Une application des algorithmes génétiques à l ordonnancement d atelier

Save this PDF as:
Dimension: px
Commencer à balayer dès la page:

Download "Une application des algorithmes génétiques à l ordonnancement d atelier"

Transcription

1 Une application des algorithmes génétiques à l ordonnancement d atelier VACHER Jean-Philippe - GALINHO Thierry - MAMMERI Zoubir Laboratoire d Informatique du Havre Université du Havre 25, Rue Philippe Lebon F Le Havre {vacher, galinho, RESUME : L ordonnancement d atelier est un problème complexe de la gestion de production. Cet article présente une application des Algorithmes Génétiques (AG) pour la résolution des problèmes d ordonnancement de type NxM Job-Shop. Ce type d algorithmes est comparé à d autres méthodes aléatoires telles que le gradient (descente) ou le recuit simulé en utilisant un algorithme de placement par lot. C est-à-dire que l on place les lots un par un et la prise en compte du lot suivant n est possible qu après placement de toutes les opérations du lot précédent. Le critère de comparaison retenu est le retard cumulé de tous les lots par rapport à leur date au plus tard. Les retards sont calculés sur une base d exemples réalisée à partir d un générateur aléatoire. ABSTRACT : Scheduling is a complex problem in production control. This paper presents an application of Genetic Algorithms (GA) for solving NxM Job-Shop scheduling problems. This type of algorithms is compared to other random methods such as gradient or simulated annealing, using a job placing algorithm, i.e.,$ the schedule is done job by job and the following job is considered only after placing all the operations of the previous job. The criteria of comparison $ (supprimer retained) is the $accumulated delay of all jobs with regard to their latest date. The delays are computed using a set of examples yielded by a random generator. Mots-clés : Algorithmes Génétiques, Ordonnancement, Placement, Job-Shop. Keywords : Genetic algorithms, Scheduling, Placing, Job-Shop. 1. Introduction Le problème général qui consiste à parcourir un espace pour y trouver un point remarquable, un minimum ou un maximum la plupart du temps, est souvent le problème à résoudre en informatique. Dans notre cas, nous cherchons à minimiser le

2 retard d un ordonnancement de jobs pour des problèmes de type job-shop. Différentes méthodes ont été étudiées. Parmi celles-ci, citons les techniques: stochastiques : aléatoire pure, recuit simulé, algorithmes génétiques (AG) [VAC 96][ZOO 94],$ exhaustives et énumératives.$ Certaines méthodes utilisent directement la fonction objectif pour estimer la direction à suivre dans le parcours de l espace de recherche. Ces techniques fonctionnent bien pour les fonctions possédant un seul optimum mais elles sont, généralement, bloquées sur des optima locaux quand elles résolvent des fonctions comportant plusieurs optima. La méthode exhaustive teste tous les points de l espace de recherche, ce qui la réserve aux problèmes de petites tailles. Pour chaque point, on mesure sa qualité (le retard total) comme solution au problème. Une fonction, dite objectif, évalue les points. Le processus renvoie le ou les points ayant obtenu la meilleure évaluation. L examen de certaines régions peut être évité en utilisant des heuristiques telles que l algorithme branch-and-bound [VAC 96][CHE 95]. Les méthodes stochastiques ont été $implantées plus récemment ;$ elles sont basées sur un «parcours» stochastique de l espace de recherche, en partant d un point fixé et l observation de son voisinage, poursuivant la recherche jusqu'à ce que l algorithme n évolue plus ou qu un critère d arrêt soit atteint. Ces méthodes se basent sur la simulation de systèmes physiques ou biologiques tels que le recuit simulé ou l évolution des espèces. Les AG sont basés sur l étude de l adaptation dans les milieux naturels et sur la simulation de ce processus. Nous avons appliqué certaines de ces méthodes au problème d ordonnancement d atelier de type NxM Job-Shop. L objectif est de minimiser la somme des retards, critère que nous avons retenu. $L algorithme de construction d un ordonnancement que nous utilisons est la méthode du placement par lots consiste qui à prendre les lots ou jobs les uns après les autres et à placer toutes leurs opérations avant de considérer les opérations du lot suivant. Lors du placement des opérations du lot, nous regardons les machines sur lesquelles elles peuvent être réalisées, en choisissant $celles donnant le meilleur résultat en plaçant l opération au mieux, c est-à-dire dans un emplacement où la machine est libre et où l on respecte les contraintes de précédence. En fonction de l ordre des lots, lors du placement, nous obtenons des solutions radicalement différentes. La méthode du placement par lots est à opposer à la simulation classique pour $laquelle l élément de base est $(l doit rester collé) l opération. Cette technique a été choisie d une part pour des raisons de temps de calcul et d'autre part en définissant un vecteur correspondant à un ordre de lots pouvant être utilisé par les algorithmes génétiques comme chromosomes. La taille de ces vecteurs détermine le nombre de possibilités et par conséquent le temps de calcul. Dans la suite de cet article, nous présenterons tout d abord le modèle générique des algorithmes génétiques. Nous adaptons ensuite ce modèle pour l utiliser dans notre algorithme de placement pour l ordonnancement. Enfin, nous comparons les résultats obtenus avec nos AG par rapport à d autres méthodes d optimisation. 2. Les Algorithmes Génétiques (AG).

3 2.1. Principes des AG. Dans cette section, nous donnons une définition générique des algorithmes génétiques basée sur une (et une seule) population [GOL 91]. Cette définition entend recouvrir les différentes variantes. Le but n est pas de proposer un principe formel des algorithmes génétiques, mais de préciser les caractéristiques que l on peut considérer comme essentielles pour qualifier de génétique un algorithme. D une manière générale, un AG simule l évolution d une population d individus. Cette évolution est stochastique et se déroule en temps discret. Chaque individu évolue dans un «environnement» auquel il est plus ou moins adapté. La mesure du degré d adaptation d un individu est explicite et indique sa capacité à être le père d individus. A chaque génération, une méthode de sélection forme la population de la génération suivante. Un individu est défini par son «génotype». Ce génotype est évalué par la fonction objectif pour obtenir son «phénotype». Celui-ci indique l aptitude de l individu à survivre dans son environnement et à se reproduire. Le génotype d un individu est constitué d un ensemble de gènes qui peuvent prendre un certain nombre de valeurs dénommées «allèles». Généralement, l ensemble des allèles est fixé et n évolue pas. Les individus les mieux adaptés tendent à fournir la descendance la plus nombreuse. Néanmoins, le nombre total d enfants $engendrés est égal au nombre total de parents Utilisation des AG dans l ordonnancement. La gestion de production regroupe un ensemble de problèmes liés à la production tels que la gestion des données, la planification et le suivi de production [GAL 94]. L ordonnancement, thème central de cette étude, est lié aux autres fonctions de la gestion de production et aux aspects inhérents au bon fonctionnement de l atelier. La gamme de fabrication indique les ressources à utiliser, les temps opératoires, etc. Dans notre cas, elle induit des relations de précédence entre les opérations. Les opérations élémentaires sont liées par un ordre total, non nécessairement identique pour tous les travaux, ce qui nous situe dans le cadre des problèmes de type jobshop, et plus précisément de type N M Job-Shop où N est le nombre de jobs/lots et M le nombre de machines. Ce problème est NP-Complet. La méthode retenue pour la construction des ordonnancements est la placement par lot. On obtient des solutions différentes en modifiant l ordre de placement des lots. Par conséquent un vecteur de N entiers représentant le rang de placement des lots caractérise un ordonnancement particulier. Ce vecteur peut être considéré comme un individu. Les AG faisant appel à une population d individus à optimiser, cette représentation est particulièrement adaptée à l ordonnancement. La fonction objectif, pour notre étude [VAC 96], est la minimisation du retard cumulé. 3. Notre démarche d application des AG

4 Le génotype d un individu est constitué d un ensemble de gènes que nous noterons γ i avec 1 i N, ou N dénote le nombre de gènes des individus. On 1 1, γ i E. notera E = [ N, ] [, N ] La fonction objectif, φ, correspondant au retard cumulé des lots : φ : I R + χ a φ( χ) La valeur rendue par φ sera dénommée la «performance» de l individu. La probabilité ϕ, pour un individu d être cloné, sera dénommée «fitness». ϕ + : I R χ a ( ) ϕ χ ϕ indique, pour un individu donné de la population à l instant t, la probabilité qu il fournisse des individus dans la population suivante à la génération t+1. Définition 1 : La performance moyenne de la population est la moyenne sur l ensemble de la population I, à une génération t de la population I t : χ I t Ψ t Φ( χ) Ψ ($l indice t a disparu, pourquoi?) est le nombre d individus de la population I t. Un AG part d une population initiale d individus générée aléatoirement. Ceux-ci représentent des solutions au problème que l on désire résoudre. La population évolue alors, effectuant à chaque génération le cycle reproduction/sélection. Dans la version originellement décrite par J. Holland [HOL 75], les gènes sont des bits, et donc les allèles 0 et 1. Dans notre cas, les individus χ sont des chaînes d entiers de longueur λ = N fixée et identique pour tous les individus. La cardinalité de la population Ψ est constante au cours du temps. Un allèle γ i correspond au rang du lot i. γ i est positif si les opérations sont placées en marche avant et négatif lors d un placement en marche arrière. Ψ est constant, en effet on engendre autant d enfants qu il y a de parents à chaque génération. La méthode de la roulette (méthode de clonage), a été $implantée. Elle correspond à la fonction de «fitness» ϕ. La méthode de la roulette assure que le nombre d enfants d un individu est proportionnel à sa performance. Le principe est d attribuer à chaque individu une section de surface proportionnelle à sa performance sur une roulette de casino. Un des problèmes majeures avec cette technique de clonage est la convergence prématurée vers un optimum local. Lorsqu un individu obtient une performance très supérieure à celle des autres représentants, les générations suivantes risquent de se

5 réduire à ses descendants, à quelques individus près. Si cet individu représente un optimum local, la chance de trouver un meilleur optimum est faible. Suite à l opération de clonage, les opérateurs génétiques : crossover et mutation manipulent les individus enfants. L idée est de mimer la reproduction naturelle sexuée.le génotype d un enfant est obtenu par recombinaison des génotypes des deux parents, où des modifications stochastiques (mutations) peuvent apparaître. Dans notre étude, l opérateur de mutation agit sur un individu et consiste à choisir un ou plusieurs gènes au hasard, puis à modifier leurs allèles (en prenant l opposé). Cette opération nous permet d introduire le changement de sens de placement. Le crossover, opérateur le plus important, consiste à prendre deux individus et à combiner leurs gènes. Il agit sur des paires d individus. Plusieurs types de crossover ont été mis en place tels que le crossover n-point ( n Ν ), uniforme et ceux issus de la représentation chemin comme le PMX, CX et OX [GOL 91][DAV 85]. Ce sont ces derniers que nous avons principalement utilisés, en effet ils fournissent des individus toujours viables après croisement ce qui accélère les temps de calcul. La dernière opération, dite de sélection, permet de construire la population de la génération suivante à partir des enfants et des parents de la génération courante. Pour générer la nouvelle population, notre fonction objectif est la suivante : φ : I R ( ) χ a retard i La sélection des survivants étant stochastique, le meilleur individu d une génération peut ne pas survivre. Aussi, nous avons introduit une notion de stratégie élitiste pour être sûr que le meilleur individu d une population soit gardé d une génération à la suivante. Dans notre cas, ses clones remplacent les plus mauvais individus de la population. N i=1 4. Les résultats 4.1. Les résultats obtenus par les AG. Après avoir présenté notre démarche d application des AG (en particulier représentation chemin)$, nous avons mené une étude comparative pour obtenir un ensemble de paramètres les plus adéquats aux AG afin de pouvoir comparer, par la suite, ceux-ci avec d autres méthodes telles que le recuit simulé. Afin d établir une base de comparaisons entre les différentes méthodes, nous avons implanté un générateur aléatoire [VAC 96] de problèmes ayant en entrée des paramètres tels que le nombre de machines, le nombre de lots, le nombre moyen d opérations par lot, des charges moyennes par machine, etc. Une autre des $caractéristiques de notre générateur aléatoire est de fournir par construction une solution à retard cumulé nul. Parmi les stratégies de crossover, il nous a fallu déterminer le meilleur opérateur. Pour cela, nous avons utilisé des exemples comportant entre 10 et 20 lots. Sur les tests effectués, il s est avéré que certains opérateurs n étaient pas adéquats pour les

6 problèmes d ordonnancement. Les opérateurs issus de la représentation chemin tels que le PMX, le CX et l OX (respectivement Partially Mapped, Cycle et Order Crossover) [MIC 94] présentent l avantage de fournir des individus toujours viables. C est-à-dire que l on ne trouve pas dans le génotype d un individu des gènes ayant une même valeur d allèle en valeur absolue. Les opérateurs n-points et l opérateur uniforme, quant à eux, nécessitent des algorithmes de réparations pour fournir des individus viables. Les AG nécessitant un temps de calcul important, pour les problèmes de grande dimension, les opérateurs n-points et l opérateur uniforme supposent un coût plus important par rapport aux autres crossing-over. Ensuite, il nous a fallu déterminer les autres paramètres utilisables par les AG à savoir le taux de mutation et $ (le ou de?) de crossover à utiliser. Etant donné la nature stochastique des AG, le résultat de l exécution d une seule simulation n est pas suffisant. Pour un même jeu de paramètres et une fonction objectif donnée, deux exécutions peuvent donner des résultats différents. Aussi, pour chacune des simulations discutées ici, nous avons exécuté plusieurs (20) expériences avec le même jeu de paramètres. Suite à ces essais, nous avons pris la moyenne des optima pour déterminer la meilleure configuration. Nous avons constaté que les meilleures solutions, sur notre base d exemples, étaient obtenues en prenant un taux de mutation de 0.1 et un taux de crossing-over compris entre 0.7 et 1. Ces paramètres sont assez proches des paramètres standard de «génésis» (respectivement et 0.8). Dans ces conditions les individus convergent vers une bonne approximation de la solution ou vers un des optima locaux très proches. Le taux de mutation est plus important car c est à ce niveau que nos AG introduisent la diversité de sens de placement. Après avoir fixé les différents paramètres, nous avons utilisé les AG pour la recherche des optima correspond au retard minimal total pour une base plus grande. Afin de pouvoir établir une comparaison, nous avons réalisé une série de placements (2000 générations pour une taille de population de 10 individus). Globalement, les AG fournissent de bons résultats en moyenne pour les petites configurations de notre base d exemples. De plus, pour les configurations à 10 lots comportant 3 et 5 opérations, cette technique atteint les différents optima dans tous les cas. Pour les configurations comportant 20 et 50 lots, les AG n atteignent pas l optimum global mais des optima locaux. Vu le nombre important de solutions pour les problèmes de grande dimension, les AG n ont pas le temps d explorer complètement l espace de recherche. Nous avons limité de façon trop significative le nombre de placements. 4.2 Les résultats obtenus par les autres méthodes. Les autres méthodes d optimisation testées fournissent des résultats proches des optima globaux mais souvent au détriment d un temps de calcul important. Avec la méthode exhaustive, en raison du nombre de solutions, dans le cas où le retard cumulé partiel est supérieur à l optimum courant, nous stoppons l algorithme pour diminuer le temps de calcul. Etant donné les temps de calcul, nous n avons pu obtenir que les optima (accessibles par la méthode de placement) pour les configurations à 10 lots. La solution n est jamais unique et dans certains cas, l optimum peut être obtenu pour un grand nombre d ordonnancement de jobs. La méthode aléatoire pure consiste à choisir une position de manière aléatoire dans

7 notre vecteur donnant l ordre des lots et à prendre éventuellement l opposé du rang. Cette technique nécessite de nombreux essais ce qui explique ses piètres résultats quand on se limite à des temps de calcul raisonnables. La méthode du recuit simulé fournit de bons résultats en s approchant d un l optimum global dans certains cas en s y trouvant proche. Nous remarquons que, pour de grandes configurations, les résultats ne sont plus $probants. Cela peut s expliquer par le fait que la décroissance en température que nous utilisons (T=0.95T) doit être une fonction du nombre de lots. Une décroissance logarithmique, à la place d une décroissance exponentielle, assurerait une convergence mais au prix d un coût $de calcul important. 5. Etude comparative Comme nous pouvons le constater sur le tableau 1 ($mettre tableau 1 et 2, au lieu de tableau de la figure 1 et 2), les algorithmes génétiques fournissent de bons résultats par rapport aux autres méthodes car les AG permettent d explorer une surface plus importante de l espace des solutions à moindre coût. Ceci permet de déterminer ainsi la ou les solutions optimales pour les petites configurations de façon plus fréquente que les autres méthodes. Du fait de la fonction objectif, les algorithmes génétiques atteignent plus rapidement la solution en comparant la complexité de l algorithme (cf. $tableau 2) par rapport aux autres méthodes telles que l aléatoire total ou le gradient surtout si ces méthodes restent bloquées sur un optimum local. Nb. De lots Nb. opérations AG Recuit simulé Gradient Aléatoire Itérative $Tableau 1. Retards moyens obtenus par les différentes techniques. Nb. De lots Nb. opérations AG Recuit simulé Gradient Aléatoire $Tableau 2. Temps moyens obtenus par les différentes techniques pour $élaborer un $résultat. Pour $le temps de calcul, en moyenne, la méthode du gradient est la plus rapide mais au détriment de résultats médiocres. La méthode du recuit simulé fournit des résultats légèrement moins bons que les algorithmes génétiques mais cette différence sur le retard total cumulé n est pas significative. Il faut savoir que dans certains cas,

8 la méthode du recuit simulé peut être considérée comme un cas particulier des AG. Sur les petites configurations de notre base d exemples, les résultats (cf. $tableau 1) sont meilleures que ceux obtenus par la méthode du gradient (descente) car le recuit simulé calcule des $probabilités [VAC 96][ZOO 94] à chaque placement et accepte des dégradations du $résultat pour sortir d un optimum local contrairement à la méthode du gradient qui va se laisser enfermer dans un optimum local.comme nous pouvons le voir sur $le tableau 1 donnant la valeur moyenne du retard cumulé, les méthodes traditionnelles donnent globalement de bons résultats mais les algorithmes génétiques fournissent les meilleures résultats mais avec un coût de calcul plus important. Il apparaît que pour les configurations à 50 lots, le gradient produit de meilleurs résultats que le recuit simulé. Ceci peut s expliquer par le fait que la décroissance en température doit être une fonction du nombre de lots. Une décroissance logarithmique aurait assuré une convergence par rapport à une décroissance exponentielle mais au prix d un temps de calcul plus long. Toutefois, le but principal de l ordonnancement est de fournir un résultat satisfaisant en un temps raisonnable pour une utilisation industrielle. Il nous faut donc faire un compromis entre le coût CPU et la qualité de la solution au problème.

9 6. Conclusion La représentation de problèmes de type Job-Shop se fait ($se fait par qui et pour quel but?) à l aide de configurations, générées aléatoirement, décrivant la structure d un atelier et celle des lots d une façon proche de la réalité. Différentes méthodes de recherche d optima ont été implantées afin de pouvoir comparer et valider les résultats obtenus avec les AG. Parmi ces méthodes, celles du gradient et du recuit simulé donnent de meilleurs résultats que des méthodes totalement aléatoires. Basés sur un processus d évolution naturelle, les Algorithmes Génétiques appartiennent aux techniques d optimisation se basant sur l exploration aléatoire de l espace des solutions. $Ils cherchent l optimum à partir d une population de points et non à partir d un seul point. L opérateur de crossover a une place importante et la mutation ne joue qu un rôle secondaire par rapport à ce dernier mais son influence sur l exploration de l espace des solutions n est pas à négliger. Parmi les représentations possibles du problème, nous avons choisi la représentation chemin car elle correspond à une représentation naturelle et les opérateurs qui y sont définis donnent les meilleurs résultats. De plus, le codage employé est en décimal et diffère des codages classiques car chaque gène possède un signe caractérisant le sens de placement du lot correspondant. L opérateur le plus performant qui a été trouvé après plusieurs tests est le crossover CX. $Les tests ont aussi permis de déterminer les autres paramètres pour obtenir des résultats intéressants. Les algorithmes génétiques sont particulièrement adaptés à l ordonnancement mais en collaboration avec le recuit simulé, ils auraient la faculté d aboutir plus rapidement à une solution optimale par création d une population de base déjà optimisée. Mais pour définir cette population, une étude sur la décroissance en température devrait être $envisagée afin de produire des individus de départ ayant un faible retard. Toutefois, le risque $majeur est de rester bloqué sur un optimum local et pour en sortir, un accroissement du taux de mutation assurerait une diversité de sens de placement. Références [CHE 95] CHENGZHONG X., TSCHOKE S. et BURKHARD M., Performance Evaluation of Load Distribution $Strategies in Parallel Branch and Bound Computations, $Proceedings of the 7th IEEE Symposium on Parallel and Distributed Processing, SPDP 95, pp , 1995 [DAV 85] DAVIS L., Applying Adaptive Algorithms to Epistatic Domains, $Proceedings of the 9th International Joint Conference on Artificial Intelligence, pp , [GAL 94] GALINHO T., Algorithme heuristique de placement d ordonnancement, Thèse d université, Rouen, [GOL 91] GOLDBERG D.E., Algorithmes génétiques, Editions Addison-Wesley France, [HOL 75] HOLLAND J.H., Adaptation in natural and $artificial systems, University of Michigan Press, $c est un rapport ou quoi? [MIC 94] MICHALEWICZ Z., GAs : What Are They?, The Traveling Salesman Problem, Genetic Algorithms + Data Structures = Evolution Programs, pp , pp , Springer-Verlag, ($pourquoi y a t il deux fois pp.?) [VAC 96] VACHER J.P., GUY E., Application des algorithmes génétiques à l ordonnancement d atelier, Mémoire de DEA Informatique, INSA Rouen, 1996.

10 [ZOO 94] ZOONEKYND V., Recuit simulé et autres méthodes d optimisation, Ecole Nationale Supérieure de Cachan, $c est un rapport ou quoi?

Les algorithmes évolutionnistes. INF6953 Les algorithmes évolutionnistes (1) 1

Les algorithmes évolutionnistes. INF6953 Les algorithmes évolutionnistes (1) 1 Les algorithmes évolutionnistes INF6953 Les algorithmes évolutionnistes (1) 1 Métaheuristiques et algorithmes évolutionnistes Les métaheuristiques recherche locale consistent fondamentalement à faire évoluer

Plus en détail

Projet informatique «Voyageur de commerce» Résolution approchée par algorithme génétique du problème du voyageur de commerce

Projet informatique «Voyageur de commerce» Résolution approchée par algorithme génétique du problème du voyageur de commerce Année 2007-2008 Projet informatique «Voyageur de commerce» Résolution approchée par algorithme génétique du problème du voyageur de commerce B. Monsuez Projet informatique «Voyageur de commerce» Résolution

Plus en détail

Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques. Elec 2311 : S7

Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques. Elec 2311 : S7 Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques Elec 2311 : S7 1 Plan du cours Qu est-ce l optimisation? Comment l optimisation s intègre dans la conception?

Plus en détail

Optimisation Combinatoire (Méthodes approchées) VI. Algorithmes à Population (Les bases)

Optimisation Combinatoire (Méthodes approchées) VI. Algorithmes à Population (Les bases) Optimisation Combinatoire (Méthodes approchées) VI. Algorithmes à Population (Les bases) Algorithmes à Population Idée principale 'Amélioration' d'un ensemble de solutions Recombiner des solutions Orienté

Plus en détail

Chapitre 1. L algorithme génétique

Chapitre 1. L algorithme génétique Chapitre 1 L algorithme génétique L algorithme génétique (AG) est un algorithme de recherche basé sur les mécanismes de la sélection naturelle et de la génétique. Il combine une stratégie de survie des

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

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

Générateur de Nombres Aléatoires

Générateur de Nombres Aléatoires Générateur de Nombres Aléatoires Les générateurs de nombres aléatoires sont des dispositifs capables de produire une séquence de nombres dont on ne peut pas tirer facilement des propriétés déterministes.

Plus en détail

CONCLUSIONS. Par rapport aux résultats obtenus, on peut conclure les idées suivantes :

CONCLUSIONS. Par rapport aux résultats obtenus, on peut conclure les idées suivantes : CONCLUSIONS L application de la PNL à l entreprise est confrontée aux besoins des leaders d équipe, tels que: la gestion de son propre développement, du stress, la résolution des problèmes tels que les

Plus en détail

Rapport IN52. Sujet : Résolution d un puzzle

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

Plus en détail

La recherche locale. INF6953 La recherche locale 1

La recherche locale. INF6953 La recherche locale 1 La recherche locale INF6953 La recherche locale 1 Sommaire Recherche locale et voisinage. Fonction de voisinage, optimum local Fonction de voisinage et mouvements Fonction de voisinage et mouvements Exemples

Plus en détail

Étapes du développement et de l utilisation d un modèle de simulation

Étapes du développement et de l utilisation d un modèle de simulation Étapes du développement et de l utilisation d un modèle de simulation Étapes du développement et de l utilisation d un modèle de simulation Formulation du problème Cueillette et analyse de données Conception

Plus en détail

Deuxième partie. Calcul de fréquences de génotypes multilocus dans des pédigrees complexes XXVII

Deuxième partie. Calcul de fréquences de génotypes multilocus dans des pédigrees complexes XXVII Deuxième partie Calcul de fréquences de génotypes multilocus dans des pédigrees complexes XXVII Présentation Les programmes informatiques MDM et grafgen L analyse de schémas de construction de génotypes

Plus en détail

Lean Game Production de lampes de poche

Lean Game Production de lampes de poche Lean Game Production de lampes de poche Management industriel Analyse technique 1 er lancement Montage de cinq lampes selon des gammes opératoires données, les cinq postes de montage dans l ordre suivant

Plus en détail

Métaheuristique. Jérémy CHANUT Charles BALLARINI

Métaheuristique. Jérémy CHANUT Charles BALLARINI Métaheuristique Jérémy CHANUT Charles BALLARINI 15 octobre 2012 CHAPITRE 1 INTRODUCTION Ce projet consiste en la résolution du problème des composants électroniques par deux méthodes : Recuit simulé Algorithme

Plus en détail

A propos du calcul des rentabilités des actions et des rentabilités moyennes

A propos du calcul des rentabilités des actions et des rentabilités moyennes A propos du calcul des rentabilités des actions et des rentabilités moyennes On peut calculer les rentabilités de différentes façons, sous différentes hypothèses. Cette note n a d autre prétention que

Plus en détail

Les Réseaux de Neurones avec

Les Réseaux de Neurones avec Les Réseaux de Neurones avec Au cours des deux dernières décennies, l intérêt pour les réseaux de neurones s est accentué. Cela a commencé par les succès rencontrés par cette puissante technique dans beaucoup

Plus en détail

Théorie des graphes. Introduction. Programme de Terminale ES Spécialité. Résolution de problèmes à l aide de graphes. Préparation CAPES UCBL

Théorie des graphes. Introduction. Programme de Terminale ES Spécialité. Résolution de problèmes à l aide de graphes. Préparation CAPES UCBL Introduction Ces quelques pages ont pour objectif de vous initier aux notions de théorie des graphes enseignées en Terminale ES. Le programme de Terminale (voir ci-après) est construit sur la résolution

Plus en détail

Introduction à l optimisation

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

Plus en détail

La notion de dualité

La notion de dualité La notion de dualité Dual d un PL sous forme standard Un programme linéaire est caractérisé par le tableau simplexe [ ] A b. c Par définition, le problème dual est obtenu en transposant ce tableau. [ A

Plus en détail

Division Évaluation, Prospective et Logistique

Division Évaluation, Prospective et Logistique RECTORAT 20, boulevard d Alsace-Lorraine 80063 Amiens cedex 9 Division Évaluation, Prospective et Logistique NOTE D INFORMATION N 04/06 Mai 2004 CLASSIFICATION DES LYCEES PUBLICS D ENSEIGNEMENT GENERAL

Plus en détail

CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité

CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité 1 CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité Une situation fréquente en pratique est de disposer non pas d un résultat mais de plusieurs. Le cas se présente en assurance, par exemple :

Plus en détail

Multiplication par une constante entière

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

Plus en détail

centre de développement pédagogique pour la formation générale en science et technologie LE PROCESSUS TECHNOLOGIQUE : de l idée au recyclage

centre de développement pédagogique pour la formation générale en science et technologie LE PROCESSUS TECHNOLOGIQUE : de l idée au recyclage centre de développement pédagogique pour la formation générale en science et technologie LE PROCESSUS TECHNOLOGIQUE : de l idée au recyclage Février 2005 DE L IDÉE... AU PROTOTYPE Exemple de conception

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

Le Data Mining au service du Scoring ou notation statistique des emprunteurs!

Le Data Mining au service du Scoring ou notation statistique des emprunteurs! France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative

Plus en détail

Probabilités. I - Expérience aléatoire. II - Evénements

Probabilités. I - Expérience aléatoire. II - Evénements Probabilités Voici le premier cours de probabilités de votre vie. N avez-vous jamais eut envie de comprendre les règles des grands joueurs de poker et de les battre en calculant les probabilités d avoir

Plus en détail

Rapport de Projet Informatique Simulation Monte-Carlo du modèle XY

Rapport de Projet Informatique Simulation Monte-Carlo du modèle XY Rapport de Projet Informatique Simulation Monte-Carlo du modèle XY Alejandro Daniel Paredes Cabrel sous la direction de : Xavier Leoncini Centre de Physique Théorique de Marseille Fevrier- 29 Objectif

Plus en détail

Validité prédictive des questionnaires Cebir. Etude 1 : validité critérielle dans le secteur du gardiennage

Validité prédictive des questionnaires Cebir. Etude 1 : validité critérielle dans le secteur du gardiennage Validité prédictive des questionnaires Cebir Introduction Dans le domaine de la sélection, il est particulièrement intéressant de déterminer la validité prédictive d un test. Malheureusement, les occasions

Plus en détail

RÉSUMÉ DE RECHERCHE. Fondé sur un rapport de recherche préparé pour l IB par : Ling Tan et Yan Bibby, Australian Council for Educational Research

RÉSUMÉ DE RECHERCHE. Fondé sur un rapport de recherche préparé pour l IB par : Ling Tan et Yan Bibby, Australian Council for Educational Research RÉSUMÉ DE RECHERCHE Comparaison des résultats d élèves issus ou non d établissements dispensant les programmes de l IB au programme ISA d évaluation des écoles internationales, et au questionnaire sur

Plus en détail

Les outils de planification d achat. Préparé par : Othman karra

Les outils de planification d achat. Préparé par : Othman karra Les outils de planification d achat Préparé par : Othman karra plan INTRODUCTION I. Rôle des stocks dans la fonction achat 1. définition des stocks 2. avantages et inconvénients des stocks 3. types de

Plus en détail

Cours 1: lois discrétes classiques en probabilités

Cours 1: lois discrétes classiques en probabilités Cours 1: lois discrétes classiques en probabilités Laboratoire de Mathématiques de Toulouse Université Paul Sabatier-IUT GEA Ponsan Module: Stat inférentielles Définition Quelques exemples loi d une v.a

Plus en détail

Méthodologie de la notation des fonds d Épargne Salariale

Méthodologie de la notation des fonds d Épargne Salariale Méthodologie de la notation des fonds d Épargne Salariale Contenu Introduction... 3 Résumé de la méthodologie... 3 Définition de la population... 4 Exclusions permanentes... 4 Exclusions provisoires...

Plus en détail

Algorithmique et Programmation Projets 2012/2013

Algorithmique et Programmation Projets 2012/2013 3 Dames 3. Objectif Il s agit d écrire un programme jouant aux Dames selon les règles. Le programme doit être le meilleur possible. Vous utiliserez pour cela l algorithme α β de recherche du meilleur coup

Plus en détail

Le Département de l Aisne améliore la sécurité informatique grâce aux capacités analytiques temps réel de Nexthink

Le Département de l Aisne améliore la sécurité informatique grâce aux capacités analytiques temps réel de Nexthink SUCCESS STORY Le améliore la sécurité informatique grâce aux capacités analytiques temps réel de Nexthink ENTREPRISE Le DOMAINE D ACTIVITÉ Secteur Public Nexthink a été sélectionnée par le pour fournir

Plus en détail

Optimisation en nombres entiers

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

Plus en détail

La Banque de France teste Wallstreet Suite version 7.2 pour la communauté des banques centrales

La Banque de France teste Wallstreet Suite version 7.2 pour la communauté des banques centrales La Banque de France teste Wallstreet Suite version 7.2 pour la communauté des banques centrales La Banque de France est un des principaux membres du Système européen de banques centrales (SEBC). En tant

Plus en détail

Mesurer l incidence de BDC sur ses clients

Mesurer l incidence de BDC sur ses clients Équipe de la Recherche et de l analyse économique de BDC Juillet 213 DANS CE RAPPORT Le présent rapport est fondé sur une analyse statistique réalisée par Statistique Canada visant à évaluer l incidence

Plus en détail

Chapitre 1 : Évolution COURS

Chapitre 1 : Évolution COURS Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir

Plus en détail

Principe des tests statistiques

Principe des tests statistiques Principe des tests statistiques Jean Vaillant Un test de signification est une procédure permettant de choisir parmi deux hypothèses celles la plus probable au vu des observations effectuées à partir d

Plus en détail

PERFORMANCES FINANCIÈRES COMPARÉES DE PROJETS D INVESTISSEMENTS HOSPITALIERS

PERFORMANCES FINANCIÈRES COMPARÉES DE PROJETS D INVESTISSEMENTS HOSPITALIERS PROJETS PERFORMANCES FINANCIÈRES COMPARÉES DE PROJETS D INVESTISSEMENTS HOSPITALIERS 2 Exemple simplifié tiré d un cas concret : le remplacement de la cuisine centrale de l hôpital X Si les données de

Plus en détail

Bulletin de pratique professionnelle n o 3

Bulletin de pratique professionnelle n o 3 Bulletin de pratique professionnelle n o 3 INDICATIONS SUR LES DIVERS TYPES DE RAPPORT D ÉVALUATION 1. Les Normes d exercice 110 et 120 s appliquent à tout rapport d évaluation par lequel est transmise

Plus en détail

Ressources pour le lycée technologique

Ressources pour le lycée technologique éduscol Enseignement de mathématiques Classe de première STMG Ressources pour le lycée technologique Dérivation : Approximation affine et applications aux évolutions successives Contexte pédagogique Objectifs

Plus en détail

LA PARTIE CLASSIQUE par Amandine Stock & Maxime Lemaire

LA PARTIE CLASSIQUE par Amandine Stock & Maxime Lemaire LA PARTIE CLASSIQUE par Amandine Stock & Maxime Lemaire La partie classique est la base du jeu de dames pour les débutants. La stratégie est la suivante : jouer de telle manière qu en fin de partie, l

Plus en détail

Rapport. TME2 - Problème d affectation multi-agents

Rapport. TME2 - Problème d affectation multi-agents Rapport TME2 - Problème d affectation multi-agents Auteurs : Encadrant : Lan Zhou Safia Kedad-Sidhoum Minh Viet Le Plan I. Problème :... 2 II. Question 1 - Formulation linéaire du problème :... 2 III.

Plus en détail

Chapitre IV : La gestion du processeur Mécanismes d ordonnancement

Chapitre IV : La gestion du processeur Mécanismes d ordonnancement Chapitre IV : La gestion du processeur Mécanismes d ordonnancement Eric.Leclercq@u-bourgogne.fr Département IEM http://ufrsciencestech.u-bourgogne.fr http://ludique.u-bourgogne.fr/~leclercq 1 er mars 2007

Plus en détail

TP N 1 INTRODUCTION AUX PRODUITS DÉRIVÉS GSF-21579-A. Présenté à : M. François Guimond

TP N 1 INTRODUCTION AUX PRODUITS DÉRIVÉS GSF-21579-A. Présenté à : M. François Guimond TP N 1 INTRODUCTION AUX PRODUITS DÉRIVÉS GSF-21579-A Présenté à : M. François Guimond Par : Niéré Kouassi Mahisan Bertrand Acolaste Wesley Belo Ahmed QUESTION 2 I Analyse stratégie Futures Dans notre analyse

Plus en détail

Le voyageur de commerce

Le voyageur de commerce Université de Strasbourg UFR Maths-Informatique Licence 3 - Semestre 6 Le voyageur de commerce Jonathan HAEHNEL & Marc PAPILLON Strasbourg, le 3 mai 2012 Table des matières 1 Etat des lieux 4 1.1 Fonctionnalités..............................

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

LA MÉTHODE S.P.C. (STATISTICAL PROCESS CONTROL)

LA MÉTHODE S.P.C. (STATISTICAL PROCESS CONTROL) 1GM Sciences et Techniques Industrielles Page 1 sur 5 Productique - Cours Génie Mécanique Première LA MÉTHODE S.P.C. (STATISTICAL PROCESS CONTROL) Née aux USA, la méthode S. P. C. est traduite le plus

Plus en détail

Équations récurrentes en finance

Équations récurrentes en finance Équations récurrentes en finance Daniel Justens Face à un problème concret, le mathématicien a plusieurs options. Il peut en donner une représentation très simplifiée et, dans ce cas, le problème se réduira

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

Correction de l épreuve intermédiaire de mai 2009. Licence de Gestion. 3ème Année Année universitaire 8-9 Optimisation Appliquée C. Léonard Correction de l épreuve intermédiaire de mai 9. Exercice 1 Avec les notations du cours démontrer que la solution

Plus en détail

Charte des ressources humaines

Charte des ressources humaines Charte des ressources humaines ANTICIPER Pour être acteurs stratégiques du changement ACCUEILLIR Savoir identifier, attirer, choisir et fidéliser les collaborateurs RECONNAÎTRE Apprécier les compétences

Plus en détail

Quoi de neuf dans Optymo 5.0

Quoi de neuf dans Optymo 5.0 Quoi de neuf dans Optymo 5.0 Notes de lecture : dans ce document, les textes soulignés font référence aux libellés des fenêtres ou aux libellés associés à des boutons d Optymo, les textes en caractères

Plus en détail

Simulation d un système d assurance automobile

Simulation d un système d assurance automobile Simulation d un système d assurance automobile DESSOUT / PLESEL / DACHI Plan 1 Introduction... 2 Méthodes et outils utilisés... 2.1 Chaines de Markov... 2.2 Méthode de Monte Carlo... 2.3 Méthode de rejet...

Plus en détail

Méthode de tests MODE D EMPLOI POINTS IMPORTANTS

Méthode de tests MODE D EMPLOI POINTS IMPORTANTS Méthode de tests MODE D EMPLOI Cette première partie est destinée à ceux qui débutent en tests et permet une approche progressive et simple de la méthodologie des tests. L introduction vous aura permis

Plus en détail

Experience N 52. Les expériences d ERNI dans l univers du management, des processus et des technologies. Mars 2012

Experience N 52. Les expériences d ERNI dans l univers du management, des processus et des technologies. Mars 2012 Les expériences d ERNI dans l univers du management, des processus et des technologies Experience N 52 Mars 2012 MIGRATIONS Garder la maîtrise lors de migrations GARdER la maîtrise LORS de migrations Lors

Plus en détail

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

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

Plus en détail

Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante.

Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante. Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante. Essai de détermination du nombre de prélèvements à effectuer lors d un diagnostic amiante afin d assurer une représentativité

Plus en détail

Mise au point d outils de suivi de gestion INDICATEURS DENDROMETRIQUES. 1.- Inventaires

Mise au point d outils de suivi de gestion INDICATEURS DENDROMETRIQUES. 1.- Inventaires Développement d une gestion durable des peuplements irréguliers feuillus Septembre 2003 Mise au point d outils de suivi de gestion INDICATEURS DENDROMETRIQUES 1.- Inventaires Inventaire pied à pied (en

Plus en détail

Suites numériques 2. n=0

Suites numériques 2. n=0 Suites numériques 1 Somme des termes d une suite Dans les applications, il est souvent nécessaire de calculer la somme de quelques premiers termes d une suite (ou même de tous les termes, mais on étudiera

Plus en détail

Activité du 115 de Paris et évolution de la population des usagers du 115 et des EMA.

Activité du 115 de Paris et évolution de la population des usagers du 115 et des EMA. Activité du 115 de Paris et évolution de la population des usagers du 115 et des EMA. Carole Lardoux 1 Introduction Les données saisies par les agents de téléphonie du 115 de Paris sont extraites chaque

Plus en détail

Variable Neighborhood Search

Variable Neighborhood Search Variable Neighborhood Search () Universite de Montreal 6 avril 2010 Plan Motivations 1 Motivations 2 3 skewed variable neighborhood search variable neighborhood decomposition search 4 Le probleme d optimisation.

Plus en détail

nous pouvons calculer l intérêt obtenu par ce capital au bout d un an (n =1). 1an

nous pouvons calculer l intérêt obtenu par ce capital au bout d un an (n =1). 1an Chapitre IV : Les intérêts composés I. Généralités et définition Avec les intérêts composés, nous abordons les mathématiques financières de moyen et long terme. Pour gérer les comptes de moyen et long

Plus en détail

Les lentilles additionnelles

Les lentilles additionnelles Les lentilles additionnelles Il existe deux méthodes pour réaliser des photographies rapprochées : ) l augmentation de tirage 2) les lentilles additionnelles C est la seconde méthode qui va être étudié

Plus en détail

Conversion d un entier. Méthode par soustraction

Conversion d un entier. Méthode par soustraction Conversion entre bases Pour passer d un nombre en base b à un nombre en base 10, on utilise l écriture polynomiale décrite précédemment. Pour passer d un nombre en base 10 à un nombre en base b, on peut

Plus en détail

Contrôle de qualité des médicaments : une procédure de sélection adaptée aux ressources disponibles le cas des anti-infectieux à Madagascar

Contrôle de qualité des médicaments : une procédure de sélection adaptée aux ressources disponibles le cas des anti-infectieux à Madagascar Contrôle de qualité des médicaments : une procédure de sélection adaptée aux ressources disponibles le cas des anti-infectieux à Madagascar K.Chevreul 1, F.Ballereau 2 1. Department of Social Policy, London

Plus en détail

GUIDE D UTILISATION DE «SOFT COUTURE»

GUIDE D UTILISATION DE «SOFT COUTURE» GUIDE D UTILISATION DE «SOFT COUTURE» SOFT COUTURE est un logiciel de gestion des opérations portant sur les commandes des clients de salons de couture. Ses fonctionnalités recouvrent toutes les opérations

Plus en détail

CONFÉRENCE SUR L ÉCONOMIE DES AÉROPORTS ET DES SERVICES DE NAVIGATION AÉRIENNE

CONFÉRENCE SUR L ÉCONOMIE DES AÉROPORTS ET DES SERVICES DE NAVIGATION AÉRIENNE Organisation de l aviation civile internationale NOTE DE TRAVAIL CEANS-WP/5 15/4/08 CONFÉRENCE SUR L ÉCONOMIE DES AÉROPORTS ET DES SERVICES DE NAVIGATION AÉRIENNE Montréal, 15 20 septembre 2008 Point 1

Plus en détail

Représentation des Nombres

Représentation des Nombres Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...

Plus en détail

SUPPLEMENT DE 25,00 POUR CHAMBRES EXCEDENTAIRES

SUPPLEMENT DE 25,00 POUR CHAMBRES EXCEDENTAIRES SUPPLEMENT DE 25,00 POUR CHAMBRES EXCEDENTAIRES La réglementation organisant la location des logements gérés par la Société wallonne du Logement ou par les sociétés de logement de service public prévoit

Plus en détail

Module : Fichier. Chapitre I : Généralités

Module : Fichier. Chapitre I : Généralités Module : Fichier Semestre 1 Année : 2010/2011-1- SOMMAIRE 1. Introduction 2. Définition d un fichier 3. Caractéristiques d un fichier 4. Topologie des fichiers 5. Résumé 6. QCM 7. Exercices 8. Bibliographie

Plus en détail

Applications des métaheuristiques #1 Coloration de graphes

Applications des métaheuristiques #1 Coloration de graphes Applications des métaheuristiques #1 Coloration de graphes MTH6311 S. Le Digabel, École Polytechnique de Montréal H2014 (v2) MTH6311: Applications des métaheuristiques #1 Coloration de graphes 1/29 Plan

Plus en détail

Phase 3 : Les solutions adéquates à votre démarche entrepreneuriale

Phase 3 : Les solutions adéquates à votre démarche entrepreneuriale Phase 3 : Les solutions adéquates à votre démarche entrepreneuriale Une fois que vous avez défini les besoins de votre clientèle, il faut que vous sachiez répondre aux solutions convaincantes en adéquation

Plus en détail

Questions pratiques 4: Transformer la variable dépendante

Questions pratiques 4: Transformer la variable dépendante Questions pratiques 4: Transformer la variable dépendante Jean-François Bickel Statistique II SPO8 Transformer une variable consiste en une opération arithmétique qui vise à construire une nouvelle variable

Plus en détail

L ACTE DE MESURER ET D ÉVALUER

L ACTE DE MESURER ET D ÉVALUER SECTION 1 L ACTE DE MESURER ET D ÉVALUER OBJECTIF RECHERCHÉ L acte de mesurer et d évaluer est plus difficile que ce qu on peut imaginer au premier abord. S il est relativement aisé de calculer quelque

Plus en détail

4. Programmation en nombres entiers

4. Programmation en nombres entiers IFT575 Modèles de recherche opérationnelle (RO). Programmation en nombres entiers b. Séparation et évaluation progressive c. Plans de coupes Résolution de modèles entiers Programmation en nombres entiers

Plus en détail

Suites numériques 4. 1 Autres recettes pour calculer les limites

Suites numériques 4. 1 Autres recettes pour calculer les limites Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est

Plus en détail

Le financement des investissements par emprunts

Le financement des investissements par emprunts Le financement des investissements par emprunts Définition Pour bien démarrer I) Les emprunts a) Remboursables par amortissements constants b) Remboursables par échéances constantes c) Conclusion sur les

Plus en détail

Introduction sur l analyse en composantes principales (ACP)

Introduction sur l analyse en composantes principales (ACP) Introduction sur l analyse en composantes principales (CP) ) Introduction sur un exemple à 2 dimensions On veut représenter graphiquement les profils d élèves qui ont été notés sur 2 matières (Français

Plus en détail

RECHERCHE DE CHEMIN MINIMAL

RECHERCHE DE CHEMIN MINIMAL REHERHE DE HEIN INIL par Yvon KWLSK, Sofiane SERUTU et Jérémy VEIRN, élèves de troisième au collège dulphe DELEGRGUE de ourcelles lès Lens (Pas de alais) 2003 Enseignant : Stéphane RERT (collège DELEGRGUE

Plus en détail

Systèmes de transmission

Systèmes de transmission Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un

Plus en détail

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN

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

Plus en détail

Débuter en algorithmique

Débuter en algorithmique Isabelle Morel 1 1 Qu est-ce qu un algorithme? Débuter en algorithmique Définition Un alogorithme est une suite d opérations élémentaires, à appliquer dans un ordre déterminé à des données. Un algorithme

Plus en détail

Diag Up Export Spécifications

Diag Up Export Spécifications Diag Up Export Spécifications Présentation Diag Up est une plate forme logicielle qui permet d élaborer des modèles de diagnostic dans des domaines aussi variés que la qualité, la transmission d entreprises,

Plus en détail

Notes techniques et réflexions

Notes techniques et réflexions Notes techniques et réflexions Comparaison par mesure des consommations annuelles d énergie de la vaisselle faite manuellement et en lave vaisselle Auteur : Olivier SIDLER Octobre 998 Ingénierie énergétique

Plus en détail

éq studio srl Gestion des informations pour un choix- consommation raisonnée - GUIDE EXPLICATIVE

éq studio srl Gestion des informations pour un choix- consommation raisonnée - GUIDE EXPLICATIVE Résumé PREFACE 2 INTRODUCTION 2 1. BUT ET CHAMP D APPLICATION 2 2. REFERENCES DOCUMENTAIRES ET NORMES 3 3. TERMES ET DEFINITIONS 3 4. POLITIQUE POUR UNE CONSOMMATION RAISONNEE (PCC) 3 5. RESPONSABILITE

Plus en détail

Fonctions homographiques

Fonctions homographiques Fonctions homographiques On donne ci-dessous deux définitions des fonctions homographiques, et on montre que ces deux définitions sont équivalentes. On décrit la courbe représentative d une fonction homographique.

Plus en détail

MICRO-INFORMATIQUE DÉFINITION DU DOMAINE D'EXAMEN PROGRAMMATION INF-5063-2

MICRO-INFORMATIQUE DÉFINITION DU DOMAINE D'EXAMEN PROGRAMMATION INF-5063-2 MICRO-INFORMATIQUE DÉFINITION DU DOMAINE D'EXAMEN PROGRAMMATION INF-5063-2 MICRO-INFORMATIQUE DÉFINITION DU DOMAINE D'EXAMEN PROGRAMMATION INF-5063-2 Direction de la formation générale des adultes Service

Plus en détail

BELTRACE FACTURATION 1. Description récapitulative du procédé

BELTRACE FACTURATION 1. Description récapitulative du procédé BELTRACE FACTURATION On commente ci dessous chercher facturation et gérer facturation au niveau de l application Sanitrace. On débute dans le menu principal toujours à partir de Chercher facturation et

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

Print Standard Verifier

Print Standard Verifier Print Standard Verifier Il existe dans Caldera une option dénommée Print Standard Verifier, qui va d une part vous permettre de vérifier la conformité de vos profils avec une norme d impression de type

Plus en détail

Groupe. Chapter 1. Félix Abecassis (CSI) Christopher Chedeau (CSI) Gauthier Lemoine (SCIA) Julien Marquegnies (CSI)

Groupe. Chapter 1. Félix Abecassis (CSI) Christopher Chedeau (CSI) Gauthier Lemoine (SCIA) Julien Marquegnies (CSI) Chapter 1 Groupe Félix Abecassis (CSI) Christopher Chedeau (CSI) Gauthier Lemoine (SCIA) Julien Marquegnies (CSI) Nous avons choisi d implémenter le projet avec le langage Javascript. L avantage offert

Plus en détail

LEHALLIER Benoît YGUEL Benjamin. Tutorial : Utilisation de R pour une modélisation optimale de phénomènes expérimentaux.

LEHALLIER Benoît YGUEL Benjamin. Tutorial : Utilisation de R pour une modélisation optimale de phénomènes expérimentaux. LEHALLIER Benoît YGUEL Benjamin Tutorial : Utilisation de R pour une modélisation optimale de phénomènes expérimentaux. ECIM Comportement et socialisation Mars 2006 La modélisation est utilisée pour comprendre

Plus en détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

Sujet 3: Programmation Stochastique Mésures

Sujet 3: Programmation Stochastique Mésures Sujet 3: Programmation Stochastique Mésures d efficacité MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 12, 2011 Dans ce sujet... 1 Mésures d efficacité Valeur du modèle

Plus en détail

S5 Info-MIAGE 2010-2011 Mathématiques Financières Intérêts composés. Université de Picardie Jules Verne Année 2010-2011 UFR des Sciences

S5 Info-MIAGE 2010-2011 Mathématiques Financières Intérêts composés. Université de Picardie Jules Verne Année 2010-2011 UFR des Sciences Université de Picardie Jules Verne Année 2010-2011 UFR des Sciences Licence mention Informatique parcours MIAGE - Semestre 5 Mathématiques Financières I - Généralités LES INTERETS COMPOSES 1) Définitions

Plus en détail

Optimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases)

Optimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases) Optimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases) Heuristique Constructive Itérativement, ajoute de nouvelles composantes à une solution partielle candidate Espace

Plus en détail