté- prx et de performances à Méthodologe Les ndcateurs présentés dans ce document vsent à mesurer en temps réel l évoluton des parts de marché des prncpaux exportateurs

Plus en détail

EXEMPLES D UTILISATION DE LA TECHNIQUE DES OBSERVATIONS INSTANTANÉES.

EXEMPLES D UTILISATION DE LA TECHNIQUE DES OBSERVATIONS INSTANTANÉES. EXEMPLES D UTILISATIN DE LA TECHNIQUE DES BSERVATINS INSTANTANÉES. Chrstan Fortn, ng., Ph.D. Ergonome et hygénste du traval Centre of santé et servces socaux de la Montagne, Montréal. Résumé La technque

Plus en détail

Bien débuter avec Illustrator

Bien débuter avec Illustrator CHAPITRE 1 Ben débuter avec Illustrator Illustrator est un logcel de dessn vectorel. Cela sgnfe qu'l permet de créer des llustratons composées avec des objets décrts par des vecteurs. Une telle défnton

Plus en détail

Généralités sur les fonctions 1ES

Généralités sur les fonctions 1ES Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :

Plus en détail

Editions ENI. Excel 2013. Collection Référence Bureautique. Extrait

Editions ENI. Excel 2013. Collection Référence Bureautique. Extrait Edtons ENI Excel 2013 Collecton Référence Bureautque Extrat Tableaux de données Tableaux de données Excel 2013 Créer un tableau de données Un tableau de données, auss appelé lste de données (dans les ancennes

Plus en détail

Globalisation de l Algorithme de Nelder-Mead : Application aux Composites

Globalisation de l Algorithme de Nelder-Mead : Application aux Composites INSA de Rouen LMR - Laboratore de Mécanque UMR 638 Rapport Technque : Globalsaton de l Algorthme de Nelder-Mead : Applcaton aux Compostes Marco Antôno Luersen, Doctorant au LMR Rodolphe Le Rche, Chargé

Plus en détail

Q x2 = 1 2. est dans l ensemble plus grand des rationnels Q. Continuons ainsi, l équation x 2 = 1 2

Q x2 = 1 2. est dans l ensemble plus grand des rationnels Q. Continuons ainsi, l équation x 2 = 1 2 Exo7 Nombres complexes Vdéo parte. Les nombres complexes, défntons et opératons Vdéo parte. Racnes carrées, équaton du second degré Vdéo parte 3. Argument et trgonométre Vdéo parte 4. Nombres complexes

Plus en détail

Algorithme approché d optimisation d un modèle de Processus Décisionnel de Markov sur Graphe

Algorithme approché d optimisation d un modèle de Processus Décisionnel de Markov sur Graphe Algorthme approché d optmsaton d un modèle de Processus Décsonnel de Markov sur Graphe Nathale Peyrard Régs Sabbadn INRA-MIA Avgnon et Toulouse E-Mal: {peyrard,sabbadn}@toulouse.nra.fr Réseau MSTGA, Avgnon,

Plus en détail

Fiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage

Fiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage Fche n 7 : Vérfcaton du débt et de la vtesse par la méthode de traçage 1. PRINCIPE La méthode de traçage permet de calculer le débt d un écoulement ndépendamment des mesurages de hauteur et de vtesse.

Plus en détail

Sujets des projets. Informatique de Base Université Pierre et Marie Curie

Sujets des projets. Informatique de Base Université Pierre et Marie Curie 1 Sujets des projets Informatque de Base Unversté Perre et Mare Cure D Bernard, F Hecht, N Segun Master I / sesson 2004/2005 Table des matères 1 Sujet : Recherche rapde d un trangle contenant un pont dans

Plus en détail

publicitaires Section 4. Oligopole et stratégie publicitaire 1) Dépenses publicitaires et stratégie concurrentielle 3) Oligopole et dépenses d

publicitaires Section 4. Oligopole et stratégie publicitaire 1) Dépenses publicitaires et stratégie concurrentielle 3) Oligopole et dépenses d Secton 4. Olgopole et stratége publctare 1) Dépenses publctares et stratége concurrentelle 2) Monopole et dépenses d publctares 3) Olgopole et dépenses d publctares 1) Dépenses publctares et stratége concurrentelle

Plus en détail

Corrélation et régression linéaire

Corrélation et régression linéaire Corrélaton et régresson lnéare 1. Concept de corrélaton. Analyse de régresson lnéare 3. Dfférences entre valeurs prédtes et observées d une varable 1. Concept de corrélaton L objectf est d analyser un

Plus en détail

REDUCTION DE BASE DE DONNEES PAR LA CLASSIFICATION AUTOMATIQUE

REDUCTION DE BASE DE DONNEES PAR LA CLASSIFICATION AUTOMATIQUE INSTITUT DE LA FRANCOPHONIE POUR L INFORMATIQUE RAPPORT DU STAGE REDUCTION DE BASE DE DONNEES PAR LA CLASSIFICATION AUTOMATIQUE Sous la drecton de Pr. Georges HEBRAIL, ENST Pars Réalsé par LE Anh Tuan,

Plus en détail

À partir de la demi-période comprise entre les points C et D de la figure 2, mesurer u L, de la bobine. calculer et en déduire la valeur de L.

À partir de la demi-période comprise entre les points C et D de la figure 2, mesurer u L, de la bobine. calculer et en déduire la valeur de L. se 2004 ÉTUD XPÉIMNTL D'UN BOBIN (6 ponts) 1.5. On néglge dans la sute le terme fasant ntervenr r dans l'expresson de u L ans que les arronds des crêtes de l'ntensté. 1 - Détermnaton expérmentale de l'nductance

Plus en détail

ÉCHANTILLON REPRÉSENTATIF (D UNE POPULATION FINIE) : DÉFINITION STATISTIQUE

ÉCHANTILLON REPRÉSENTATIF (D UNE POPULATION FINIE) : DÉFINITION STATISTIQUE ÉCHANTILLON REPRÉSENTATIF (D UNE POPULATION FINIE) : DÉFINITION STATISTIQUE ET PROPRIÉTÉS Léo Gervlle-Réache, Vncent Coualler To cte ths verson: Léo Gervlle-Réache, Vncent Coualler. ÉCHANTILLON REPRÉSENTATIF

Plus en détail

Cryptographie évolutionniste

Cryptographie évolutionniste Cryptographe évolutonnste Applcaton des algorthmes évolutonnstes à la cryptographe Fouza Omary* Abderrahm Tragha** Aboubakr Lbekkour* *Département de mathématques et nformatque faculté des scences-rabat

Plus en détail

LP 46 Applications des lois de l'optique géométrique à l'appareil photographique

LP 46 Applications des lois de l'optique géométrique à l'appareil photographique LP 46 Applatons des los de l'optque géométrque à l'apparel photographque Introduton: Nous allons termner les leçons d'optque géométrque en étudant un apparel qu utlse les résultats de e domane de la physque,

Plus en détail

SPE PSI DEVOIR LIBRE N 9 pour le 04/01/12. Phénomènes d induction et conversion électromécanique:

SPE PSI DEVOIR LIBRE N 9 pour le 04/01/12. Phénomènes d induction et conversion électromécanique: SPE PSI DEVOIR LIBRE N 9 pour le 04/01/12 Phénomènes d nducton et converson électromécanque: 1/ Inductance propre et nductance mutuelle. 11/ Défntons et proprétés : 11a/ Défnr l'nductance propre L d un

Plus en détail

Il fournit un complément d information au document du BSIF que voici :

Il fournit un complément d information au document du BSIF que voici : Préavs REMARQUE* Objet : ttre des garantes de fonds dstncts des socétés d assurance-ve qu utlsent les facteurs prescrts Catégore : Captal Date : Le présent préavs décrt une méthode factorelle alternatve

Plus en détail

République Algérienne Démocratique et Populaire Ministère de l Enseignement Supérieur et de la Recherche Scientifique

République Algérienne Démocratique et Populaire Ministère de l Enseignement Supérieur et de la Recherche Scientifique Réublque Algérenne Démocratque et Poulare Mnstère de l Ensegnement Suéreur et de la Recherche Scentfque Unversté Mouloud Mammer de Tz-Ouzou MEMOIRE DE MAGISTER En Automatque Oton : Automatque des Systèmes

Plus en détail

Feuilles de style CSS

Feuilles de style CSS Feulles de style CSS 71 Feulles de style CSS Les standards du web Les langages du web : le HTML et les CSS Depus la verson 4 de l'html (décembre 1999), le W3C propose les feulles de style en cascade, les

Plus en détail

Mesure de compatibilité et recherche de solutions régulières en contact pénalisé

Mesure de compatibilité et recherche de solutions régulières en contact pénalisé Mesure de compatblté et recherche de solutons régulères en contact pénalsé G. Vermot des Roches,3, E. Balmes,2, Hachm Ben Dha 3, Rém Lemare 4 SDTools 44, Rue Vergnaud, 7503, Pars - FRANCE {vermot,balmes}@sdtools.com

Plus en détail

Gestion et stratégie Utilisateur

Gestion et stratégie Utilisateur Geston et stratége Utlsateur GESTION ET STRATEGIE UTILISATEUR...2 1.) Comment gérer des utlsateurs?...2 1.1) Geston des utlsateurs en groupe de traval...2 1.2) Geston des utlsateurs par domane...2 Rôle

Plus en détail

Université de Cergy-Pontoise

Université de Cergy-Pontoise Unversté de Cergy-Pontose THESE Dscplne : Géne cvl Présentée par : Salma HASSANI-MANAI Pour obtenr le grade de DOCTEUR DE L UNIVERSITE DE CERGY-PONTOISE Sujet : ETUDE ET MODELISATION DE LA STABILITE DES

Plus en détail

Soutien : Modèle de Potts mars 2015

Soutien : Modèle de Potts mars 2015 Année 04 05 Physque Statstque hors équlbre et transtons de phase Souten : Modèle de Potts mars 05 On onsdère une varante du modèle d Isng, dte de Potts, dans laquelle les N degrés de lberté (qu on appellera

Plus en détail

1. INTRODUCTION. MOT-CLÉS : tâches, ordonnancement, optimisation, ressource, coût

1. INTRODUCTION. MOT-CLÉS : tâches, ordonnancement, optimisation, ressource, coût Algorthme d ades à la décson pour Optmser l Ordonnancement des tâches de mantenance en temps-réel. Mr Aboussalm Assam, Mr Medoun Mohamed LGII- Laboratore du Géne Industrel et nformatque Ensa Agadr Emal

Plus en détail

Editions ENI. Excel 2010. Collection Référence Bureautique. Extrait

Editions ENI. Excel 2010. Collection Référence Bureautique. Extrait Edtons ENI Excel 2010 Collecton Référence Bureautque Extrat Tableau crosé dynamque Tableau crosé dynamque Excel 2010 Créer un tableau crosé dynamque Un tableau crosé dynamque permet de résumer, d analyser,

Plus en détail

Introduction. 1. le modèle de survie de COX utilisé par O. Brandmeyer dans son stage de Master 2 IMOI au Centre de Médecine Préventive de Nancy ;

Introduction. 1. le modèle de survie de COX utilisé par O. Brandmeyer dans son stage de Master 2 IMOI au Centre de Médecine Préventive de Nancy ; Introducton Le groupe de Bo-Statstque a eu une actvté soutenue en 2006-2007. Cette dernère s est concrétsée par des réunons de petts groupes de traval autour de thèmes de recherche partculers et par la

Plus en détail

TES - Accompagnement: Probabilités conditionnelles,, variable aléatoire et loi binomiale

TES - Accompagnement: Probabilités conditionnelles,, variable aléatoire et loi binomiale TS - ccompagnement: Probabltés condtonnelles,, varable aléatore et lo bnomale xercce 1 'asthme est une malade nflammatore chronque des voes respratores en constante augmentaton. n France, les statstques

Plus en détail

L ALGORITHME PAGERANK DE GOOGLE: UNE PROMENADE SUR LA TOILE L E WEB EST UN GRAPHE!

L ALGORITHME PAGERANK DE GOOGLE: UNE PROMENADE SUR LA TOILE L E WEB EST UN GRAPHE! Preprnt verson avalable at http://www-fourer.uf-grenoble.fr/ eserm L ALGORITHME PAGERANK DE GOOGLE: UNE PROMENADE SUR LA TOILE MICHAEL EISERMANN Depus plus d une de cenne Google domne le marche des moteurs

Plus en détail

Enseignement secondaire. PHYSI Physique Programme

Enseignement secondaire. PHYSI Physique Programme Ensegnement secondare Dvson supéreure PHYSI Physque Programme 3CB_3CC_3CF_3MB_3MC_3MF Langue véhculare : franças Nombre mnmal de devors par trmestre : 1 PHYSI_3CB_3CC_3CF_3MB_3MC_3MF_PROG_10-11 Page 1

Plus en détail

Caractéristiques dynamiques d'une structure de tenségrité en fonction de son niveau d'autocontrainte

Caractéristiques dynamiques d'une structure de tenségrité en fonction de son niveau d'autocontrainte 19 ème Congrès Franças de Mécanque Marselle, 24-28 août 29 Caractérstques dynamques d'une structure de tenségrté en foncton de son nveau d'autocontrante J-F. ubé, B. Crosner, N. Angeller a a. Laboratore

Plus en détail

Chapitre 3: Stockage et distribution

Chapitre 3: Stockage et distribution I- Défntons Chaptre 3: Stockage et dstrbuton Réseau de desserte = Ensemble des équpements (canalsatons et ouvrages annexes) achemnant de manère gravtare ou sous presson l eau potable ssue des untés de

Plus en détail

Bouclier fiscal : intérêt et limites (EF - GP) Professeur Didier MAILLARD Juin 2007 Mis à jour Décembre 2007 1

Bouclier fiscal : intérêt et limites (EF - GP) Professeur Didier MAILLARD Juin 2007 Mis à jour Décembre 2007 1 Conservatore Natonal des Arts et Méters Chare de BANQUE Document de recherche n 18 Boucler fscal : ntérêt et lmtes (EF - GP) Professeur Dder MALLAD Jun 2007 Ms à jour Décembre 2007 1 Avertssement La chare

Plus en détail

Virga. itunes 4. sous Mac et Windows. Éditions OEM (Groupe Eyrolles),2004, ISBN 2-7464-0503-2

Virga. itunes 4. sous Mac et Windows. Éditions OEM (Groupe Eyrolles),2004, ISBN 2-7464-0503-2 Vrga Tunes 4 et Pod sous Mac et Wndows Édtons OEM (Groupe Eyrolles),2004, ISBN 2-7464-0503-2 Synchronser l Pod avec l ordnateur L Pod connaît deux types de synchronsaton. L a synchronsaton de la musque

Plus en détail

POUR OBTENIR UN BON RÉSULTAT, IL EST ESSENTIEL DE SUIVRE EXACTEMENT LES INSTRUCTIONS DE POSE.

POUR OBTENIR UN BON RÉSULTAT, IL EST ESSENTIEL DE SUIVRE EXACTEMENT LES INSTRUCTIONS DE POSE. POUR OBTENIR UN BON RÉSULTAT, IL EST ESSENTIEL DE SUIVRE EXACTEMENT LES INSTRUCTIONS DE POSE. - 8h -% RH www.quck-step.com www.quck-step.com Cement

Plus en détail

Combinaison de dires d'experts en élicitation de lois a priori. pour Listeria chez la souris. Exposé AppliBugs

Combinaison de dires d'experts en élicitation de lois a priori. pour Listeria chez la souris. Exposé AppliBugs Combnason de dres d'experts en élctaton de los a pror. Applcaton à un modèle doseréponse pour Lstera chez la sours. Exposé ApplBugs ISABELLE ALBERT 8 / / 03 INTRODUCTION Cet exposé présente une parte du

Plus en détail

THERMODYNAMIQUE. Résumé de cours. Jacques Delaire ENS de Cachan

THERMODYNAMIQUE. Résumé de cours. Jacques Delaire ENS de Cachan Lcence ϕτεμ 26 27 THERMODYNAMIQUE Résumé de cours Jacques Delare ENS de Cachan 1 I INTRODUCTION I.1. Défntons Généraltés Système : ensemble de corps ou de substances qu appartennent à un domane de l espace.

Plus en détail

DÉCOMPOSITION ATOMIQUE DES ESPACES DE BERGMAN

DÉCOMPOSITION ATOMIQUE DES ESPACES DE BERGMAN Publcacons Matemàtques, Vol 39 (1995), 285 299. DÉCOMPOSITION ATOMIQUE DES ESPACES DE BERGMAN F. Symesak Abstract The am of ths paper s to establsh the theorem of atomc decomposton of weghted Bergman spaces

Plus en détail

(D après sujet de BEP Secteur 6 Groupement interacadémique II Session juin 2005)

(D après sujet de BEP Secteur 6 Groupement interacadémique II Session juin 2005) EXERCICES SUR LES STATISTIQUES Exercce 1 Un commerçant effectue des lvrasons de fuel pour les chaudères. La répartton des volumes dstrbués à chaque lvrason s effectue selon le tableau suvant : Volumes

Plus en détail

Dire qu un entier naturel est premier signifie qu il admet deux diviseurs : un et lui-même.

Dire qu un entier naturel est premier signifie qu il admet deux diviseurs : un et lui-même. Vdoune Termnale S Chaptre spé Arthmétque PPCM et nombres premers Nombre premer Dre qu un enter naturel est premer sgnfe qu l admet deux dvseurs : un et lu-même. Zéro est-l un nombre premer? Un est-l un

Plus en détail

Clôture transitive (accessibilité) Clôture transitive des graphes. Clôture par produits. Représentations matricielles

Clôture transitive (accessibilité) Clôture transitive des graphes. Clôture par produits. Représentations matricielles Clôture transtve (accessblté) Problème G = (S, A) graphe (orenté) Calculer H = (S, B) où B est la clôture réflexve et transtve de A. Clôture transtve des graphes et tous les plus courts chemns Note : (s,t)

Plus en détail

Régression linéaire et incertitudes expérimentales

Régression linéaire et incertitudes expérimentales 91 e Année - N 796 Publcaton Mensuelle Jullet/Août/Septembre 1997 Régresson lnéare et ncerttudes expérmentales par Danel BEAUFILS Insttut Natonal de Recherche Pédagogque Département Technologes Nouvelles

Plus en détail

Le théorème du viriel

Le théorème du viriel Le théorème du vrel On se propose de démontrer le théorème du vrel de deux manères dfférentes. La premère fat appel à deux "trcks" qu l faut vor. Cette preuve met en avant une quantté, notée S c, qu permet

Plus en détail

L anonymat dans les protocoles cryptographiques

L anonymat dans les protocoles cryptographiques École normale supéreure Département d nformatque Équpe CASCADE INRIA Unversté Pars 7 Dens Dderot L anonymat dans les protocoles cryptographques Thèse présentée et soutenue publquement le jeud 1 er octobre

Plus en détail

Pilotage d'actionneurs Incrémentaux Couplés par Auto-Apprentissage

Pilotage d'actionneurs Incrémentaux Couplés par Auto-Apprentissage SETIT 2009 5 th Internatonal Conference: Scences of Electronc, Technologes of Informaton and Telecommuncatons March 22-26, 2009 TUNISIA Plotage d'actonneurs Incrémentaux Couplés par Auto-Apprentssage Hatem

Plus en détail

SEPTEMBRE 2009 RC-POS

SEPTEMBRE 2009 RC-POS SEPTEMBRE 2009 RC-POS (09_POS_131) (mn.) RAPPORT DE MINORITE DE LA COMMISSION THEMATIQUE DE LA SANTE PUBLIQUE chargée d'examner l'objet suvant: Postulat Fabenne Despot et consorts demandant à qu profte

Plus en détail

CIGI 2011 Production à la commande et production pour stock dans un environnement MRP

CIGI 2011 Production à la commande et production pour stock dans un environnement MRP CIGI 2011 Producton à la commande et producton pour stock dans un envronnement MRP VINCENT GIARD 1, MUSTAPHA SALI 2 1 LAMSADE Unversté Pars-Dauphne Place du Maréchal de Tassgny - F 75775 Pars Cedex 16,

Plus en détail

Faculté des sciences. DEA d'informatique. Coopération dans les sciences de traitement de l'information. Année universitaire 2005/2006

Faculté des sciences. DEA d'informatique. Coopération dans les sciences de traitement de l'information. Année universitaire 2005/2006 No : / 2006 Unversté lbanase Faculté des scences Unversté Paul Sabater I.R.I.T. DEA d'informatque Coopératon dans les scences de tratement de l'nformaton Année unverstare 2005/2006 Reformulaton de requêtes

Plus en détail

Assistance à la saisie en milieu non structuré

Assistance à la saisie en milieu non structuré Assstance à la sase en mleu non structuré R. Gharb 1, N. Rezzoug 1, P. Gorce 1 P. Hoppenot 2, E. Colle 2 1 Laboratore ESP EA 3162 Unversté de Toulon et du Var BP 20132, 83957 La Garde gorce{rezzoug, gharb}@unv-tln.fr

Plus en détail

Hansard OnLine. Guide relatif au Unit Fund Centre

Hansard OnLine. Guide relatif au Unit Fund Centre Hansard OnLne Gude relatf au Unt Fund Centre Table des matères Page Présentaton du Unt Fund Centre (UFC) 3 Utlsaton de crtères de recherche parm les fonds 4-5 Explotaton des résultats des recherches par

Plus en détail

Accord Entreprise. Le Guide du True-Up. Enterprise Agreement True - Up Guide

Accord Entreprise. Le Guide du True-Up. Enterprise Agreement True - Up Guide Enterprse Agreement True-Up Gude Accord Entreprse Le Gude du True-Up Enterprse Agreement True - Up Gude Le gude du True-Up dans l Accord Entreprse Table des matères Le True-Up des lcences on premse et

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2015 2016. Statistiques Descriptives

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2015 2016. Statistiques Descriptives UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année unverstare 215 216 L1 Économe Cours de B. Desgraupes Statstques Descrptves Séance 7: Indces synthétques Table des matères 1 Introducton 1 1.1

Plus en détail