Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1

Dimension: px
Commencer à balayer dès la page:

Download "Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1"

Transcription

1 Exemples de problèmes et d applications INF6953 Exemples de problèmes

2 Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation de commutateurs aux antennes Max-RWA : Routage et affectation de longueur d onde dans le réseaux optiques Alignement multiple de séquences Quelques problèmes classiques Problème SAT (satisfiabilité booléenne) Problème du voyageur de commerce Problème du sac à dos, de recouvrement d ensembles, de bin-packing Problèmes de la théorie des graphes : problèmes de stable max et de clique maximum, problèmes de coloriage de graphe Liens entre problèmes réels et problèmes classiques INF6953 Exemples de problèmes

3 Quelques domaines d application pour les MH Design de réseaux de télécommunications Mise en oeuvre de réseaux de télécommunications - Affectation de fréquences dans les réseaux radio-mobiles - Routage et affectation de longueurs d ondes (max-rwa) - Affectation de fréquences dans les réseaux hertziens (RLFAP, FAPP) Bio-informatique : alignement multiple, recherche de chaîne médiane, Construction d'emploi du temps Tournées de véhicules - Vehicle Routing Problem Ordonnancement - Job Shop Scheduling INF6953 Exemples de problèmes 3

4 Problème d allocation de fréquences dans les réseaux radio-mobiles Contexte - Dans les réseaux radio-mobiles, on doit affecter une fréquence à chacune des antennes (cellules). On donne - Un graphe G = (V, E) représentant le réseau, V =n - Une fonction D : {..n} x {..n} -> N - D(i, j) = distance imposée entre les fréquences des antennes i et j - Un entier L = nombre de longueurs d ondes disponibles INF6953 Exemples de problèmes

5 Problème d allocation de fréquences dans les réseaux radio-mobiles Un appelle plan d affectation de fréquences une application f : {..n} -> {..L} qui indique, pour toute antenne i=..n, la fréquence f(i) allouée à cette antenne. On demande un plan d affectation tel que - Pour toute paire i, j dans {..n}, on vérifie f(i) f(j) >= D(i, j) INF6953 Exemples de problèmes 5

6 Problème d affectation de commutateurs aux antennes Contexte - Dans les réseaux radio-mobiles, on doit affecter un commutateur à chacune des antennes (cellules). On donne - Un entier n = nombre d antennes - Un entier m = nombre de commutateurs - Une fonction c : {..n}x{..m} -> R+ - c(i, j) = coût pour affecter le commutateur j à l antenne i - Une fonction C : {..m} -> N - C(j) = capacité du commutateur j - Une fonction cr : {..n}x{..n} -> R+ - cr(i, i )=coût (de relève) si i et i sont reliés à des commutateurs différents INF6953 Exemples de problèmes 6

7 Problème d affectation de commutateurs aux antennes Un plan d affectation est une fonction h : {..n} -> {..m} - h(i) = commutateur affecté à l antenne i Contrainte - Respecter la capacité de chaque commutateur : pour tout commutateur j, affecte au plus C(j) commutateurs à j. Coût d un plan d affectation = coût des liens + coûts de relève On demande - Un plan d affectation qui respecte la contrainte et de coût minimum INF6953 Exemples de problèmes 7

8 Problème Max-RWA Contexte - Dans les réseaux optiques, on doit satisfaire un maximum de demande de connexion en affectant à chacune d entre elles un chemin et une longueur d onde. - On donne Un graphe G = (V, E) - V représente l ensemble des stations - E représente l ensemble des liens Un entier L = nombre de longueurs d ondes disponibles Un ensemble D de demandes : - Chaque demande i étant définie par - origine(i), destination(i) = l origine et la destination de la demande i - mult(i) = le nombre de routes entre origine(i) et destination(i) INF6953 Exemples de problèmes 8

9 Problème Max-RWA On appelle plan de routage : - tout ensemble S de couples chemin/longueur d onde tel que : - Le nombre de chemins joignant origine(i) à destination(i) est inférieur ou égal à mult(i). - Deux chemins quelconques qui partagent un arc (dans le même sens) n ont jamais la même longueur d ondes On demande - un plan de routage qui maximise le nombre de demandes satisfaites. INF6953 Exemples de problèmes 9

10 Max-RWA : un exemplaire du problème ) Réseau ) Demandes i orig(i) dest(i) mult(i) ) L= (nombre de longueurs d ondes) INF6953 Exemples de problèmes 0

11 Max-RWA : une solution i orig(i) dest(i) mult(i) S = {(--, ), (-3, ), (-, ), (-3-, ), (3-, ) } S = 5 (c.a.d. 5 demandes satisfaites sur 6) INF6953 Exemples de problèmes

12 Problème d alignement multiple de séquences Contexte - Domaine de la bioinformatique On donne - Un ensemble Σ = alphabet - n chaînes s,, sn sur Σ = séquences - Une fonction f : Σ x Σ -> N, où Σ = Σ union { - } - f définit le coût d insertion, de remplacement ou de suppression INF6953 Exemples de problèmes

13 Problème d alignement multiple de séquences Définitions - Un alignement pour s,, sn est obtenu en ajoutant dans chaque chaîne des caractères d insertion - à des positions quelconques de manière à ce que les chaînes obtenues s,, s n aient toutes la même longueur - Le coût d un alignement {s,, s n} est défini par Σ<=p<q<=n Σi=..l f(s p[i], s q[i]) On demande un alignement de coût minimum INF6953 Exemples de problèmes 3

14 Problème d alignement multiple de séquences : un exemplaire du problème Σ ={A, C, T, G} 3 chaînes s=agccagtg, s=gccgtgg, s3=agagagg f (a, b)= pour a et b quelconque appartenant à Σ Voici 3 exemples d alignements M, M et M3 M M M3 AGCCAGTG- AGCCAGT-G AGCCAGT-G- -GCC-GTGG -GCC-GTGG -GCC-GT-GG AG--AGAGG AG--AGAGG -AGA-G-AGG INF6953 Exemples de problèmes

15 Problème d alignement multiple de séquences : une solution On suppose un coût d insertion égal à pour une insertion, une suppression ou un remplacement quelconque Alignement M A G C C A G T G - - G C C - G T G G A G - - A G A G G > coût total égal à INF6953 Exemples de problèmes 5

16 Quelques problèmes classiques Satisfiabilité booléenne (SAT) : problème du calcul des propositions. Satisfiabilité booléenne maximale (max-sat) Voyageur de commerce (TSP, Traveling Salesman Problem ) Coloriage de graphe, k-coloriage de graphe Stable maximal, clique maximale Sac-à-dos (knapsack), sac-à-dos multidimensionnel Placement (bin-packing) Recouvrement d ensembles Affectation quadrique INF6953 Exemples de problèmes 6

17 Problème de satisfiabilité booléenne (SAT) Définition préliminaires - Soit un ensemble de variables booléennes x,, xn. Un littéral est soit une variable, soit la négation d une variable. Une clause et une disjonction de littéraux (littéraux reliés par le connecteur OU). - La longueur d une clause correspond au nombre de ses littéraux. Exemple - x7, NOT x sont des littéraux - Exemple : x7 OR (NOT x) OR x est une clause de longueur 3 INF6953 Exemples de problèmes 7

18 Problème SAT On donne - n variables booléennes x,, xn - m clauses définies sur x,, xn On demande - une fonction {x,, xn } -> {V, F } qui satisfait toutes les clauses INF6953 Exemples de problèmes 8

19 Problèmes SAT et k-sat Le problème k-sat correspond au cas particulier du problème SAT dans le cas où les clauses ont toutes une même longueur fixée égale à k. - Par exemple, 3-SAT est le problème SAT avec des clauses toutes de longueur 3. Complexité - Le problème SAT est NP-complet. - k-sat est NP-complet pour k >= 3. - Les problèmes -SAT, Horn-SAT sont polynomiaux. INF6953 Exemples de problèmes 9

20 Problème de satisfiabilité booléenne maximale (max-sat) Le problème max-sat (problème d optimisation) - On donne : n variables booléennes x,, xn m clauses définies sur x,, xn - On demande de trouver une affectation des variables x,, xn qui satisfait un nombre maximum de clauses. Variante : Dans max-sat pondéré, on donne des pondérations réelles sur les clauses w,, wn et on doit trouver une solution qui maximise le poids total des clauses satisfaites. Les problèmes max-sat et max-sat pondéré sont NP-difficiles. INF6953 Exemples de problèmes 0

21 Problème du voyageur de commerce (TSP) Le voyageur de commerce (TSP = Traveling Salesman Problem) est l un des problèmes combinatoires les plus étudiés en RO et théorie des graphes et en optimisation combinatoire Définition Dans un graphe, un cycle hamiltonien est un cycle qui passe par chaque sommet une fois et une seule On donne - un graphe G=(V, E) - une fonction w : V x V -> R+ - d(x, y) indique la distance entre les sommets x et y On demande de trouver un cycle hamiltonien* de longueur minimale (*i.e., une tournée qui visite chaque ville une fois et une seul). INF6953 Exemples de problèmes

22 Problème du voyageur de commerce (TSP) Complexité - TSP est NP-difficile - Pas approximable dans le cas général - TSP avec inégalité triangulaire approximable en.5 x longueur optimale INF6953 Exemples de problèmes

23 Problème du sac à dos Étant donné un ensemble d objets dont on connaît le poids et l utilité, choisir un sous-ensemble de ces objets dont le poids total ne dépasse pas le poids maximum et dont l utilité totale est maximale. INF6953 Exemples de problèmes 3

24 Problème du sac à dos Étant donné un ensemble d objets dont on connaît le poids et l utilité, choisir un sous-ensemble de ces objets dont le poids total ne dépasse pas le poids maximum et dont l utilité totale est maximale. On donne - Un entier n = nombre d objets - Une fonction u : {..n} -> R+, u(i) représente l utilité de l objet i - Une fonction w : {..n} -> R+, w(i) représente le poids de l objet i - Un réel W = poids total maximum autorisé On demande un ensemble S inclus dans {..n} - tel que Σ e dans S p(e) <= W - qui maximise Σ e dans S w(e) INF6953 Exemples de problèmes

25 Problème de recouvrement d ensemble Étant donné un ensemble E et un ensemble F de parties de E qui recouvre E (dont la réunion est E) et connaissant le coût de chaque partie, choisir un sousensemble de F dont la réunion recouvre E et dont le coût total est minimum. INF6953 Exemples de problèmes 5

26 Problème de recouvrement d ensemble Étant donné un ensemble E et un ensemble F de parties de E qui recouvre E (dont la réunion est E) et connaissant le coût de chaque partie, choisir un sousensemble de F dont la réunion recouvre E et dont le coût total est minimum. On donne - un ensemble E, des ensembles E En dont la réunion égale E - une fonction c : {..n} -> R+ On demande un sous-ensemble S de {..n} - tel que U i dans S Ei = E - et qui minimise Σ i dans S c(i) INF6953 Exemples de problèmes 6

27 Problème de placement (bin-packing) Étant donné un ensemble d objets dont on connaît le poids, connaissant également que la capacité d une boîte, répartir les objets dans des boîtes tout en minimisant le nombre total de boîtes. INF6953 Exemples de problèmes 7

28 Problème de placement (bin-packing) Étant donné un ensemble d objets dont on connaît le poids, connaissant également que la capacité d une boîte, répartir les objets dans des boîtes tout en minimisant le nombre total de boîtes. On donne - un entier n = nombre d objets - une fonction w : {..n} -> R+ - w(i) = poids de l objet i - un entier C = capacité d une boîte On demande une partition {P,..,Pk} de {..n} - telle que Σ i dans Pi w(i) <= C, pour tout i =..k - et qui minimise k INF6953 Exemples de problèmes 8

29 Graphes : quelques définitions Étant donné un graphe G=(V, E) : - On appelle ensemble stable tout sous-ensemble de V qui ne contient aucune paire de sommets reliés entre eux. - On appelle k-coloriage (total légal) toute fonction (totale) c : V -> {,..,k} telle que - pour toute arête xy, c[x]<>c[y]. - INF6953 Exemples de problèmes 9

30 Graphe (non orienté) INF6953 Exemples de problèmes 30

31 Ensemble stable V = {, 7, 8} constitue un ensemble stable INF6953 Exemples de problèmes 3

32 Clique V = {,, 5} constitue une clique INF6953 Exemples de problèmes 3

33 k-coloriage (légal) La figure représente un 3-coloriage complet légal de G. INF6953 Exemples de problèmes 33

34 Problèmes de stable maximum et de clique maximum Problème de stable maximum - Étant donné un graphe G=(V, E), - Trouver un stable maximum de G (de cardinal aussi grand que possible). Problème de clique maximum - Étant donné un graphe G=(V, E), - Trouver une clique maximum de G (de cardinal aussi grand que possible). INF6953 Exemples de problèmes 3

35 Problèmes de stable maximum et de clique maximum Remarques - Un ensemble V de sommets est une clique ssi c est un ensemble stable dans le graphe complémentaire, et inversement. - Trouver une clique maximum revient à trouver un stable maximum dans le graphe complémentaire, et inversement. Les deux problèmes sont donc «équivalents». - Les deux problèmes sont NP-difficiles. INF6953 Exemples de problèmes 35

36 Problèmes de k-coloriage et de coloriage Problème de k-coloriage de graphe - Étant donné un graphe G et un entier k, - Trouver un k-coloriage de G. Problème de coloriage de graphe - Étant donné un graphe G, - Trouver un k-coloriage de G avec un nombre minimum k de couleurs. Remarques : - Le problème de -coloriage est polynomial. - Les problèmes de coloriage et de k-coloriage (k >= 3) est NP-difficile dans le cas général. INF6953 Exemples de problèmes 36

37 Applications réelles et problèmes académiques Les problèmes «académiques» (voyageur de commerce, coloriage, sac à dos, stable max, etc.) : - Ils possèdent une définition très simple. - Ils peuvent être vus comme des versions simplifiées ou «épurées» de problèmes réels. De nombreux problèmes réels ressemblent à un problème académique : - Le FAP (affectation de fréquence) est une extension du coloriage - Le VRP (problème de tournées de véhicule) est analogue au voyageur de commerce, avec des contraintes supplémentaires (plusieurs véhicules, capacité maximales à respecter, etc.). Les problèmes classiques ont été très étudiés. - Il est utile de les connaître et de connaître les algorithmes proposés pour les résoudre. INF6953 Exemples de problèmes 37

38 Exemples d applications liées au coloriage de graphe Emploi du temps Allocation de registres : voir la thèse de doctorat (Kri 0) Max-RWA : Routage et affectation de longueur d onde dans le réseaux optiques Allocation de fréquences dans les réseaux radio-mobiles : FAP Affectation de fréquences dans les réseaux par voie hertzienne : - RLFAP - Affectation de fréquences avec polarisation (FAPP) INF6953 Exemples de problèmes 38

39 Max-RWA : Définition Étant donné. Un réseau représenté par un graphe G = (V, E) : - V représente l ensemble des stations - E représente l ensemble des liens. Le nombre L de longueurs d ondes disponibles 3. Un ensemble D de demandes : Chaque demande i étant définie par origine(i), destination(i) et mult(i). On appelle plan de routage : - tout ensemble S de couples chemin/longueur d onde tel que :. Le nombre de chemins joignant origine(i) à destination(i) est inférieur ou égal à mult(i).. Deux chemins qui partagent un arc (dans le même sens) n ont jamais la même longueur d ondes. On cherche : - un plan de routage qui maximise le nombre de demandes satisfaites. INF6953 Exemples de problèmes 39

40 Max-RWA : un exemplaire du problème ) Réseau ) Demandes i orig(i) dest(i) mult(i) ) L= (nombre de longueurs d ondes) INF6953 Exemples de problèmes 0

41 Max-RWA : graphe auxiliaire de à : demandes de à 3 : demande de à : demandes -3- de 3 à : demande INF6953 Exemples de problèmes

42 Max-RWA et coloriage de graphe Il y a un lien étroit entre max-rwa et le coloriage de graphe : résoudre le max-rwa revient à résoudre un problème de coloriage de graphe «non standard» pour un certain graphe (le graphe auxiliaire). Problème max-rwa Graphe auxiliaire - Demande i - groupe de sommets - Un chemin de o(i) à d(i) - un sommet du groupe - Paire de chemins adjacents - arcs entre les deux sommets Une configuration est représentée par : - un multi-coloriage partiel S (un ensemble de couples sommet/couleur, i.e. un sommet peut être colorié avec 0,, ou plusieurs couleurs) tel que - Dans un groupe, le nombre de couples est inférieur ou égal à mult(i) - Deux sommets adjacents n ont pas la même couleur - La qualité d une solution est le nombre de couples ( S ). INF6953 Exemples de problèmes

43 Max-RWA : coloriage du graphe auxiliaire de à : demandes de à 3 : demande de à : demandes -3- de 3 à : demande INF6953 Exemples de problèmes 3

44 Max-RWA : solution i orig(i) dest(i) mult(i) S = {(--, ), (-3, ), (-, ), (-3-, ), (3-, ) } S = 5 (c.a.d. 5 demandes satisfaites sur 6) INF6953 Exemples de problèmes

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

Quelques problèmes NP-complets

Quelques problèmes NP-complets Chapitre 12 Quelques problèmes NP-complets Maintenant que nous connaissons la NP-complétude d au moins un problème (SAT), nous allons montrer qu un très grand nombre de problèmes sont NP-complets. Le livre

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

Exemples de problèmes N P-complets

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

Plus en détail

Aspects théoriques et algorithmiques du calcul réparti Placement - Compléments

Aspects théoriques et algorithmiques du calcul réparti Placement - Compléments A- 0/0 Aspects théoriques et algorithmiques du calcul réparti Placement - Compléments Patrick CIARLET Enseignant-Chercheur UMA patrick.ciarlet@ensta-paristech.fr Françoise LAMOUR franc.lamour@gmail.com

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

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

Annexe 6. Notions d ordonnancement.

Annexe 6. Notions d ordonnancement. Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document

Plus en détail

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation IFIPS S7 - informatique Université Paris-Sud 11 1er semestre 2009/2010 Théorie des Graphes Cours 3: Forêts et Arbres II / 1 Forêts et arbres II Théorème 1.1. Les assertions suivantes sont équivalentes

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

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

Généralités sur les graphes

Généralités sur les graphes Généralités sur les graphes Christophe ROSSIGNOL Année scolaire 2008/2009 Table des matières 1 Notion de graphe 3 1.1 Un peu de vocabulaire.......................................... 3 1.2 Ordre d un graphe,

Plus en détail

OÙ EN EST-ON? ABANDONNER L IDÉE D AVOIR UN ALGORITHME

OÙ EN EST-ON? ABANDONNER L IDÉE D AVOIR UN ALGORITHME OÙ EN EST-ON? Que faire face à un problème dur? AAC S.Tison Université Lille1 Master1 Informatique Quelques schémas d algorithmes Un peu de complexité de problèmes Un peu d algorithmique avancée ou Que

Plus en détail

Cours Optimisation Partie Optimisation Combinatoire. Année scolaire 2008-2009. Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera.

Cours Optimisation Partie Optimisation Combinatoire. Année scolaire 2008-2009. Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera. Cours Optimisation Partie Optimisation Combinatoire 3ième année ISAE Année scolaire 2008-2009 Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera.fr Septembre 2008 Résumé Ce document couvre

Plus en détail

Théorie des ensembles

Théorie des ensembles Théorie des ensembles Cours de licence d informatique Saint-Etienne 2002/2003 Bruno Deschamps 2 Contents 1 Eléments de théorie des ensembles 3 1.1 Introduction au calcul propositionnel..................

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

Déroulement de l épreuve

Déroulement de l épreuve Déroulement de l épreuve Le sujet, volontairement très long, se compose de deux problèmes indépendants. Le candidat pourra au choix se concentrer sur l un des deux problèmes ou les aborder tous les deux.

Plus en détail

RECHERCHE OPERATIONNELLE

RECHERCHE OPERATIONNELLE RECHERCHE OPERATIONNELLE PROBLEME DE L ARBRE RECOUVRANT MINIMAL I - INTRODUCTION (1) Définitions (2) Propriétés, Conditions d existence II ALGORITHMES (1) Algorithme de KRUSKAL (2) Algorithme de PRIM I

Plus en détail

Fondements de l informatique: Examen Durée: 3h

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

Plus en détail

Chapitre 7 : Programmation dynamique

Chapitre 7 : Programmation dynamique Graphes et RO TELECOM Nancy 2A Chapitre 7 : Programmation dynamique J.-F. Scheid 1 Plan du chapitre I. Introduction et principe d optimalité de Bellman II. Programmation dynamique pour la programmation

Plus en détail

INTRODUCTION AUX PROBLEMES COMBINATOIRES "DIFFICILES" : LE PROBLEME DU VOYAGEUR DE COMMERCE ET LE PROBLEME DE COLORATION D'UN GRAPHE

INTRODUCTION AUX PROBLEMES COMBINATOIRES DIFFICILES : LE PROBLEME DU VOYAGEUR DE COMMERCE ET LE PROBLEME DE COLORATION D'UN GRAPHE Leçon 10 INTRODUCTION AUX PROBLEMES COMBINATOIRES "DIFFICILES" : LE PROBLEME DU VOYAGEUR DE COMMERCE ET LE PROBLEME DE COLORATION D'UN GRAPHE Dans cette leçon, nous présentons deux problèmes très célèbres,

Plus en détail

Applications #2 Problème du voyageur de commerce (TSP)

Applications #2 Problème du voyageur de commerce (TSP) Applications #2 Problème du voyageur de commerce (TSP) MTH6311 S. Le Digabel, École Polytechnique de Montréal H2014 (v2) MTH6311: Heuristiques pour le TSP 1/34 Plan 1. Introduction 2. Formulations MIP

Plus en détail

Structures de données non linéaires

Structures de données non linéaires Structures de données non linéaires I. Graphes Définition Un graphe (simple) orienté G est un couple (S, A), où : S est un ensemble dont les éléments sont appelés les sommets. A est un ensemble de couples

Plus en détail

De la difficulté de colorer : de Guthrie à Karp

De la difficulté de colorer : de Guthrie à Karp De la difficulté de colorer : de Guthrie à Karp Introduction à l optimisation combinatoire : Modélisation et complexité Marc Demange ESSEC Business School Paris, Singapore demange@essec.edu Plan de la

Plus en détail

Complexité II. 1 Les Classes de Complexité P et N P

Complexité II. 1 Les Classes de Complexité P et N P Complexité II 1 Les Classes de Complexité P et N P Les quatre problèmes présentés en introduction à la section 1 sont de natures diverses. Leurs résolutions semblent plus on moins évidentes ou rapides.

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

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

Tournées de véhicules

Tournées de véhicules Tournées de véhicules De la théorie aux outils d aide à la décision Olivier Péton, Ecole des Mines de Nantes, novembre 2008 Les principaux problèmes de tournées Deux problèmes de base : Problème du voyageur

Plus en détail

Routage, Allocations de Ressources et Équilibres.

Routage, Allocations de Ressources et Équilibres. Routage, Allocations de Ressources et Équilibres. Johanne Cohen Johanne.Cohen@loria.fr CNRS, Laboratoire LORIA, Nancy. Routage, Allocations de Ressources et Équilibres. p.1/23 Jeu Ciseaux/Papier/Caillou.

Plus en détail

Arbres couvrants minimaux

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

Plus en détail

Les mathématiques du calcul

Les mathématiques du calcul Les mathématiques du calcul Module Maths Discrètes, INSA, Univ Lyon 1, 2015-2016 Eric Tannier (eric.tannier@univ-lyon1.fr) Les mathématiques du calcul Tradition orientale Al-Khawarizmi Al-Khawarizmi, 783-850

Plus en détail

Chapitre 5 : Flot maximal dans un graphe

Chapitre 5 : Flot maximal dans un graphe Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d

Plus en détail

Allocation de tâches et théorie des jeux. p. Allocation des tâches. 1) Allocation de tâches.

Allocation de tâches et théorie des jeux. p. Allocation des tâches. 1) Allocation de tâches. Allocation de tâches et théorie des jeux. Johanne ohen Johanne.ohen@loria.fr 1) Allocation de tâches. 1. Définition sous forme d un jeu. 2. Existence d un équilibre de Nash Allocation des tâches. m machines

Plus en détail

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments

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

Plus en détail

Ordonnancement avec exclusion mutuelle par un graphe d intervalles ou d une classe apparentée : complexité et algorithmes ~ Frédéric Gardi

Ordonnancement avec exclusion mutuelle par un graphe d intervalles ou d une classe apparentée : complexité et algorithmes ~ Frédéric Gardi Ordonnancement avec exclusion mutuelle par un graphe d intervalles ou d une classe apparentée : complexité et algorithmes ~ Frédéric Gardi - 14 Juin 2005 - - Faculté des Sciences de Luminy - 1. Introduction

Plus en détail

Cours de Master Recherche

Cours de Master Recherche Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 1 - Introduction Qu est-ce qu un

Plus en détail

Cours de spécialité mathématiques en Terminale ES

Cours de spécialité mathématiques en Terminale ES Cours de spécialité mathématiques en Terminale ES O. Lader 2014/2015 Lycée Jean Vilar Spé math terminale ES 2014/2015 1 / 51 Systèmes linéaires Deux exemples de systèmes linéaires à deux équations et deux

Plus en détail

Aspects théoriques et algorithmiques du calcul réparti Le placement

Aspects théoriques et algorithmiques du calcul réparti Le placement Aspects théoriques et algorithmiques du calcul réparti Le placement Patrick CIARLET Enseignant-Chercheur UMA patrick.ciarlet@ensta-paristech.fr Françoise LAMOUR franc.lamour@gmail.com Aspects théoriques

Plus en détail

Aspects théoriques et algorithmiques du calcul réparti Le placement

Aspects théoriques et algorithmiques du calcul réparti Le placement Aspects théoriques et algorithmiques du calcul réparti Le placement Patrick CIARLET Enseignant-Chercheur UMA patrick.ciarlet@ensta-paristech.fr Françoise LAMOUR franc.lamour@gmail.com Aspects théoriques

Plus en détail

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

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

Plus en détail

1 Récupération des données

1 Récupération des données Lycée Buffon MP*/PSI 014-15 Épreuve d informatique du concours blanc, jeudi 5 mars 015 (3h00) Les documents, téléphones portables, ordinateurs et calculatrices sont interdits. Le sujet de cette épreuve

Plus en détail

Modèle probabiliste: Algorithmes et Complexité

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

Plus en détail

Programmation dynamique

Programmation dynamique A. Principe général B. Application Triangle de Pascal Série mondiale Multiplication chaînée de matrices Les plus courts chemins Principe général Souvent, pour résoudre un problème de taille n, on s'aperçoit

Plus en détail

Recherche Opérationnelle - APP 2 Allocating & packing

Recherche Opérationnelle - APP 2 Allocating & packing Recherche Opérationnelle - APP 2 Allocating & packing Sophie Demassey 15 novembre 2011 Résumé Cette seconde série d études s attache aux problématiques classiques du placement (knapsack, binpacking, cutting

Plus en détail

Optimisation Combinatoire et Colonies de Fourmis Nicolas Monmarche April 21, 1999 Sommaire Inspiration biologiques Ant Colony Optimization Applications TSP QAP Flow Shop Problemes dynamiques 1 Historique

Plus en détail

Partie I : Automates et langages

Partie I : Automates et langages 2 Les calculatrices sont interdites. N.B. : Le candidat attachera la plus grande importance à la clarté, à la précision et à la concision de la rédaction. Si un candidat est amené à repérer ce qui peut

Plus en détail

Algorithmique des graphes quelques notes de cours. Ioan Todinca, avec le concours de Julien Tesson

Algorithmique des graphes quelques notes de cours. Ioan Todinca, avec le concours de Julien Tesson Algorithmique des graphes quelques notes de cours Ioan Todinca, avec le concours de Julien Tesson 29 avril 2008 2 Table des matières I Algorithmes de base 5 1 Généralités 7 1.1 Dénitions et notations...............................

Plus en détail

Algorithme fourmi avec différentes stratégies phéromonales pour le sac à dos multidimensionnel

Algorithme fourmi avec différentes stratégies phéromonales pour le sac à dos multidimensionnel Algorithme fourmi avec différentes stratégies phéromonales pour le sac à dos multidimensionnel Inès Alaya * Christine Solnon ** Khaled Ghédira * * SOIE, Institut Supérieur de Gestion de Tunis 41 Rue de

Plus en détail

Introduction à la théorie des graphes. Solutions des exercices

Introduction à la théorie des graphes. Solutions des exercices CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti

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

Chapitre IV Bases et dimension d un espace vectoriel

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

Plus en détail

Le corps R des nombres réels

Le corps R des nombres réels Le corps R des nombres réels. Construction de R à l aide des suites de Cauchy de nombres rationnels On explique brièvement dans ce paragraphe comment construire le corps R des nombres réels à partir du

Plus en détail

Planifica(on du stockage intermédiaire dans l industrie du shampoing

Planifica(on du stockage intermédiaire dans l industrie du shampoing dans l industrie du shampoing R. Belaid, V. T kindt, C. Esswein, rabah.belaid@etu.univ-tours.fr Université François Rabelais Tours Laboratoire d Informatique 64 avenue Jean Portalis, 37200, Tours Journées

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

Algorithmes Probabilistes COMPLEX

Algorithmes Probabilistes COMPLEX Algorithmes Probabilistes COMPLEX Ludovic Perret Université Pierre et Marie Curie (Paris VI) ludovic.perret@lip6.fr Introduction Algorithme Il retourne toujours une solution correcte, et pour une même

Plus en détail

Visibilité polygone à polygone :

Visibilité polygone à polygone : Introduction Visibilité polygone à polygone : calcul, représentation, applications Frédéric Mora Université de Poitiers - Laboratoire SIC 10 juillet 2006 1 La visibilité Introduction Contexte L espace

Plus en détail

Optimisation des tournées de ramassage scolaire de la commune de Seneffe

Optimisation des tournées de ramassage scolaire de la commune de Seneffe Optimisation des tournées de ramassage scolaire de la commune de Seneffe Laurie Hollaert Séminaire GRT 7 novembre Laurie Hollaert Optimisation des tournées de ramassage scolaire de la commune de Seneffe

Plus en détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer

Plus en détail

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.

Plus en détail

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

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

Plus en détail

INTRODUCTION A L OPTIMISATION

INTRODUCTION A L OPTIMISATION INTRODUCTION A L OPTIMISATION Les domaines d application L optimisation est essentiellement un outil d aide à la décision au sein de l entreprise, mais aussi pour des individus. Le terme optimal est souvent

Plus en détail

Chapitre 7. Problèmes de flots. 7.1 Exemple. 7.2 Notions de base sur les graphes

Chapitre 7. Problèmes de flots. 7.1 Exemple. 7.2 Notions de base sur les graphes Chapitre 7 Problèmes de flots. 7.1 Exemple. Un réseau electrique est formé de lignes reliant des noeuds (transformateurs, centre de redistributions,...), chaque ligne a une capacité de transport maximale.

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

Resolution limit in community detection

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

Plus en détail

EXAMEN FINAL. 2 Février 2006-2 heures Aucun document autorisé

EXAMEN FINAL. 2 Février 2006-2 heures Aucun document autorisé MIE - E ANNÉE ALGORITHMIQUE GÉNÉRALE Vincent Mousseau EXAMEN FINAL Février 006 - heures Aucun document autorisé Exercice : On s intéresse à la gestion informatique des réservations sur l année d une salle

Plus en détail

Baccalauréat ES Centres étrangers 12 juin 2014 - Corrigé

Baccalauréat ES Centres étrangers 12 juin 2014 - Corrigé Baccalauréat ES Centres étrangers 1 juin 14 - Corrigé A. P. M. E. P. Exercice 1 5 points Commun à tous les candidats 1. On prend un candidat au hasard et on note : l évènement «le candidat a un dossier

Plus en détail

Conception de réseaux de télécommunications : optimisation et expérimentations

Conception de réseaux de télécommunications : optimisation et expérimentations Conception de réseaux de télécommunications : optimisation et expérimentations Jean-François Lalande Directeurs de thèse: Jean-Claude Bermond - Michel Syska Université de Nice-Sophia Antipolis Mascotte,

Plus en détail

Implanter les algorithmes Oum-Seymour et Oum

Implanter les algorithmes Oum-Seymour et Oum Implanter les algorithmes Oum-Seymour et Oum J.-F Raymond, B.-M Bui-Xuan et P. Trébuchet jeanflorent.raymond@ens-lyon.fr LIP6, Université Pierre et Marie Curie 17/11/2011 J.-F Raymond, B.-M Bui-Xuan et

Plus en détail

Théorie des Langages

Théorie des Langages Théorie des Langages Automates Claude Moulin Université de Technologie de Compiègne Printemps 2013 Sommaire 1 Automate fini 2 Automate et langages réguliers 3 Automate à pile Automate fini déterministe

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

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

Routage dynamique et protocoles de routage. Claude Chaudet Xavier Misseri

Routage dynamique et protocoles de routage. Claude Chaudet Xavier Misseri Routage dynamique et protocoles de routage Claude Chaudet Xavier Misseri Principe du routage Configurer les tables de routage (des routeurs) afin que les paquets empruntent le meilleur chemin disponible

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

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

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

Représentation et approximation de fonctions booléennes : Application à la génération de requêtes

Représentation et approximation de fonctions booléennes : Application à la génération de requêtes INSTITUT DE RECHERCHE EN INFORMATIQUE DE NANTES Représentation et approximation de fonctions booléennes : Application à la génération de requêtes LEBLET Jimmy encadré par QUAFAFOU Mohamed Institut de Recherche

Plus en détail

AT41 - «Métropoles et réseaux»

AT41 - «Métropoles et réseaux» AT41 - «Métropoles et réseaux» Une approche par la théorie des graphes Plan Problématiques Quelques définitions Théorie des graphes: 1. Partitionnement de graphe : ex. les communautés 2. Analyse des réseaux

Plus en détail

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

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

Plus en détail

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

Systèmes d'informations Géographiques - Graphes

Systèmes d'informations Géographiques - Graphes Systèmes d'informations Géographiques - Graphes Institut National des Sciences Appliquées - Rouen Département Architecture des Systèmes d'information michel.mainguenaud@insa-rouen.fr Graphe et Spatialisation!

Plus en détail

Sujet de Bac 2013 Maths ES Obligatoire & Spécialité - Pondichéry

Sujet de Bac 2013 Maths ES Obligatoire & Spécialité - Pondichéry Sujet de Bac 2013 Maths ES Obligatoire & Spécialité - Pondichéry Exercice 1 : 4 points Commun à tous les candidats Cet exercice est un questionnaire à choix multiples. Une réponse exacte rapporte 1 point.

Plus en détail

Eléments de Théorie des Graphes et Programmation Linéaire

Eléments de Théorie des Graphes et Programmation Linéaire INSTITUT NATIONAL POLYTECHNIQUE DE LORRAINE Ecole Nationale Supérieure d Electricité et de Mécanique Eléments de Théorie des Graphes et Programmation Linéaire Didier Maquin Professeur à l INPL Version

Plus en détail

B03. Ensembles, applications, relations, groupes

B03. Ensembles, applications, relations, groupes B03. Ensembles, applications, relations, groupes Bernard Le Stum Université de Rennes 1 Version du 6 janvier 2006 Table des matières 1 Calcul propositionnel 2 2 Ensembles 5 3 Relations 7 4 Fonctions, applications

Plus en détail

Algorithmique et Analyse d Algorithmes

Algorithmique et Analyse d Algorithmes Algorithmique et Analyse d Algorithmes L3 Info Cours 11 : Arbre couvrant Prétraitement Benjamin Wack 2015-2016 1 / 32 La dernière fois Rappels sur les graphes Problèmes classiques Algorithmes d optimisation

Plus en détail

Machines composées de (depuis 1940 env.) : http://cui.unige.ch/isi/cours/std/

Machines composées de (depuis 1940 env.) : http://cui.unige.ch/isi/cours/std/ données pr ogramme 11111101 11001101 01000101 b us disque ma gnétique processeur écran Structures de données et algorithmes Ordinateurs Gilles Falquet, printemps-été 2002 Machines composées de (depuis

Plus en détail

1 Comptage de solutions et escaliers

1 Comptage de solutions et escaliers Licence Informatique Systèmes polynomiaux, que signifie : résoudre? Feuille de TD numéro 11 1 Comptage de solutions et escaliers Question 1. On considère le système suivant p1 := 2*x*y^2 + 3*x^2-5*y^3

Plus en détail

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34 Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second

Plus en détail

Les supports de cours suivants font référence au cours de Mr SOL et à son livre : "Accès à l'université" chez DUNOD

Les supports de cours suivants font référence au cours de Mr SOL et à son livre : Accès à l'université chez DUNOD Les supports de cours suivants font référence au cours de Mr SOL et à son livre : "Accès à l'université" chez DUNOD Les supports de cours ne sont pas complets, ils ne contiennent ni les démonstrations,

Plus en détail

Cours Systèmes d exploitation 1

Cours Systèmes d exploitation 1 Cours Systèmes d exploitation 1 Achraf Othman Support du cours : www.achrafothman.net 1 Plan du cours Chapitre 1 : Gestion des processus Chapitre 2 : Ordonnancement des processus Chapitre 3 : La communication

Plus en détail

Théorie des graphes pour l analyse de réseaux réels

Théorie des graphes pour l analyse de réseaux réels Théorie des graphes pour l analyse de réseaux réels Bertrand Jouve Laboratoire ERIC - IXXI - Université Lyon 2 Plan 1 Entre théorie des graphes et réseaux réels 2 Partitionnement métrique Exemple d étude

Plus en détail

Jeux-Langages-Logique Jeux extensifs, jeux stratégiques

Jeux-Langages-Logique Jeux extensifs, jeux stratégiques Université de Bordeaux Master Informatique, 2015/2016 Jeux extensifs, à information complète Jeux-Langages-Logique Jeux extensifs, jeux stratégiques Exercice 2.1 Th. de Von Neumann Soit un graphe orienté

Plus en détail

Vision par Ordinateur

Vision par Ordinateur Vision par Ordinateur James L. Crowley DEA IVR Premier Bimestre 2005/2006 Séance 6 23 novembre 2005 Détection et Description de Contraste Plan de la Séance : Description de Contraste...2 Le Détecteur de

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

Deuxième partie II ALGORITHMES DANS LES GRAPHES

Deuxième partie II ALGORITHMES DANS LES GRAPHES Deuxième partie II ALGORITHMES DANS LES GRAPHES Représentation des graphes Représentation en mémoire : matrice d incidence / Matrice d incidence Soit G = (, E) graphe simple non orienté avec n = et m =

Plus en détail

Rappel du plan du cours

Rappel du plan du cours Rappel du plan du cours 1 - Introduction Qu est-ce qu un problème «complexe»? Exemples de problèmes «complexes» 2 - Approches complètes Structuration de l espace de recherche en Arbre Application à la

Plus en détail

Ensimag 2A. Rapport de TER. Application de la Recherche Opérationnelle à la Finance

Ensimag 2A. Rapport de TER. Application de la Recherche Opérationnelle à la Finance Ensimag 2A Rapport de TER Application de la Recherche Opérationnelle à la Finance Elève : Yuefei HUANG Tuteur : Zoltán SZIGETI Mai, 2010 2 Sommaire 1. Introduction... 3 2. Le marché des changes et arbitrage...

Plus en détail

Graphes Pour la Terminale ES

Graphes Pour la Terminale ES Graphes Pour la Terminale ES Groupe IREM de Luminy Pierre Arnoux Fernand Didier Catherine Dufossé Nicolas Lichiardopol Christian Mauduit Dominique Proudhon Christiane Rambaud 18 octobre 2002 Table des

Plus en détail

Un corrigé de l épreuve de mathématiques du baccalauréat blanc

Un corrigé de l épreuve de mathématiques du baccalauréat blanc Terminale ES Un corrigé de l épreuve de mathématiques du baccalauréat blanc EXERCICE ( points). Commun à tous les candidats On considère une fonction f : définie, continue et doublement dérivable sur l

Plus en détail

Université Paris-Sud. Thèse de doctorat. Jean-Alexandre Anglès d Auriac. Jeux de défense et ensembles tropicaux

Université Paris-Sud. Thèse de doctorat. Jean-Alexandre Anglès d Auriac. Jeux de défense et ensembles tropicaux Université Paris-Sud Ecole Doctorale : Informatique Paris Sud Laboratoire de Recherche en Informatique Discipline : Informatique Thèse de doctorat Soutenue le 24 septembre 2015 par Jean-Alexandre Anglès

Plus en détail

Théorie des graphes pour l analyse de réseaux d intéractions

Théorie des graphes pour l analyse de réseaux d intéractions Théorie des graphes pour l analyse de réseaux d intéractions Bertrand Jouve Laboratoire ERIC - IXXI - Université Lyon 2 SMAI 2013 Plan 1 Introduction 2 Décomposition en Clans Exemple d étude : modélisation

Plus en détail