M2-OSIL Mémoire Thématique-Présoutenance le Ayse Sena Eruguz
|
|
- Christine Guérard
- il y a 8 ans
- Total affichages :
Transcription
1 M2-OSIL Mémoire Thématique-Présoutenance le Ayse Sena Eruguz 1
2 Plan Introduction Présentation de la Problématique Facteurs de Modélisation Modèles de Localisation-Allocation Applications Méthodes de Résolution Conclusion & Perspective 2
3 Introduction Le problème de localisation des installations et d allocation des clients { ces installations n'est pas nouveau dans le domaine de la recherche opérationnelle. Cooper (1963) Notre objectif initial: Identifier les différentes versions du problème existent dans la littérature. Étudier les différentes applications dans le secteur public et privé. Énumérer les méthodes de résolution proposées par les chercheurs. 3
4 Plan Introduction Présentation de la Problématique Facteurs de Modélisation Modèles de Localisation-Allocation Applications Méthodes de Résolution Conclusion & Perspective 4
5 Présentation de la Problématique Les décisions concernant la localisation et allocation sont des éléments cruciaux de la planification stratégique d un large éventail d'entreprises privées et publiques. Deux décisions { considérer simultanément: 1. Localisation Où faut-il mettre les sites? (et éventuellement de quel nombre et de quelle taille) 2. Allocation A partir de chaque site, quel sous-ensembles de demande devrait être servi? ( zones de commerce, zones de service ) 5
6 Présentation de la Problématique Fournir un service pour satisfaire une demande spatialement dispersée. La demande provient d un grand nombre de sites très dispersés. Il est impossible d offrir le service partout. Pour optimiser les coûts (économies d'échelle) et/ou la qualité de service, ce service doit être assuré par un certain nombre d installations centralisés 6
7 Plan Introduction Présentation de la Problématique Facteurs de Modélisation Modèles de Localisation-Allocation Applications Méthodes de Résolution Conclusion & Perspective 7
8 Facteurs de Modélisation Différents facteurs définissent différents versions du problème de localisation-allocation: Clients Installations Espace de localisation Fonction de distance Décisions de localisation ReVelle and Eiselt (2005) 8
9 Facteurs - Clients Les données du problème: Localisation Nombre Demande des clients Les caractéristiques de ces données: Déterministe- Statique Stochastique Dynamique Owen et Daskin (1998) 9
10 Facteurs - Installations Nombre et/ou capacité d installation Prédéterminé - contrainte du problème Indéterminé Résultat de la solution Systèmes hiérarchiques Il peut y avoir différents types d'installations qui offrent collectivement un service Exemples: Service de santé (Rahman and Smith, 2000) Modèle de production-distribution (Gebennini et al., 2009) 10
11 Facteurs Espace de Localisation C'est l'espace dans lequel les clients et les installations sont situées. Modèles dans le plan Problèmes continus de localisation/ Problèmes planaires => Programmation non linéaire Modèles discrets Problèmes de réseau (Network Problems) => Programmation en nombre entier/ problèmes d'optimisation combinatoire 11
12 Facteurs Fonction de distance C'est une mesure qui indique la distance ou le temps de trajet entre les clients et les installations. Mesures dans plan Distance Rectangulaire Rectilinéaire- Manhattan Distance Euclidienne Distance Max Chebyshev Plastria, (2001) Pour les problèmes de réseau, les distances sont mesurés sur le réseau lui-même. Les modèles de réseau peuvent mieux convenir aux problèmes du monde réel. 12
13 Facteurs Décisions de Localisation Nous pouvons classer les différentes décisions résultant différentes fonctions objectives dans le secteur public et privé tels que: Maximisation du profit Minimisation des couts Amélioration de la qualité de service Maximisation de la couverture de demande Balancer le niveau d utilisation des installations Maximisation de la distance minimale entre les nouvelles installations Contrainte de qualité de service Contrainte de coût Contrainte de qualité de service et/ou Contrainte de coût 13
14 Plan Introduction Présentation de la Problématique Facteurs de Modélisation Modèles de Localisation-Allocation Applications Méthodes de Résolution Conclusion & Perspective 14
15 Les Modèles de Localisation-Allocation Les modèles selon les objectifs Entrée Libre Pull Push Balance Simple Plant Location Problem Capacitated Facility Location Problem Set covering Problems Capture problem p-median problem Multi-source Weber problem Set covering problems Partitioning Problem p-center problem Maxisum Location Problem Empty Covering Problem Minimal Covering Problem P-dispersion problem Similitude des distances, des coûts ou des qualités de service Les modèles les plus connus dans la litérature Un problème peut appartenir aux plusieurs catégories Exemple 1: pull + entrée libre => set covering problem Exemple 2: pull + push => les deux critères Maximin et Minimax (page 16) 15
16 Modèles d Entrée Libre Le nombre d'installations n'est pas connu { l avance mais déterminé de façon endogène par les éléments de l'objectif du modèle =>Plant Location Problem Minimiser la somme des coûts associés { l ouverture des installations et aux coûts de distribution => Location Set Covering Model Trouver le nombre minimal d installation couvrant toute la demande Klose and Drexl (2004) Ces deux problèmes ont aussi un objectif pull 16
17 Modèles Pull (1) Installations désirables: plus les installations sont proches des clients meilleur est la valeur de la fonction objective Fonction du profit général (Gabzewicz and Thisse, 1989) i. Revenue (+) ii. Coût de localisation (-) / nombre d installation fixe iii. Coût variable de production (-) / iv. Coût de transport(-) Constante Différentes politiques définissent différents problèmes 17
18 Modèles Pull (2) => Capture Problem Mill pricing Les coûts de transport sont chargés par les clients La demande dépend du prix d'achat + frais de transport Fonction de profit=> Maximiser la demande satisfaite par l'entreprise => p-median problem (réseaux) => Multi-source Weber problem (modèle planaire) Delivered pricing L entreprise paiera les frais de transport qui est inclus dans les prix Fonction de profit => La réduction des coûts de transport (ou somme des distances pondérées) ReVelle and Eiselt (2005) 18
19 Modèles Pull (3) Il y a d'autres modèles pull qu ils ne peuvent pas être dérivés de la maximisation de la fonction de profit général. => p-center problem Minimiser la plus grande distance entre le client et l installation avec un nombre donné d installation. => Set covering location problem in network => p-full covering location problem in plan Couvrir toutes les demandes => p-maximal covering location problem Couvrir la demande plus que possible Klose and Drexl (2004), Drezner et al. (2001) 19
20 Modèles Push (1) Installations indésirables: les clients désirent "pousser" les installations le plus loin possible. Limiter les distances pour éviter que les installations soient situées vers l infini => Maxisum location problem Localiser p installations en maximisant la distance totale entre les clients et les installations => Empty covering location problem Localiser les installations au plus loin possible dans une région faisable ne couvrant aucun des points donnés. Plastria (2001) 20
21 Modèles Push (2) => Minimal Covering Location Problem Avec l'acceptation de la couverture des points jusqu { une certaine mesure, localiser les installations le plus loin possible dans une région faisable. => p-dispersion problem maximiser la distance minimale entre les nouvelles installations => L'interaction poussée entre les nouvelles installations => Problème de type pull-push Les deux critères Maximin et Minimax Les clients veulent en même temps être proche des installations désirables et loin des insatallations indésirables Plastria (2001) 21
22 Modèles de Balance Localiser les installations de telle façon que les distances entre les clients et les installations soient aussi équivalents Localisations désirables: borne supérieur Localisation indésirables: borne inférieur ReVelle and Eiselt (2005) 22
23 Plan Introduction Présentation de la Problématique Facteurs de Modélisation Modèles de Localisation-Allocation Applications Méthodes de Résolution Conclusion & Perspective 23
24 Applications Regroupement des articles selon leur applications 24
25 Plan Introduction Présentation de la Problématique Facteurs de Modélisation Modèles de Localisation-Allocation Applications Méthodes de Résolution Conclusion & Perspective 25
26 Méthodes de Résolution Regroupement des articles selon leur méthode de résolution 26
27 Plan Introduction Présentation de la Problématique Facteurs de Modélisation Modèles de Localisation-Allocation Applications Méthodes de Résolution Conclusion & Perspective 27
28 Conclusion & Perspectives Notre objectif pour le reste de notre recherche: Proposer une classification pertinente pour ces modèles selon leur formulation mathématique et leur méthode de résolution. Continuer notre recherche bibliographique Se focaliser plutôt sur le modèle set covering pour comparer les applications et les méthodes de résolution proposées dans la littérature. 28
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
Plus en détailETUDES COMPARATIVES DES POLITIQUES DE GESTION DE STOCK LORS DE LA CONCEPTION DES CHAINES LOGISTIQUES
ETUDES COMPARATIVES DES POLITIQUES DE GESTION DE STOCK LORS DE LA CONCEPTION DES CHAINES LOGISTIQUES Fouad Maliki, Zaki Sari To cite this version: Fouad Maliki, Zaki Sari. ETUDES COMPARATIVES DES POLITIQUES
Plus en détailInfo0804. 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 détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailConcurrence imparfaite
Concurrence imparfaite 1. Le monopole 2. Concurrence monopolistique 3. Hotelling et Salop 4. Concurrence à la Cournot 5. Concurrence à la Bertrand 6. Concurrence à la Stackelberg Monopole Un monopole,
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 détailThéorie des Jeux Et ses Applications
Théorie des Jeux Et ses Applications De la Guerre Froide au Poker Clément Sire Laboratoire de Physique Théorique CNRS & Université Paul Sabatier www.lpt.ups-tlse.fr Quelques Définitions de la Théorie des
Plus en détailCONCEPTION D UNE CHAINE LOGISTIQUE INVERSE A UN SEUL NIVEAU DANS UNE APPROCHE DETERMINISTE A PRODUITS MULTIPLES
CONCEPTION D UNE CHAINE LOGISTIQUE INVERSE A UN SEUL NIVEAU DANS UNE APPROCHE DETERMINISTE A PRODUITS MULTIPLES M. Bennekrouf (a), Z. Sari, K. Kara-Zaïtri et F. Boudahri Université M. Satambouli de Mascara
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 détailOptimisez vos processus informatiques, maximisez le taux de rendement de vos actifs et améliorez les niveaux de service
Solutions de gestion des actifs et services Au service de vos objectifs d entreprise Optimisez vos processus informatiques, maximisez le taux de rendement de vos actifs et améliorez les niveaux de service
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 détailCalculer avec Sage. Revision : 417 du 1 er juillet 2010
Calculer avec Sage Alexandre Casamayou Guillaume Connan Thierry Dumont Laurent Fousse François Maltey Matthias Meulien Marc Mezzarobba Clément Pernet Nicolas Thiéry Paul Zimmermann Revision : 417 du 1
Plus en détailProjet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
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 détailProgrammation par contraintes. Laurent Beaudou
Programmation par contraintes Laurent Beaudou On se trouve où? Un problème, une solution : la solution est-elle une solution du problème? simulation, vérification 2 On se trouve où? Un problème, une solution
Plus en détail0DWKpPDWLTXHVGHO DUJHQW. édité par Mr. G.Moumoulidis (OTE)
3/$,78'RF) 0DWKpPDWTXHVGHO DUJHQW HW OHVpWXGHVWHFKQTXHVpFRQRPTXHV édité par Mr. G.Moumoulidis (OTE) 8,2,7(5$7,2$/('(67(/(&2008,&$7,26,7(5$7,2$/7(/(&2008,&$7,28,2 8,2,7(5$&,2$/'(7(/(&208,&$&,2(6 - - 0DWKpPDWTXHVGHO
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 détailAgrégation des portefeuilles de contrats d assurance vie
Agrégation des portefeuilles de contrats d assurance vie Est-il optimal de regrouper les contrats en fonction de l âge, du genre, et de l ancienneté des assurés? Pierre-O. Goffard Université d été de l
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 détailPlan du cours : électricité 1
Semestre : S2 Module Physique II 1 Electricité 1 2 Optique géométrique Plan du cours : électricité 1 Partie A : Electrostatique (discipline de l étude des phénomènes liés aux distributions de charges stationnaires)
Plus en détailMaster Informatique Aix-Marseille Université
Aix-Marseille Université http://masterinfo.univ-mrs.fr/ Département Informatique et Interactions UFR Sciences Laboratoire d Informatique Fondamentale Laboratoire des Sciences de l Information et des Systèmes
Plus en détailPrincipes d AdWords. Quelques mots de présentation. Une audience large : les réseaux de ciblage. Réseau de recherche
3 Principes d AdWords Les deux premiers chapitres de ce livre, plutôt généraux, ont présenté l univers d Internet et de la publicité en ligne. Vous devriez maintenant être convaincu de l intérêt d une
Plus en détailLa gestion de la maintenance assistée par ordinateur et la maintenance des logiciels
Présentation finale de l'activité de synthèse La gestion de la maintenance assistée par ordinateur et la maintenance des logiciels Nicolas BUCHY Directeur : Alain ABRAN Plan de la présentation 1. Présentation
Plus en détailManagement partie 2 : Marketing
Management partie 2 : Marketing Marketing 1. L'approche marketing S'est le contexte économique qui a induit la fonction marketing. Elle est née des contraintes que rencontre l'entreprise sur son marché,
Plus en détailChapitre 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
Plus en détailPrésentation livre Simulation for Supply Chain Management. Chapitre 1 - Supply Chain simulation: An Overview
Présentation livre Simulation for Supply Chain Management Chapitre 1 - Supply Chain simulation: An Overview G. Bel, C. Thierry et A. Thomas 1 Plan Gestion de chaînes logistiques et simulation Points de
Plus en détailOrdonnancement 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
Plus en détailALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE
ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE P. Baudet, C. Azzaro-Pantel, S. Domenech et L. Pibouleau Laboratoire de Génie Chimique - URA 192 du
Plus en détail!-.!#- $'( 1&) &) (,' &*- %,!
0 $'( 1&) +&&/ ( &+&& &+&))&( -.#- 2& -.#- &) (,' %&,))& &)+&&) &- $ 3.#( %, (&&/ 0 ' Il existe plusieurs types de simulation de flux Statique ou dynamique Stochastique ou déterministe A événements discrets
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailCREDIT D'IMPOT RECHERCHE MODELE DE DEMANDE D'AVIS PREALABLE
CREDIT D'IMPOT RECHERCHE MODELE DE DEMANDE D'AVIS PREALABLE QUESTIONNAIRE RELATIF A LA MISE EN ŒUVRE DE LA GARANTIE PREVUE AU 3 DE L'ARTICLE L 80 B DU LIVRE DES PROCEDURES FISCALES Vous voudrez bien apporter
Plus en détailUNE APPROCHE D OPTIMISATION-BASEE SUR LA SIMULATION POUR LA CONCEPTION D UN RESEAU DE DISTRIBUTION STOCHASTIQUE MULTI FOURNISSEURS
8 e Conférence Internationale de MOdélisation et SIMulation - MOSIM 10-10 au 12 mai 2010 - Hammamet - Tunisie Évaluation et optimisation des systèmes innovants de production de biens et de services UNE
Plus en détailLes Méthodes Agiles. description et rapport à la Qualité. Benjamin Joguet Rémi Perrot Guillaume Tourgis
Les Méthodes Agiles description et rapport à la Qualité Benjamin Joguet Rémi Perrot Guillaume Tourgis 1 Plan Présentation générale d'agile Qu'est ce qu'une méthode Agile? Le manifeste Les valeurs Les principes
Plus en détailACCESSNET -T IP Technique système TETRA d Hytera. www.hytera.de
Technique système TETRA d Hytera est la solution complète et performante pour toutes les applications de la téléphonie mobile professionnelle. www.hytera.de Bref aperçu Pour une communication TETRA professionnelle
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 détailConcepts et définitions
Division des industries de service Enquête annuelle sur le développement de logiciels et les services informatiques, 2002 Concepts et définitions English on reverse Les définitions qui suivent portent
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 détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailSales Excellence (L'excellence commerciale)
Aperçu général sur le Refresher pour les cadres dirigeants Sales Excellence (L'excellence commerciale) Dernière mise à jour : 30 janvier 2012 Pour plus d'informations ou pour vous inscrire, visitez notre
Plus en détailMABioVis. Bio-informatique et la
MABioVis Modèles et Algorithmes pour la Bio-informatique et la Visualisation Visite ENS Cachan 5 janvier 2011 MABioVis G GUY MELANÇON (PR UFR Maths Info / EPI GRAVITE) (là, maintenant) - MABioVis DAVID
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
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 détailTravailler avec les télécommunications
Travailler avec les télécommunications Minimiser l attrition dans le secteur des télécommunications Table des matières : 1 Analyse de l attrition à l aide du data mining 2 Analyse de l attrition de la
Plus en détailq u estions + 50 725 + 49 997 * Nombre de personnes visées par le dispositif
Bulletin d information en économie de la santée q u estions d économie de la santé analyse Repères Selon l article L. 863-5 du code de la Sécurité sociale, le Fonds CMU «rend compte annuellement au Gouvernement
Plus en détailMémo technique MODELES GENERIQUES DE SCORE DE CREDIT ou Le scoring de crédit «prêt à l emploi»
Mémo technique MODELES GENERIQUES DE SCORE DE CREDIT ou Le scoring de crédit «prêt à l emploi» 46, rue de la Tour 75116 Paris tél. (33) 01 73 00 55 00 fax (33) 01 73 00 55 01 www.softcomputing.com Sommaire
Plus en détailVers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
Plus en détailGLOBAL SUPPLY CHAIN MANAGEMENT & STRATEGIE LOGISTIQUE
GLOBAL SUPPLY CHAIN MANAGEMENT & STRATEGIE LOGISTIQUE La logistique représentait traditionnellement l activité allant de la mise à disposition des produits finis par l usine ou le négociant jusqu à la
Plus en détailOptimisation WAN de classe Centre de Données
Optimisation WAN de classe Centre de Données Que signifie «classe centre de données»? Un nouveau niveau de performance et d'évolutivité WAN Dans le milieu de l'optimisation WAN, les produits de classe
Plus en détailTUTORIAL D UTILISATION ET DE COMPREHENSION PLATEFORME DE TRADING TRADMAKER
P a g e 1 TUTORIAL D UTILISATION ET DE COMPREHENSION PLATEFORME DE TRADING TRADMAKER P a g e 2 TABLE DES MATIERES 1. TERMINOLOGIE DE BASE 1.1 Symboles 1.2 Taux Bid 1.3 Taux Ask 1.4 Spread 1.5 High Bid
Plus en détailLes clusters Linux. 4 août 2004 Benoît des Ligneris, Ph. D. benoit.des.ligneris@revolutionlinux.com. white-paper-cluster_fr.sxw, Version 74 Page 1
Les clusters Linux 4 août 2004 Benoît des Ligneris, Ph. D. benoit.des.ligneris@revolutionlinux.com white-paper-cluster_fr.sxw, Version 74 Page 1 Table des matières Introduction....2 Haute performance (High
Plus en détailMesures de Risque Multipériodes Cohérentes Appliquées au Compte à Terme
TFE Ingénieur Civil Mathématiques Appliquées 24 juin 2010 Mesures de Risque Multipériodes Cohérentes Appliquées au Compte à Terme Auteur Christophe Pochet Promoteur Pierre Devolder Comment garantir la
Plus en détailDiFiQ. Diplôme Finance Quantitative. Une formation en partenariat. Ensae Dauphine Bärchen
DiFiQ Ensae Dauphine Bärchen Diplôme Finance Quantitative Une formation en partenariat bonnes raisons 5de s inscrire au DiFiQ 1. Gagnez une maîtrise incontournable des techniques quantitatives en finance
Plus en détailCahier Technique Différences Batigest Standard/Evolution. Apibâtiment. Documentation technique
Cahier Technique Différences Batigest Standard/Evolution Apibâtiment Documentation technique Sommaire Sommaire I. Préambule... 3 II. Différences Batigest Standard/Evolution... 4 1. Eléments... 4 2. Devis
Plus en détailConception des systèmes répartis
Conception des systèmes répartis Principes et concepts Gérard Padiou Département Informatique et Mathématiques appliquées ENSEEIHT Octobre 2012 Gérard Padiou Conception des systèmes répartis 1 / 37 plan
Plus en détailBYOD Smart Solution. Mettre à disposition une solution qui peut être adaptée à des utilisateurs et appareils divers, à tout moment et en tout lieu
Présentation de la solution BYOD Smart Solution Mettre à disposition une solution qui peut être adaptée à des utilisateurs et appareils divers, à tout moment et en tout lieu Cisco ou ses filiales, 2012.
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détail4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
Plus en détailOptimisation et Processus métier
Optimisation et Processus métier découvrez avec ILOG la solution d'optimisation leader du marché Didier Vidal vidaldid@fr.ibm.com Petit problème d optimisation 1 2000 1 Coûts de transport: 10 Euros par
Plus en détailC ) Détail volets A, B, C, D et E. Hypothèses (facteurs externes au projet) Sources de vérification. Actions Objectifs Méthode, résultats
C ) Détail volets A, B, C, D et E Actions Objectifs Méthode, résultats VOLET A : JUMELAGE DE 18 MOIS Rapports d avancement du projet. Réorganisation de l administration fiscale Rapports des voyages d étude.
Plus en détailDétermination de la taille des lots : cas d une production cyclique et d une demande dynamique
Détermination de la taille des lots : cas d une production cyclique et d une demande dynamique Projet effectué en collaboration avec Domtar, Windsor Équipe de projet : Hanen Bouchriha, post-doctorat en
Plus en détailOptimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie
Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie 1 Présenté par: Yacine KESSACI Encadrement : N. MELAB E-G. TALBI 31/05/2011 Plan 2 Motivation
Plus en détailLA 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
Plus en détailCatalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands.
Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands. Pourquoi un autre catalogue en Suisse romande Historique En 1990, la CRUS (Conférences des
Plus en détailChef de file en gestion immobilière. Guide sur la classification des immeubles de bureaux
Chef de file en gestion immobilière Guide sur la classification des immeubles de bureaux Table des matières 3 Démarche du projet 4 Introduction 5 Un guide pour les immeubles de bureaux de classe A, B ou
Plus en détailChapitre 10. Architectures des systèmes de gestion de bases de données
Chapitre 10 Architectures des systèmes de gestion de bases de données Introduction Les technologies des dernières années ont amené la notion d environnement distribué (dispersions des données). Pour reliér
Plus en détailMARKETING. Denis Pettigrew D. Se. gestion Professeur titulaire de marketing Université du Québec à Trois-Rivières
MARKETING 6 e édition Denis Pettigrew D. Se. gestion Professeur titulaire de marketing Université du Québec à Trois-Rivières Normand Turgeon Ph. D. (Marketing) Professeur titulaire Service de l'enseignement
Plus en détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
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 détailChapitre 1 : Introduction aux bases de données
Chapitre 1 : Introduction aux bases de données Les Bases de Données occupent aujourd'hui une place de plus en plus importante dans les systèmes informatiques. Les Systèmes de Gestion de Bases de Données
Plus en détailObjectifs didactiques HERMES 5 Foundation et Advanced
Département fédéral des finances DFF Unité de pilotage informatique de la Confédération Objectifs didactiques HERMES 5 Foundation et Advanced 1.1 Introduction Les objectifs didactiques définissent les
Plus en détailPour obtenir le grade de. Spécialité : Sciences Pour l Ingénieur. Arrêté ministériel : 7 août 2006
THÈSE Pour obtenir le grade de DOCTEUR DE L UNIVERSITÉ DE GRENOBLE Spécialité : Sciences Pour l Ingénieur Arrêté ministériel : 7 août 2006 Présentée par Imed NASRI Thèse dirigée par Georges HABCHI Co-dirigée
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailFinancement. Crédit PME Marge de manœuvre pour petites et moyennes entreprises
Financement Crédit PME Marge de manœuvre pour petites et moyennes entreprises Qu il s agisse de financements de PME, de financements de véhicules, de cartes de crédit, de crédits privés, d épargne ou
Plus en détailHealth Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation
Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Laurent Denis STATXPERT Journée technologique "Solutions de maintenance prévisionnelle adaptées à la production" FIGEAC,
Plus en détailSOUS TITRAGE DE LA WEBÉMISSION DU PROGRAMME DE MATHÉMATIQUES 11 e ET 12 e ANNÉE
SOUS TITRAGE DE LA WEBÉMISSION DU PROGRAMME DE MATHÉMATIQUES 11 e ET 12 e ANNÉE Table de matières INTRODUCTION 2 ITINÉRAIRE MEL3E/MEL4E 6 ITINÉRAIRE MBF3C/MAP4C 9 ITINÉRAIRE MCF3M/MCT4C 12 ITINÉRAIRE MCR3U/MHF4U
Plus en détailGéométrie discrète Chapitre V
Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailFICHE 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
Plus en détailTableau Online Sécurité dans le cloud
Tableau Online Sécurité dans le cloud Auteur : Ellie Fields Ellie Fields, directrice principale du marketing produits, Tableau Software Juin 2013 p.2 Tableau est conscient que les données font partie des
Plus en détailI 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...................................
Plus en détailModule BDR Master d Informatique (SAR)
Module BDR Master d Informatique (SAR) Cours 6- Bases de données réparties Anne Doucet Anne.Doucet@lip6.fr 1 Bases de Données Réparties Définition Conception Décomposition Fragmentation horizontale et
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailCycle de vie, processus de gestion
Les données scientifiques au CNES Cycle de vie, processus de gestion Danièle BOUCON Réunion PIN du 4 janvier 2013 Réunion PIN du 22 mars 2012 Outils CNES Contexte des données scientifiques au CNES SOMMAIRE
Plus en détailLe nouvel espace de travail : Prise en charge du modèle BYOD («Bring your own device»)
IBM Global Technology Services Livre blanc pour l innovation Juin 2011 Le nouvel espace de travail : Prise en charge du modèle BYOD («Bring your own device») 2 Le nouvel espace de travail : Prise en charge
Plus en détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en détailProblèmes 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
Plus en détailVOYAGE DANS LE NON COMMUTATIF THIERRY PAUL
VOYAGE DANS LE NON COMMUTATIF THIERRY PAUL Résumé. Nous proposons un court voyage au pays de la non commutativité. Nous présentons différents aspects des mathématiques et de la physique où cette notion
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 détailDébouchés professionnels
Master Domaine Droit, Economie, Gestion Mention : Monnaie, Banque, Finance, Assurance Spécialité : Risque, Assurance, Décision Année universitaire 2014/2015 DIRECTEUR de la spécialité : Monsieur Kouroche
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 détailPrésentation de la gamme Basware et de notre vision du B2B Cloud
Présentation de la gamme Basware et de notre vision du B2B Cloud Matthieu Reynier VP Sales Basware SAS Basware Experience Club Utilisateur Collaborer. Innover. Réussir. Australia Denmark Finland France
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailMéthodes Agiles et gestion de projets
Méthodes Agiles et gestion de projets Eric LELEU Consultant Solutions Collaboratives Contact ericleleu@nordnet.fr Site Personnel http://home.nordnet.fr/~ericleleu Blog http://ericleleu.spaces.live.fr La
Plus en détailLa politique de sécurité
La politique de sécurité D'après le gestionnaire Master 2 Professionnel Informatique 1 Introduction Depuis les années 2000, la sécurité informatique s'est généralisée dans les grandes structures Maintenant,
Plus en détailAPX Solution de Consolidation de Sauvegarde, restauration et Archivage
APX Solution de Consolidation de Sauvegarde, restauration et Archivage APX vous accompagne de la Conception à l Exploitation de votre Système d Information. Ce savoir faire est décliné dans les 3 pôles
Plus en détail