Autres langages de l IA

Dimension: px
Commencer à balayer dès la page:

Download "Autres langages de l IA"

Transcription

1 Autres langages de l IA Cours en cours de réalisation Module Programmation Logique Pierre De Loor enib

2 Exemples Programmation logiques par contraintes Programmation fonctionnelle CLIPS SOAR Programmation logique parallèle Programmation des logiques modales Programmation des logiques temporelles Programmation logique inductive Programmation logique abductive

3 Programmation logique par contraintes CHIP CLP CLP(FD) Distribution AWC

4 Programmation fonctionnelle (PF) Fonctions Origine mathématique Lambda-calcul : Church 1932 Formalisation de la notion de fonctions Exclusion de la dualité Intension/extension Fonctions définies par des règles Récursivité intrinsèque : le domaine des lambdafonctions est l ensemble des termes du lambdacalcul Applications Mathématiques Informatique Linguistique

5 PF : lambda calcul Langage naturel Appliquer la consigne au véhicule Partir en véhicule consigne En utilisant Un traineau Partir en traineau

6 PF : lambda-calcul Lambda Langage λ.x Partir en x consigne En utilisant Un traineau Partir en traineau

7 PF : lambda calcul Lambda-calcul λ.x(partir en x) traineau

8 PF : lambda calcul Mise en cascade λ.y(λ.x(partir en x y) traîneau) bleu) Réduction λ.x(partir en x bleu) traîneau (partir en traîneau bleu)

9 PF : lambda calcul Récursivité F (G F) Exemple du factoriel G λ.f[λ.n[if(=n 0) 1 (* n(f(-n 1)))]]

10 PF : Exemple en LISP (defun fact (n)) (if (eq n 0) 1 (* n fact (- n 1)) ) )

11 PF : conclusion (1/2) Puissance d expression Parler de fonctions sans connaitre leur valeur Fonctions d ordres supérieurs Languages : LISP Miranda OCaml Haskell

12 PF : conclusion (2/2) PF et PL Pas d unification ni de retour arrière Ordre supérieur Fusionner les deux? Curry

13 CLIPS NASA (CLIPS 1985 CLIPS ) «Système de production» Langage de description de S.E. Noyau de plusieurs milliers de SE. Faits et règles typés Assertion et délétion Chaînage avant Hiérarchie des règles «salience» Règles actives à un instant : agenda Réfraction Algorithme RETE : complexité linéaire nbfait nbrègles

14 CLIPS : Principe Base de règles règles Type de faits réfraction Agenda Règles «activables» activation Faits cycle production Appariement (Rete)

15 CLIPS : Mots clés Base de règles règles defrule deftemplate Type de faits Agenda Règles «activables» refresh réfraction activation assert/modify duplicate/retract/deffacts/reset Faits run<n> production appariement

16 CLIPS : Execution Une règle activée est mise dans l agenda Lorsqu elle est exécutée elle est retirée de l agenda : «refraction» Au prochain pas, elle ne sera pas réactivée Sauf si c est par de nouveaux faits Une régle peut être mise en plusieurs exemplaires dans l agenda si elle est activée par plusieurs faits La fonction (refresh <règle>) remet la règle dans l agenda comme si elle n avait pas été activée

17 CLIPS : Types faits et règles exemple 1 (deftemplate objet (slot nom) (slot position) (slot couleur)) (deftemplate posseder (slot objet)) (deftemplate liste-nombres (multislot values)) (defrule prendre (objet (nom?unnom)) => (assert(posseder (objet?unnom))

18 CLIPS : Types faits et règles exemple 1 ; faits initiaux en ligne : assert (assert(objet (nom cafetiere) (position 5-7) (couleur bleue))) ; faits initiaux en vrac : deffacts ; ils seront insérés suite à l'instruction (reset) (deffacts scene1 "Exemple de scene" (objet (nom theiere) (position 4-4) (couleur verte)) (objet (nom chaise) (position 1-1) (couleur jaune)) (objet (nom pomme) (position 4-8) (couleur rouge)))

19 CLIPS : Exemple d exécution exemple 1 clips CLIPS (V /15/03) CLIPS> (load "coursexample1.clp") Defining deftemplate: objet Defining deftemplate: posseder Defining deftemplate: liste-nombres Defining defrule: prendre +j Defining deffacts: scene1 TRUE CLIPS> (assert (objet (nom cafetiere) (position 1-2) (couleur bleue))) <Fact-0> CLIPS> (facts) f-0 (objet (nom cafetiere) (position 1-2) (couleur bleue)) For a total of 1 fact. CLIPS> (agenda) 0 prendre: f-0 For a total of 1 activation. CLIPS> (run) CLIPS> (facts) f-0 (objet (nom cafetiere) (position 1-2) (couleur bleue)) f-1 (posseder (objet cafetiere)) For a total of 2 facts. CLIPS> (agenda) CLIPS> (reset) CLIPS> (facts) f-0 (initial-fact) f-1 (objet (nom theiere) (position 4-4) (couleur verte)) f-2 (objet (nom chaise) (position 1-1) (couleur jaune)) f-3 (objet (nom pomme) (position 4-8) (couleur rouge)) For a total of 4 facts. CLIPS> (agenda) 0 prendre: f-3 0 prendre: f-2 0 prendre: f-1 For a total of 3 activations. CLIPS> (run) CLIPS> (facts) f-0 (initial-fact) f-1 (objet (nom theiere) (position 4-4) (couleur verte)) f-2 (objet (nom chaise) (position 1-1) (couleur jaune)) f-3 (objet (nom pomme) (position 4-8) (couleur rouge)) For a total of 4 facts. CLIPS> (agenda) 0 prendre: f-3 0 prendre: f-2 0 prendre: f-1 For a total of 3 activations. CLIPS> (run) CLIPS> (facts) f-0 (initial-fact) f-1 (objet (nom theiere) (position 4-4) (couleur verte)) f-2 (objet (nom chaise) (position 1-1) (couleur jaune)) f-3 (objet (nom pomme) (position 4-8) (couleur rouge)) f-4 (posseder (objet pomme)) f-5 (posseder (objet chaise)) f-6 (posseder (objet theiere)) For a total of 7 facts. CLIPS> (agenda) CLIPS>

20 CLIPS : Exemple 2 (deftemplate vehicule (slot nom) (slot position) (slot vitesse)) (defrule sortirparking?f1 <- (vehicule (position parking)) => (modify?f1 (position route) (vitesse 40km/heures))) clips CLIPS (V /15/03) CLIPS> (load "coursexemple2.clp") Defining deftemplate: vehicule Defining defrule: sortirparking +j TRUE CLIPS> (assert (vehicule (nom trotinette) (position parking) (vitesse 0))) <Fact-0> CLIPS> (assert (vehicule (nom kart) (position route) (vitesse 12km/h))) <Fact-1> CLIPS> (facts) f-0 (vehicule (nom trotinette) (position parking) (vitesse 0)) f-1 (vehicule (nom kart) (position route) (vitesse 12km/h)) For a total of 2 facts. CLIPS> (agenda) 0 sortirparking: f-0 For a total of 1 activation. CLIPS> (run) CLIPS> (facts) f-1 (vehicule (nom kart) (position route) (vitesse 12km/h)) f-2 (vehicule (nom trotinette) (position route) (vitesse 40km/heures)) For a total of 2 facts. CLIPS> (agenda) CLIPS>

21 CLIPS : Hiérarchiser les règles Utilisation de salience Méta-règles Exemple : Utiliser les règles relatives à la couleur des champignons Puis celles relatives à la température Sauf si l on rencontre certains faits

22 CLIPS : Stratégie de chaînage Correspond à un tri par défaut des règles Largeur + salience Profondeur + salience Aléatoire Lexicale Complexité

23 CLIPS : calcul de la salience Explicitée par l utilisateur Règles pré-définies : Lors de l activation des règles Lors de la définitions de règles A Chaque cycles

24 CLIPS : conclusions C Language Integrated Production System Version JAVA : Jess CLIPS et PL? Chaînage avant Unification Mixage? «Quelle est donc cette fleur» [Aichelle] Beaucoup de Systèmes Experts définis en CLIPS

25 Programmation Logique Parallèle Quoi : paralléliser la résolution de Prolog a :- b,c,d. a :- c,d. a :- f. % règle r1 % règle r2 % règle r3 prolog est séquentiel : scrutation des conjonctions (b puis c puis d) scrutation des disjonctions (r1 puis r2 puis r3)

26 PLP : Pourquoi paralléliser prolog Pas de justification de la scrutation séquentielle Branches infinies Optimisation

27 PLP : Exemple concaplat(t1,t2,t3): aplatir(t1,t1p), aplatir(t2,t2p), conc(t1p,t2p,t3). conc peut commencer dès que l on a le début de T1P et de T2P. mieux : concaplat peut commencer dès que l on a le début de T1 et T2 (possibilité de listes infinies). lazy evaluation. problème : il existe une règle conc([],[],[]).

28 PLP : Parallélisation des conjonctions a(x,y) :- b(x,z),c(z,q),d(x,q,y). en parallèle problème d unification priorités? direction (flots de données) échec ou «suspension»

29 PLP : Parallélisation des disjonctions couleur(jaune). couleur(vert). couleur(orange). en parallèle -? couleur(x). problème de choix indeterminisme problème de suspension

30 PLP : Imposer des flots Parlog Concurrent Prolog mode conc(?,?, ). mode applatir(?, ). mode concapplat(?,?, ). concapplat aplatir aplatir conc

31 PLP : Revoir l unification Si une entrée est une variable la règle n est pas en échec elle est «suspendue» ensuite : unification classique

32 PLP : Exemple -? concaplat([a,[b]],[c,d],l): 1 2 aplatir([a,[b]],x) aplatir([c,d],y) aplatir([[b]],x1) X=[a X1] aplatir([d],x2) Y=[d X2] Dès que 1 et 2 sont finies on peut lancer conc([a X1],[b X2],L) Si 1 va + vite que 2 on peut arriver à conc([a,b],[c X2]). Si 2 va + vite que 1 on peut arriver à conc([a X1],[c,d]).

33 PLP : Indéterminisme par essence plusieurs processus peuvent être la source d une même variable. solution dépendante de la «vitesse» relative des processus. la solution est «logiquement» bonne

34 PLP : Le retour arrière n existe plus comme si chaque prédicat commençait par un! toutes les unifications des têtes sont évaluées en parallèle l engagement : la première tête unifiable trouvée a gagné les autres sont abandonnées non déterministe choix délibéré : engagement dans une branche si la branche est en échec «fail» et c est tout on ne trouve qu une solution ou aucune (incomplet)

35 PLP : Limiter les engagements : les gardes «:» régle :- g1,g2 : b1,b2. garde engagement si la garde est vraie sinon suspension : attente d une garde vraie mode on_ord_tree(?,,?). on_ord_tree(key,value,bt(x,(key,value),y)). on_ord_tree(key,value,bt(x,(key2,_),y)):- KEY<KEY2 : on_ord_tree(key,value,x). on_ord_tree(key,value,bt(x,(key2,_),y)):-key>key2 on_ord_tree(key,value,y):.

36 PLP : Pas facile de trouver les gardes Exemple de recherche sur un arbre non ordonné mode on_tree(?,,?). on_tree(key,value,bt(x,(key,value),y)). on_tree(key,value,bt(x,(_,_),y)):- on_tree(key,value,x):. on_tree(key,value,bt(x,(_,_),y)):- on_tree(key,value,y):.

37 PLP : Quelques variantes Concerne surtout le mécanisme de garde L évaluation de la garde ne peut «envoyer» de résultats aux buts (sauf lors de l engagement) Que faire si la résolution des buts modifie la valeur de la garde? Concurrent Prolog [Shapiro, 1983] Guarded Horn Clauses [Ueda 1985] Parlog [Gregory 1987] travaux récents : «Continuations for Parallel Logic Programming (2000)» [Eneia Todoran]

38 Programmation en Logique Modale : PLM Objectifs : Expressivité Spécification plus «naturelle» Modalité : vouloir, savoir, pouvoir, croire, devoir, possible Puissance Extension du système de résolution (ou système de preuve)

39 PLM : Rappel sur les systèmes formels réel Concept Principe Idée formaliser théorie système formel prédire fonctionne seul

40 PLM : Rappel sur les systèmes formels complétude réel modèle axiomatique adéquation Notion de vérité {v,f} de validité Notion de preuve : théorèmes

41 PLM : Calcul propositionnel Langage : propositions, connecteurs, règle d équivalence Axiomatique : 3 axiomes, 1 règle d inférence Modèle : tables de vérité Proposition langage naturel

42 PLM : Logiques Modales Langage : propositions, connecteurs modaux, règle d équivalence Axiomatique : T S1..S5 Modèle : mondes possibles Modalités de raisonnement

43 PLM : Paradoxe d implication matérielle A B (A B) (A B) (A B) (A B) t t t t t t t f f f f t f t f t f t f f t t f f Si A = f, A B est vrai (quelque soit B)!!

44 PLM : Modalités selon le dictionnaire Linguistique Comparer les langues Mots qui représentent des valeurs Désirative, éventuelle, hypothétique, probable, possible, nécessaire Représentant des opinions, attitudes, jugements, propositions Déontique, épistémique, aléthique Logiciens Fluctuation entre le nécessaire, le possible et le probable

45 PLM : Modalités, différents courants Philosophie/logique Propositions modales Aristote : Possibilité/nécessité Kant : Problématique Assertorique Logique classique : Possibilité/impossibilité Contingence/nécessité

46 PLM : modalités (exemple de classification d après Paul Laurendeau) Assertion Modalisation Modalité objective Modalité subjective Modalité Mixte Ontique (stabilité) Aléthique (fluctuation s à être) Épistémique (connaissance du sujet, fluctuation sur le connaître) Appréciative (bon/mauvaisnormal/étrang e) Déontique (devoir être) -objectif +subjectif (morale) Volitive (désir, volonté) assertion stricte Assertion subjective (selon mon expérience) Négation d une fluctuation, prise en charge, prise en compte Possible, probable, incertain. S appuie sur un étalon extérieur au sujet Jugement de valeur + être et ne pas être dans le monde Subjectivité (je réclame) + être et n être pas dans le monde Il fait chaud Il fait, selon moi, chaud Je dis qu il vient Je t assure qu il vient Je vais peut-être visiter cette ville. Il va bien venir. Il est probable qu il vienne Je crois qu il vient Je prétends qu il viendra J ai peutêtre visité cette ville Je me réjouis qu il vienne Tu devrais rendre visite àta mère Je veux qu il vienne

47 PLM : modalités (selon Antoine Culioli)

48 PLM : Logiques Aléthiques Opérateurs modaux : Possibilité : Nécessité : Modèles : mondes possibles Spécialisation : Logique des connaissances SAVOIR COMPATIBLE AVEC MES CONNAISSANCES Logique des croyances Logiques temporelle modales (toujours/parfois)

49 PLM : modèle : pas de table de vérité Exemple Fait : le ciel est bleu Ciel_bleu

50 Bibliographie [Aichelle] Aichelle D., «Quelle est donc cette fleur», Fernand Nathan. [All 92] Alliot J.M. et al, «Implementing Prolog extensions : A Parallel Inference Machine», International Conference on Fifth Generation Computer System, [Bal 88] Balbiani P., Farinas del Cerro L. Herzig A, «Declarative semantics for modal logic programs», Proc. Int. Conf. On Fifth Generation Computer Systems (FGCS-88). [Dix 98] Dix J. et al «The Logic Programming Paradigm», AI Communication vol 11, pages , [Fish 93] Fisher M. et al, «An Introduction to Executable Modal and Temporal Logics» In Proc. of the IJCAI 93 workshop on Executable Modal and Temporal Logics, volume 897 of LNAI, pages 1-20, springerverlag, [Ger 01] Gergatsoulis «Temporal and Modal Logic Programming Langages», Encyclopedia of Microcomputers, vol 27, supplement 6, pages , New-York, [Giarratano 98] Giarratano & Ripley, «Expert Systems, Principles and programming», PWS Publishing Compagny, [Gre 87] Gregory S. «Parallel Logic Programming in PARLOG», [Liu 98] Liu C. «A Temporal Reasoning Methodology for Concurrent Systems Using Chronolog (MC)», Proc of the 2st Australian Computer Science Conference, [Org 93] Orgun M.A «Chronolog(Z): Linear-time Logic programming», in Proc of the Fith International Conference on Computing and Information, pages , IEE Computer Society Press, [Ron 98] Rondogiannis P. et al, «Branching-time Logic Programming: The Language Cactus and its Applications», Computer Languages Vol 24, Issue 3, pages , [Sha 83] Shapiro, «Concurrent Prolog», [Tod 00] Eneia Tordoran, «Continuation for Parallel Logic Programming», [Ued 85] Ueda, «Guarded Horn Clauses»,

Programme de la licence informatique, université de Caen http://www.info.unicaen.fr

Programme de la licence informatique, université de Caen http://www.info.unicaen.fr Programme de la licence informatique, université de Caen http://www.info.unicaen.fr Unité Systèmes d'information CM : 45h - TD : 60h - TP : 12h - Coeff 2 Systèmes de Gestion de Bases de Données Modéliser

Plus en détail

Système à Base de Règles. EPITA SYBR SCIA Adrien Pain -Version 1 (11) Philippe Morignot V2(oct. 12), V3 (oct. 13), V4 (sept. 15)

Système à Base de Règles. EPITA SYBR SCIA Adrien Pain -Version 1 (11) Philippe Morignot V2(oct. 12), V3 (oct. 13), V4 (sept. 15) Système à Base de Règles EPITA SYBR SCIA Adrien Pain -Version 1 (11) Philippe Morignot V2(oct. 12), V3 (oct. 13), V4 (sept. 15) Plan du cours 1. Diagnostic 2. Systèmes experts 3. Algorithme RETE 4. Travaux

Plus en détail

Programmation Avancée - Prolog

Programmation Avancée - Prolog Programmation Avancée - Prolog N. Prcovic Programmation Avancée - Prolog p.1/26 Introduction La programmation logique est une forme particulière de programmation déclarative. La programmation déclarative

Plus en détail

BASES DU RAISONNEMENT

BASES DU RAISONNEMENT BASES DU RAISONNEMENT P. Pansu 10 septembre 2006 Rappel du programme officiel Logique, différents types de raisonnement. Ensembles, éléments. Fonctions et applications. Produit, puissances. Union, intersection,

Plus en détail

Systèmes à base de règles

Systèmes à base de règles Systèmes à base de règles 1/100 Introduction Méthode classique de représentation de connaissances (1943, règles de production). Souvent utilisé en IA et dans les systèmes experts (semblable aux raisonnements

Plus en détail

Évaluation et implémentation des langages

Évaluation et implémentation des langages Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation

Plus en détail

Programmation fonctionnelle

Programmation fonctionnelle Programmation fonctionnelle Cours + exos corrigés Éric Violard Maître de conférences HDR à l université de Strasbourg Au terme de ce projet, je souhaite dédier ce livre à ma fille Julie et à son bonheur

Plus en détail

Modélisation de la Résolution de Problèmes

Modélisation de la Résolution de Problèmes Modélisation de la Résolution de Problèmes - Rappels : «Suite d opérations par lesquelles on conclut qu une proposition implique la vérité d une autre proposition» ( * ) Historiquement : Nécessité de séparer

Plus en détail

Utilisation des tableaux sémantiques dans les logiques de description

Utilisation des tableaux sémantiques dans les logiques de description Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca

Plus en détail

Principes de fonctionnement des moteurs d inférences. Le Moteur d Inférences (MI)

Principes de fonctionnement des moteurs d inférences. Le Moteur d Inférences (MI) Principes de fonctionnement des moteurs d inférences 1 Le Moteur d Inférences (MI) BCD Si A et B -> D Si A et non D -> non C BCP Moteur d Inférences A vrai C faux B? D? Le MI décide, en fonction de la

Plus en détail

Introduction au model-checking et application à la vérification des protocoles cryptographiques

Introduction au model-checking et application à la vérification des protocoles cryptographiques Introduction au model-checking et application à la vérification des protocoles cryptographiques Prof. John MULLINS École Polytechnique de Montréal Prof. John MULLINS (École Polytechnique) Introduction

Plus en détail

1. Les fondements de l informatique 13

1. Les fondements de l informatique 13 Introduction à l'algorithmique 1. Les fondements de l informatique 13 1.1 Architecture de Von Neumann 13 1.2 La machine de Turing 17 1.3 Représentation interne des instructions et des données 19 1.3.1

Plus en détail

P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S

P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S POUR L ENSEIGNEMENT DE L INFORMATIQUE MPSI première année I. Objectifs de la formation II-1 Développement de compétences et d aptitudes

Plus en détail

Logique et bases de données

Logique et bases de données Logique et bases de données Plan Théorie du premier ordre Hypothèses CWA, unique name, domain closure BD comme interprétation BD comme théorie du 1er ordre BD déductives Signification des différentes formes

Plus en détail

Systèmes experts. MASTER 1 /IUP 3 Informatique. ISTV Université de Valenciennes et du Hainaut-Cambrésis E. ADAM

Systèmes experts. MASTER 1 /IUP 3 Informatique. ISTV Université de Valenciennes et du Hainaut-Cambrésis E. ADAM Systèmes experts MASTER 1 /IUP 3 Informatique ISTV Université de Valenciennes et du Hainaut-Cambrésis E. ADAM Introduction Premiers Systèmes Experts fin 1970 But du SE = reproduire le comportement d'un

Plus en détail

Correction de programmes : Logique de Hoare

Correction de programmes : Logique de Hoare 16 juillet 2009 Logique et informatique Vis-à-vis de l informatique la logique a au moins 2 rôles : 1 Externe et théorique (fondements de l informatique - Électif en S4) : Logique comme méta-informatique

Plus en détail

AL5L Architecture logicielle. Séance 3 Paradigmes de programmation

AL5L Architecture logicielle. Séance 3 Paradigmes de programmation AL5L Architecture logicielle Séance 3 Paradigmes de programmation Sébastien Combéfis mardi 3 février 2015 Ce(tte) œuvre est mise à disposition selon les termes de la Licence Creative Commons Attribution

Plus en détail

Résolution générique à la volée de systèmes d équations booléennes et applications

Résolution générique à la volée de systèmes d équations booléennes et applications Résolution générique à la volée de systèmes d équations booléennes et applications Radu Mateescu INRIA Rhône-Alpes / VASY Plan Introduction Systèmes d équations booléennes d alternance 1 Algorithmes de

Plus en détail

Optimisation. Algorithme de RETE C.Forgy, 1982, Carnegie Mellon

Optimisation. Algorithme de RETE C.Forgy, 1982, Carnegie Mellon Optimisation Algorithme de RETE C.Forgy, 1982, Carnegie Mellon Cycle de base d un moteur d inférence Base de F a i t s 1 Moteur d inférence DETECTION CHOIX DEDUCTION 3 3 2 Base de C on n ai s s a n ce

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

Introduction à l algorithmique et à la programmation 2013-2014. Cyril Nicaud Cyril.Nicaud@univ-mlv.fr. Cours 1 / 5

Introduction à l algorithmique et à la programmation 2013-2014. Cyril Nicaud Cyril.Nicaud@univ-mlv.fr. Cours 1 / 5 Introduction à l algorithmique et à la programmation IUT 1ère année 2013-2014 Cyril Nicaud Cyril.Nicaud@univ-mlv.fr Cours 1 / 5 Déroulement du cours Organisation : 5 séances de 2h de cours 10 séances de

Plus en détail

Cours No 1 : Introduction

Cours No 1 : Introduction Université Montpellier-II UFR des Sciences - Département Informatique - Licence Informatique UE GLIN302 - Programmation Applicative et Récursive 1 Généralités sur le cours Cours No 1 : Introduction Notes

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

Algorithmique - Techniques fondamentales de programmation Exemples en Python (nombreux exercices corrigés) - BTS, DUT informatique

Algorithmique - Techniques fondamentales de programmation Exemples en Python (nombreux exercices corrigés) - BTS, DUT informatique Introduction à l'algorithmique 1. Les fondements de l informatique 13 1.1 Architecture de Von Neumann 13 1.2 La machine de Turing 17 1.3 Représentation interne des instructions et des données 19 1.3.1

Plus en détail

Machine de Turing. Informatique II Algorithmique 1

Machine de Turing. Informatique II Algorithmique 1 Machine de Turing Nous avons vu qu un programme peut être considéré comme la décomposition de la tâche à réaliser en une séquence d instructions élémentaires (manipulant des données élémentaires) compréhensibles

Plus en détail

COMPUTER SCIENCE Paris 7 Denis Diderot

COMPUTER SCIENCE Paris 7 Denis Diderot COMPUTER SCIENCE Paris 7 Denis Diderot LICENCE 1 SEMESTER 2 (Spring) o Initiation à la programmation 2 o Concepts informatiques o Internet et outils o Mathématiques élémentaires 2 COURSE DESCRIPTION Initiation

Plus en détail

Diagnostic et décision

Diagnostic et décision Diagnostic et décision Bibliographie J. N. Chatain, DIagnostic par Système Expert, Traité des Nouvelles Technologies, série Diagnostic et Maintenance, édition Hermes 1993. B. Dubuisson, Diagnostic, intelligence

Plus en détail

Linear-algebraic λ-calculus Lineal

Linear-algebraic λ-calculus Lineal Linear-algebraic λ-calculus Lineal (Janvier 2005) Pabo Arrighi (Leibniz), Gilles Dowek (LIX) Yliès Falcone (ufr ima) Mardi 21 Mars 2006 Yliès Falcone () Module IQ - 1/18 Mardi 21 Mars 2006 1 / 18 IQ, et

Plus en détail

Pr og r a m m a t io n Lo g iq u e. H ist o r iq u e d e Pr o log ( 1 /2 )

Pr og r a m m a t io n Lo g iq u e. H ist o r iq u e d e Pr o log ( 1 /2 ) Pr og r a m m a t io n Lo g iq u e Objectif : connaitre un nouveau paradigme de programmation, la programmation logique et apprendre à programmer en Prolog Intérêts : culture générale informatique Prolog

Plus en détail

Morgan Beau Nicolas Courazier

Morgan Beau Nicolas Courazier EPSI - 2010 Rapport projet IA Conception et mise en œuvre d un générateur de systèmes experts Morgan Beau Sommaire Cahier des charges 3 Présentation générale 4 Analyse et modélisation 6 Le moteur d inférence

Plus en détail

Rapport des travaux du bureau d étude Prolog «Programmer en Prolog»

Rapport des travaux du bureau d étude Prolog «Programmer en Prolog» Ministère d Enseignement Supérieur, de Recherche Scientifique et de Technologies *** Ecole Nationale d Ingénieurs de Tunis ***** Département de Technologies d Informations et de Communications *******

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

Conception des systèmes répartis

Conception des systèmes répartis Conception des systèmes répartis Principes et concepts Gérard Padiou Département Informatique et Mathématiques appliquées ENSEEIHT Octobre 2012 Gérard Padiou Conception des systèmes répartis 1 / 37 plan

Plus en détail

Intelligence Artificielle Planification

Intelligence 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 détail

Cahier des charges. Jonathan HAEHNEL. Université de Strasbourg IUT Robert Schuman

Cahier des charges. Jonathan HAEHNEL. Université de Strasbourg IUT Robert Schuman Université de Strasbourg IUT Robert Schuman Maître de stage : Nicolas Lachiche Tuteur universitaire : Marie-Paule Muller Cahier des charges Jonathan HAEHNEL Strasbourg, le 6 mai 2011 Table des matières

Plus en détail

AVATAR. Un profil SysML temps réel outillé

AVATAR. Un profil SysML temps réel outillé AVATAR Un profil SysML temps réel outillé Ludovic Apvrille, Pierre de Saqui-Sannes ludovic.apvrille@telecom-paristech.fr pdss@isae.fr SysML France, 6 décembre 2010 Agenda De TURTLE à AVATAR Le langage

Plus en détail

Systèmes décisionnels et programmation avancée

Systèmes décisionnels et programmation avancée Systèmes décisionnels et programmation avancée M1 SIR Philippe Muller et Mustapha Mojahid, Matthieu Serrurier, Marie-Christine Scheix 2014-2015 Introduction structure du cours intervenants introduction

Plus en détail

Aperçu rapide des méthodes formelles

Aperçu rapide des méthodes formelles Méthodes formelles 1 Aperçu rapide des méthodes formelles Christian Attiogbé Faculté des sciences Université de Nantes Christian.Attiogbe@univ-nantes.fr Méthodes formelles 2 Développement de logiciels

Plus en détail

Rappels sur l objet. Yannick Prié Département Informatique - UFR Sciences et Techniques Université Claude Bernard Lyon 1 2011-2012

Rappels sur l objet. Yannick Prié Département Informatique - UFR Sciences et Techniques Université Claude Bernard Lyon 1 2011-2012 Rappels sur l objet Yannick Prié Département Informatique - UFR Sciences et Techniques Université Claude Bernard Lyon 1 2011-2012 Objectifs de ce cours 2 Rappels sur les concepts fondamentaux liés à la

Plus en détail

Programmation par contraintes Cours 3 : Programmation logique avec contraintes PLC

Programmation par contraintes Cours 3 : Programmation logique avec contraintes PLC Cours 3 : avec contraintes PLC ESIL Université de la méditerranée Odile.Papini@esil.univ-mrs.fr http://pages-perso.esil.univmed.fr/ papini/ Plan du cours 3 1 Introduction 2 3 4 Bibliographie Livres : K.

Plus en détail

IFT3902 : (Gestion de projet pour le) développement, (et la) maintenance des logiciels

IFT3902 : (Gestion de projet pour le) développement, (et la) maintenance des logiciels IFT3902 : (Gestion de projet pour le) développement, (et la) maintenance des logiciels Yann-Gaël Guéhéneuc Professeur adjoint guehene@iro.umontreal.ca, local 2345 Département d informatique et de recherche

Plus en détail

Systèmes d information et bases de données (niveau 1)

Systèmes d information et bases de données (niveau 1) Systèmes d information et bases de données (niveau 1) Cours N 1 Violaine Prince Plan du cours 1. Bibliographie 2. Introduction aux bases de données 3. Les modèles 1. Hiérarchique 2. Réseau 3. Relationnel

Plus en détail

Cours 3: Coopération entre processus: Synchronisation + Communication

Cours 3: Coopération entre processus: Synchronisation + Communication Cours 3: Coopération entre processus: Synchronisation + Communication Coopération entre processus & Synchronisation + Communication 1. Introduction 2. Rendez-vous de N entités 3. Producteur(s) / Consommateur(s)

Plus en détail

Démonstrations. Chapitre 4. 4.1 Introduction

Démonstrations. Chapitre 4. 4.1 Introduction Chapitre 4 Démonstrations L objectif de ce chapitre est de commencer à aborder la question fondamentale suivante : qu est-ce qu une démonstration? Pour cela, plus précisément, on va se focaliser dans ce

Plus en détail

Programmation de services en téléphonie sur IP

Programmation de services en téléphonie sur IP Programmation de services en téléphonie sur IP Présentation de projet mémoire Grégory Estienne Sous la supervision du Dr. Luigi Logrippo Introduction La téléphonie sur IP comme support à la programmation

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

Programmation Fonctionnelle Introduction

Programmation Fonctionnelle Introduction Programmation Fonctionnelle Introduction Luigi Santocanale LIF, Aix-Marseille Université Marseille, FRANCE 28 septembre 2015 Plan Le cours 3/23 Cours basé sur le livre : Graham Hutton. Programming in Haskell.

Plus en détail

Chapitre 5 Applications en Logique

Chapitre 5 Applications en Logique Programmation Fonctionnelle en Haskell Chapitre 5 Applications en Logique Licence «Sciences et Technologies» Parcours «Informatique» 2ème année UFR Sciences Université de Caen Patrice Enjalbert Département

Plus en détail

Complément C7 Infodauphine.com

Complément C7 Infodauphine.com Complément C7 Infodauphine.com Pourquoi se soucier des performances? L'utilisateur n'aime pas attendre Le timing peut-être critique Trading VBA est un outil de productivité La notion de temps d'exécution

Plus en détail

GIND5439 Systèmes Intelligents. Chapitre 2: Systèmes à base de règles

GIND5439 Systèmes Intelligents. Chapitre 2: Systèmes à base de règles GIND5439 Systèmes Intelligents Chapitre 2: Systèmes à base de règles Contenu du chapitre Définition de connaissances Représentation des connaissances Les règles Chaînage avant et arrière Résolution de

Plus en détail

Initiation à la Programmation en Logique avec SISCtus Prolog

Initiation à la Programmation en Logique avec SISCtus Prolog Initiation à la Programmation en Logique avec SISCtus Prolog Identificateurs Ils sont représentés par une suite de caractères alphanumériques commençant par une lettre minuscule (les lettres accentuées

Plus en détail

Raisonnement symbolique et géométrique pour la robotique mobile

Raisonnement symbolique et géométrique pour la robotique mobile Introduction à la réunion finale Raisonnement symbolique et géométrique pour la robotique mobile J. Guitton, J.L. Farges Control Architectures of Robots - Bourges - 30 mai 2008 1 Plan Introduction Vers

Plus en détail

Logique des propositions (2)

Logique des propositions (2) Logique des propositions (2) F. Alexandre École Supérieure d Informatique et Applications de Lorraine January 21, 2009 Plan Algorithme de mise sous forme clausale 1 Système formel basé sur les clauses

Plus en détail

La magie de la modification physique et/ou chimique des cheveux. Guide méthodique travail personnel. Modèle B - Relooking.

La magie de la modification physique et/ou chimique des cheveux. Guide méthodique travail personnel. Modèle B - Relooking. La magie de la modification physique et/ou chimique des cheveux Guide méthodique travail personnel Modèle B - Relooking Module 4 Nom et prénom: Candidate No: Lieu du cours: Année: page 1 / 10 Table des

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

Autostabilisation. de l exclusion mutuelle sur un anneau à l élection d un chef sur un graphe quelconque

Autostabilisation. de l exclusion mutuelle sur un anneau à l élection d un chef sur un graphe quelconque : de l exclusion mutuelle sur un anneau à l élection d un chef sur un graphe quelconque Laboratoire d Informatique Fondamentale d Orléans, Université d Orléans, Orléans, FRANCE JIRC 30 juin 2005 Blois

Plus en détail

Analyse syntaxique et application aux langues naturelles. Grammaires Lexicales Fonctionnelles (LFG)

Analyse syntaxique et application aux langues naturelles. Grammaires Lexicales Fonctionnelles (LFG) Université de Nice Sophia Antipolis Master 2 Recherche PLMT Analyse syntaxique et application aux langues naturelles Grammaires Lexicales Fonctionnelles (LFG) Jacques Farré et Sylvain Schmitz Analyse syntaxique

Plus en détail

Typage et Analyse Statique

Typage et Analyse Statique Typage et Analyse Statique Cours 1 Emmanuel Chailloux Spécialité Science et Technologie du Logiciel Master mention Informatique Université Pierre et Marie Curie année 2015-2016 Cours 1 - Typage et Analyse

Plus en détail

Document d information sur les offres de La Poste et leurs accès aux personnes handicapées intellectuelles

Document d information sur les offres de La Poste et leurs accès aux personnes handicapées intellectuelles Document d information sur les offres de La Poste et leurs accès aux personnes handicapées intellectuelles 1 2 Pourquoi La Poste a-t-elle écrit ce document? La Poste souhaite répondre aux besoins de chaque

Plus en détail

Programmation logique par contraintes. Partie II

Programmation logique par contraintes. Partie II Programmation logique par contraintes Partie II Plan du cours Programmation logique et Prolog (PL) SWI-Prolog, Sicstus Programmation logique par contraintes (PLC) Sicstus Problèmes de satisfaction de contraintes

Plus en détail

L action, 3. Philosophie des SCHS séance 7

L action, 3. Philosophie des SCHS séance 7 L action, 3 Philosophie des SCHS séance 7 M. Cozic 3. le causalisme et ses difficultés analyse causaliste de l action intentionnelle un événement E est une action s il existe une description de E sous

Plus en détail

Le trésor du pirate (4 e )

Le trésor du pirate (4 e ) Le trésor du pirate (4 e ) Cyril MICHAU Collège R. Descartes, 93 Le-Blanc-Mesnil. Niveau Concerné Quatrième. Modalité Il est possible de réaliser ce travail en salle informatique par binôme, ou bien en

Plus en détail

27. Projet d exposé. Français 20-2. Discours analytique : Des vampires aux Bermudes. Cahier de l élève. Nom :

27. Projet d exposé. Français 20-2. Discours analytique : Des vampires aux Bermudes. Cahier de l élève. Nom : 27. Projet d exposé Discours analytique : Des vampires aux Bermudes Français 20-2 Cahier de l élève Nom : Des vampires aux Bermudes DESCRIPTION DU PROJET Tu auras l occasion de faire un exposé où tu analyseras

Plus en détail

Types et langages de programmation. Algorithmique et Programmation Unisciel/K.Zampieri

Types et langages de programmation. Algorithmique et Programmation Unisciel/K.Zampieri Types et langages de programmation Algorithmique et Programmation Unisciel/K.Zampieri 1 Généalogie partielle des langages de programmation FORTRAN BASIC PL/1 PROLOG ALGOL60 COBOL C PASCAL ADA MODULA-2

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

Plan du cours de Programmation logique

Plan du cours de Programmation logique Plan du cours de Programmation logique 1 Introduction 2 3 Igor Stéphan 1/ 64 La logique comme langage de programmation Un langage de programmation logique est défini par : un langage des données Ω; et

Plus en détail

B : Une méthode de développement de logiciels sûrs

B : Une méthode de développement de logiciels sûrs B : Une méthode de développement de logiciels sûrs Loïc PELHATE, Responsable de l Atelier des Logiciels de Sécurité de l Ingénierie du Transport Ferroviaire loic.pelhate@ratp.fr 9/11/01 1 1 Plan Contexte

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

Méthodes de test. Mihaela Sighireanu

Méthodes de test. Mihaela Sighireanu UFR d Informatique Paris 7, LIAFA, 175 rue Chevaleret, Bureau 6A7 http://www.liafa.jussieu.fr/ sighirea/cours/methtest/ Partie I 1 Propriétés 2 Un peu de génie logiciel de test 3 Eléments Problèmes Point

Plus en détail

FONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières

FONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières FONDEMENTS MATHÉMATIQUES 12 E ANNÉE Mathématiques financières A1. Résoudre des problèmes comportant des intérêts composés dans la prise de décisions financières. [C, L, RP, T, V] Résultat d apprentissage

Plus en détail

Nous concluons au travers de quatre axes principaux qui ont guidé la. 1) La théorie du regret de Loomes et Sugden comme théorie de la décision

Nous concluons au travers de quatre axes principaux qui ont guidé la. 1) La théorie du regret de Loomes et Sugden comme théorie de la décision Conclusion générale Nous concluons au travers de quatre axes principaux qui ont guidé la rédaction de cette thèse. 1) La théorie du regret de Loomes et Sugden comme théorie de la décision rationnelle compatible

Plus en détail

Le statut de salarié «protégé» : la porte ouverte à tous les excès?

Le statut de salarié «protégé» : la porte ouverte à tous les excès? Le statut de salarié «protégé» : la porte ouverte à tous les excès? D un côté, les intéressés n ont pas toujours bonne presse et de l autre, les employeurs peuvent parfois voir d un œil des plus suspicieux

Plus en détail

Algorithmique et Analyse d Algorithmes

Algorithmique et Analyse d Algorithmes Algorithmique et Analyse d Algorithmes L3 Info Cours 5 : Structures de données linéaires Benjamin Wack 2015-2016 1 / 37 La dernière fois Logique de Hoare Dichotomie Aujourd hui Type Abstrait de Données

Plus en détail

Initiation à l Intelligence Artificielle

Initiation à l Intelligence Artificielle Initiation à l Intelligence Artificielle Philippe Beaune, Gauthier Picard, Laurent Vercouter École Nationale Supérieure des Mines de Saint-Étienne gauthierpicard@emsefr Pôle XXI 2010-2011 Initiation à

Plus en détail

Validation de systèmes interactifs centrée sur l usager

Validation de systèmes interactifs centrée sur l usager Validation de systèmes interactifs centrée sur l usager C. Ailleres Mardi 6 Janvier 2004 Problématique Avènement de l informatique : besoin de qualité et de fiabilité des systèmes Génie Logiciel Importance

Plus en détail

Génération aléatoire de structures ordonnées

Génération aléatoire de structures ordonnées Génération aléatoire de structures ordonnées Olivier Roussel Équipe APR Laboratoire d Informatique de Paris 6 Université Pierre et Marie Curie ALÉA 2011 7 mars 2011 Olivier Roussel (LIP6) Génération de

Plus en détail

Bases de données Cours 5 : Base de données déductives

Bases de données Cours 5 : Base de données déductives Cours 5 : ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 Introduction 2 approche sémantique approche axiomatique

Plus en détail

Programmation avancée en C

Programmation avancée en C Département Informatique Nom : Prénom : Année scolaire : 2007 2008 Date : 23 juin 2008 Module INF446 Session de juin Programmation avancée en C Contrôle de connaissance 1 de 45 minutes ÅERCI de répondre

Plus en détail

Conférence d introduction à la programmation et aux langages de programmation. C. Dubois

Conférence d introduction à la programmation et aux langages de programmation. C. Dubois Conférence d introduction à la programmation et aux langages de programmation C. Dubois Pl an - Pro g ram m ati o n et D év el o p p em en t d e l o g i ci el - L es l an g ag es (u n p eti t h i sto ri

Plus en détail

Offre de formation de troisième cycle (LMD)

Offre de formation de troisième cycle (LMD) Offre de formation de troisième cycle (LMD) (Arrêté n 250 du 28 juillet 2009, fixant l organisation de la formation de troisième en vue de l obtention du diplôme de doctorat) Etablissement Faculté / Institut

Plus en détail

Introduc)on à la logique Michel Rueher

Introduc)on à la logique Michel Rueher Introduc)on à la logique Michel Rueher SI3 Qu est ce que la logique? Etre Logique? Formaliser le raisonnement? Automatiser le raisonnement? Un art paradoxal? A quoi peut servir la logique? Formaliser le

Plus en détail

Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique

Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique F. Clautiaux francois.clautiaux@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 Motivation et objectif du cours

Plus en détail

Java & Algorithme Corrigé du test final

Java & Algorithme Corrigé du test final Java & Algorithme Corrigé du test final 1 QUESTIONS EN JAVA Chaque question est sur un point, sauf certaines sur deux points. En tout, le QCM est noté sur 24 : la note est divisée par 6 pour revenir entre

Plus en détail

Intelligence artificielle

Intelligence artificielle Intelligence artificielle Fabien Teytaud Université du Littoral Côte d Opale 21 mars 2013 Fabien Teytaud (Université du Littoral Côte d Opale) Intelligence artificielle 21 mars 2013 1 / 14 Résumé (1/3)

Plus en détail

1,2,3, consignes. Quatre types de consignes. Exprimer un texte par le mime. Sans retour au texte. Exprimer un texte par le dessin.

1,2,3, consignes. Quatre types de consignes. Exprimer un texte par le mime. Sans retour au texte. Exprimer un texte par le dessin. 1,2,3, consignes Instit90 (copyright) Objectifs! Mettre en œuvre des stratégies visant la compréhension de consignes ;! Gérer son activité : Anticiper et contrôler son ; Valider, invalider une proposition!

Plus en détail

I Arbres binaires. Lycée Faidherbe 2014-2015. 1 Rappels 2 1.1 Définition... 2 1.2 Dénombrements... 2 1.3 Parcours... 3

I Arbres binaires. Lycée Faidherbe 2014-2015. 1 Rappels 2 1.1 Définition... 2 1.2 Dénombrements... 2 1.3 Parcours... 3 I Arbres binaires 2014-2015 Table des matières 1 Rappels 2 1.1 Définition................................................ 2 1.2 Dénombrements............................................ 2 1.3 Parcours.................................................

Plus en détail

λ-calcul et typage Qu est-ce qu une fonction?

λ-calcul et typage Qu est-ce qu une fonction? λ-calcul et typage Nicolas Barnier, Pascal Brisset ENAC Avril 2009 Nicolas Barnier, Pascal Brisset (ENAC) λ-calcul et typage Avril 2009 1 / 1 Qu est-ce qu une fonction? Classiquement Pas de notation uniforme/standard

Plus en détail

Entraînement au concours ACM-ICPC

Entraînement au concours ACM-ICPC Entraînement au concours ACM-ICPC Concours ACM-ICPC : format et stratégies Page 1 / 16 Plan Présentation Stratégies de base Page 2 / 16 Qu est-ce que c est? ACM-ICPC : International Collegiate Programming

Plus en détail

Calcul Booléen et Circuits Logiques

Calcul Booléen et Circuits Logiques Chapitre 7 Calcul Booléen et Circuits Logiques 7.1 Traitement Logique et Machine 7.1.1 Exemple Nos raisonnement sont usuellement simples : si ma voiture ne marche pas et il pleut alors je prends le metro

Plus en détail

M Younsi Tel :0645755250 www.formation-informatiques.fr mousse.younsi@ formation-informatiques.fr

M Younsi Tel :0645755250 www.formation-informatiques.fr mousse.younsi@ formation-informatiques.fr U2 MATHÉMATIQUES POUR L INFORMATIQUE Dans ce document, on trouve toutes les notions que le référentiel du BTS SIO impose pour l epreuve U22. Les éléments en rouge sont des rappels concernant la notion

Plus en détail

DIC9305 Logique, informatique et sciences cognitives

DIC9305 Logique, informatique et sciences cognitives DIC9305 Logique, informatique et sciences cognitives Logique modale II Roger Villemaire Département d informatique UQAM le 6 mars 2014 Plan 1 Choix d une logique modale 2 Relations de Allen 3 Logiques

Plus en détail

Cours 1 : La compilation

Cours 1 : La compilation /38 Interprétation des programmes Cours 1 : La compilation Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr PPS - Université Denis Diderot Paris 7 2/38 Qu est-ce que la compilation? Vous avez tous déjà

Plus en détail

Voici une demande qui revient régulièrement lors de mes rencontres avec les employeurs :

Voici une demande qui revient régulièrement lors de mes rencontres avec les employeurs : Logique dépannage La logique de dépannage dépend d une multitude d aspect, et un de ses aspects que j ai pu constater avec le temps en tant que formateur est que les techniciens industriels apprennent

Plus en détail

Compilation séparée. Compilation séparée. ENSIIE: Programmation avancée, Compilation séparée, Modularité, Spécifications algébriques 1

Compilation séparée. Compilation séparée. ENSIIE: Programmation avancée, Compilation séparée, Modularité, Spécifications algébriques 1 Compilation séparée Compilation séparée ENSIIE: Programmation avancée, Compilation séparée, Modularité, Spécifications algébriques 1 Compilation séparée Modularité GCC : 4 millions de lignes de code Noyau

Plus en détail

API08 Evaluation site internet

API08 Evaluation site internet UNIVERSITE DE TECHNOLOGIE DE COMPIEGNE API08 Evaluation site internet Fédération Française des échecs Emilien NOTARIANNI Printemps 2014 Table des matières Introduction... 2 Evaluation «subjective»... 3

Plus en détail

Listes et arbres binaires

Listes et arbres binaires Des structures de données dynamiques Listes, Listes ordonnées Arbres binaires, arbre binaires de recherche Listes chaînées Utile si le nombre d éléments n est pas connu à l avance et évolue beaucoup. Permet

Plus en détail

ETNA Projet de Fin d Étude 2005-2007 RimElse Cahier des charges. c Copyleft 2006, ELSE Team

ETNA Projet de Fin d Étude 2005-2007 RimElse Cahier des charges. c Copyleft 2006, ELSE Team ETNA Projet de Fin d Étude 2005-2007 RimElse Cahier des charges c Copyleft 2006, ELSE Team 18 avril 2006 Table des matières 1 Introduction 2 2 Présentation du projet 3 2.1 Une distribution Évolulable..................

Plus en détail

Programmation orientée agent #6. Agents cognitifs. Tiberiu Stratulat

Programmation orientée agent #6. Agents cognitifs. Tiberiu Stratulat Programmation orientée agent #6 Agents cognitifs Tiberiu Stratulat M1 S2 - Université de Montpellier II Resp du module: J. Ferbet et T. Stratulat FMIN207 - Parcours I2A - GL Interaction: concepts de base

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 16 heures de cours 1 - Introduction

Plus en détail

Jeux de rôle soutenus par des «grilles d analyse comportementale».

Jeux de rôle soutenus par des «grilles d analyse comportementale». L actte de ventte :: de lla tthéorriie à lla prrattiique.. Type de stage : Techniques de vente. Titre du stage : L acte de vente : de la théorie à la pratique. Référence : VE Objectifs pédagogiques : Connaître

Plus en détail