Atelier Transversal AT11. Activité «Fourmis» Pierre Chauvet.

Dimension: px
Commencer à balayer dès la page:

Download "Atelier Transversal AT11. Activité «Fourmis» Pierre Chauvet. pierre.chauvet@uco.fr"

Transcription

1 Atelier Transversal AT11 Activité «Fourmis» Pierre Chauvet

2 Ant : un algorithme inspiré de l éthologie

3 L éthologie Etude scientifique des comportements animaux, avec une perspective biologique Plus généralement: Science qui a pour objet l'étude du comportement d'un être vivant dans son milieu naturel

4 Les colonies de fourmis Idée originale issue de l'observation du comportement collectif d'exploitation de la nourriture chez les fourmis : - une fourmi possède des capacités cognitives très limitées - des fourmis sont collectivement capables de découvrir le plus court chemin entre une source de nourriture et le nid. Des biologistes ont ainsi observé qu'une colonie de fourmis ayant le choix entre deux chemins d'inégale longueur menant à une source de nourriture avait tendance à exploiter le chemin le plus court.

5 Le modèle Un modèle expliquant ce comportement est le suivant : 1. une fourmi (appelée «éclaireuse») parcourt plus ou moins au hasard l'environnement autour de la colonie 2. si celle-ci découvre une source de nourriture, elle rentre au nid, en laissant sur son chemin une piste de phéromones 3. ces phéromones étant attractives, les fourmis passant à proximité vont avoir tendance à suivre cette piste 4. en revenant au nid, ces mêmes fourmis vont renforcer la piste 5. si deux pistes sont possibles pour atteindre la même source de nourriture, celle étant la plus courte sera parcourue par plus de fourmis que la piste longue 6. la piste courte sera donc de plus en plus renforcée, et donc de plus en plus attractive 7. la piste longue, elle, finira par disparaître, les phéromones étant volatiles Les fourmis ont collectivement «choisi» la piste la plus courte

6 Le modèle

7 La stigmergie Les fourmis utilisent l'environnement comme support de communication : - Elles échangent indirectement de l'information en déposant des phéromones, le tout décrivant l'état de leur «travail» - Ce système porte le nom de stigmergie La stigmergie se retrouve chez plusieurs animaux sociaux (notamment étudié dans le cas de la construction de piliers dans les nids de termites)

8 Le problème du voyageur de commerce (PVC) Une des premières applications de la méthode des colonies de fourmis a été le PVC, appelée Ant system (système fourmi) Objectif: trouver le chemin le plus court permettant de relier un ensemble de villes, la distance entre deux villes étant la distance euclidienne ou la longueur d un arc

9 Le problème du voyageur de commerce (PVC)

10 L algorithme Ant L'algorithme repose sur un ensemble de fourmis, chacune parcourant un trajet parmi ceux possibles. À chaque étape, la fourmi choisit de passer d'une ville à une autre en fonction de quelques règles : - elle ne peut visiter qu'une fois chaque ville - plus une ville est loin, moins elle a de chance d'être choisie (=> «visibilité») - plus l'intensité de la piste de phéromone disposée sur l'arrête entre deux villes est grande, plus le trajet aura de chance d'être choisi - une fois son trajet terminé, la fourmi dépose sur l'ensemble des arrêtes parcourues une piste de phéromone, dont l'intensité augmente si le trajet est court - les pistes de phéromones s'évaporent à chaque itération.

11 L algorithme: choix d une ville La probabilité qu a une fourmi k située sur une ville n i de choisir comme prochaine ville la ville n j est donnée par la formule : p k ij ( t) = α ( τ ( t) ) ( η ) α τ il ( t) l J k i ij ij k si j J β i ( ) ( η ) J ik = liste des mouvements possibles pour la fourmi k lorsqu'elle se trouve sur la ville n i, η ij = visibilité, égale pour le PVC à l'inverse de la distance entre les villes i et j (1/dij), τ ij (t) = intensité de la piste à une itération donnée t 0 Principaux paramètres de l'algorithme: α et β, qui contrôlent l'importance relative de l'intensité et de la visibilité d'une arête. Il est nécessaire de régler α et β en faisant un compromis entre une intensification trop grande (α=0) ou une diversification trop poussée (β=0). β il si j J k i

12 L algorithme: les phéromones Une fois la tournée des villes effectuée, la fourmi k dépose une certaine quantité de phéromone sur chaque arête de son parcours : Q (, ) k ( ) k k si i j T t τ ( ) ( ) ij t = L t 0 (, ) k si i j T ( t) T k (t) est la tournée parcourue par la fourmi k à l'itération t L k (t) la longueur du trajet effectué Q un paramètre de réglage

13 L algorithme: la piste À la fin de chaque itération de l'algorithme, les pistes déposées par les fourmis s'évaporent : m k ij + = ij + ij k = 1 τ ( t 1) (1 ρ) τ ( t) τ ( t) m = nombre de fourmis utilisé pour l'itération t ρ = paramètre de réglage de l évaporation

14 Objectifs de l atelier Créer une activité et/ou un outil pour étudier/comprendre : L algorithme ANT La stigmergie

15 Eléments de réflexion Activité de recherche, de formation ou de loisir? Simulateur pour recherches Support travail pratique Jeu sérieux/de formation («serious game») Jeu de loisir Activité encadrée, de groupe ou en solitaire? Présence d un arbitre Jeu de collaboration/compétition Pour quel public? Tout public (tranche d âge?) Scolaire (primaire, secondaire) Etudiant / Chercheur en sociologie Etudiant / Chercheur en biologie Etudiant / Chercheur en informatique Quel support? Papier crayon Carte pions (~ jeu de plateau) -> quel plateau? Ordinateur (logiciel)

16 Eléments de réflexion Ants World (simulateur fourmilières) Myrmes (Jeu de société) Optimisateur de tournée

17 Eléments de réflexion Terrain réel continu - position (x,y) Terrain discrétisé - position (ligne,colonne) Graphe Discret position = noeud

Jean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux

Jean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis

Plus en détail

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

Plus en détail

Modélisation multi-agents - Agents réactifs

Modélisation multi-agents - Agents réactifs Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf

Plus en détail

1 Récupération des données

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

Plus en détail

Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image

Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image IN52-IN54 A2008 Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image Etudiants : Nicolas MONNERET Alexandre HAFFNER Sébastien DE MELO Responsable : Franck GECHTER Sommaire

Plus en détail

HEURISTIQUES D'OPTIMISATION. Evelyne LUTTON - INRA AgroParisTech - Grignon http ://evelyne-lutton.fr/

HEURISTIQUES D'OPTIMISATION. Evelyne LUTTON - INRA AgroParisTech - Grignon http ://evelyne-lutton.fr/ HEURISTIQUES D'OPTIMISATION Evelyne LUTTON - INRA AgroParisTech - Grignon http ://evelyne-lutton.fr/ D'après Patrick Siarry, LiSSi, Univ. de Paris-Est Créteil MÉTA-HEURISTIQUES Du grec : méta :au-delà,

Plus en détail

Deux stratégies parallèles de l'optimisation par colonie de fourmis

Deux stratégies parallèles de l'optimisation par colonie de fourmis 4 th International Conference: Sciences of Electronic, Technologies of Information and Telecommunications March 25-29, 2007 TUNISIA Deux stratégies parallèles de l'optimisation par colonie de fourmis HERNANE

Plus en détail

Sommaire. Introduction. I. Notions de routage a) Technologies actuelles b) Avantages et désavantages

Sommaire. Introduction. I. Notions de routage a) Technologies actuelles b) Avantages et désavantages Sommaire Introduction I. Notions de routage a) Technologies actuelles b) Avantages et désavantages II. Routage et fourmis a) Principe et avantages b) Structure du simulateur III.Implémentation a) Présentation

Plus en détail

Le voyageur de commerce

Le voyageur de commerce Université de Strasbourg UFR Maths-Informatique Licence 3 - Semestre 6 Le voyageur de commerce Jonathan HAEHNEL & Marc PAPILLON Strasbourg, le 3 mai 2012 Table des matières 1 Etat des lieux 4 1.1 Fonctionnalités..............................

Plus en détail

Complexité et auto-organisation chez les insectes sociaux. Complexité et auto-organisation chez les insectes sociaux

Complexité et auto-organisation chez les insectes sociaux. Complexité et auto-organisation chez les insectes sociaux Complexité et auto-organisation chez les insectes sociaux Guy Theraulaz Centre de Recherches sur la Cognition Animale CNRS, UMR 5169, Toulouse, France Marathon des Sciences XXIII ème Festival d Astronomie,

Plus en détail

Introduction à la programmation en variables entières Cours 3

Introduction à la programmation en variables entières Cours 3 Introduction à la programmation en variables entières Cours 3 F. Clautiaux francois.clautiaux@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 272 Sommaire Notion d heuristique Les algorithmes gloutons

Plus en détail

L intelligence artificielle en essaim

L intelligence artificielle en essaim L intelligence artificielle en essaim Joël Quinqueton Université Paul Valéry Cerics et Lirmm, Montpellier L intelligence de l essaim Swarm intelligence Quand l intelligence vient du collectif Les coactones

Plus en détail

Johann Dréo. To cite this version: HAL Id: tel-00093143 https://tel.archives-ouvertes.fr/tel-00093143

Johann Dréo. To cite this version: HAL Id: tel-00093143 https://tel.archives-ouvertes.fr/tel-00093143 Adaptation de la métaheuristique des colonies de fourmis pour l optimisation difficile en variables continues. Application en génie biologique et médical. Johann Dréo To cite this version: Johann Dréo.

Plus en détail

Cours de Master Recherche

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

Plus en détail

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

L Intelligence Artificielle

L Intelligence Artificielle L Intelligence Artificielle pour les développeurs Concepts et implémentations en C# Virginie MATHIVET Table des matières 1 Les exemples à télécharger sont disponibles à l'adresse suivante : http://www.editions-eni.fr

Plus en détail

Systèmes Multi-Agents : Modélisation et simulation informatique de comportements collectifs. Chapitre III

Systèmes Multi-Agents : Modélisation et simulation informatique de comportements collectifs. Chapitre III Systèmes Multi-gents : Modélisation et simulation informatique de comportements collectifs Chapitre III Différentes approches de Conception et applications Introduction Les différents concepts Cheminement

Plus en détail

L intelligence collective des fourmis

L intelligence collective des fourmis L intelligence collective des fourmis Guy Théraulaz* Les comportements collectifs des fourmis ont toujours fasciné et émerveillé les naturalistes. Tout semble se passer comme si chaque colonie se comportait

Plus en détail

Les apports de. l'informatique. La filiation. Le statut de technologie ou de sous-discipline. Le statut de science à part entière est lorsqu il y a :

Les apports de. l'informatique. La filiation. Le statut de technologie ou de sous-discipline. Le statut de science à part entière est lorsqu il y a : Les apports de Aux autres disciplines Le statut de technologie ou de sous-discipline est celui de l importation l et de la vulgarisation Le statut de science à part entière est lorsqu il y a : Rétro-action

Plus en détail

Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques

Cours 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 détail

Algorithme d optimisation par colonie de fourmis pour le problème de jobshop

Algorithme d optimisation par colonie de fourmis pour le problème de jobshop Algorithme d optimisation par colonie de fourmis pour le problème de jobshop Plan Optimisation par colonie de fourmi 1 Optimisation par colonie de fourmi Principes généraux Mise en œuvre Procédure 2 Construction

Plus en détail

Optimisation par colonies de fourmis. COSTANZO Andrea LUONG Thé Van MARILL Guillaume

Optimisation par colonies de fourmis. COSTANZO Andrea LUONG Thé Van MARILL Guillaume Optimisation par colonies de fourmis COSTANZO Andrea LUONG Thé Van MARILL Guillaume 19 mai 2006 Table des matières 1 Introduction 4 1.1 Pourquoi les fourmis?.................................. 4 1.2 Relation

Plus en détail

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Baccalauréat 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 détail

L'Intelligence Artificielle pour les développeurs Concepts et implémentations en Java

L'Intelligence Artificielle pour les développeurs Concepts et implémentations en Java Avant-propos 1. Objectifs du livre 15 2. Public et prérequis 15 3. Structure du livre 16 4. Code en téléchargement 18 Introduction 1. Présentation du chapitre 19 2. Définir l intelligence 19 3. L intelligence

Plus en détail

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

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

Plus en détail

ANNEXE 1 BTS AGENCEMENT DE L'ENVIRONNEMENT ARCHITECTURAL Programme de mathématiques

ANNEXE 1 BTS AGENCEMENT DE L'ENVIRONNEMENT ARCHITECTURAL Programme de mathématiques ANNEXE BTS AGENCEMENT DE L'ENVIRONNEMENT ARCHITECTURAL Programme de mathématiques L'enseignement des mathématiques dans les sections de techniciens supérieurs Agencement de l'environnement architectural

Plus en détail

Les apports de l informatique. Aux autres disciplines

Les apports de l informatique. Aux autres disciplines Les apports de l informatique Aux autres disciplines Le statut de technologie ou de sous-discipline est celui de l importation l et de la vulgarisation Le statut de science à part entière est lorsqu il

Plus en détail

b) Est-il possible d avoir un trajet partant et arrivant du même lieu et passant une fois et une seule par toutes les rues?

b) Est-il possible d avoir un trajet partant et arrivant du même lieu et passant une fois et une seule par toutes les rues? T ES DEVOIR SURVEILLE 6 - SPE 23 MAI 2014 Durée : 1h Calculatrice autorisée Exercice 1-7 points - Dans la ville de GRAPHE, on s intéresse aux principales rues permettant de relier différents lieux ouverts

Plus en détail

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

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

Plus en détail

LE PROBLEME DU PLUS COURT CHEMIN

LE PROBLEME DU PLUS COURT CHEMIN LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs

Plus en détail

A Hybrid Routing Protocol based on Fuzzy C-Means Clustering and Ant Colony Optimization for Lifetime Improvement in WSN

A Hybrid Routing Protocol based on Fuzzy C-Means Clustering and Ant Colony Optimization for Lifetime Improvement in WSN A Hybrid Routing Protocol based on Fuzzy C-Means Clustering and Ant Colony Optimization for Lifetime Improvement in WSN Mourad Hadjila Hervé Guyennet RGE Université Franche-Comté femto-st, DISC, Besançon

Plus en détail

Exploration informée

Exploration informée Exploration informée Jerôme Champavère jerome.champavere @ lifl.fr http://www.grappa.univ-lille3.fr/~champavere/?page=enseignement Stratégies d'exploration informée Exploration «meilleur d'abord» Best-first

Plus en détail

Voyageur de commerce et solution exacte

Voyageur de commerce et solution exacte Voyageur de commerce et solution exacte uteurs :. Védrine,. Monsuez e projet consiste à réaliser un outil capable de trouver le plus court trajet pour un commercial qui doit visiter n villes, les n villes

Plus en détail

Les colonies de fourmis : apprentissage coopératif pour le problème du voyageur de commerce

Les colonies de fourmis : apprentissage coopératif pour le problème du voyageur de commerce : apprentissage coopératif pour le problème du voyageur de commerce Alexandre Bargeton Benjamin Devèze Université Pierre et Marie Curie Présentation du projet ANIMAT 1 Comportements collectifs des insectes

Plus en détail

L'Intelligence Artificielle pour les développeurs Concepts et implémentations en C#

L'Intelligence Artificielle pour les développeurs Concepts et implémentations en C# Introduction 1. Structure du chapitre 19 2. Définir l intelligence 19 3. L intelligence du vivant 22 4. L intelligence artificielle 23 5. Domaines d application 25 6. Synthèse 27 Systèmes experts 1. Présentation

Plus en détail

Baccalauréat ES Asie 19 juin 2013 Corrigé

Baccalauréat ES Asie 19 juin 2013 Corrigé accalauréat E sie 19 juin 201 orrigé EXERIE 1 ommun à tous les candidats On ne demandait aucune justification dans cet exercice. 4 points 1. b. 2. a.. c. 4. c. La longueur de l intervalle [ 1; 1] est 2

Plus en détail

La recherche locale. INF6953 La recherche locale 1

La recherche locale. INF6953 La recherche locale 1 La recherche locale INF6953 La recherche locale 1 Sommaire Recherche locale et voisinage. Fonction de voisinage, optimum local Fonction de voisinage et mouvements Fonction de voisinage et mouvements Exemples

Plus en détail

Intelligence des essaims (Swarm Intelligence)

Intelligence des essaims (Swarm Intelligence) Intelligence des essaims (Swarm Intelligence) Présentation Ghislain O Mahony 27 novembre 2006 Réunion Emergence 1 Les auteurs / caractéristiques ouvrage Les auteurs Eric Bonabeau Chef scientifique Icosystem

Plus en détail

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT

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,

Plus en détail

Méta-heuristiques et intelligence artificielle

Méta-heuristiques et intelligence artificielle Chapitre 1 Méta-heuristiques et intelligence artificielle Auteurs : Jin-Kao Hao et Christine Solnon 1.1 Introduction Une méta-heuristique est une méthode générique pour la résolution de problèmes combinatoires

Plus en détail

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments

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

Plus en détail

«Pièges», «erreurs» et pathologie des calculs numériques

«Pièges», «erreurs» et pathologie des calculs numériques Session de formation continue ENPC «Pièges», «erreurs» et pathologie des calculs numériques 6-8 octobre 2010 Philippe Mestat (LCPC) «Pièges» pour débutant?. Conditions limites en déplacements : il faut

Plus en détail

Cours de spécialité mathématiques en Terminale ES

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

Plus en détail

Plan du cours. Métaheuristiques pour l optimisation combinatoire. Quelques problèmes classiques (2/3) Quelques problèmes classiques (1/3)

Plan du cours. Métaheuristiques pour l optimisation combinatoire. Quelques problèmes classiques (2/3) Quelques problèmes classiques (1/3) Plan du cours Quelques problèmes classiques Quelques algorithmes classiques Métaheuristiques pour l optimisation combinatoire un peu de vocabulaire codage des solutions taxinomie méthodes complètes méthodes

Plus en détail

Méthodes d optimisation pour un problème de co-voiturage couplé aux transports en commun

Méthodes d optimisation pour un problème de co-voiturage couplé aux transports en commun Méthodes d optimisation pour un problème de co-voiturage couplé aux transports en commun Aziz Amnay Encadrant : Nadia Brauner Responsable Ensimag : Florence MARANINCHI Grenoble, le 16 mai 2012 Table des

Plus en détail

Applications #2 Problème du voyageur de commerce (TSP)

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

Plus en détail

Algorithme de Little. Algorithme de Little (2) Algorithme de Little (4) Algorithme de Little (3) Algorithme de Little (6) Algorithme de Little (5)

Algorithme de Little. Algorithme de Little (2) Algorithme de Little (4) Algorithme de Little (3) Algorithme de Little (6) Algorithme de Little (5) Le voyageur de commerce lgorithme branch and bound, lgorithme Glouton, Le problème Méthode de recherche locale Michel Van aneghem écembre 2002 Trouver le trajet de longueur minimale passant par toutes

Plus en détail

Table des matières I La programmation linéaire en variables continues 1 Présentation 3 1 Les bases de la programmation linéaire 5 1.1 Formulation d'un problème de programmation linéaire........... 5 1.2

Plus en détail

Les automates. Fabrice EUDES, Pascal EVRARD, Philippe MARQUET, François RECHER & Yann SECQ

Les automates. Fabrice EUDES, Pascal EVRARD, Philippe MARQUET, François RECHER & Yann SECQ Les automates Fabrice EUDES, Pascal EVRARD, Philippe MARQUET, François RECHER & Yann SECQ Avril 2015 Retour sur l île et le barman Deux problèmes similaires: Des îles, des bateaux et un trésor à trouver

Plus en détail

Sujet de Bac 2013 Maths ES Obligatoire & Spécialité - Pondichéry

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

Plus en détail

Segmentation d'images à l'aide d'agents sociaux : applications GPU

Segmentation d'images à l'aide d'agents sociaux : applications GPU Segmentation d'images à l'aide d'agents sociaux : applications GPU Richard MOUSSA Laboratoire Bordelais de Recherche en Informatique (LaBRI) - UMR 5800 Université de Bordeaux - France Laboratoire de recherche

Plus en détail

Optimisation par «hommilière» de chemins pédagogiques pour un logiciel d e-learning

Optimisation par «hommilière» de chemins pédagogiques pour un logiciel d e-learning Optimisation par «hommilière» de chemins pédagogiques pour un logiciel d e-learning Grégory Valigiani, Evelyne Lutton, Cyril Fonlupt et Pierre Collet Laboratoire LIL, Université du Littoral, 56 rue Ferdinand

Plus en détail

Projet L1, S2, 2015: Simulation de fourmis, Soutenance la semaine du 4 mai.

Projet L1, S2, 2015: Simulation de fourmis, Soutenance la semaine du 4 mai. Projet L1, S2, 2015: Simulation de fourmis, Soutenance la semaine du 4 mai. 1 Introduction On considère une grille de 20 lignes 20 colonnes. Une case de la grille peut être vide, ou contenir une et une

Plus en détail

DES FOURMIS POUR LIVRER DU MAZOUT

DES FOURMIS POUR LIVRER DU MAZOUT DES FOURMIS POUR LIVRER DU MAZOUT É. D. Taillard (1), G. Agazzi (2), L.-M. Gambardella (3) Résumé La livraison de certains biens peut engendrer des coûts non négligeables par rapport à la valeur de la

Plus en détail

Comportements Individuels Adaptatifs dans un Environnement Dynamique pour l'exploitation Collective de Ressource

Comportements Individuels Adaptatifs dans un Environnement Dynamique pour l'exploitation Collective de Ressource Comportements Individuels Adaptatifs dans un Environnement Dynamique pour l'exploitation Collective de Ressource Intelligence Artificielle Située, Cerveau, corps et environnement, Drogoul A. & Meyer J-A.

Plus en détail

Stratégies et construction

Stratégies et construction Stratégies et construction Sébastien MARTINEAU Été 2008 Exercice 1 (Niveau 2). Sur une règle d 1 mètre de long se trouvent 2008 fourmis. Chacune part initialement, soit vers la gauche, soit vers la droite,

Plus en détail

CH.5 MÉTHODES APPROCHÉES

CH.5 MÉTHODES APPROCHÉES CH.5 MÉTHODES APPROCHÉES 5.1 Les voisinages 5. Les méthodes de descentes 5. Le recuit simulé 5.4 La Méthode Tabou 5.5 Les algorithmes génétiques Opti-comb ch 5 1 5.1 Les voisinages Dans les problèmes de

Plus en détail

PARCOURS DU CAVALIER SUR L ÉCHIQUIER

PARCOURS DU CAVALIER SUR L ÉCHIQUIER I05 ÉPREUVE COMMUNE DE TIPE 2011 - Partie D TITRE : PARCOURS DU CAVALIER SUR L ÉCHIQUIER Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec

Plus en détail

Préparation à l agrégation 2012/2013. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs.

Préparation à l agrégation 2012/2013. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs. Le jury n exige pas une compréhension exhaustive du texte. Vous êtes laissé(e) libre d organiser votre discussion

Plus en détail

Plus courts et plus longs chemins

Plus courts et plus longs chemins Plus courts et plus longs chemins Complément au chapitre 8 «Une voiture nous attend» Soit I={1,2,,n} un ensemble de tâches à ordonnancer. La durée d exécution de chaque tâche i est connue et égale à p

Plus en détail

Un jeu de Yoann Levet - Illustrations : Arnaud Demaegd

Un jeu de Yoann Levet - Illustrations : Arnaud Demaegd Un jeu de Yoann Levet - Illustrations : rnaud Demaegd Règles du jeu u royaume de Myrmes, les colonies des fourmis luttent depuis des siècles pour dominer leurs voisines.. Pour mettre fin à cette guerre,

Plus en détail

VISION INDUSTRIELLE PLAN DU COURS. 2. Acquisition ou Formation des images 3. Traitement d images 4. Analyse des images. Exemples d applications

VISION INDUSTRIELLE PLAN DU COURS. 2. Acquisition ou Formation des images 3. Traitement d images 4. Analyse des images. Exemples d applications VISION INDUSTRIELLE Cours Licence ISACP 2008/2009 Christophe BLANC LASMEA Université Blaise Pascal Département Génie Electrique et Informatique Industrielle www.christophe-blanc.info PLAN DU COURS 2. Acquisition

Plus en détail

Algorithmes de recherche

Algorithmes de recherche Algorithmes de recherche 1 Résolution de problèmes par recherche On représente un problème par un espace d'états (arbre/graphe). Chaque état est une conguration possible du problème. Résoudre le problème

Plus en détail

Introduction des matrices en terminale S spécialité Maths (programme rentrée 2012)

Introduction des matrices en terminale S spécialité Maths (programme rentrée 2012) Introduction des matrices en terminale S spécialité Maths (programme rentrée 2012) Ces activités devraient permettre d'aborder en autonomie quelques notions proposées par les textes officiels. Par contre,

Plus en détail

LE POINT SUR LES MATHÉMATIQUES DANS LES BTS RENTRÉE 2003

LE POINT SUR LES MATHÉMATIQUES DANS LES BTS RENTRÉE 2003 LE POINT SUR LES MATHÉMATIQUES DANS LES BTS RENTRÉE 00 ) LES PROGRAMMES a) Le cadre général L arrêté du 8 juin 00 comporte trois annexes, notamment l annexe donnant l intégralité des modules permettant

Plus en détail

Les 10 modifications apportées aux Pages Facebook

Les 10 modifications apportées aux Pages Facebook 1 Les 10 modifications apportées aux Pages Facebook Comme vous avez pu le remarquer, Facebook a changé depuis quelques semaines la présentation des Pages entreprises. Afin de pouvoir s y retrouver, nous

Plus en détail

Couples de variables aléatoires discrètes

Couples de variables aléatoires discrètes Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude

Plus en détail

LICENCE (LMD) - INFORMATIQUE

LICENCE (LMD) - INFORMATIQUE LICENCE (LMD) - INFORMATIQUE RÉSUMÉ DE LA FORMATION Type de diplôme : Licence (LMD) Domaine ministériel : Sciences, Technologies, Santé OBJECTIFS Les connaissances et compétences informatiques visées par

Plus en détail

Rapport de Projet Informatique Simulation Monte-Carlo du modèle XY

Rapport de Projet Informatique Simulation Monte-Carlo du modèle XY Rapport de Projet Informatique Simulation Monte-Carlo du modèle XY Alejandro Daniel Paredes Cabrel sous la direction de : Xavier Leoncini Centre de Physique Théorique de Marseille Fevrier- 29 Objectif

Plus en détail

Projet de programmation Java Puissance 4

Projet de programmation Java Puissance 4 Projet de programmation Java Puissance 4 Juliusz Chroboczek et Gabriel Scherer Version du 13 novembre 2014 Le but de ce projet est d implémenter en Java un jeu de plateau qui s appelle Puissance 4. Votre

Plus en détail

LICENCE (LMD) - INFORMATIQUE

LICENCE (LMD) - INFORMATIQUE LICENCE (LMD) - INFORMATIQUE RÉSUMÉ DE LA FORMATION Type de diplôme : Licence (LMD) Domaine ministériel : Sciences, Technologies, Santé OBJECTIFS Les connaissances et compétences informatiques visées par

Plus en détail

Résumé du document «Programmes des classes préparatoires aux Grandes Écoles ; Discipline : Informatique ; Première et seconde années - 2013»

Résumé du document «Programmes des classes préparatoires aux Grandes Écoles ; Discipline : Informatique ; Première et seconde années - 2013» Résumé du document «Programmes des classes préparatoires aux Grandes Écoles ; Discipline : Informatique ; Première et seconde années - 2013» I Objectifs Niveau fondamental : «on se fixe pour objectif la

Plus en détail

Planifica(on du stockage intermédiaire dans l industrie du shampoing

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

Plus en détail

Laboratoire d Automatique et Productique Université de Batna, Algérie

Laboratoire d Automatique et Productique Université de Batna, Algérie Anale. Seria Informatică. Vol. IX fasc. 2 Annals. Computer Science Series. 9 th Tome st Fasc. 2 La sélection de paramètres d un système industriel par les colonies de fourmis Ouahab Kadri, L. Hayet Mouss,

Plus en détail

Segmentation 2D et 3D par Systèmes Multi-Agents. Guilhelm Savin

Segmentation 2D et 3D par Systèmes Multi-Agents. Guilhelm Savin Segmentation 2D et 3D par Systèmes Multi-Agents Guilhelm Savin Encadré par Marie Aimar-Beurton et Pascal Desbarats LaBRI - Université de Bordeaux 1 12 juin 2008 ii Remerciements, Je tiens à remercier en

Plus en détail

Baccalauréat ES Centres étrangers 12 juin 2014 - Corrigé

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

Plus en détail

CHAPITRE II: INTELLIGENCE ARTIFICIELLE

CHAPITRE II: INTELLIGENCE ARTIFICIELLE 1 CHAPITRE II: INTELLIGENCE ARTIFICIELLE Dekhicilatifa@gmail.com Plan 2 IA et ses applications Réalité virtuelle IA 3 plan 4 1. Def. 2. Applications. 3. IA faible et forte 4. Fiction 5. Méthodes et approches

Plus en détail

La programmation à mémoire adaptative ou l évolution des algorithmes évolutifs

La programmation à mémoire adaptative ou l évolution des algorithmes évolutifs La programmation à mémoire adaptative ou l évolution des algorithmes évolutifs Éric D. Taillard 1 Luca M. Gambardella 1 Michel Gendreau 2 Jean-Yves Potvin 2 1 IDSIA, Corso Elvezia 36, CH-6900 Lugano. E-mail

Plus en détail

Théorie des graphes. Introduction. Programme de Terminale ES Spécialité. Résolution de problèmes à l aide de graphes. Préparation CAPES UCBL

Théorie des graphes. Introduction. Programme de Terminale ES Spécialité. Résolution de problèmes à l aide de graphes. Préparation CAPES UCBL Introduction Ces quelques pages ont pour objectif de vous initier aux notions de théorie des graphes enseignées en Terminale ES. Le programme de Terminale (voir ci-après) est construit sur la résolution

Plus en détail

Fiche(1) Graphes étiquetés et graphes pondérés. Recherche du plus court chemin Algorithme de Dijkstra

Fiche(1) Graphes étiquetés et graphes pondérés. Recherche du plus court chemin Algorithme de Dijkstra Fiche(1) Recherche du plus court chemin Algorithme de Dijkstra Partons d un cas concret : un automobiliste doit se rendre de Troyes à Autun. Si vous observez la carte ci-dessous, vous remarquez qu un faisceau

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

Nouveau : Test de DATAGEN, générateur de données

Nouveau : Test de DATAGEN, générateur de données Nouveau : Test de DATAGEN, générateur de données par Date de publication : 10 avril 2005 Dernière mise à jour : Test de DATAGEN, outil de génération de jeux de données SGBD par Sylvain James, rédacteur

Plus en détail

G. Lesauvage. Laboratoire d Informatique et du Traitement de l Information et des Systèmes

G. Lesauvage. Laboratoire d Informatique et du Traitement de l Information et des Systèmes Gestion dynamique des activités des chariots cavaliers sur un terminal portuaire à conteneurs en environnement incertain - approche par intelligence collective - G. Lesauvage Unité de Formation et de Recherche

Plus en détail

Algorithmique. De la seconde à la terminale

Algorithmique. De la seconde à la terminale Algorithmique De la seconde à la terminale Le calendrier Rentrée 2009 : o En seconde : nouveau programme pour tous Rentrée 2010 : o En première : aménagements en ES et S Rentrée 2011 : o En première :

Plus en détail

République Algérienne Démocratique Et Populaire Université d Oran Faculté des Sciences Département D Informatique

République Algérienne Démocratique Et Populaire Université d Oran Faculté des Sciences Département D Informatique République Algérienne Démocratique Et Populaire Université d Oran Faculté des Sciences Département D Informatique Implémentation de méthodes de recherches locales sur les architectures multi et many-cœurs.

Plus en détail

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

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

Plus en détail

EPITA 2010-11 INFO-SPE. Cahier des Charges. Jean-Pest

EPITA 2010-11 INFO-SPE. Cahier des Charges. Jean-Pest INFO-SPE Jean-Pest France, le 30 janvier 2011 0.1 Nature et but de ce projet Qu'est-ce que? C'est un logiciel permettant de trouver l'itinéraire le plus simple d'un point à un autre sur un réseau de transport.

Plus en détail

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

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

Plus en détail

Les automates cellulaires

Les automates cellulaires LES AUTOMATES CELLULAIRES 9 Que savons-nous si des créations de mondes ne sont point déterminées par des chutes de grains de sable? Victor Hugo, Les Misérables, Quatrième partie, Livre troisième, III Les

Plus en détail

Étude et modélisation d'un mécanisme d'orientation collective chez la fourmi Linepithema humile

Étude et modélisation d'un mécanisme d'orientation collective chez la fourmi Linepithema humile Licence de Biologie Moléculaire et Cellulaire 3 e année École Normale Supérieure de Lyon 2006-2007 Étude et modélisation d'un mécanisme d'orientation collective chez la fourmi Linepithema humile Guérécheau

Plus en détail

Gestion d'un entrepôt

Gestion d'un entrepôt Gestion d'un entrepôt Épreuve pratique d'algorithmique et de programmation Concours commun des écoles normales supérieures Durée de l'épreuve: 3 heures 30 minutes Juin/Juillet 2010 ATTENTION! N oubliez

Plus en détail

LA COMPRESSION DES IMAGES JPEG

LA COMPRESSION DES IMAGES JPEG Fête de la Science LA COMPRESSION DES IMAGES JPEG Laboratoire de Mathématiques et Physique Théorique C.N.R.S UMR 6083 Une image numérique Une image numérique est constituée de points élémentaires (pixels)

Plus en détail

LICENCE (LMD) MENTION : INFORMATIQUE

LICENCE (LMD) MENTION : INFORMATIQUE LICENCE (LMD) MENTION : INFORMATIQUE RÉSUMÉ DE LA FORMATION Type de diplôme : Licence (LMD) Domaine ministériel : Sciences, Technologies, Santé Objectifs Les connaissances et compétences informatiques

Plus en détail

Théorie des Langages

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

Plus en détail

IFT6561. Simulation: aspects stochastiques

IFT6561. Simulation: aspects stochastiques IFT 6561 Simulation: aspects stochastiques DIRO Université de Montréal Automne 2013 Détails pratiques Professeur:, bureau 3367, Pav. A.-Aisenstadt. Courriel: bastin@iro.umontreal.ca Page web: http://www.iro.umontreal.ca/~bastin

Plus en détail

Numerisation 3D, reverse engineering, reconstruction de modele CAO et prototype rapide ou usinage a CN d un objet

Numerisation 3D, reverse engineering, reconstruction de modele CAO et prototype rapide ou usinage a CN d un objet SOBRI Wan Muhammad Hadi MAKTAR Mohd Fariz Izzuddin SHEN Wei Numerisation 3D, reverse engineering, reconstruction de modele CAO et prototype rapide ou usinage a CN d un objet Enseignant-responsable du projet

Plus en détail

Pourquoi l apprentissage?

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

Plus en détail

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés ENSEIRB-MATMECA PG-113 014 TP6: Optimisation au sens des moindres carrés Le but de ce TP est d implémenter une technique de recalage d images qui utilise une méthode vue en cours d analyse numérique :

Plus en détail