Rappel de théorie des graphes et introduction aux différents probłèmes/modèles de flots
|
|
- Dorothée Lavallée
- il y a 7 ans
- Total affichages :
Transcription
1 Rappel de théorie des graphes et introduction aux différents probłèmes/modèles de flots MSE3211A: Flot et Routage (d après Ahuja, R.K., T.L. Magnanti and J.B. Orlin, Prentice Hall, 1993, et d après les notes des cours de L.A. Wolsey et F. Vanderbeck ) Last update: January 12, 2011 Gautier Stauffer, MAB, Bur. A33:358, gautier.stauffer@math.u-bordeaux1.fr
2 GRAPHES: définitions Un graphe non-orienté G est défini par un ensemble de noeuds (ou sommets) N et un ensemble d arêtes (edges) E (i.e. paire de noeuds): i.e. G = (N, E) Un graphe orienté (digraphe) G est défini par un ensemble de noeuds N et un ensemble d arcs A (i.e. paire de noeuds orientée): i.e. G = (N, A) Pour l arc (i, j), le noeud i est la queue (tail) et le noeud j est la tête (head). Un noeud est incident à une arête (un arc) si ce noeud forme une des extrémités de cette arête (cet arc) et vice-versa. 2 noeuds sont adjacents s ils sont liés par une arête (un arc). 2 arêtes (arcs) sont parallèles si elles (ils) correspondent à la même paire de noeuds.
3 GRAPHES: définitions Une boucle est une arête (arc) du type (i, i) pour i N Un graphe (digraphe) est simple s il n a ni arêtes (arcs) parallèles, ni boucles. Un graphe simple est complet si toute paire de noeuds définit une arête. Un sous-graphe H d un graphe G est défini par un sous-ensemble de noeuds N(H) N(G) et un sous-ensemble d arêtes E(H) E(G) (d arcs A(H) A(G)) incidentes à ces noeuds. Un sous-graphe H est induit par N(H) si E(H) = E(G(N(H))).
4 GRAPHES: définitions Un sous-graphe H forme un recouvrement (spanning) des noeuds du graphe G si N(H) = N(G). Un parcours (walk) P dans un graphe (resp. digraphe) est un sous-graphe formé par une séquence de noeuds i 1, i 2,...,i n et les arêtes associées: (i k, i k+1 ) ou (i k+1, i k ) E(P) (resp. A(P)) pour k = 1,...,n. Un parcours orienté (directed walk) P dans un digraphe est un sous-graphe formé par une séquence de noeuds i 0, i 1,...,i n et les arcs associés: (i k 1, i k ) A(P) pour k = 1,...,n Un chemin est un parcours simple, c-à-d un parcours dans lequel aucun noeud n est répété: tous les noeuds de la séquence i 0, i 1,...,i n sont distincts. Un chemin orienté...
5 GRAPHES: définitions Un cycle est un chemin i 0, i 1,..., i n augmenté d une arête (i n, i 0 ). Un cycle orienté... Un graphe est dit acyclique s il ne contient pas de cycle orienté. Deux noeuds d un graphe sont connectés s il existe au moins un chemin entre ces 2 noeuds. Un graphe est connexe s il existe au moins un chemin entre chaque paire de noeuds. S il existe un parcours entre deux noeuds, alors il existe un chemin entre ces deux noeuds. Un graphe est strictement connexe s il existe au moins un chemin orienté entre chaque paire de noeuds.
6 GRAPHES: définitions Une coupe dans un graphe est définie par une partition de l ensemble des noeuds: N = S (N \ S). Les arêtes (arcs) de cette coupe, qu on note [S, N \ S], sont celles qui ont leurs extrémités dans S et N \ S respectivement. NOTATION: δ(s) = ensemble des arêtes (arcs) ayant une extrémité (resp. leur origine) dans S Un arbre T est un (sous-)graphe connexe ne présentant pas de cycles PROPRIÉTÉS: E(T) = N(T) 1 un chemin unique entre chaque paire de noeuds. admet au moins deux noeuds de degrés 1.
7 GRAPHES: définitions Une forêt est un (sous-)graphe ne présentant pas de cycles (il existe au plus un chemin entre chaque paire de noeuds.) Une forêt est une collection d arbres. Un arbre est dit enraciné (rooted) au noeud i N(T) si le noeud i a été désigné comme le noeud racine de l arbre T. Un graphe G(N, A) est biparti si N = N 1 N 2 avec N 1 N 2 = et A (N 1 N 2 ) (N 2 N 1 ). (PROPRIÉTÉ: chaque cycle est pair)
8 RÉSEAUX (Network): définitions Un réseau est un graphe augmenté de valeurs numériques associées aux noeuds et aux arêtes (arcs): b i i N demande si b i < 0, offre (production) si b i > 0 c i j (i, j) A coût unitaire pour traverser (i, j) ( C) u i j (i, j) A flot maximum sur (i, j) ( U) l i j (i, j) A flot minimum sur (i, j) ( L) 4 7 6
9 Algorithmes et Complexité Un algorithme est une procédure pas à pas pour résoudre un problème. Pour comparer la performance de nos algorithmes, on s interessera essentiellement au temps de calcul i.e. le nombre d opérations élémentaires Notation grand O : pour éviter de rentrer dans les détails de certaines opérations, on dira qu on algorithme est en O(f(n)) si c, n 0 tell que le temps pris par l algorithme dans le pire des cas est plus petit ou égal à c f(n) pour tout n n 0. Un algorithme est polynomial si le temps d exécution peut être borné par une fonction polynomiale en la taille du problème e.g. trouver la plus petite arête dans un graphe peut se faire en O(m) où m est le nombre d arêtes. Pour les graphes, un algorithme est polynomial si polynomial en n, m, log C, log U, log L.
10 MODÈLES DE FLOT DANS DES RÉSEAUX RÉSEAU NOEUDS ARCS FLOT Électrique stations de géné. lignes élec. électricité Téléphone sta. de contrôle câble communications Web serveurs câbles bits Usine machines tapis roulant produits Routier carrefours rue véhicules, biens PROBLÈMES DE BASE Problème du plus court chemin: Trouver la meilleure façon de traverser un réseau (moins coûteuse, plus rapide, plus sûre) OPTIMISATION. Problème de flot maximum: Envoyer autant de flot que possible au travers d un réseau, en respectant les capacités des arcs RÉALISABILITÉ. Problème de flot de coût minimum: envoyer des flots au travers un réseau pour satisfaire les demandes aux noeuds de destination à partir des approvisionnements des noeuds sources en respectant les capacités des arcs et en minimisant les coûts associés RÉALISABILITÉ et OPTIMISATION.
11 PROBLÈME DU PLUS COURT CHEMIN Dans un réseau orienté avec des arcs de longueur connue, trouver un chemin de longueur minimale entre deux noeuds donnés: la source s et le puits t. APPLICATIONS route de longueur minimale dans un réseau routier; routage le plus sûr dans un réseau télécom. DONNÉES un graphe orienté G = (N, A) connexe; le noeud source s et le puits t N; un coût c i j pour chaque arc (i, j) A
12 PROBLÈME DU PLUS COURT CHEMIN VARIANTES Plus court chemin de s vers tous les autres noeuds. Plus court chemin entre chaque paire de noeuds
13 FORMULATION VARIABLES: x i j = CONTRAINTES: { 1 si on choisit l arc (i, j) 0 sinon x i j x j i = j N j N +1 i = s 0 i s, t 1 i = t x i j {0, 1} pour tout (i, j) (1) OBJECTIF: min (i,j) A c i j x i j HYPOTHÈSE :PAS DE CYCLE DE COÛT NÉGATIF PROPRIÉTÉ La relaxation linéaire a une solution entière.
14 CYCLES DE COÛT NÉGATIF Le problème qu ils posent Cas particuliers arcs à coût positif graphe sans cycle graphe en couches ordre topologique Cas général Détecter la présence d un cycle de coût négatif (facile). Si, il est difficile de trouver un plus court chemin. (reduction au problème du plus long chemin)
15 PROBLÈME DE FLOT MAXIMUM Dans un réseau orienté avec des capacités sur les arcs, envoyer autant de flot que possible entre un noeud source s et un noeud puits t, sans excéder les capacités. APPLICATIONS maximiser le flux (flot par unité de temps) dans un pipeline ; trafic maximum dans un réseau routier, de télécom. DONNÉES Un graphe orienté G = (N, A) avec les noeuds s & t; Une capacité 0 u i j U entier, pour chaque arc (i, j) v s 1 t v
16 PROBLÈME DE FLOT MAXIMUM FORMULATION max v s.a. x i j x j i = j N j N v pour i = s 0 pour i s, t v pour i = t 0 x i j u i j pour tout (i, j) A NB: La programmation linéaire résoud le programme linéaire en nombres entiers (losrque les capacites sont entières)
17 PROBLÈME DE FLOT À COÛT MINIMUM Établir un flot de coût minimal qui satisfasse à toutes les demandes aux noeuds puits à partir des approvisionnements aux noeuds sources, tout en respectant les capacités des arcs. DONNÉES: un réseaux, c-à-d un graphe orienté G = (N, A) augmenté de b i > 0 aux noeuds source émissions b i = 0 aux noeuds de transit i N b i < 0 aux noeuds de demande coût c i j pour tout arc (i, j) A. capacité (borne supérieure) u i j pour tout (i, j) A. flot minimal (borne inférieure) l i j pour tout (i, j) A.
18 PROBLÈME DE FLOT À COÛT MINIMUM FORMULATION (LP résoud le IP): Variables de décision: x i j = flot au travers de l arc (i, j) Contraintes: x i j x j i = b i i N j:(i,j) A j:(j,i) A l i j x i j u i j (i, j) A Objectif: min c i j x i j (i,j) A
19 CAS PARTICULIERS Problème du plus court chemin: l i j = 0, u i j = (i, j) A; b s = b t = 1, b i = 0 autres noeuds. Problème de flot maximum: c i j = 0 (i, j) A b i = 0 i c t s = 1, u t s =.
20 CAS PARTICULIERS Problème de transport: l ensemble des noeuds se partitionne en un ensemble de fournisseurs, N 1, et un ensemble de clients, N 2 : b i > 0 i N 1 b j < 0 j N 2 et tout arc va d un fournisseur à un client: (i, j) A : i N 1, j N 2 (le graphe est BIPARTI). Exemples: transport de matières premières, de produits finis vers les entrepôts, des entrepôts vers les magasins; transport de personnes.
21 CAS PARTICULIERS Problème d affectation: le graphe est biparti (comme pour les problèmes de transport) et de plus: b i = 1 i N 1, b j = 1 j N 2 u i j = 1 (i, j) A, N 1 = N 2 Exemples: Affectation de travailleurs aux tâches Affectation de tâches aux machines. Problème de circulation: tous les noeuds sont des noeuds de transit: pas de production, pas de demandes: b i = 0 i Le flot est induit par les bornes inférieures. l i j > 0 pour certains arcs (i, j) Exemple: l affectation du personnel naviguant dans une compagnie aérienne.
22 GÉNÉRALISATION: Problèmes de flot à coûts convexes: considèrent une fonction coût plus générale que la fonction linéaire Coût c i j x i j (i,j) A Si on fait l hypothèse de coût définit comme une fonction convexe du flot dans l arc Coût (i,j) A c(x i j) où c(x) : est une fonction convexe, on garde beaucoup des bonnes propriétés qui rendent les problèmes de flot relativement facile. Beaucoup d application peuvent être modéliser comme un problème de flot avec coûts convexe. Exemples: Coût représentant la perte de puissance électrique due à la résistance, congestion dans un réseaux urbain.
23 GÉNÉRALISATION: Problèmes de flot généralisé: Le flot à la sortie d un arc n est pas nécessairement le même que le flot à l entrée: l arc peut consommer ou produire du flot. i x i j µ i j x i j j arc à perte: 0 < µ i j < 1 arc à gain: 1 < µ i j < Exemples: pertes dans réseau électrique ou réseau d eau, transport de biens périssables, flot financier.
24 GÉNÉRALISATION: Problèmes multi-flot: Plusieurs flots de types différents se partagent la capacité d un réseau. Ces flots se distinguent soit par le fait qu ils représentent des entités différentes (p.e. produits distincts dans un atelier de fabrication) soit simplement par leur origine et /ou destination Problème: partitionner la capacités des arcs entres les flots Exemples: transport de biens distincts, réseau urbain, traffic télécom, sacs de courrier
25 FLOT SUR ARCS FLOT SUR CHEMINS/CYCLES Etant donné un réseau R = (G, l, u, b), un flot est une solution réalisable pour le système suivant : x i j x j i = b i i N j:(i,j) A j:(j,i) A l i j x i j u i j (i, j) A où x i,j représente le flot au travers de l arc (i, j) 4 units units units
26 Algorithme de DÉCOMPOSITION DES FLOTS Il est trivial de passer d une représentation sur les chemin et cycles à une représentation sur les arcs. Dans l autre direction, on peut utiliser l algorithme suivant : Supposons qu il existe i 0 un noeud avec un déficit de flot. Il doit alors y avoir un arc (i 1, i 0 ) portant un flot strictement positif. si i 1 est un noeud avec exces de flot, on s arrête sinon le bilan au noeud nous indique qu il y a un arc (i 2, i 1 ) qui porte du flot on repète jusqu à ce qu on trouve un noeud en exces ou qu on revisite un sommet (au plus n fois) Si on a trouvé un chemin P de i k à i 0, on fait passer autant de flot que possible sur ce chemin: f(p) = min{b(i 0 ), b(i k ), min{x ij : (i, j) P}} et on mémorise P et le f(p). si on a trouvé un cycle W, on fait passer autant de flot que possible sur ce cycle : f(w) = min{x ij : (i, j) W }}. On soustrait de x le flot sur P ou sur W : x ij := x ij f(p) pour tout (i, j) P ou x ij := x ij f(w) pour tout (i, j) et on réitère. Une fois tous les noeuds avec un exces/deficit = 0, on applique le même raisonnement sur les arcs portant du flot. Si un tel arc (i 1, i 0 ) existe, ce flot doit arriver en i 1 et on itère comme précédemment pour détecter un cycle W. On soustrait de x le flot sur W et on répète la procédure tant qu il existe des arcs porteurs de flot.
27 THÉORÈME DE DÉCOMPOSITION D UN FLOT Considérons un digraphe G(N, A) avec N = n et A = m. Theorem Tout flot qui est défini en terme de flot sur des chemins et le long de cycles a une représentation unique en terme de flot sur des arcs. Inversement, tout flot qui est défini en terme de flot sur des arcs peut être représenté comme un flot sur des chemins et le long de cycles (bien que cette représentation ne soit pas unique) avec les propriétés suivantes: (i) Tout chemin portant un flot positif va d un noeud source à un noeud puits. (ii) Il y a au plus m + n chemins et cycles portant un flot positif; et au plus m d entre eux sont des cycles. Un flot de circulation peut être représenté comme des flots le long de, au plus, m cycles.
Chapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailLa NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.
La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of
Plus en détailThéorie des Graphes Cours 3: Forêts et Arbres II / Modélisation
IFIPS S7 - informatique Université Paris-Sud 11 1er semestre 2009/2010 Théorie des Graphes Cours 3: Forêts et Arbres II / 1 Forêts et arbres II Théorème 1.1. Les assertions suivantes sont équivalentes
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
Plus en détailAnnexe 6. Notions d ordonnancement.
Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document
Plus en détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détailALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII
ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)
Plus en détailCours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.
Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailProgrammation 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.
Plus en détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailMIS 102 Initiation à l Informatique
MIS 102 Initiation à l Informatique Responsables et cours : Cyril Gavoille Catherine Pannier Matthias Robine Marc Zeitoun Planning : 6 séances de cours 5 séances de TD (2h40) 4 séances de TP (2h40) + environ
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailEléments de Théorie des Graphes et Programmation Linéaire
INSTITUT NATIONAL POLYTECHNIQUE DE LORRAINE Ecole Nationale Supérieure d Electricité et de Mécanique Eléments de Théorie des Graphes et Programmation Linéaire Didier Maquin Professeur à l INPL Version
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailL utilisation d un réseau de neurones pour optimiser la gestion d un firewall
L utilisation d un réseau de neurones pour optimiser la gestion d un firewall Réza Assadi et Karim Khattar École Polytechnique de Montréal Le 1 mai 2002 Résumé Les réseaux de neurones sont utilisés dans
Plus en détailINFO-F-310 - Algorithmique 3 et Recherche Opérationnelle
INFO-F- - Algorithmique et Recherche Opérationnelle Yves De Smet Bernard Fortz - Table des matières I Introduction Aide à la décision et modèles mathématiques Quelques exemples de modèles mathématiques
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailAnalyse empirique et modélisation de la dynamique de la topologie de l Internet
Analyse empirique et modélisation de la dynamique de la topologie de l Internet Sergey Kirgizov Directrice de thèse: Clémence Magnien Complex Networks, LIP6, (UPMC, CNRS) Paris, 12 décembre 2014 Plan 1
Plus en détailQuelques 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
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailUne nouvelle approche de détection de communautés dans les réseaux sociaux
UNIVERSITÉ DU QUÉBEC EN OUTAOUAIS Département d informatique et d ingénierie Une nouvelle approche de détection de communautés dans les réseaux sociaux Mémoire (INF 6021) pour l obtention du grade de Maîtrise
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailNouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Julien Jorge julien.jorge@univ-nantes.fr Laboratoire d Informatique de Nantes Atlantique,
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailAlgorithmes de recherche
Algorithmes de recherche 1 Résolution de problèmes par recherche On représente un problème par un espace d'états (arbre/graphe). Chaque état est une conguration possible du problème. Résoudre le problème
Plus en détailPourquoi 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
Plus en détailIntroduction à la théorie des graphes. Solutions des exercices
CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti
Plus en détailConception de réseaux de télécommunications : optimisation et expérimentations
Conception de réseaux de télécommunications : optimisation et expérimentations Jean-François Lalande Directeurs de thèse: Jean-Claude Bermond - Michel Syska Université de Nice-Sophia Antipolis Mascotte,
Plus en détailComparaison 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?
Plus en détailOrganisation du parcours M2 IR Les unités d enseignements (UE) affichées dans la partie tronc commun sont toutes obligatoires, ainsi que le stage et
Organisation du parcours M2 IR Les unités d enseignements (UE) affichées dans la partie tronc commun sont toutes obligatoires, ainsi que le stage et l'anglais. L'étudiant a le choix entre deux filières
Plus en détailChapitre 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
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailwww.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
Plus en détailLagrange, où λ 1 est pour la contrainte sur µ p ).
Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i
Plus en détailINF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies
INF 232: Langages et Automates Travaux Dirigés Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies Année Académique 2013-2014 Année Académique 2013-2014 UNIVERSITÉ JOSEPH
Plus en détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailOrdonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1
CHAPTER 1 Ordonnancement 1.1. Étude de cas Ordonnancement de tâches avec contraintes de précédences 1.1.1. Exemple : construction d'une maison. Exercice. On veut construire une maison, ce qui consiste
Plus en détailI. 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
Plus en détailAlgorithmes d'apprentissage
Algorithmes d'apprentissage 1 Agents qui apprennent à partir d'exemples La problématique : prise de décision automatisée à partir d'un ensemble d'exemples Diagnostic médical Réponse à une demande de prêt
Plus en détailchapitre 4 Nombres de Catalan
chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C
Plus en détailEléments 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
Plus en détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailEconomie de l Incertain et des Incitations
Economie de l Incertain et des Incitations CHAPITRE 2 Eléments de théorie des jeux en information symétrique et asymétrique Equilibres Bayesiens - Université de Tours - M1 AGE - Arnold Chassagnon - Automne
Plus en détailEvaluation des performances de programmes parallèles haut niveau à base de squelettes
Evaluation des performances de programmes parallèles haut niveau à base de squelettes Enhancing the Performance Predictability of Grid Applications with Patterns and Process Algebras A. Benoit, M. Cole,
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailL 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
Plus en détailINFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement. Bernard Fortz
INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement Bernard Fortz 2008-2009 Table des matières 1 Définition et classification des problèmes d ordonnancement 2 1.1 Introduction....................................
Plus en détailThéorie 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
Plus en détailTechniques d ordonnancement pour les SoC
Techniques d ordonnancement pour les SoC Pierre Boulet équipe WEST Pierre.Boulet@lifl.fr Ordonnancement DEA informatique Lille p. 1/104 Plan Ordonnancement de tâches Placement sur SoC Ordonnancement de
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailAutomatique (AU3): Précision. Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr
Automatique (AU3): Précision des systèmes bouclés Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr Plan de la présentation Introduction 2 Écart statique Définition Expression Entrée
Plus en détailConception d'un réseau de transport d'électricité
La Fédération Française des Jeux Mathématiques et la Société de Calcul Mathématique SA avec l'appui de Réseau de Transport d'electricité Conception d'un réseau de transport d'électricité Auteurs : Florian
Plus en détailOptimisation for Cloud Computing and Big Data
1 / 23 Optimisation for Cloud Computing and Big Data Olivier Beaumont, Lionel Eyraud-Dubois 2 / 23 Aujourd hui Problèmes de fiabilité on va oublier la dynamicité Placement de VMs en programmation par contraintes
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailChapitre 7. Récurrences
Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailCompter à Babylone. L écriture des nombres
Compter à Babylone d après l article de Christine Proust «Le calcul sexagésimal en Mésopotamie : enseignement dans les écoles de scribes» disponible sur http://www.dma.ens.fr/culturemath/ Les mathématiciens
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailObjectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)
Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter
Plus en détail(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
Plus en détailGrandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test
Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite
Plus en détailProbabilités 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
Plus en détailTCP/IP, NAT/PAT et Firewall
Année 2011-2012 Réseaux 2 TCP/IP, NAT/PAT et Firewall Nicolas Baudru & Nicolas Durand 2e année IRM ESIL Attention! Vous devez rendre pour chaque exercice un fichier.xml correspondant à votre simulation.
Plus en détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de
Plus en détailAlgorithmique et Programmation
École Supérieure d Ingénieurs de Poitiers Gea Algorithmique et Programmation Laurent Signac ii Algorithmique et programmation Gea Table des matières Avant Propos v Structures de données Notion de pointeur..............................................
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailRECHERCHE OPERATIONNELLE
RECHERCHE OPERATIONNELLE 0. Introduction. Ce cours a été enseigné jusqu en 2002, en année de licence, à la MIAGE de NANCY. L objectif principal de ce cours est d acquérir une connaissance approfondie de
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détailCours Optimisation Partie Optimisation Combinatoire. Année scolaire 2008-2009. Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera.
Cours Optimisation Partie Optimisation Combinatoire 3ième année ISAE Année scolaire 2008-2009 Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera.fr Septembre 2008 Résumé Ce document couvre
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailFaculté des sciences Département de mathématiques. Théorie des graphes
Faculté des sciences Département de mathématiques Théorie des graphes Deuxièmes bacheliers en sciences mathématiques Année académique 2009 2010 Michel Rigo Table des matières Introduction 1 Chapitre I.
Plus en détailProgrammation linéaire
CHAPTER 1 Programmation linéaire 1.1. Qu'est-ce que la programmation linéaire 1.1.1. Exemple: le problème du régime de Polly [1, p.3]. Besoins journaliers: Énergie: 2000 kcal Protéines: 55g Calcium: 800
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailCours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques
Université Mohammed V, Faculté des Sciences de Rabat Laboratoire de Recherche Mathématiques, Informatique et Applications Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques MASTER
Plus en détailParallélisme et Répartition
Parallélisme et Répartition Master Info Françoise Baude Université de Nice Sophia-Antipolis UFR Sciences Département Informatique baude@unice.fr web du cours : deptinfo.unice.fr/~baude Septembre 2009 Chapitre
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailEbauche Rapport finale
Ebauche Rapport finale Sommaire : 1 - Introduction au C.D.N. 2 - Définition de la problématique 3 - Etat de l'art : Présentatio de 3 Topologies streaming p2p 1) INTRODUCTION au C.D.N. La croissance rapide
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailNouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique
Plus en détailProposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5.
DÉVELOPPEMENT 32 A 5 EST LE SEUL GROUPE SIMPLE D ORDRE 60 Proposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5. Démonstration. On considère un groupe G d ordre 60 = 2 2 3 5 et
Plus en détailSujet 4: Programmation stochastique propriétés de fonction de recours
Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction
Plus en détail