! Quels problèmes? Quelles résolutions? ! Notion de graphe de recherche. ! Techniques de recherche non informée. ! Techniques de recherche informée
|
|
- Jeannine Grégoire
- il y a 7 ans
- Total affichages :
Transcription
1 1- Introduction à l IA 2- Résolution de problèmes par exploration de graphes 3- Résolution de problème en environnement non déterministe 4- Apprentissage par renforcement 5- Planification Antoine Cornuéjols AgroParisTech antoine.cornuejols@agroparistech.fr Cours IA 2/59! Quels problèmes? Quelles résolutions?! Notion de graphe de recherche Résolution de problème par Exploration de graphes! Techniques de recherche non informée! En largeur d abord! En profondeur d abord! En profondeur iterative! Techniques de recherche informée! En meilleur d abord! A*! Graphes ET/OU! Techniques par satisfaction de contraintes 3/59 4/59
2 ! Quels problèmes?! Problèmes de classes primaires! Démonstration de théorèmes! Sortir avec son petit ami et réviser pour le contrôle du lendemain! Convaincre un interlocuteur! Choix d un circuit optimal pour le prochain voyage en Indonésie! Reconnaître à l aéroport quelqu un que l on n a jamais vu!...! Démarche générale 1. Passage d un énoncé informel à une spécification précise 2. Recherche d une solution à l intérieur du cadre défini par ces spécifications! Enoncés de type combinatoire Trouver dans un ensemble (espace) X donné, les éléments (points) x satisfaisants un ensemble de contraintes K(x) Ex : Pb des 8 reines, cryptarithmétique (SEND + MORE = MONEY)! Enoncés avec opérateurs de changement d états À partir d un état initial donné, d un critère objectif et d un ensemble d opérateurs de changement d états, trouver une suite d opérateurs permettant de passer de l état initial à un état objectif Ex : Pb des missionnaires et des cannibales, les tours de Hanoï, le jeu du taquin! Enoncés avec opérateurs de décomposition de pbs en ss-pbs Étant donné un problème (ou but), des opérateurs de décomposition du pb en ss-pbs, des problèmes dits primitifs (dont on connaît immédiatement la solution), trouver des opérateurs à appliquer pour décomposer le problème initial en un ensemble de ss-pbs primitifs Ex : Problèmes de planification, Tours de Hanoï, intégration symbolique 5/59 6/59 Démarche générale : Opérateur État ((A)(B)(C)) 1. Trouver une bonne représentation du problème 2. Trouver des opérateurs pour manipuler cette représentation bouger(b,a) bouger(b,c) 3. Effectuer un contrôle de stratégie ((AB) (C)) ((A) (CB)) ((B) (AC)) ((BA) (C)) ((A) (BC)) ((CA) (B)) 7/59 8/59
3 On suppose que :! Les actions sont déterministes! Les actions ont des effets «discrets» sur le monde 9/59 10/59! Graphe de résolution ou graphe d états Noeud 1 Ancêtre de 5! Graphe de recherche! Nœud Arc! Arc (et coût)! Parents / ancêtres / successeurs! Critère objectif! Développement d un nœud 2 Parent de 5 3! Stratégie de contrôle! Fonction déterminant le choix du nœud à développer Successeur de 3 4 5! Recherche aveugle ou non informée! Recherche heuristique ou informée Descendant de /59 12/59
4 Stratégie systématique : niveau par niveau Stratégie systématique : avec retour arrière Profondeur seuil = 4 13/59 14/59! Complétude La stratégie parvient-elle nécessairement à une solution si il en existe une?! Complexité en temps Nombre de nœuds développés (ou évalués) durant la recherche! Complexité en espace Nombre maximal de nœuds en mémoire lors de la recherche! Optimalité La solution retournée est-elle optimale en coût? Facteurs :! b : facteur de branchement! d : profondeur! m : profondeur maximale de l espace d états! Complétude?! Oui (si b est fini)! Complexité en temps?! Exponentiel en d : 1 + b + b 2 + b b d = O(b d )! Complexité en espace? O(b d )! Optimalité?! Oui (si coût de chaque arc = 1) " La complexité en espace est le gros problème 15/59 16/59
5 ! Complétude?! Non : échoue si profondeur infinie ou si boucles! Complexité en temps?! Exponentiel en m : Dramatique si m >> d! Mais si les solutions sont denses dans le graphe, peut-être plus rapide que largeur d abord! Complexité en espace? O(bm)! cad espace mémoire linéaire!!! Optimalité?! Non O(b m ) Profondeur seuil = 1 Profondeur seuil = 2 Profondeur seuil = 3 Profondeur seuil = 4 17/59 18/59! Complétude?! Oui! Complexité en temps? (d +1) b 0 + d b 1 + (d!1) b b d = O(b d )! A peine plus que largeur d abord! Complexité en espace?! O(bd ) cad espace mémoire linéaire!!! Optimalité?! Oui (si le coût des arcs = 1) " Méthode préférée quand grand espace de recherche et profondeur de la solution inconnue État initial État but 19/59 20/59
6 OUVERT! {état initial} ; FERME! " ; Succès! Faux! Tant que OUVERT " " et Succès = Faux! Etape 1 : Choix d un noeud n dans OUVERT! Si n est un état terminal alors Succès! Vrai! et retourner le chemin solution trouvé! 21/59 22/59 Sinon! Etape 2 : développement de n! #Supprimer n de OUVERT! #L ajouter à FERME! #Pour chaque successeur s de n! # Si s n appartient ni à OUVERT ni à FERME! # ajouter s à OUVERT! # père(s)! n! # Sinon mise à jour éventuelle du père de s! Echec si OUVERT = "! Nœuds développés : FERMÉ Frontière de recherche : OUVERT Nœuds buts n h(n) Estimation de la distance de n au but le plus proche 23/59 24/59
7 Fonction d évaluation : f(n) = g(n) + h(n)! Coût estimé d un chemin! de la racine à un objectif! passant par n! Coût du chemin le plus court! connu actuellement pour aller! de la racine au nœud n :! fonction dynamique! Estimation du coût optimal! pour atteindre un objectif! à partir du nœud n :! fonction statique! 25/59 26/ A FERMÉ / OUVERT Développement de l'arborescence B C D FERMÉ : A(2.25) OUVERT : C(2), D(2.5), B(3) A B C D E F FERMÉ : C(2), A(2.25) OUVERT : D(2.5), B(3), E(4) B 2 1 A C D G E 1 27/59 28/59
8 29/59 30/59 Propriété (optimalité ou admissibilité de A*) : Propriété (inégalité triangulaire) : Si la fonction d estimation de la distance au but h est systématiquement optimiste, l algorithme A s appelle A* et retourne nécessairement une solution optimale. Preuve : n 2! c(n 1,n 2 )! g! n 1! 31/59 32/59
9 Définition : Si deux versions A 1 * et A 2 * d un algorithme A* ne diffèrent que par leur fonction d estimation h avec n (non terminal) h 1 (n) < h 2 (n), alors on dit que A 2 * est mieux informé que A 1 *. Théorème : Admissible Non admissible Si A 2 * est mieux informé que A 1 *, alors lorsque leurs recherches sont terminées, tous les nœuds développés par A 2 * l ont également été par A 1 * (et peut-être d autres). " A 2 * est plus efficace que A 1 * 0 coût uniforme h 1 h 2 h* h De mieux en mieux informé 33/59 34/59! Taquin Nombre moyen de nœuds développés Facteur de branchement effectif Profondeur IDS A*(h 1 ) A*(h 2 ) IDS A*(h 1 ) A*(h2) ,45 1,79 1, ,87 1,48 1, ,73 1,34 1, ,80 1,33 1, ,79 1,38 1, ,78 1,42 1, ,83 1,44 1, ,45 1, ,46 1, ,47 1, ,48 1, ,48 1,26 Moyenne 2,8 1,43 1,27 35/59 36/59
10 ! Taquin 4x4 :! [Nilsson, p.153]! ~ 6 jours pour trouver une solution en moyenne sans heuristique! ~ 50s avec heuristique h 1! ~ 0.1s avec heuristique h 2 Korf, R. (2000) «"Recent progress in the design and analysis of admissible" heuristic functions"», Proc. of SARA-2000, Springer-Verlag.! 37/59 38/59! Approches possibles Univers abstrait Distance!! Par abstraction! Par essais et erreurs! Par apprentissage Distance? Univers d'origine 39/59 40/59
11 ! Illustration : le jeu du taquin [Pearl, 1984]! Soient les prédicats de description :! sur(x,y) : la tuile X est sur la case Y! vide(y) : il n y a pas de tuile sur la case Y! adj(y,z) : les cases Y et Z sont adjacentes Opérateur de déplacement bouger(x,y,z) défini par :! Préconditions : #sur(x,y) & vide(z) & adj(y,z)! Ajouts : sur(x,z) & vide(y)!! Retraits : sur(x,y) & vide(z)!! Soit l opérateur de déplacement bouger(x,y,z) défini par :! Préconditions : #sur(x,y) & vide(z) & adj(y,z)! Ajouts : sur(x,z) & vide(y)!! Retraits : sur(x,y) & vide(z)!! Problème 1 : Trouver une séquence d opérateurs bouger(x,y,z) instanciés pour aller de l état initial à l état final.! Problème 2 : Estimer la distance au but, cad le nombre d opérations nécessaires 41/59 42/59! Principes : 1. Sur un petit problème dont une solution optimale est connue : chercher une fonction h telle que f(n) = g(n) + h(n) 2. Si plusieurs heuristiques admissibles h i sont connues, prendre h(n) = arg max i h i (n) 3. Sélectionner des attributs de description de l état qui semblent jouer un rôle dans l estimation de la distance au but et les combiner dans une fonction d évaluation (... éventuellement par apprentissage) 43/59 44/59
12 ! EURISKO? [Lenat, 1982] : recherche par transformation syntaxique dans l espace des heuristiques! Par abstraction! ABSOLVER [Priedetis, 1993]! Par la méthode relaxed problem : relâche les restrictions sur les opérateurs! Découverte de l heuristique la plus efficace pour le taquin! Découverte d heuristiques pour le Rubik s cube,... (13 pbs)! Par apprentissage! Apprentissage par renforcement (cf cours n 4)! Apprentissage par recherche d abstraction (Thèse J-D Zucker (1996)) 45/59 46/59 Comment réutiliser au mieux les connaissances issues des explorations antérieures du monde? Extensions [Koenig, Likhachev & Furcy,! AIj (2003)]! [Fedon & Cornuéjols, 2008]! 47/59 48/59
13 Problème : risque d interférences «!destructrices!» Problème : risque d interférences «!destructrices!» 1. Algorithmes avec replanification " Recherche indépendante des chemins de chaque agent " Replanification si obstacle rencontré Pb : si inter-blocages Heuristique : ajout de «!bruit!» Position des agents Heuristique de distance utilisée 2. Recherche coopérative " Recherche indépendante des chemins de chaque agent " Dans un ordre prédéterminé " Avec table de réservation remplie incrémentalement " Ne permet pas de résoudre certains blocages " Coûteux en temps " Heuristique : " Changer l ordre " Introduire de la replanification 49/59 50/59! Algorithmes! Algorithmes! RTA*! Moving target search! LRTA* (Learning RTA*)! Modification de l heuristique par apprentissage! Une heuristique pour chaque position possible de la cible # Table d heuristiques 51/59 52/59
14 Les graphes ET/OU 53/59 54/59! Motivation! Structure chimique! Illustrations! Différences avec les algorithmes A! On ne maintient plus des chemins mais des sous-graphes! On a donc une nouvelle fonction d évaluation! tenant compte du mérite des noeuds frontières (sous-problèmes)! mais aussi des coûts de combinaison des sous-problèmes 55/59 56/59
15 ! Calcul d intégrale 57/59 58/59! Ouvrages / articles!!"#$%&&%'#()**+,#-#!"#$%&'()*+,-((&.-+%-"#.%&/0%12#3%435&&%'"#! 6"#$%72'%12#()*88,#-#*+,-((&.-+%-)!"#$%&-((-/)0+-)'11"2%3-)(45&64-"#9&&5:;2;"#! <"#35&&5'/=>'#()**?,#-#!"#$%&'()*+,-((&.-+%-)72")8'9-:"#3>0/%'#@%ABC%''"#! D5&;;>'#D"#(8EEF,#-#!"#$%&'()*+,-((&.-+%-);)!)+-<):=+,3-:&:"#3>0/%'#@%ABC%''"#! G"#.2%0&#(8EFH,#-#>-4"&:#%:;)*+,-((&.-+,)?-'"%3)?,"',-.&-:)72")@2914,-")A"2B(-9)?2(C&+./! IJJ5;>'#K2;&2L"#!!A;;2&#M"#N#D>015/#."#()**E,#-#!"#$%&'()*+,-((&.-+%-);)!)925-"+)'11"2'%3"#.02'O42#P%&&Q#)**E# (+0J#9J","#! Sites web! 59/59
Algorithmes de recherche
Algorithmes de recherche 1 Résolution de problèmes par recherche On représente un problème par un espace d'états (arbre/graphe). Chaque état est une conguration possible du problème. Résoudre le problème
Plus en détailCours 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 16 heures de cours 1 - Introduction
Plus en détailResolution 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 détailCORRECTION EXERCICES ALGORITHME 1
CORRECTION 1 Mr KHATORY (GIM 1 A) 1 Ecrire un algorithme permettant de résoudre une équation du second degré. Afficher les solutions! 2 2 b b 4ac ax bx c 0; solution: x 2a Solution: ALGORITHME seconddegré
Plus en détailQuatrième partie IV. Test. Test 15 février 2008 1 / 71
Quatrième partie IV Test Test 15 février 2008 1 / 71 Outline Introduction 1 Introduction 2 Analyse statique 3 Test dynamique Test fonctionnel et structurel Test structurel Test fonctionnel 4 Conclusion
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailAlgèbre binaire et Circuits logiques (2007-2008)
Université Mohammed V Faculté des Sciences Département de Mathématiques et Informatique Filière : SMI Algèbre binaire et Circuits logiques (27-28) Prof. Abdelhakim El Imrani Plan. Algèbre de Boole 2. Circuits
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détail1S Modèles de rédaction Enoncés
Par l équipe des professeurs de 1S du lycée Parc de Vilgénis 1S Modèles de rédaction Enoncés Produit scalaire & Corrigés Exercice 1 : définition du produit scalaire Soit ABC un triangle tel que AB, AC
Plus en détailJade. Projet Intelligence Artificielle «Devine à quoi je pense»
Jade Projet Intelligence Artificielle «Devine à quoi je pense» Réalisé par Djénéba Djikiné, Alexandre Bernard et Julien Lafont EPSI CSII2-2011 TABLE DES MATIÈRES 1. Analyse du besoin a. Cahier des charges
Plus en détailProgrammation par contraintes. Laurent Beaudou
Programmation par contraintes Laurent Beaudou On se trouve où? Un problème, une solution : la solution est-elle une solution du problème? simulation, vérification 2 On se trouve où? Un problème, une solution
Plus en détailCH.6 Propriétés des langages non contextuels
CH.6 Propriétés des langages non contetuels 6.1 Le lemme de pompage 6.2 Les propriétés de fermeture 6.3 Les problèmes de décidabilité 6.4 Les langages non contetuels déterministes utomates ch6 1 6.1 Le
Plus en détail1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R.
Angles orientés Trigonométrie I. Préliminaires. Le radian Définition B R AB =R C O radian R A Soit C un cercle de centre O. Dire que l angle géométrique AOB a pour mesure radian signifie que la longueur
Plus en détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
Plus en détailAlgorithmique et Programmation Fonctionnelle
Algorithmique et Programmation Fonctionnelle RICM3 Cours 9 : Lambda-calcul Benjamin Wack Polytech 2014-2015 1 / 35 La dernière fois Typage Polymorphisme Inférence de type 2 / 35 Plan Contexte λ-termes
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailReprésentation géométrique d un nombre complexe
CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres
Plus en détailJean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux
Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis
Plus en détailReprésentation d un entier en base b
Représentation d un entier en base b 13 octobre 2012 1 Prérequis Les bases de la programmation en langage sont supposées avoir été travaillées L écriture en base b d un entier est ainsi défini à partir
Plus en détailIntelligence Artificielle Planification
Intelligence Artificielle Planification Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes
Plus en détailLe théorème de Thalès et sa réciproque
Le théorème de Thalès et sa réciproque I) Agrandissement et Réduction d une figure 1) Définition : Lorsque toutes les longueurs d une figure F sont multipliées par un même nombre k on obtient une autre
Plus en détailAlgorithmes de Transmission et de Recherche de l Information dans les Réseaux de Communication. Philippe Robert INRIA Paris-Rocquencourt
Algorithmes de Transmission et de Recherche de l Information dans les Réseaux de Communication Philippe Robert INRIA Paris-Rocquencourt Le 2 juin 2010 Présentation Directeur de recherche à l INRIA Institut
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailIntroduction 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 détailUne dérivation du paradigme de réécriture de multiensembles pour l'architecture de processeur graphique GPU
Une dérivation du paradigme de réécriture de multiensembles pour l'architecture de processeur graphique GPU Gabriel Antoine Louis Paillard Ce travail a eu le soutien de la CAPES, agence brésilienne pour
Plus en détailFormula Negator, Outil de négation de formule.
Formula Negator, Outil de négation de formule. Aymerick Savary 1,2, Mathieu Lassale 1,2, Jean-Louis Lanet 1 et Marc Frappier 2 1 Université de Limoges 2 Université de Sherbrooke Résumé. Cet article présente
Plus en détail4AI04 - RIA Initiation à l Intelligence Artificielle. Raja Chatila Raja.Chatila@isir.upmc.fr Instructeurs TP: Mata Khalili, Alexandre Bazin
4AI04 - RIA Initiation à l Intelligence Artificielle Raja Chatila Raja.Chatila@isir.upmc.fr Instructeurs TP: Mata Khalili, Alexandre Bazin Organisation Dates cours, TD et contrôle continu: Mardi 28/01
Plus en détail1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles)
1/4 Objectif de ce cours /4 Objectifs de ce cours Introduction au langage C - Cours Girardot/Roelens Septembre 013 Du problème au programme I passer d un problème exprimé en français à la réalisation d
Plus en détailARBRES BINAIRES DE RECHERCHE
ARBRES BINAIRES DE RECHERCHE Table de symboles Recherche : opération fondamentale données : éléments avec clés Type abstrait d une table de symboles (symbol table) ou dictionnaire Objets : ensembles d
Plus en détailStratégie de recherche adaptative en programmation par contrainte
Université Paul Sabatier École Nationale de l Aviation Civile Master 2 Recherche Informatique et Télécommunication parcours Intelligence Artificielle Simon Marchal Stratégie de recherche adaptative en
Plus en détailQualité du logiciel: Méthodes de test
Qualité du logiciel: Méthodes de test Matthieu Amiguet 2004 2005 Analyse statique de code Analyse statique de code Étudier le programme source sans exécution Généralement réalisée avant les tests d exécution
Plus en détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en détailDe 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 détailLE PRODUIT SCALAIRE ( En première S )
LE PRODUIT SCALAIRE ( En première S ) Dernière mise à jour : Jeudi 4 Janvier 007 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble ( Année 006-007 ) 1 Table des matières 1 Grille d autoévaluation
Plus en détailSpécifications d installation Précision des mesures
T-VER-E50B2 Compteur d énergie et de puissance compact Spécifications d installation Précision des mesures Risque de choc électrique, explosion ou arc électrique - Respectez les règles de sécurité électrique
Plus en détailBases de programmation. Cours 5. Structurer les données
Bases de programmation. Cours 5. Structurer les données Pierre Boudes 1 er décembre 2014 This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0 License. Types char et
Plus en détailProgrammation Par Contraintes
Programmation Par Contraintes Cours 2 - Arc-Consistance et autres amusettes David Savourey CNRS, École Polytechnique Séance 2 inspiré des cours de Philippe Baptiste, Ruslan Sadykov et de la thèse d Hadrien
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailFeuille TD n 1 Exercices d algorithmique éléments de correction
Master Sciences, Technologies, Santé Mention Mathématiques, spécialité Enseignement des mathématiques Algorithmique et graphes, thèmes du second degré Feuille TD n 1 Exercices d algorithmique éléments
Plus en détailConception 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 détailSTAGE IREM 0- Premiers pas en Python
Université de Bordeaux 16-18 Février 2014/2015 STAGE IREM 0- Premiers pas en Python IREM de Bordeaux Affectation et expressions Le langage python permet tout d abord de faire des calculs. On peut évaluer
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailGénéralités. Aperçu. Introduction. Précision. Instruction de montage. Lubrification. Conception. Produits. Guides à brides FNS. Guides standards GNS
Généralités Aperçu Introduction Précision Instruction de montage Lubrification Conception page............................. 4............................. 5............................. 6.............................
Plus en détail1 de 46. Algorithmique. Trouver et Trier. Florent Hivert. Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert
1 de 46 Algorithmique Trouver et Trier Florent Hivert Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert 2 de 46 Algorithmes et structures de données La plupart des bons algorithmes
Plus en détailMIS 102 Initiation à l Informatique
MIS 102 Initiation à l Informatique Responsables et cours : Cyril Gavoille Catherine Pannier Matthias Robine Marc Zeitoun Planning : 6 séances de cours 5 séances de TD (2h40) 4 séances de TP (2h40) + environ
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en détailLES 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 détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailÉditorial. Tangente ÉDUCATION. Scratch, AlgoBox, Python. Trimestriel - n 15 - janvier 2011 Numéro spécial 16 activités TICE pour le lycée
Tangente ÉDUCATION Trimestriel - n 15 - janvier 2011 Numéro spécial 16 activités TICE pour le lycée et leurs programmes dans les trois langages les plus utilisés : Scratch, AlgoBox, Python Python Éditorial
Plus en détailCHAPITRE VIII : Les circuits avec résistances ohmiques
CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On
Plus en détailJeux sous forme extensive (Jeux dynamiques)
(Jeux dynamiques) Plan du chapitre ( juillet 008) / éfinitions, exemples et équivalences Arbres de jeux, information et mémoire tratégies et réduction en forme normale Équilibre de Nash parfait en sous-jeux
Plus en détailUne nouvelle approche de détection de communautés dans les réseaux sociaux
UNIVERSITÉ DU QUÉBEC EN OUTAOUAIS Département d informatique et d ingénierie Une nouvelle approche de détection de communautés dans les réseaux sociaux Mémoire (INF 6021) pour l obtention du grade de Maîtrise
Plus en détailLa gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST.
La gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST. Gaël Le Mahec - p. 1/12 L algorithme BLAST. Basic Local Alignment Search Tool est un algorithme de recherche
Plus en détailPlus 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 détailDéroulement. Evaluation. Préambule. Définition. Définition. Algorithmes et structures de données 28/09/2009
Déroulement Algorithmes et structures de données Cours 1 et 2 Patrick Reuter http://www.labri.fr/~preuter/asd2009 CM mercredi de 8h00 à 9h00 (Amphi Bât. E, 3 ème étage) ED - Groupe 3 : mercredi, 10h30
Plus en détailgestion des processus La gestion des processus
1 La Pseudo parallélisme 2 Plusieurs programmes en mémoire Le processeur exécute les instructions tantôt pour l'un tantôt pour l'autre P1 P2 programme de supervision Vu de l'utilisateur => programmes en
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailLes arbres binaires de recherche
Institut Galilée Année 2010-2011 Algorithmique et arbres L2 TD 6 Les arbres binaires de recherche Type en C des arbres binaires (également utilisé pour les ABR) : typedef struct noeud_s { struct noeud_s
Plus en détailCours d algorithmique pour la classe de 2nde
Cours d algorithmique pour la classe de 2nde F.Gaudon 10 août 2009 Table des matières 1 Avant la programmation 2 1.1 Qu est ce qu un algorithme?................................. 2 1.2 Qu est ce qu un langage
Plus en détail6. Hachage. Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses
6. Hachage Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses PLAN Définition Fonctions de Hachage Méthodes de résolution de collisions Estimation
Plus en détailGestion des Clés Publiques (PKI)
Chapitre 3 Gestion des Clés Publiques (PKI) L infrastructure de gestion de clés publiques (PKI : Public Key Infrastructure) représente l ensemble des moyens matériels et logiciels assurant la gestion des
Plus en détailCours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.
Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement
Plus en détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
Plus en détailChapitre 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 détailSérie 77 - Relais statiques modulaires 5A. Caractéristiques. Relais temporisés et relais de contrôle
Série 77 - Relais statiques modulaires 5A Caractéristiques 77.01.x.xxx.8050 77.01.x.xxx.8051 Relais statiques modulaires, Sortie 1NO 5A Largeur 17.5mm Sortie AC Isolation entre entrée et sortie 5kV (1.2/
Plus en détailExprimer ce coefficient de proportionnalité sous forme de pourcentage : 3,5 %
23 CALCUL DE L INTÉRÊT Tau d intérêt Paul et Rémi ont reçu pour Noël, respectivement, 20 et 80. Ils placent cet argent dans une banque, au même tau. Au bout d une année, ce placement leur rapportera une
Plus en détailActivités numériques [13 Points]
N du candidat L emploi de la calculatrice est autorisé. Le soin, la qualité de la présentation entrent pour 2 points dans l appréciation des copies. Les résultats seront soulignés. La correction est disponible
Plus en détailALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII
ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailOptimisation 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 détailModélisation et Simulation
Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation
Plus en détailL ARBORESCENCE. Qu est-ce qu un dossier? L arborescence?
L ARBORESCENCE Qu est-ce qu un dossier? Un dossier est une pochette vide dans laquelle on peut disposer des documents créés à l aide de l outil informatique. Comme les systèmes utilisés dans la vie courante
Plus en détailModélisation multi-agents - Agents réactifs
Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailURECA Initiation Matlab 2 Laurent Ott. Initiation Matlab 2
Initiation Matlab 2 1 Chaînes de caractères (string) Une chaîne de caractères (string en anglais) est une suite ordonnée de caractères (du texte, par exemple). Sous matlab, les chaînes de caractères sont
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
Plus en détailTrépier avec règle, ressort à boudin, chronomètre, 5 masses de 50 g.
PHYSQ 130: Hooke 1 LOI DE HOOKE: CAS DU RESSORT 1 Introduction La loi de Hooke est fondamentale dans l étude du mouvement oscillatoire. Elle est utilisée, entre autres, dans les théories décrivant les
Plus en détailAnnexe 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 détailLa 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 détailChapitre 7. Récurrences
Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,
Plus en détailMachines virtuelles Cours 1 : Introduction
Machines virtuelles Cours 1 : Introduction Pierre Letouzey 1 pierre.letouzey@inria.fr PPS - Université Denis Diderot Paris 7 janvier 2012 1. Merci à Y. Régis-Gianas pour les transparents Qu est-ce qu une
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailLes Angles. I) Angles complémentaires, angles supplémentaires. 1) Angles complémentaires. 2 Angles supplémentaires. a) Définition.
Les Angles I) Angles complémentaires, angles supplémentaires 1) Angles complémentaires Deux angles complémentaires sont deux angles dont la somme des mesures est égale à 90 41 et 49 41 49 90 donc Les angles
Plus en détailRaisonnement probabiliste
Plan Raisonnement probabiliste IFT-17587 Concepts avancés pour systèmes intelligents Luc Lamontagne Réseaux bayésiens Inférence dans les réseaux bayésiens Inférence exacte Inférence approximative 1 2 Contexte
Plus en détailAlgorithmes récursifs
Licence 1 MASS - Algorithmique et Calcul Formel S. Verel, M.-E. Voge www.i3s.unice.fr/ verel 23 mars 2007 Objectifs de la séance 3 écrire des algorithmes récursifs avec un seul test rechercher un élément
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailLa géométrie du triangle III IV - V Cercles remarquables - Lieux géométriques - Relations métriques
La géométrie du triangle III IV - V Cercles remarquables - Lieux géométriques - Relations métriques III. Cercles 1. Cercle d'euler 2. Droite d'euler 3. Théorème de Feuerbach 4. Milieux des segments joignant
Plus en détailConfiguration des routes statiques, routes flottantes et leur distribution.
Configuration des routes statiques, routes flottantes et leur distribution. Par : EL HAJIZ Adil 1. Introduction Le routage statique précéda le routage dynamique. Il faut savoir qu aujourd hui, un administrateur
Plus en détailAnalyse empirique et modélisation de la dynamique de la topologie de l Internet
Analyse empirique et modélisation de la dynamique de la topologie de l Internet Sergey Kirgizov Directrice de thèse: Clémence Magnien Complex Networks, LIP6, (UPMC, CNRS) Paris, 12 décembre 2014 Plan 1
Plus en détailInformatique Générale
Informatique Générale Guillaume Hutzler Laboratoire IBISC (Informatique Biologie Intégrative et Systèmes Complexes) guillaume.hutzler@ibisc.univ-evry.fr Cours Dokeos 625 http://www.ens.univ-evry.fr/modx/dokeos.html
Plus en détailMini_guide_Isis_v6.doc le 10/02/2005 Page 1/15
1 Démarrer... 2 1.1 L écran Isis... 2 1.2 Les barres d outils... 3 1.2.1 Les outils d édition... 3 1.2.2 Les outils de sélection de mode... 4 1.2.3 Les outils d orientation... 4 2 Quelques actions... 5
Plus en détailRappel. Analyse de Données Structurées - Cours 12. Un langage avec des déclaration locales. Exemple d'un programme
Rappel Ralf Treinen Université Paris Diderot UFR Informatique Laboratoire Preuves, Programmes et Systèmes treinen@pps.univ-paris-diderot.fr 6 mai 2015 Jusqu'à maintenant : un petit langage de programmation
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailAlgorithmes de recherche d itinéraires en transport multimodal
de recherche d itinéraires en transport multimodal Fallou GUEYE 14 Décembre 2010 Direction : Christian Artigues LAAS-CNRS Co-direction : Marie José Huguet LAAS-CNRS Encadrant industriel : Frédéric Schettini
Plus en détailPrénom : Matricule : Sigle et titre du cours Groupe Trimestre INF1101 Algorithmes et structures de données Tous H2004. Loc Jeudi 29/4/2004
Questionnaire d'examen final INF1101 Sigle du cours Nom : Signature : Prénom : Matricule : Sigle et titre du cours Groupe Trimestre INF1101 Algorithmes et structures de données Tous H2004 Professeur(s)
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailOptimisation 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 détailIntégration de la dimension sémantique dans les réseaux sociaux
Intégration de la dimension sémantique dans les réseaux sociaux Application : systèmes de recommandation Maria Malek LARIS-EISTI maria.malek@eisti.fr 1 Contexte : Recommandation dans les réseaux sociaux
Plus en détail