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

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

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

Transcription

1 CONTRÔLE DE RECHERCHE OPÉRATIONNELLE Le contrôle est noté sur Question 1 pt Comment s'appelle la société française de recherche opérationnelle? 2. Management de projet 2 pts Considérons le projet de construction d'immeuble suivant, découpé en diérentes tâches. Pour la ligne d'une tâche T donnée, la colonne contraintes indique quelles tâches doivent être terminées pour pouvoir commencer T. Trouver la durée minimale de ce projet. Justier la réponse. Tâches Description Durée (j) Contraintes A préparation, fondations 6 Début B construction des murs 10 A C plomberie extérieure 4 B D plomberie intérieure 5 A E électricité 7 A F toit 6 B G peinture et nitions extérieures 16 B,C,F H lambris 8 D,E I sol 4 D,E J peinture et nitions intérieures 11 H,I 3. Positionnement d'entrepôts avec capacité 2 pts On reprend le problème de positionnement d'entrepôts vu en cours, mais avec cette fois une contrainte supplémentaire : chaque entrepôt ne peut desservir qu'un nombre limité de clients. Modéliser le problème suivant comme un problème linéaire en nombres entiers en reprenant la modélisation du cours et en ne modiant qu'une seule famille de contraintes. Données : Un ensemble ni de clients D, un ensemble ni d'entrepôts potentiels F, un coût xe f i R + d'ouverture et une capacité K i pour chaque entrepôt i F, et un coût de service c ij R + pour chaque i F et j D. Demande : Trouver un sous-ensemble X F (dits entrepôts ouverts) et une aectation σ : D X des clients aux entrepôts ouverts, tel que pour tout i, l'entrepôt i ne desserve pas plus de K i clients, de façon à ce que la quantité soit minimale. i X f i + j D c σ(j)j Date: 4 février

2 4. Positionnement de postes d'observation 4 pts Considérer le domaine de la Figure 1. Chaque point indique une position possible pour un poste d'observation. On veut que chaque poste d'observation ait la vue complètement dégagée dans les 4 directions cardinales (nord, sud, est, ouest) deux postes d'observation ouverts ne peuvent donc ni se trouver sur la même ligne, ni se trouver sur la même colonne. On veut en ouvrir un nombre maximum. En d'autres termes, on veut sélectionner un nombre maximum de points noirs de façon à qu'il y en ait au plus n par ligne et par colonne. Proposer un nombre maximum dans le cas particulier de la Figure 1 (1 pt). Prouver la qualité de votre solution (1 pt). Proposer la méthode générale (est-ce polynomial?) (2 pts). N O E S Figure 1. Des points critiques à surveiller. 5. Découpe de serviettes 7 pts Une question cruciale dans le textile est la question des pertes. On veut donc satisfaire les commandes en minimisant les pertes. On dispose d'une grande bande de tissu, que l'on peut considérer de longueur innie, mais de hauteur xée h. On a des serviettes rectangulaires i = 1, 2,..., n à découper, chacune de hauteur λ i et de longueur Λ i. On doit les placer horizontalement dans la bande (en eet, la trame du tissu impose le sens de découpe). La position de la serviette i est repérée par les coordonnées (x i, y i ) du centre. On souhaite découper toutes les serviettes on utilisant la moins grande longueur possible de la grande bande. Bien sûr, les serviettes ne doivent pas se chevaucher. Voir la Figure 2. Une façon de procéder consiste à xer pour chaque couple de serviettes (i, j), i j, une position relative identiée par une unique lettre parmi les quatre H, B, G, D. Par exemple, si à (1, 2) on associe H, cela signie que la boîte 1 est au-dessus de la boîte 2 au-dessus signiant que tout point de la boîte 1 a une ordonnée supérieure à celle de la boîte 2. Ou encore G associée à (7, 6) signie que tout point de la boîte 7 a une abscisse plus petite que la boîte 6. De plus, si on xe (i, j) à H, le couple (j, i) est automatiquement xé à B. De même pour G, D On xe pour chaque couple (i, j), i j une lettre comme indiqué ci-dessus. On appelle cela un codage. A un plan de découpe peut correspondre plusieurs codages. 1. Montrer que le problème de savoir si un tel codage correspond à au moins un plan de découpe réalisable se ramène à un problème de plus long chemin dans un graphe orienté. Compte tenu des spécicité du problème, est-ce polynomial? (1 pt) 2

3 h (x 1, y 1 ) (x 3, y 3 ) (x 2, y 2 ) (x 5, y 5 ) (x 6, y 6 ) (x 4, y 4 ) (x 7, y 7 ) Λ 7 λ 7 L Figure 2. Des serviettes placées dans une longue bande de tissu : minimiser L. 2. Montrer que le problème de minimisation de la longueur de bande nécessaire pour réaliser un codage donné se ramène à un double problème de plus long chemin dans des graphes orientés (celui de la question 1. et un autre...). Compte tenu des spécicité du problème, est-ce polynomial? (1 pt) 3. En utilisant la question précédente, proposer une heuristique du type recherche locale pour résoudre ce problème. (1 pt) 4. Etant donné un codage, montrer que le question de la longueur minimum de bande se modélise comme un programme linéaire. Cette question donne une solution alternative aux ponts 1. et 2. (2 pts) 5. Montrer que le problème de minimisation de la bande de tissu nécessaire pour découper des serviettes rectangulaires données est NP-dicile. (2 pts) 6. Gestion dynamique de stock 14 pts 6.1. Gestion dynamique de stock, cas à 1 seul bien. On souhaite satisfaire une demande prescrite d t pour chacune des T périodes t = 1, 2,..., T, en produisant une quantité x t R + sur la période t et/ou en retirant une certaine quantité du stock y t 1 R + de la période t 1 (on suppose y 0 = 0). On suppose de plus que la production sur la période t ne peut pas excéder P t. 1. Justier la dynamique du stock (1 pt) (1) y t = y t 1 + x t d t, pour t = 1, 2,..., T. Sur la période t, le coût unitaire de stockage est s t 0 et le coût unitaire de production est p t 0. On veut gérer le stock au coût minimum. 2. Montrer que ce problème se modélise comme un programme linéaire. (2 pts) 3. Application numérique : On considère les données du tableau suivant t = d t s t xxx p t P t

4 Indiquer le coût minimal de gestion de stock, ainsi que les niveaux de productions (en p.4, des programmes linéaires sont donnés). (1 pt) 4. Montrer que ce problème peut également se modéliser comme un problème de b-ot de coût minimum. (Indication : introduire un sommet source v avec b(v) = T t=1 d t et des sommets puits w t avec b(w t ) = d t ; à vous d'indiquer les arcs, les coûts sur les arcs, les capacités sur les arcs, etc.) Justier la modélisation. (2 pts) 5. Quel peut être l'intérêt d'une telle modélisation alors qu'on sait résoudre le problème avec un solveur de programmation linéaire? (1 pt) 6.2. Gestion dynamique de stock, cas à plusieurs biens. Supposons maintenant qu'il n'y ait pas un seul bien, mais K biens, indicés par k = 1, 2,..., K. Pour chaque bien k, on a une demande d kt sur chaque période t. On satisfait la demande en produisant x kt de bien k sur la période t et/ou en prélevant une certaine quantité sur le stock y k(t 1) de la période t 1. On suppose que la production en période t pour le bien k ne peut pas excéder P kt. De plus, on ne possède qu'une machine, et donc sur une période on ne peut produire qu'un seul type de bien. 6. Ecrire la dynamique du stock dans ce cas-là. (1 pt) 7. En introduisant une variable z kt qui indique si le bien k est produit sur la période t, proposer une contrainte linéaire (indicée par t) qui empêche la production de plusieurs biens sur la période t. (1 pt) 8. Ecrire une contrainte (indicée par k et t) qui limite la production du bien k en période t, en tenant compte du fait que si un autre bien k k est produit, alors la production du bien k doit être nulle. (1 pt) 9. Montrer que ce problème peut se modéliser comme un programme linéaire mixte en nombres entiers (mixte signie que toutes les variables ne sont pas contraintes à être entières). (2 pts) Dans une approche par branch-and-bound, on va chercher des bornes inférieures. Une solution est de procéder par relaxation lagrangienne. 10. Montrer qu'en relaxant les bonnes contraintes, le calcul des bornes inférieures par la relaxation lagrangienne se ramène à des calculs de gestion de stock à un seul bien, et donc à des calculs de b-ots de coût minimum. (2 pts) 7. Quelques programmes linéaires valeur optimale : 37 ; x = (5, 4, 1, 3) et y = (0, 0, 0). min 2x 1 + 3x 2 + 3x 3 + 4x 4 + 3y 1 + 3y 2 + 3y 3 4

5 valeur optimale : 35 ; x = (2, 3, 5, 2) et y = (0, 0, 2). min 5x 1 + 4x 2 + x 3 + 3x 4 + y 1 + y 2 + y 3 1 x x 2 5 x x 4 5 y t 0pour tout t {1, 2,..., 3} valeur optimale : 35 ; x = (2, 3, 5, 2) et y = (0, 0, 2). min 5x 1 + 4x 2 + x 3 + 3x 4 + y 1 + y 2 + y 3 valeur optimale : 37 ; x = (9, 0, 4, 0) et y = (4, 0, 3). min 2x 1 + 3x 2 + 3x 3 + 4x 4 + y 1 + y 2 + y 3 valeur optimale : 37 ; x = (8, 1, 3, 1) et y = (3, 0, 2). min 2x 1 + 3x 2 + 3x 3 + 4x 4 + y 1 + y 2 + y 3 1 x x x x 4 5 5

6 min 5x 1 + 4x 2 + x 3 + 3x 4 + y 1 + y 2 + y 3 y t 1 pour tout t {1, 2, 3} valeur optimale : 40 ; x = (3, 3, 5, 1) et y = (1, 1, 3). min 5x 1 + 4x 2 + x 3 + 3x 4 + y 1 + y 2 + y 3 y t 0pour tout t {1, 2,..., 3} valeur optimale : 35 ; x = (2, 3, 5, 2) et y = (0, 0, 2). min 2x 1 + 3x 2 + 3x 3 + 4x 4 + 3y 1 + 3y 2 + 3y 3 1 x x x x 4 5 valeur optimale : 37 ; x = (5, 4, 1, 3) et y = (0, 0, 0). 6

TP - Modélisation et optimisation des systèmes complexes

TP - Modélisation et optimisation des systèmes complexes Master Informatique 1ere année (M1) Année 2010-2011 TP - Modélisation et optimisation des systèmes complexes Résolution du problème d'aectation généralisé par relaxation lagrangienne 1 Introduction Le

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

Placement de centres logistiques

Placement de centres logistiques Master 1 - Spécialité Androide Année 2014/2015 Module RP Résolution de Problèmes Projet Placement de centres logistiques On considère dans ce projet la résolution du problème de placement de centres logistiques

Plus en détail

Espaces de probabilités.

Espaces de probabilités. Université Pierre et Marie Curie 2010-2011 Probabilités et statistiques - LM345 Feuille 2 Espaces de probabilités. 1. Donner un exemple d'une famille de parties d'un ensemble qui ne soit pas une tribu.

Plus en détail

Introduction à la RO

Introduction à la RO 1 Introduction à la RO Problèmes de flots dans les graphes Cédric BENTZ (CNAM) Christophe PICOULEAU (CNAM) 2 Capacité journalière d'un réseau ferroviaire (1/2) Sur le réseau ferroviaire, on a indiqué sur

Plus en détail

INFO-F-310 (MATH-H404) Algorithmique et Recherche Opérationnelle. Prof. Yves De Smet (co-titulaire Prof. Bernard Fortz)

INFO-F-310 (MATH-H404) Algorithmique et Recherche Opérationnelle. Prof. Yves De Smet (co-titulaire Prof. Bernard Fortz) INFO-F-310 (MATH-H404) Algorithmique et Recherche Opérationnelle Prof. Yves De Smet (co-titulaire Prof. Bernard Fortz) Terminologie Recherche Opérationnelle Méthodes quantitatives de gestion Mathématiques

Plus en détail

UNIVERSITE SAAD DAHLAB DE BLIDA

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

Plus en détail

Sujet 6 : Modèles de la planification tactique: planification de production

Sujet 6 : Modèles de la planification tactique: planification de production Sujet 6 : Modèles de la planification tactique: planification de production MSE3312: Planification de production et gestion des opérations Andrew J. Miller Dernière mise au jour: November 18, 2009 Dans

Plus en détail

LE PROBLEME DU FLOT MAXIMAL

LE PROBLEME DU FLOT MAXIMAL LE PROBLEME DU FLOT MAXIMAL I Exemple d introduction Deux châteaux d'eau alimentent 3 villes à travers un réseau de canalisations au sein duquel se trouvent également des stations de pompage. Les châteaux

Plus en détail

Optimisation numérique. Outline. Introduction et exemples. Daniele Di Pietro A.A. 2012-2013. 1 Dénitions et notations

Optimisation numérique. Outline. Introduction et exemples. Daniele Di Pietro A.A. 2012-2013. 1 Dénitions et notations Optimisation numérique Introduction et exemples Daniele Di Pietro A.A. 2012-2013 Outline 1 Dénitions et notations 2 Applications Exemples en recherche opérationnelle Exemples en algèbre linéaire Exemples

Plus en détail

MATH-F-306 - Optimisation. Prénom Nom Note

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

Plus en détail

4. Programmation en nombres entiers

4. Programmation en nombres entiers IFT575 Modèles de recherche opérationnelle (RO). Programmation en nombres entiers a. Modélisation Terminologie de base Programmation en nombres entiers Programmation linéaire avec certaines variables contraintes

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

Systèmes oscillants Oscillateur harmonique amorti, oscillations libres amorties

Systèmes oscillants Oscillateur harmonique amorti, oscillations libres amorties Systèmes oscillants Oscillateur harmonique amorti, oscillations libres amorties L'objet de cette ressource est l'étude des systèmes physiques, de type mécanique, électrique ou microscopique, se comportant

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

Gestion d'un entrepôt

Gestion d'un entrepôt Gestion d'un entrepôt Épreuve pratique d'algorithmique et de programmation Concours commun des écoles normales supérieures Durée de l'épreuve: 3 heures 30 minutes Juin/Juillet 2010 ATTENTION! N oubliez

Plus en détail

Chapitre 7 Solutions des problèmes

Chapitre 7 Solutions des problèmes Chapitre 7 Solutions des problèmes 1. Modifications à apporter à un réseau. Dans le réseau proposé, la tâche H ne précède pas la tâche F, contrairement à ce qui est spécifié dans le tableau des prédécesseurs

Plus en détail

Chapitre 4 Solutions des problèmes

Chapitre 4 Solutions des problèmes Chapitre 4 Solutions des problèmes 1. Résolution d'un modèle PLTE à deux variables. (a) La région issible de la relaxation continue ( ) est le polygone ABC représenté à la figure cidessous. La solution

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

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

Programmation par Contraintes. Correctif des quelques exercices.

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

Plus en détail

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

Mathématique pour l informatique Examen durée : 3 heures. Question 1. Mettre ce problème en forme standard en introduisant des variables d écarts.

Mathématique pour l informatique Examen durée : 3 heures. Question 1. Mettre ce problème en forme standard en introduisant des variables d écarts. Mathématique pour l informatique Examen durée : 3 heures. Université de Provence Licence Informatique Année 2001-2002 Exercice 1 (Simplexe : 10 points) On donne le problème de programmation linéaire (P)

Plus en détail

MT18 A 2012 Variables aléatoires à valeurs réelles Aleth Chevalley Loi binomiale, loi de Poisson, loi normale

MT18 A 2012 Variables aléatoires à valeurs réelles Aleth Chevalley Loi binomiale, loi de Poisson, loi normale MT8 A 0 Variables aléatoires à valeurs réelles Aleth Chevalley Loi binomiale, loi de Poisson, loi normale. Fonction de répartition.. Variable aléatoire à valeurs réelles Définition : Soit un ensemble fondamental

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

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

M2 Informatique/Réseaux Université Pierre et Marie Curie UE APMM

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

Plus en détail

Chapitre 4 : Dualité en programmation linéaire

Chapitre 4 : Dualité en programmation linéaire Graphes et RO TELECOM Nancy 2A Chapitre 4 : Dualité en programmation linéaire J.-F. Scheid 1 Plan du chapitre 1 Introduction et définitions 2 Propriétés et Théorèmes de dualité 3 Conditions d optimalité

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

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

OPTIMISATION SOUS CONTRAINTES

OPTIMISATION SOUS CONTRAINTES OPTIMISATION SOUS CONTRAINTES Sommaire 1. Optimisation entre des bornes... 1 2. Exercice... 4 3. Optimisation sous contrainte à variables multiples... 5 Suite à une planification de la production, supposons

Plus en détail

Résolution de systèmes linéaires creux par des méthodes directes

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

Plus en détail

1 Programmation linéaire

1 Programmation linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2012 2013 Master d économie Cours de M. Desgraupes Méthodes Numériques Document 4 : Corrigé des exercices d optimisation linéaire

Plus en détail

Séquence 7 : Fonctions affines. Seconde. Séance 1 Généralités. est appelée fonction affine. est une fonction affine si son expression algébrique vaut

Séquence 7 : Fonctions affines. Seconde. Séance 1 Généralités. est appelée fonction affine. est une fonction affine si son expression algébrique vaut Seconde Définition : Soient Séquence 7 : Fonctions affines Séance 1 Généralités deux nombres réels La fonction { est appelée fonction affine Concrètement, est une fonction affine si son expression algébrique

Plus en détail

CODES CORRECTEURS D'ERREURS

CODES CORRECTEURS D'ERREURS CODES CORRECTEURS D'ERREURS Marc URO TABLE DES MATIÈRES DÉTECTION ET CORRECTION D'ERREURS... 6 CAS D'UN CANAL SANS SYMBOLE D'EFFACEMENT...6 CAS D'UN CANAL AVEC SYMBOLE D'EFFACEMENT...7 GÉNÉRATION ET DÉTECTION

Plus en détail

Optimisation sous-modulaire

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

Plus en détail

Problème combinatoire sur le réseau de transport de gaz. Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS

Problème combinatoire sur le réseau de transport de gaz. Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS Problème combinatoire sur le réseau de transport de gaz Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS Au programme Présentation du problème Un problème d optimisation

Plus en détail

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

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

Plus en détail

Gestion de projet. Jean-Charles Régin. Licence Informatique 3 ème année - MIAGE

Gestion de projet. Jean-Charles Régin. Licence Informatique 3 ème année - MIAGE Gestion de projet Jean-Charles Régin Licence Informatique 3 ème année - MIAGE Gestion de projet : Ordonnancement Jean-Charles Régin Licence Informatique 3 ème année - MIAGE Remerciements Michel Minoux

Plus en détail

CHAPITRE 2 GRAPHES 2.1 LES GRAPHES ET LEURS COMPOSANTES.

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

Plus en détail

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

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

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

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

C k A C. x 5 4 + Signe de f (x) + 0 0 + x 4 2 2 + Variations

C k A C. x 5 4 + Signe de f (x) + 0 0 + x 4 2 2 + Variations nde Eléments de correction du DNS 1 Lectures graphiques Soient f et g deux fonctions définies sur IR. Leurs représentations graphiques, notées respectivement C f et C g, sont tracées dans le repère ci-dessous.

Plus en détail

Plus courts et plus longs chemins

Plus courts et plus longs chemins Plus courts et plus longs chemins Complément au chapitre 8 «Une voiture nous attend» Soit I={1,2,,n} un ensemble de tâches à ordonnancer. La durée d exécution de chaque tâche i est connue et égale à p

Plus en détail

Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé)

Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé) Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé) EXERCICE 1 4 points Cet exercice est un questionnaire à choix multiples (QCM). Pour chacune des questions posées, une seule des quatre réponses

Plus en détail

- Erreur de décalage : - Erreur d'échelle : - Erreur de linéarité :

- Erreur de décalage : - Erreur d'échelle : - Erreur de linéarité : G. Pinson - Physique Appliquée CA - B / B. Convertisseurs Analogique / umérique (CA) Analog To Digital Converter (ADC) Pleine échelle (full scale) : Mode unipolaire : PE (FS) = V max Mode bipolaire : PE

Plus en détail

Master MIMSE - Année 1. Gestion des stocks Gestion des stocks déterministe Variantes du modèle de Wilson DRAFT -- DRAFT -- DRAFT -- DRAFT -- DRAFT --

Master MIMSE - Année 1. Gestion des stocks Gestion des stocks déterministe Variantes du modèle de Wilson DRAFT -- DRAFT -- DRAFT -- DRAFT -- DRAFT -- 1 Master MIMSE - Année 1 Gestion des stocks Gestion des stocks déterministe Variantes du modèle de Wilson 2 Hypothèses du modèle de Wilson Un seul produit ex. multiproduit Horizon de temps infini horizon

Plus en détail

Partie I Le consommateur et la demande

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

Plus en détail

Programmation linéaire

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

Plus en détail

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

Programmation linéaire et Optimisation. Didier Smets

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

Plus en détail

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

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

Plus en détail

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

- 06 - LA GESTION DE LA PRODUCTION : PARTIE 1

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

Plus en détail

Eléments de correction du Bac Blanc n 2 de Mathématiquesdu Lundi 8 Avril2013. Calculatrice autorisée - Aucun document n'est autorisé.

Eléments de correction du Bac Blanc n 2 de Mathématiquesdu Lundi 8 Avril2013. Calculatrice autorisée - Aucun document n'est autorisé. TES/spé TL Eléments de correction du Bac Blanc n 2 de Mathématiquesdu Lundi 8 Avril2013 Calculatrice autorisée - Aucun document n'est autorisé. Vous apporterez un grand soin à la présentation et à la rédaction

Plus en détail

Solutions optimales multiples. 3D.1 Unicité de la solution optimale du modèle (FRB)

Solutions optimales multiples. 3D.1 Unicité de la solution optimale du modèle (FRB) 3D Solutions optimales multiples 3D.1 Unicité de la solution optimale du modèle (FRB) Le modèle (FRB) admet une solution optimale unique. En effet (voir page 182), l'algorithme du simplexe se termine par

Plus en détail

Sujet 2 : Programmation linéaire: applications et propriétés

Sujet 2 : Programmation linéaire: applications et propriétés Sujet 2 : Programmation linéaire: applications et propriétés MHT 423 : Modèles et méthodes d optimisation Andrew J. Miller Dernière mise à jour: March 10, 2010 Dans ce sujet... 1 Application : problème

Plus en détail

Thème 12: Généralités sur les fonctions

Thème 12: Généralités sur les fonctions GÉNÉRALITÉS SUR LES FONCTIONS 69 Thème 12: Généralités sur les fonctions 12.1 Introduction Qu est-ce qu une fonction? Une fonction est une sorte de "machine". On choisit dans un ensemble de départ A un

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

Sujet de mathématiques du brevet des collèges

Sujet de mathématiques du brevet des collèges Sujet de mathématiques du brevet des collèges POLYNÉSIE Juin 2014 Durée : 2h00 Calculatrice autorisée Toutes les réponses doivent être justifiées, sauf si une indication contraire est donnée. Pour chaque

Plus en détail

1 Contrôle des connaissances 2010/2011

1 Contrôle des connaissances 2010/2011 1 Contrôle des connaissances 2010/2011 Remarque préliminaire On s attachera dans la rédaction à être aussi précis que possible. Ainsi, lors de l écriture de chaque problème d optimisation et de chaque

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

Gestion de la congestion

Gestion de la congestion Gestion de la congestion réseau de télécommunication ou de transport Madiagne Diallo Laboratoire Université de Versailles, France Projet FT R&D Participants : Barth, Bouhtou, Diallo et Wynter : 000 --

Plus en détail

Exercice : la frontière des portefeuilles optimaux sans actif certain

Exercice : la frontière des portefeuilles optimaux sans actif certain Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué

Plus en détail

Baccalauréat ES Nouvelle-Calédonie 2 mars 2015

Baccalauréat ES Nouvelle-Calédonie 2 mars 2015 Baccalauréat ES Nouvelle-Calédonie mars 015 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats On considère la fonction f définie pour tout réel x de l intervalle [1,5 ; 6] par : f (x)=(5x 3)e x. On

Plus en détail

Conduite de Projet Planification PERT & GANTT

Conduite de Projet Planification PERT & GANTT Année universitaire 2015/2016 TIM 3 Conduite de Projet Planification PERT & GANTT Fahmi Ben Rejab Fahmi.benrejab@gmail.com 1 Introduction À partir des résultats de la structuration et de l'estimation,

Plus en détail

Intégration et probabilités TD1 Espaces mesurés

Intégration et probabilités TD1 Espaces mesurés Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?

Plus en détail

Détermination du stock de sécurité d une référence dans un maillon d une chaîne logistique amont par Vincent Giard

Détermination du stock de sécurité d une référence dans un maillon d une chaîne logistique amont par Vincent Giard Détermination du stock de sécurité d une référence dans un maillon d une chaîne logistique amont par Vincent Giard Sommaire I. Remarques sur le caractère aléatoire de la demande d un composant dans la

Plus en détail

DOSSIER DE PRESSE. Contact Presse. Nicolas Merigeau NewCap. Tél. : 01 44 71 94 98 nmerigeau@newcap.fr

DOSSIER DE PRESSE. Contact Presse. Nicolas Merigeau NewCap. Tél. : 01 44 71 94 98 nmerigeau@newcap.fr DOSSIER DE PRESSE COGENTEC, http://www.cogentec.fr, entreprise française spécialisée dans la distribution de solutions de cogénération pour les particuliers et les professionnels, annonce aujourd hui le

Plus en détail

2 nde Corrigé de l évaluation n 3 de mathématiques Lundi 13 Mai 2013. Lectures graphiques (9 points) Les 2 parties sont indépendantes Partie A

2 nde Corrigé de l évaluation n 3 de mathématiques Lundi 13 Mai 2013. Lectures graphiques (9 points) Les 2 parties sont indépendantes Partie A nde Corrigé de l évaluation n 3 de mathématiques Lundi 13 Mai 013 Lectures graphiques (9 points) Les parties sont indépendantes Partie A Tous les clients d un petit restaurant ont opté pour la formule

Plus en détail

TD : Microéconomie de l incertain. Emmanuel Duguet

TD : Microéconomie de l incertain. Emmanuel Duguet TD : Microéconomie de l incertain Emmanuel Duguet 2013-2014 Sommaire 1 Les loteries 2 2 Production en univers incertain 4 3 Prime de risque 6 3.1 Prime de risque et utilité CRRA.................. 6 3.2

Plus en détail

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

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

Plus en détail

Placements de tours sur les diagrammes de permutations

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

Plus en détail

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

Numération. On sait que dans 342 381, le chiffre 4 ne vaut pas 4 mais 40 000... Ainsi :

Numération. On sait que dans 342 381, le chiffre 4 ne vaut pas 4 mais 40 000... Ainsi : Numération Numération. 1 Les systèmes de numération 1.1 Le système décimal. 1.1.1 Les chiffres. Le système décimal est le système d écriture des nombres que nous utilisons habituellement dans la vie courante.

Plus en détail

La gestion de projet

La gestion de projet La gestion de projet 1.Définition de projet Exemple de projet Exercice: Construction de maison 2.Caractéristiques du projet 3. Étapes 1. Activité 2. Préalable 3. Durée Le graphique de Gantt 1. Définition

Plus en détail

Test de Poisson à 1 échantillon et à 2 échantillons

Test de Poisson à 1 échantillon et à 2 échantillons Test de Poisson à 1 échantillon et à 2 échantillons Sous-menus de Minitab 15 : Stat>Statistiques élémentaires>test de Poisson à 1 échantillon Stat>Statistiques élémentaires>test de Poisson à 2 échantillons

Plus en détail

Algorithmique 1. Ensimag - 1A. Janvier 2015. type Tissage i s record -- Couleur du fil horizontal, blanc par d é faut

Algorithmique 1. Ensimag - 1A. Janvier 2015. type Tissage i s record -- Couleur du fil horizontal, blanc par d é faut Algorithmique Ensimag - A Janvier 0 Durée : h Machines électroniques interdites recto-verso document autorisé : une feuille manuscripte Les deux parties du sujet sont indépendantes. Veuillez respecter

Plus en détail

Plus courts chemins, programmation dynamique

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

Plus en détail

Les graphes d intervalles

Les graphes d intervalles Les graphes d intervalles Complément au chapitre 3 «Vol aux archives cantonales» Considérons un ensemble de tâches ayant chacune une heure de début et une heure de fin bien précises. Supposons qu on demande

Plus en détail

INFO-F-302 Informatique Fondamentale Exercices - Modélisation en SAT

INFO-F-302 Informatique Fondamentale Exercices - Modélisation en SAT INFO-F-302 Informatique Fondamentale Exercices - Modélisation en SAT Prof. Emmanuel Filiot Exercice 1 Modélisation autour des mots Dans ce problème, on va travailler sur les mots, vus de manière générale

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

Baccalauréat ES Antilles Guyane juin 2009

Baccalauréat ES Antilles Guyane juin 2009 Baccalauréat ES Antilles uyane juin 2009 EXERCICE PARTIE A : aucune justification n est demandée 4 points Cette partie est un questionnaire à choix multiples. Pour chacune des questions, trois réponses

Plus en détail

Recherche Opérationnelle

Recherche Opérationnelle Chapitre 2 : Programmation linéaire (Introduction) Vendredi 06 Novembre 2015 Sommaire 1 Historique 2 3 4 5 Plan 1 Historique 2 3 4 5 La programmation linéaire est un cadre mathématique général permettant

Plus en détail

Résoudre l équation 2x² -11x + 12 = 0. (D après sujet de Bac Pro Comptabilité Session 2003)

Résoudre l équation 2x² -11x + 12 = 0. (D après sujet de Bac Pro Comptabilité Session 2003) EXERCICES SUR LES ÉQUATIONS DU SECOND DEGRÉ Eercice 1 Résoudre 11 0 (D après sujet de BEP Secteur 1 Académie de Bordeau Session 1999) Eercice Résoudre l équation ² -11 + 1 = 0. (D après sujet de Bac Pro

Plus en détail

Problèmes de lot-sizing dans un environnement multi-échelons : applications industrielles

Problèmes de lot-sizing dans un environnement multi-échelons : applications industrielles Problèmes de lot-sizing dans un environnement multi-échelons : applications industrielles Demand Management Advanced Promotion Management Advanced Launch Management Sales Planning & Budgeting Sales & Operation

Plus en détail

6.3.1.1 Le présent chapitre s applique aux emballages pour le transport des matières infectieuses de la catégorie A.

6.3.1.1 Le présent chapitre s applique aux emballages pour le transport des matières infectieuses de la catégorie A. 6.3.1 Généralités Chapitre 6.3 Prescriptions relatives à la construction des emballages pour les matières infectieuses (Catégorie A) de la classe 6.2 et aux épreuves qu ils doivent subir NOTA. Les prescriptions

Plus en détail

Problème du voyageur de commerce par algorithme génétique

Problème du voyageur de commerce par algorithme génétique Problème du voyageur de commerce par algorithme génétique 1 Problème du voyageur de commerce Le problème du voyageur de commerce, consiste en la recherche d un trajet minimal permettant à un voyageur de

Plus en détail

KASTOflex : Scie circulaire universelle, semi- ou entièrement automatique pour les travaux en atelier et la production en série.

KASTOflex : Scie circulaire universelle, semi- ou entièrement automatique pour les travaux en atelier et la production en série. KASTOflex : Scie circulaire universelle, semi- ou entièrement automatique pour les travaux en atelier et la production en série. KASTOflex U Coupe après coupe, elle peut tout faire. Universelle, précise

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

1 Professeur : CHTIBI Chafik

1 Professeur : CHTIBI Chafik 1 Professeur : CHTIBI Chafik Définition 2 Planification du projet La planification décrit la façon d organiser un ensemble de tâches indépendantes constituant un projet, avec pour objectif de minimiser

Plus en détail

LOGICIEL DE SIMULATION NUMERIQUE DES SYSTEMES PHYSIQUES

LOGICIEL DE SIMULATION NUMERIQUE DES SYSTEMES PHYSIQUES LOGICIEL DE SIMULATION NUMERIQUE DES SYSTEMES PHYSIQUES PRESENTATION SIMULATION NUMÉRIQUE DES SYSTÈMES PHYSIQUES Développé par la société Atemi, SiNuSPhy est un logiciel de simulation numérique destiné

Plus en détail

Couples de variables aléatoires discrètes

Couples de variables aléatoires discrètes Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude

Plus en détail

MATHÉMATIQUES TERMINALE ES A. YALLOUZ. Ce polycopié conforme au programme 2002, regroupe les documents distribués aux élèves en cours d année.

MATHÉMATIQUES TERMINALE ES A. YALLOUZ. Ce polycopié conforme au programme 2002, regroupe les documents distribués aux élèves en cours d année. MATHÉMATIQUES TERMINALE ES A. YALLOUZ Ce polcopié conforme au programme 00, regroupe les documents distribués au élèves en cours d année. Année 0-0 Année 0-0 T le ES A. YALLOUZ (MATH@ES) TABLE DES MATIÈRES

Plus en détail

Épreuve orale d Informatique Fondamentale

Épreuve orale d Informatique Fondamentale Épreuve orale d Informatique Fondamentale Patrick Baillot, Nicolas Ollinger, Alexis Saurin ULC MPI 2013 Résumé Ce document consiste en une sélection, à titre d exemples, de 3 sujets proposés à l épreuve

Plus en détail

Fonctions linéaires et affines

Fonctions linéaires et affines Fonctions linéaires et affines I. Fonctions linéaires 1/ Activités Première étape Revoyons d'abord, sur un exemple, en quoi consiste la proportionnalité. On considère pour cela un triangle équilatéral

Plus en détail

Exercices de Programmation Linéaire Modélisation

Exercices de Programmation Linéaire Modélisation Modélisation exercice 1 : On veut préparer 500 litres de punch à partir de cinq boissons A, B, C, D et E. Le punch doit comporter au moins 20% de jus d orange, 10% de jus de pamplemousse et 5% de jus de

Plus en détail

Une axiomatisation du plan euclidien

Une axiomatisation du plan euclidien Nicole opp Strasbourg, avril 2007 Une axiomatisation du plan euclidien Le but de ce texte est de montrer comment on peut axiomatiser le plan euclidien d une manière qui se rapproche, autant que faire se

Plus en détail