Vincent Augusto
|
|
|
- Léonie Morency
- il y a 7 ans
- Total affichages :
Transcription
1 formelles Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne
2 formelles
3 formelles Un est un modèle mathématique permettant la représentation de systèmes distribués discrets (informatique, industriel), introduit par (1962). est également un langage de modélisation, représenté sous forme graphe biparti orienté. Étude des systèmes discrets dont les champs d application sont les systèmes de production (caractérisés par une variation imprévisible des besoins).
4 formelles Un est un modèle mathématique permettant la représentation de systèmes distribués discrets (informatique, industriel), introduit par (1962). est également un langage de modélisation, représenté sous forme graphe biparti orienté. Étude des systèmes discrets dont les champs d application sont les systèmes de production (caractérisés par une variation imprévisible des besoins).
5 formelles Systèmes Manufacturiers Flexibles (FMS), caractérisés par : un ensemble de machines flexibles (multi-produits); un système de transfert automatique (multi-ressources); un système de prise de décision (ordonnanceur). Système à Événements Discrets (SED), caractérisés par : des contraintes de précédence (dans les gammes de fabrication ou dans les algorithmes); des effets de concurrence induits par le partage des ressources; une structuration en tâches parallèles, asynchrones, soumises à des contraintes temporelles strictes ou non.
6 formelles Systèmes Manufacturiers Flexibles (FMS), caractérisés par : un ensemble de machines flexibles (multi-produits); un système de transfert automatique (multi-ressources); un système de prise de décision (ordonnanceur). Système à Événements Discrets (SED), caractérisés par : des contraintes de précédence (dans les gammes de fabrication ou dans les algorithmes); des effets de concurrence induits par le partage des ressources; une structuration en tâches parallèles, asynchrones, soumises à des contraintes temporelles strictes ou non.
7 formelles Systèmes complexes et couteux à mettre en œuvre : valider les spécification; prévoir les performances; optimiser le fonctionnement (théorie des files d attentes, simulation, etc.). Deux principaux types de représentation permettent d aborder les x de : une représentation graphique sous forme de graphe, permettant de capturer la dynamique du système; une représentation algébrique linéaire.
8 formelles Systèmes complexes et couteux à mettre en œuvre : valider les spécification; prévoir les performances; optimiser le fonctionnement (théorie des files d attentes, simulation, etc.). Deux principaux types de représentation permettent d aborder les x de : une représentation graphique sous forme de graphe, permettant de capturer la dynamique du système; une représentation algébrique linéaire.
9 formelles
10 formelles Un est un graphe biparti dont on particularise les deux familles de sommets : les places et les transitions. Comme dans tout graphe biparti, un arc ne relie jamais deux sommets de la même famille. Les places sont représentées par des cercles, tandis que les transitions sont représentrées par des traits ou des rectangles. Correct Incorrect
11 Dynamique du système formelles Chaque place va contenir un nombre entier de jetons (ou marques) pour modéliser la dynamique du système. 2 jetons jetons Le marquage du est constitué de toutes les marques présentées dans le à un instant donné. Un généralisé est un dans lequel les valuations des arcs ne sont pas forcément égales à 1. Un de ordinaire est un dont le graphe sous-jacent est un 1-graphe.
12 Dynamique du système formelles Chaque place va contenir un nombre entier de jetons (ou marques) pour modéliser la dynamique du système. 2 jetons jetons Le marquage du est constitué de toutes les marques présentées dans le à un instant donné. Un généralisé est un dans lequel les valuations des arcs ne sont pas forcément égales à 1. Un de ordinaire est un dont le graphe sous-jacent est un 1-graphe.
13 Dynamique du système formelles Chaque place va contenir un nombre entier de jetons (ou marques) pour modéliser la dynamique du système. 2 jetons jetons Le marquage du est constitué de toutes les marques présentées dans le à un instant donné. Un généralisé est un dans lequel les valuations des arcs ne sont pas forcément égales à 1. Un de ordinaire est un dont le graphe sous-jacent est un 1-graphe.
14 Notation formelles On note souvent : T l ensemble des transitions; P l ensemble des places; v la fonction de valuation des arcs; M(p) le marquage de la place p (i.e. le nombre de jetons contenus dans p à un instant donné).
15 Exemple t 1 formelles 2 p 2 t 2 p 1 3 p 4 p t 4 t 3
16 Tir de t 2 t 1 formelles 2 p 2 t 2 p 1 3 p 4 p t 4 t 3
17 Tir de t 4 t 1 formelles 2 4 p 2 t 2 p 1 3 p 4 p t 4 t 3
18 Exemple t 1 formelles P = {p 1,p 2,p 3,p 4 } T = {t 1,t 2,t 3,t 4 } v(t 1,p 2 ) = 2, v(p 2,t 2 ) = 1, v(t 4,p 2 ) = 3 M(p 1 ) = 1, M(p 2 ) = 2, M(p 3 ) = 0, M(p 4 ) = 1; M 0 = Γ 1 (t 2 ) = {p 2 }, Γ(t 2 ) = {p 3,p 4 } 3 2 p 2 t 2 p 4 p 3 p t 4 t 3
19 Transition validée formelles Chaque place de Γ 1 (t 2 ) contient plus de jetons que la valuation de l arc la reliant à t 2. M(p 2 ) v(p 2,t 2 ) On dit que t 2 est franchissable (tirable, validée). Si l on tire t 2, le marquage des places de Γ 1 (t 2 ) et de Γ(t 2 ) va être modifié : M(p 2 ) M(p 2 ) v(p 2,t 2 ) M(p 3 ) M(p 3 )+v(t 2,p 3 ) M(p 4 ) M(p 4 )+v(t 2,p 4 ) On note M 0 [t 2 > M 1 : M 0 valide la transition t 2, et le tir de t 2 depuis M 0 donne le marquage M 1.
20 Transition validée formelles Chaque place de Γ 1 (t 2 ) contient plus de jetons que la valuation de l arc la reliant à t 2. M(p 2 ) v(p 2,t 2 ) On dit que t 2 est franchissable (tirable, validée). Si l on tire t 2, le marquage des places de Γ 1 (t 2 ) et de Γ(t 2 ) va être modifié : M(p 2 ) M(p 2 ) v(p 2,t 2 ) M(p 3 ) M(p 3 )+v(t 2,p 3 ) M(p 4 ) M(p 4 )+v(t 2,p 4 ) On note M 0 [t 2 > M 1 : M 0 valide la transition t 2, et le tir de t 2 depuis M 0 donne le marquage M 1.
21 Transition validée formelles Chaque place de Γ 1 (t 2 ) contient plus de jetons que la valuation de l arc la reliant à t 2. M(p 2 ) v(p 2,t 2 ) On dit que t 2 est franchissable (tirable, validée). Si l on tire t 2, le marquage des places de Γ 1 (t 2 ) et de Γ(t 2 ) va être modifié : M(p 2 ) M(p 2 ) v(p 2,t 2 ) M(p 3 ) M(p 3 )+v(t 2,p 3 ) M(p 4 ) M(p 4 )+v(t 2,p 4 ) On note M 0 [t 2 > M 1 : M 0 valide la transition t 2, et le tir de t 2 depuis M 0 donne le marquage M 1.
22 Réseau de généralisé formelles Def : Réseau de généralisé Un généralisé est un quadruplet R tel que R = (P,T,Pre,Post) avec : P : ensemble des places du ; T : ensemble des transitions du ; Pre : application d incidence avant, de P T dans N. p P, t T, Pre(p,t) = v(p,t) si (p,t) G, 0 sinon. Post : application d incidence arrière, de P T dans N. p P, t T, Post(p,t) = v(t,p) si (t,p) G, 0 sinon. À chaque application d incidence est associée une matrice P T.
23 Exemple t 1 2 p 2 formelles 3 t 2 p 4 p p 1 Pre = Post = t 4 t 3
24 Exemple formelles 2 p 1 t 1 p 2 p 3 2 t 2 p 4 P = {p 1,p 2,p 3,p 4 } T = {t 1,t 2 } Pre = Post = C =
25 Matrice d incidence formelles Def : Matrice d incidence La matrice d incidence du est C = Post Pre. Def : Réseau pur Un R = (P,T,Pre,Post) est pur lorsque p P, t T, Pre(p,t) Post(p,t) = 0 (membre à membre). Def : Réseau marqué Un marqué N est un couple (R,M) constitué R et e application de marquage définie sur P et à valeurs dans N (i.e. le marquage du à un instant donné).
26 Matrice d incidence formelles Def : Matrice d incidence La matrice d incidence du est C = Post Pre. Def : Réseau pur Un R = (P,T,Pre,Post) est pur lorsque p P, t T, Pre(p,t) Post(p,t) = 0 (membre à membre). Def : Réseau marqué Un marqué N est un couple (R,M) constitué R et e application de marquage définie sur P et à valeurs dans N (i.e. le marquage du à un instant donné).
27 Matrice d incidence formelles Def : Matrice d incidence La matrice d incidence du est C = Post Pre. Def : Réseau pur Un R = (P,T,Pre,Post) est pur lorsque p P, t T, Pre(p,t) Post(p,t) = 0 (membre à membre). Def : Réseau marqué Un marqué N est un couple (R,M) constitué R et e application de marquage définie sur P et à valeurs dans N (i.e. le marquage du à un instant donné).
28 formelles
29 Franchissement formelles Def : Tir e transition Une transition t est tirable (ou franchissable, ou validée) lorsque : p Γ 1 (t) M(p) Pre(p,t) Lorsqu une transition est validée dans le marquage M 0, on note M 0 [t >.
30 Évolution du marquage formelles Def : Évolution du marquage Soit N = (R,M) un marqué de transitions T et de places P. Le e transition t de T validée dans le marquage M conduit au marquage M 1 : p P, t T, M 1 (p) = M(p)+C(p,t) p P, t T, M 1 (p) = M(p)+Post(p,t) Pre(p,t) On note alors M[t > M 1.
31 formelles
32 Séquence formelles On s intéresse à l évolution du lors du tir successif de plusieurs transitions. Lorsque M[t 1 > M 1 [t 2 > M 2, on dit que la séquence de transitions t 1 t 2 est franchissable depuis le marquage M. On note M[t 1 t 2 > M 2. Def : Une séquence de est un mot construit sur l alphabet T des transitions de T. On note σ une séquence de s. Exemple σ = t 1 t 2 et M[σ > M 2.
33 Séquence formelles On s intéresse à l évolution du lors du tir successif de plusieurs transitions. Lorsque M[t 1 > M 1 [t 2 > M 2, on dit que la séquence de transitions t 1 t 2 est franchissable depuis le marquage M. On note M[t 1 t 2 > M 2. Def : Une séquence de est un mot construit sur l alphabet T des transitions de T. On note σ une séquence de s. Exemple σ = t 1 t 2 et M[σ > M 2.
34 Séquence formelles On s intéresse à l évolution du lors du tir successif de plusieurs transitions. Lorsque M[t 1 > M 1 [t 2 > M 2, on dit que la séquence de transitions t 1 t 2 est franchissable depuis le marquage M. On note M[t 1 t 2 > M 2. Def : Une séquence de est un mot construit sur l alphabet T des transitions de T. On note σ une séquence de s. Exemple σ = t 1 t 2 et M[σ > M 2.
35 Séquence formelles Pour caractériser une séquence de s σ, on utilise son image commutative σ. Exemple σ = t 1 t 2 ; T = {t 1,t 2,t 3 }; σ = 1 1 0
36 Séquence formelles Pour caractériser une séquence de s σ, on utilise son image commutative σ. Exemple σ = t 1 t 2 ; T = {t 1,t 2,t 3 }; σ = 1 1 0
37 Séquence formelles Chaque composante de l image commutative est le nombre d occurrences de la transition correspondante dans σ. Exemple σ 1 = σ 2 = : σ 1 = t 1 t 2 t 3 ou σ 1 = t 3 t 1 t 2... : σ 2 = t 1 t 2 t 2 t 1 t 2 ou σ 2 = t 2 t 2 t 2 t 1 t 1...
38 Séquence formelles Chaque composante de l image commutative est le nombre d occurrences de la transition correspondante dans σ. Exemple σ 1 = σ 2 = : σ 1 = t 1 t 2 t 3 ou σ 1 = t 3 t 1 t 2... : σ 2 = t 1 t 2 t 2 t 1 t 2 ou σ 2 = t 2 t 2 t 2 t 1 t 1...
39 Équation d état formelles Théorème : Équation d état Soit σ une séquence finie de transitions tirable depuis un marquage M R de matrice d incidence C. On a : Remarque 1 M[σ > M 1 M 1 = M +C σ Il s agit e condition nécessaire mais pas suffisante : il se pourrait que σ ne soit pas franchissable depuis M! Remarque 2 Deux étapes pour calculer un marquage : démontrer que le marquage valide la séquence; calculer le marquage résultat.
40 Équation d état formelles Théorème : Équation d état Soit σ une séquence finie de transitions tirable depuis un marquage M R de matrice d incidence C. On a : Remarque 1 M[σ > M 1 M 1 = M +C σ Il s agit e condition nécessaire mais pas suffisante : il se pourrait que σ ne soit pas franchissable depuis M! Remarque 2 Deux étapes pour calculer un marquage : démontrer que le marquage valide la séquence; calculer le marquage résultat.
41 Équation d état formelles Théorème : Équation d état Soit σ une séquence finie de transitions tirable depuis un marquage M R de matrice d incidence C. On a : Remarque 1 M[σ > M 1 M 1 = M +C σ Il s agit e condition nécessaire mais pas suffisante : il se pourrait que σ ne soit pas franchissable depuis M! Remarque 2 Deux étapes pour calculer un marquage : démontrer que le marquage valide la séquence; calculer le marquage résultat.
42 Exercice formelles 2 p 1 t 1 p 2 p 3 2 t 2 p 4 La séquence t 1 t 2 t 1 est franchissable dans le marqué N = (R,M 0 ) avec M 0 = Exprimer σ. 2 On a M 0 [σ > M. Calculer M.
43 formelles
44 Interprétation formelles Place d entrée Transition Place de sortie Précondition Événement Postcondition Donnée d entrée Traitement Donnée de sortie Ressources nécessaires Job ou activité Ressources libérées Buffer d entrée Processus Buffer de sortie
45 Transition source et transition puits formelles Def : Transition source Une transition source t s (R,M 0 ) est une transition de T telle que Γ 1 (t s ) =. Def : Transition puits Une transition puits t p (R,M 0 ) est une transition de T telle que Γ(t p ) =. Proposition : Validation e transition source Une transition source est toujours validée. Remarque Les transitions source et puits permettent de modéliser des flux continus.
46 Transition source et transition puits formelles Def : Transition source Une transition source t s (R,M 0 ) est une transition de T telle que Γ 1 (t s ) =. Def : Transition puits Une transition puits t p (R,M 0 ) est une transition de T telle que Γ(t p ) =. Proposition : Validation e transition source Une transition source est toujours validée. Remarque Les transitions source et puits permettent de modéliser des flux continus.
47 Transition source et transition puits formelles Def : Transition source Une transition source t s (R,M 0 ) est une transition de T telle que Γ 1 (t s ) =. Def : Transition puits Une transition puits t p (R,M 0 ) est une transition de T telle que Γ(t p ) =. Proposition : Validation e transition source Une transition source est toujours validée. Remarque Les transitions source et puits permettent de modéliser des flux continus.
48 Transition source et transition puits formelles Def : Transition source Une transition source t s (R,M 0 ) est une transition de T telle que Γ 1 (t s ) =. Def : Transition puits Une transition puits t p (R,M 0 ) est une transition de T telle que Γ(t p ) =. Proposition : Validation e transition source Une transition source est toujours validée. Remarque Les transitions source et puits permettent de modéliser des flux continus.
49 Lancement de tâches en parallèle p 1 formelles t 1 p 2 p 3 p 4 t 2 t 3 t 4 p 5 p 6 p 7 t 5 p 8
50 Communication asynchrone formelles Soient deux tâches τ 1 et τ 2 qui communiquent par messages. τ 1 émet un message en le plaçant dans un tampon de communication tandis que τ 2 est réceptrice, et est bloquée tant qu elle n a pas reçu le message. τ 1 p 1 p 3 τ 2 p 4 t 1 t 2 p 2 p 5 Le nombre de jetons dans p 3 correspond au nombre de messages en attente.
51 Communication asynchrone formelles Soient deux tâches τ 1 et τ 2 qui communiquent par messages. τ 1 émet un message en le plaçant dans un tampon de communication tandis que τ 2 est réceptrice, et est bloquée tant qu elle n a pas reçu le message. τ 1 p 1 τ 2 p 4 t 1 p 3 t 2 p 2 p 5 Émission message par τ 1. Le nombre de jetons dans p 3 correspond au nombre de messages en attente.
52 Communication asynchrone formelles Soient deux tâches τ 1 et τ 2 qui communiquent par messages. τ 1 émet un message en le plaçant dans un tampon de communication tandis que τ 2 est réceptrice, et est bloquée tant qu elle n a pas reçu le message. τ 1 p 1 p 3 τ 2 t 1 t 2 p 4 p 2 p 5 Réception message par τ 2. Le nombre de jetons dans p 3 correspond au nombre de messages en attente.
53 Section critique formelles Deux processus concurrents demandent l accès à une section critique en exclusion mutuelle. La procédure d accès se décompose de la manière suivante : demander l accès à la section critique; utiliser la ressource en section critique; libérer l accès à la section critique.
54 Section critique τ 1 p 1 τ 2 p 5 Prêt à entrer en SC formelles t 1 t 3 Gagner l accès p 2 p 4 p 6 Dans la SC t 2 t 4 Libérer l accès p 3 p 7 Hors SC
55 Section critique τ 1 p 1 τ 2 p 5 Prêt à entrer en SC t 1 t 3 Gagner l accès formelles p 2 p 4 p 6 Dans la SC t 2 t 4 Libérer l accès p 3 p 7 Hors SC
56 Section critique τ 1 p 1 τ 2 p 5 Prêt à entrer en SC formelles t 1 t 3 Gagner l accès p 2 p 4 p 6 Dans la SC t 2 t 4 Libérer l accès p 3 p 7 Hors SC
57 Section critique τ 1 p 1 τ 2 p 5 Prêt à entrer en SC t 1 t 3 Gagner l accès formelles p 2 p 4 p 6 Dans la SC t 2 t 4 Libérer l accès p 3 p 7 Hors SC
58 Section critique τ 1 p 1 τ 2 p 5 Prêt à entrer en SC t 1 t 3 Gagner l accès formelles p 2 p 4 p 6 Dans la SC t 2 t 4 Libérer l accès p 3 p 7 Hors SC
59 Modèle producteur-consommateur formelles Le producteur et le consommateur sont deux processus cycliques : le producteur produit des entités qu il dépose dans une zone tampon, tandis que le consommateur retire ces entités afin de les consommer. t 1 Entrée e entité dans le système p 1 t 2 Production k p 2 Place occupée p 3 n-k t 3 Cons. Place libre
60 Modèle producteur-consommateur Entrée t 1 p 3 p 1 n-k formelles Début prod. p 6 t 2 p 2 k p 4 t 4 p 5 Début cons. p 7 Fin prod. t 3 t 5 Fin cons.
61 Processus industriel formelles Une série de pièces entrent dans l atelier et sont fixées sur des palettes. Chacune subit une première opération d usinage sur la machine M 1. Cette opération terminée, un robot R décharge M 1 et place la pièce dans une zone tampon T a. Chaque pièce de T a est ensuite chargée sur M 2 où elle subit une deuxième opération d usinage. Une fois l opération sur M 2 terminée, R décharge la pièce de M 2. La pièce est terminée, elle quitte l atelier et la palette est libérée.
62 Processus industriel formelles Hypothèses : Stock d entrée de capacité infinie; T a a une capacité de M t pièces; M p palettes; Le robot n est utilisé que pour le déchargement des machines; Les machines ne peuvent traiter qu une pièce à la fois, le robot aussi. Activités : Mp 1 : la machine M 1 charge, fixe et usine une pièce palettisée. R 1 : le robot décharge M 1. Tp : une pièce est placée dans le tampon T a par le robot. Mp 2 : la machine M 2 charge une pièce depuis T a et l usine. R 2 : le robot décharge M 2, la palette est libérée et la pièce quitte l atelier; la palette libérée retournée à l entrée.
63 Bloc opératoire formelles On considère que le processus d intervention chirurgicale se décompose en 5 étapes distinctes : TR1 Transfert du patient de sa chambre vers le bloc. SUR Intervention dans une salle opératoire REC Réveil dans un lit de réveil. TR2 Transfert du patient du bloc vers sa chambre. CL Nettoyage de la salle opératoire. Le nettoyage de la salle opératoire commence dès que le patient a quitté la salle opératoire. On considère 3 ressources : n salles opératoires; m lits de réveils; p équipes de brancardiers. Questions : 1 Proposer une modélisation du problème en prenant pour hypothèse que le patient est susceptible d attendre entre les tâches. 2 Proposer une modélisation du problème dans le cas où le patient ne quitte la salle opératoire seulement si un lit de réveil est disponible.
64 du processus de don du sang formelles On se propose de modéliser le processus de don du sang sur site fixe, i.e. dans les locaux de l EFS (Établissement Français du Sang). Plusieurs types de donneurs peuvent se présenter à l EFS pour effectuer un don : Les donneurs de sang total arrivent sans rendez-vous. Le donneur doit tout d abord s enregistrer auprès e secrétaire au comptoir d accueil. Si le dossier du donneur n est pas en règle, il quitte le système. Dans le cas contraire, le donneur doit subir une consultation médicale auprès médecin de l EFS. Si le patient n est pas apte au don de sang, il quitte le système. Dans le cas contraire, il se rend ensuite dans la salle de prélèvement, où il doit patienter jusqu à ce qu un lit se libère. Dès qu une place est libre, le patient s installe. Un infirmier installe l équipement et le prélèvement peut commencer. À l issu du prélèvement, le patient quitte le système. Les donneurs de plaquette et de plasma doivent avoir un rendez-vous et se présentent donc à l heure qui leur a été fixée. Il existe une probabilité pour que les donneurs ne se présentent pas (no-show). Le processus est ensuite similaire à celui des donneurs de sang total. La seule différence réside dans le fait que les donneurs de plaquette et de plasma doivent utiliser une machine dédiée pour le prélèvement.
65 du processus de don du sang formelles Les ressources suivantes sont considérées : 1 secrétaire pour l accueil, 1 médecin pour la consultation médicale, six machines de prélèvement de sang total, deux machines de prélèvement de plasma et deux machines de prélèvement de plaquettes. Trois infirmiers travaillent dans la salle de prélèvement. Ceux-ci interviennent uniquement au début et à la fin du prélèvement (branchement et débranchement du matériel), ainsi qu en cas de problème durant le prélèvement. Modéliser le fonctionnement tel système au moyen de.
Modèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
L exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
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
Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm)
Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm) Ecole d informatique temps réel - La Londes les Maures 7-11 Octobre 2002 - Evénements et architectures - Spécifications de performances
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
Chapitre 4 : Exclusion mutuelle
Chapitre 4 : Exclusion mutuelle Pierre Gançarski Juillet 2004 Ce support de cours comporte un certain nombre d erreurs : je décline toute responsabilité quant à leurs conséquences sur le déroulement des
Correction du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
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
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
Surveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)
Surveillance et maintenance prédictive : évaluation de la latence de fautes Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG) SURVEILLANCE Analyser une situation et fournir des indicateurs! Détection de symptômes!
Exclusion Mutuelle. Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr. Université de Provence. 9 février 2011
Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr Université de Provence 9 février 2011 Arnaud Labourel (Université de Provence) Exclusion Mutuelle 9 février 2011 1 / 53 Contexte Epistémologique
Introduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Tâche complexe produite par l académie de Clermont-Ferrand. Mai 2012 LE TIR A L ARC. (d après une idée du collège des Portes du Midi de Maurs)
(d après une idée du collège des Portes du Midi de Maurs) Table des matières Fiche professeur... 2 Fiche élève... 5 1 Fiche professeur Niveaux et objectifs pédagogiques 5 e : introduction ou utilisation
Ordonnancement robuste et décision dans l'incertain
Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4
Cours de Génie Logiciel
Cours de Génie Logiciel Sciences-U Lyon Diagrammes UML (2) http://www.rzo.free.fr Pierre PARREND 1 Avril 2005 Sommaire Les Diagrammes UML Diagrammes de Collaboration Diagrammes d'etats-transitions Diagrammes
(51) Int Cl.: H04L 29/06 (2006.01) G06F 21/55 (2013.01)
(19) TEPZZ 8 8 4_A_T (11) EP 2 838 241 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 18.02.1 Bulletin 1/08 (1) Int Cl.: H04L 29/06 (06.01) G06F 21/ (13.01) (21) Numéro de dépôt: 141781.4
Programmation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes
PLAN CYCLE DE VIE D'UN LOGICIEL EXPRESSION DES BESOINS SPÉCIFICATIONS DU LOGICIEL CONCEPTION DU LOGICIEL LA PROGRAMMATION TESTS ET MISE AU POINT DOCUMENTATION CONCLUSION C.Crochepeyre Génie Logiciel Diapason
TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
AC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
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
www.h-k.fr/publications/objectif-agregation
«Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se
Quelques algorithmes simples dont l analyse n est pas si simple
Quelques algorithmes simples dont l analyse n est pas si simple Michel Habib habib@liafa.jussieu.fr http://www.liafa.jussieu.fr/~habib Algorithmique Avancée M1 Bioinformatique, Octobre 2008 Plan Histoire
Rappel sur les bases de données
Rappel sur les bases de données 1) Généralités 1.1 Base de données et système de gestion de base de donnés: définitions Une base de données est un ensemble de données stockées de manière structurée permettant
FICHE UE Licence/Master Sciences, Technologies, Santé Mention Informatique
NOM DE L'UE : Algorithmique et programmation C++ LICENCE INFORMATIQUE Non Alt Alt S1 S2 S3 S4 S5 S6 Parcours : IL (Ingénierie Logicielle) SRI (Systèmes et Réseaux Informatiques) MASTER INFORMATIQUE Non
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
Manuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2
éducalgo Manuel d utilisation 26 juin 2011 Table des matières 1 Tâche à effectuer : écrire un algorithme 2 2 Comment écrire un algorithme? 3 2.1 Avec quoi écrit-on? Avec les boutons d écriture........
Ordonnancement temps réel
Ordonnancement temps réel Laurent.Pautet@enst.fr Version 1.5 Problématique de l ordonnancement temps réel En fonctionnement normal, respecter les contraintes temporelles spécifiées par toutes les tâches
Le modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
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
Cycle de vie du logiciel. Unified Modeling Language UML. UML: définition. Développement Logiciel. Salima Hassas. Unified Modeling Language
Unified Modeling Language UML Salima Hassas Version Cycle de vie du logiciel Client Besoins Déploiement Analyse Test Conception Cours sur la base des transparents de : Gioavanna Di Marzo Serugendo et Frédéric
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
UNIVERSITE D'ORLEANS ISSOUDUN CHATEAUROUX
UNIVERSITE D'ORLEANS ISSOUDUN CHATEAUROUX PLAN
Les diagrammes de modélisation
L approche Orientée Objet et UML 1 Plan du cours Introduction au Génie Logiciel L approche Orientée Objet et Notation UML Les diagrammes de modélisation Relations entre les différents diagrammes De l analyse
Partie 7 : Gestion de la mémoire
INF3600+INF2610 Automne 2006 Partie 7 : Gestion de la mémoire Exercice 1 : Considérez un système disposant de 16 MO de mémoire physique réservée aux processus utilisateur. La mémoire est composée de cases
Transmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
Élasticité des applications à base de services dans le Cloud
1/40 Élasticité des applications à base de services dans le Cloud Mourad Amziani 12 Tarek Melliti 1 Samir Tata 2 1 IBISC, EA4526, Université d'évry Val-d'Essonne, Évry, France 2 UMR CNRS Samovar, Institut
Propriétés des options sur actions
Propriétés des options sur actions Bornes supérieure et inférieure du premium / Parité call put 1 / 1 Taux d intérêt, capitalisation, actualisation Taux d intéret composés Du point de vue de l investisseur,
Programmation 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
Chapitre V : La gestion de la mémoire. Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping
Chapitre V : La gestion de la mémoire Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping Introduction Plusieurs dizaines de processus doivent se partager
Modélisation 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
Dualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
ÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Souad 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
Problèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris 12 20 Mars 2003
Problèmes d ordonnancement dans les systèmes de production Michel Gourgand Université Blaise Pascal Clermont Ferrand LIMOS CNRS UMR 6158 1 Le LIMOS Laboratoire d Informatique, de Modélisation et d Optimisation
Pourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
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
Chapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Calculabilité Cours 3 : Problèmes non-calculables. http://www.irisa.fr/lande/pichardie/l3/log/
Calculabilité Cours 3 : Problèmes non-calculables http://www.irisa.fr/lande/pichardie/l3/log/ Problèmes et classes de décidabilité Problèmes et classes de décidabilité Nous nous intéressons aux problèmes
NIVEAU D'INTERVENTION DE LA PROGRAMMATION CONCURRENTE
NIVEAU D'INTERVENTION DE LA PROGRAMMATION CONCURRENTE Une application se construit par étapes 1) CAHIER DES CHARGES + ANALYSE FONCTIONNELLE = organisation fonctionnelle (QUE FAIRE) 2) ANALYSE OPERATIONNELLE
Services OSI. if G.Beuchot. Services Application Services Présentation - Session Services Transport - Réseaux - Liaison de Données - Physique
Services OSI Services Application Services Présentation - Session Services Transport - Réseaux - Liaison de Données - Physique 59 SERVICES "APPLICATION" Architecture spécifique : ALS (Application Layer
Cours de Systèmes d Exploitation
Licence d informatique Synchronisation et Communication inter-processus Hafid Bourzoufi Université de Valenciennes - ISTV Introduction Les processus concurrents s exécutant dans le système d exploitation
Problèmes liés à la concurrence
ENS Cachan Problématique Difficile de gérer la concurrence : Pas toujours facile d avoir des fonctions réentrantes. Risque de race condition : ex : x :=x+1 x :=x+1 On voudrait des blocs d instructions
LES CARTES À POINTS : POUR UNE MEILLEURE PERCEPTION
LES CARTES À POINTS : POUR UNE MEILLEURE PERCEPTION DES NOMBRES par Jean-Luc BREGEON professeur formateur à l IUFM d Auvergne LE PROBLÈME DE LA REPRÉSENTATION DES NOMBRES On ne conçoit pas un premier enseignement
Durée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point
03 Mai 2013 Collège Oasis Durée de L épreuve : 2 heures. apple Le sujet comporte 4 pages et est présenté en livret ; apple La calculatrice est autorisée ; apple 4 points sont attribués à la qualité de
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.
M1 : Ingénierie du Logiciel
M1 : Ingénierie du Logiciel UNIVERSITE PIERRE & MARIE CURIE (PARIS VI) Examen Réparti 2eme partie 16 Mai 2013 (2 heures avec documents : tous SAUF ANNALES CORRIGEES). Barème indicatif sur 20,5 points (max
I- Définitions des signaux.
101011011100 010110101010 101110101101 100101010101 Du compact-disc, au DVD, en passant par l appareil photo numérique, le scanner, et télévision numérique, le numérique a fait une entrée progressive mais
Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Introduction à l analyse numérique : exemple du cloud computing
Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation
Continuité 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
CH.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
CCI Génie Logiciel UFR - IMA. Objectifs du cours d'aujourd'hui. Génie Logiciel Validation par le test. Qu est-ce que tester un programme?
Validation par le test Objectifs du cours d'aujourd'hui Donner des réponses aux questions suivantes : Lydie du Bousquet 2 Qu est-ce que tester un programme? Exercice 1 : Inscrivez sur une feuille ce que
6. Les différents types de démonstrations
LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,
I. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
1 Première section: La construction générale
AMALGAMATIONS DE CLASSES DE SOUS-GROUPES D UN GROUPE ABÉLIEN. SOUS-GROUPES ESSENTIEL-PURS. Călugăreanu Grigore comunicare prezentată la Conferinţa de grupuri abeliene şi module de la Padova, iunie 1994
Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
C est quoi le SWAT? Les équipes décrites par James Martin s appellent SWAT : Skilled With Advanced Tools.
1- RAD Quelle sont les avantages que apporte la méthode RAD à l entreprise? Une méthode RAD devrait, d après son auteur, apporter trois avantages compétitifs à l entreprise : Une rapidité de développement
Réalisabilité et extraction de programmes
Mercredi 9 mars 2005 Extraction de programme: qu'est-ce que c'est? Extraire à partir d'une preuve un entier x N tel que A(x). π x N A(x) (un témoin) (En fait, on n'extrait pas un entier, mais un programme
Sujet de thèse CIFRE RESULIS / LGI2P
Ecole des Mines d Alès Laboratoire de Génie Informatique et d Ingénierie de Production LGI2P Nîmes Sujet de thèse CIFRE RESULIS / LGI2P Titre Domaine De l ingénierie des besoins à l ingénierie des exigences
Université de Bangui. Modélisons en UML
Université de Bangui CRM Modélisons en UML Ce cours a été possible grâce à l initiative d Apollinaire MOLAYE qui m a contacté pour vous faire bénéficier de mes connaissances en nouvelles technologies et
Mesure d angles et trigonométrie
Thierry Ciblac Mesure d angles et trigonométrie Mesure de l angle de deux axes (ou de deux demi-droites) de même origine. - Mesures en degrés : Divisons un cercle en 360 parties égales définissant ainsi
INTRODUCTION AUX SYSTEMES D EXPLOITATION. TD2 Exclusion mutuelle / Sémaphores
INTRODUCTION AUX SYSTEMES D EXPLOITATION TD2 Exclusion mutuelle / Sémaphores Exclusion mutuelle / Sémaphores - 0.1 - S O M M A I R E 1. GENERALITES SUR LES SEMAPHORES... 1 1.1. PRESENTATION... 1 1.2. UN
TSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Model checking temporisé
Model checking temporisé Béatrice Bérard LAMSADE Université Paris-Dauphine & CNRS berard@lamsade.dauphine.fr ETR 07, 5 septembre 2007 1/44 Nécessité de vérifier des systèmes... 2/44 Nécessité de vérifier
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Julien MATHEVET Alexandre BOISSY GSID 4. Rapport RE09. Load Balancing et migration
Julien MATHEVET Alexandre BOISSY GSID 4 Rapport Load Balancing et migration Printemps 2001 SOMMAIRE INTRODUCTION... 3 SYNTHESE CONCERNANT LE LOAD BALANCING ET LA MIGRATION... 4 POURQUOI FAIRE DU LOAD BALANCING?...
L apprentissage automatique
L apprentissage automatique L apprentissage automatique L'apprentissage automatique fait référence au développement, à l analyse et à l implémentation de méthodes qui permettent à une machine d évoluer
Probabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Relation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Chapitre 5 LE MODELE ENTITE - ASSOCIATION
Chapitre 5 LE MODELE ENTITE - ASSOCIATION 1 Introduction Conception d une base de données Domaine d application complexe : description abstraite des concepts indépendamment de leur implémentation sous
Enoncé 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
1 Définition et premières propriétés des congruences
Université Paris 13, Institut Galilée Département de Mathématiques Licence 2ème année Informatique 2013-2014 Cours de Mathématiques pour l Informatique Des nombres aux structures Sylviane R. Schwer Leçon
LA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE
LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau
Exo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
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
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
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
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
Présentation du Master Ingénierie Informatique et du Master Science Informatique 2007-2008, Année 2 Université Paris-Est Marne-la-Vallée
Présentation du Master Ingénierie Informatique et du Master Science Informatique 2007-2008, Année 2 Université Paris-Est Marne-la-Vallée Responsable du Master Informatique : Marc Zipstein Responsable de
Bases de données. Chapitre 1. Introduction
Références : Bases de données Pierre Wolper Email : pw@montefiore.ulg.ac.be URL : http : //www.montefiore.ulg.ac.be/~pw/ http : //www.montefiore.ulg.ac.be/ ~pw/cours/bd.html Henry F. Korth, Abraham Silberschatz,
Théorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
THOT - Extraction de données et de schémas d un SGBD
THOT - Extraction de données et de schémas d un SGBD Pierre-Jean DOUSSET (France), Benoît ALBAREIL (France) pj@miningdb.com, benoit@miningdb.com Mots clefs : Fouille d information, base de données, système
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
La gestion des contraintes pour modéliser les stratégies humaines d'ordonnancement et concevoir des interfaces homme-machine ergonomiques
La gestion des contraintes pour modéliser les stratégies humaines d'ordonnancement et concevoir des interfaces homme-machine ergonomiques Clément Guerin Sous la direction de J.M. Hoc et de N. Mebarki Réunion
Simulation centrée individus
Simulation centrée individus Théorie des jeux Bruno BEAUFILS Université de Lille Année 4/5 Ce document est mis à disposition selon les termes de la Licence Creative Commons Attribution - Partage dans les
Comparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?