INFO-F-404 : Techniques avancées de systèmes d exploitation

Dimension: px
Commencer à balayer dès la page:

Download "INFO-F-404 : Techniques avancées de systèmes d exploitation"

Transcription

1 Nikita Veshchikov nikita.veshchikov@ulb.ac.be téléphone : 02/ bureau : 2N8.213 URL : INFO-F-404 : Techniques avancées de systèmes d exploitation Table des matières 1 Rappel théorique Définitions, hypothèses et classifications Le système et les tâches Les algorithmes d ordonnancement Algorithmes, tests de faisabilité et intervalles d étude Système à départ simultané et à échéance sur requête : l algorithme RM Système à départ simultané et à échéance contrainte : l algorithme DM Système à départ simultané et à échéance arbitraire Exercices 9 1 Rappel théorique 1.1 Définitions, hypothèses et classifications Le système et les tâches Définition : Un système temps réel est un système dont le bon fonctionnement dépend non seulement des résultats des calculs, mais également des instants auxquels ces résultats sont 1

2 produits. Typiquement, chaque calcul doit être réalisé en respectant une échéance (deadline). Un système temps réel est composé d un ensemble de tâches temps réel. Une tâche temps réel est un processus qui génère des travaux et ces travaux sont soumis au(x) processeur(s) afin d être exécutés. On distingue plusieurs sortes de tâches temps réel et nous définissons ci-dessous les concepts de tâche périodique, apériodique et sporadique. Définition : Une tâche périodique notée τ i est un processus qui génère périodiquement des travaux. Elle est caractérisée par le 4-uplet (O i, T i, D i, C i ) où : i est un numéro unique attribué à chaque tâche du système. O i est l instant d arrivée de τ i, c est-à-dire l instant auquel elle s active pour la première fois. A cet instant, elle génère donc son premier travail noté τ i,1 qui peut dès lors commencer à être exécuté. T i est la période, c est-à-dire l intervalle de temps exact qui sépare deux activations successives de τ i. En d autres termes, le premier travail est généré à l instant O i et les suivants sont générés à chaque instant t multiple de T i en partant de O i (t = O i + k T i avec k = 0,... ). C i est la durée d exécution maximal de la tâche. D i est l échéance relative de la tâche. Cette échéance représente le laps de temps maximal durant lequel τ i doit avoir été entièrement exécutée. Dans ce cours, nous considérons des échéances strictes, ce qui signifie qu aucune échéance ne peut être manquée. La tâche périodique τ i = (O i, T i, D i, C i ) génère donc un travail τ i,j = (O i,j, D i,j, C i,j ) (pour j = 1,... ) à chaque instant O i,j = O i + (j 1) T i. L échéance absolue de chacun de ces travaux vaut D i,j = O i,j + D i = O i + (j 1) T i + D i et leur durée d exécution maximale C i,j est égale à C i. Définition : Le facteur d utilisation U i d une tâche périodique τ i est le rapport entre son pire temps d exécution et sa période. Par exemple, une tâche périodique de période 100 ms et dont le pire temps d exécution est de 50 ms utilise le processeur à elle seule durant la moitié du temps, ce qui correspond à son facteur d utilisation (en effet, U i = C i T i = 0.5). Définition : Le facteur d utilisation U tot (τ) d un système périodique τ (c est-à-dire composé de tâches périodiques) est la somme du facteur d utilisation de toutes les tâches qui le composent. Autrement dit : U tot (τ) = n i=1 U i (où n est le nombre de tâches périodiques du système). 2

3 Exemple : A titre d exemple, considérons un capteur s activant dès la mise en marche d un système. Ce capteur a pour objectif de mesurer et de traiter une donnée quelconque toute les 100 ms. On sait que, dans le pire des cas, la mesure s effectue (et est traitée) en 50 ms et on précise que chaque mesure doit avoir été traitée avant d en prendre une suivante. Ce capteur peut donc être modélisé par la tâche temps réel périodique (à échéance sur requête) τ 1 = (O 1 = 0, T 1 = 100ms, D 1 = 100ms, C 1 = 50ms). Le premier travail généré par le capteur est τ 1,1 = (0, 100, 50), le deuxième est τ 1,2 = (100, 200, 50), le troisième est τ 1,3 = (200, 300, 50) et ainsi de suite. De manière générale, le j e travail généré par ce capteur est : τ i,j = ( O i,j = O i + (j 1) T i, D i,j = O i + (j 1) T i + D i, C i,j = C i ) La figure 1 illustre l ordonnancement de cette tâche. τ 1 τ 1,1 τ 1,2 τ 1,3 τ 1, time FIGURE 1 Ordonnancement des travaux générés par le capteur. Au passage, remarquons que le facteur d utilisation du capteur vaut 0.5 et on voit nettement sur cette figure que l exécution des travaux générés occupent bien le processeur durant la moitié (50%) du temps. Définition : Une tâche sporadique peut être vue comme une tâche périodique, excepté que sa période dénote le laps de temps minimum (et non plus exact) entre deux activations successives. Définition : Une tâche apériodique est une tâche qui génère des travaux dont on ignore les instants d arrivée et dont les autres caractéristiques (durée d exécution maximale et échéance) ne sont connues que lorsqu ils arrivent dans le système. Dans la littérature, certains auteurs confondent fréquemment la notion de travail avec celle de tâche apériodique. Les tâches périodiques sont classées selon la relation qui existe entre leur échéance et leur période. On distingue trois cas de figure : 3

4 1. tâche à échéance sur requête : l échéance est égale à la période (D i = T i τ i ). 2. tâche à échéance contrainte : l échéance est inférieure ou égale à la période (D i T i τ i ). 3. tâche à échéance arbitraire : il n y aucune contrainte entre l échéance et la période. Remarque : Il est important de remarquer que les solutions d ordonnancement diffèrent selon le type de système considéré. Notons la relation suivante entre les différents types de problème : échéance sur requête échéance contrainte échéance arbitraire Autrement dit, un algorithme qui est valable pour des systèmes à échéance contrainte est valable pour des systèmes à échéance sur requête. Les tâches sont soit à départ simultané (O i = O j τ i, τ j ), i.e., synchrone, soit à départ différé, i.e., asynchrone. Dans le cas des tâches à départ simultané, on peut considérer sans nuire à la généralité que toutes les tâches arrivent dans le système à l instant 0. A nouveau, un algorithme valable pour des systèmes à départ différé est également valable pour des systèmes à départ simultané. Les tâches sont également soit préemptives soit non préemptives. Une tâche préemptive génère des travaux dont l exécution peut être momentanément interrompue afin d exécuter un travail plus prioritaire. Dans le cadre de ce cours, nous considérons toujours des tâches préemptives. Remarque : Les processus devant être exécutés sur des processeurs sont en général préemptifs. En effet, les processeurs disposent d une opération appelée context switch qui permet de sauvegarder les variables de travail d un processus et de les restaurer ultérieurement. Au contraire, l ordonnancement de paquets sur un réseau n est pas préemptif. En effet, les paquets sont des entités indisséquables. On ne peut donc pas envoyer un demi-paquet A, s interrompre pour envoyer un paquet complet B et ensuite, envoyer la deuxième moitié du paquet A. Même en ce qui concerne les processus devant être exécutés sur un processeur, il ne sont pas toujours 100% préemptifs. Il est en effet possible que les tâches (et donc les travaux qu elles génèrent) disposent de sections critiques, c est-à-dire des sections de codes pendant lesquelles les travaux ne peuvent pas être préemptés. La présence de sections critiques est souvent due à l utilisation de sémaphores. Dans le cadre de ce cours, nous ne considérons que des tâches dépourvues de sections critiques, c est-à-dire des tâches pouvant être préemptées à tout moment. 4

5 De plus, nous supposons que les temps de préemption sont négligeables (autrement dit, les préemptions sont réalisées instantanément). Toujours dans le cadre de ce cours, nous considérons des tâches indépendantes, c est-à-dire qui ne sont pas sujettes à des relations de préséance et qui n utilisent pas de ressources communes (hormis le processeur) Les algorithmes d ordonnancement Nous distinguons plusieurs types d algorithmes d ordonnancement (appelés ordonnanceurs). En effet, un ordonnanceur peut être soit conservatifs (ou expédient) soit non-conservatifs. Un algorithme conservatif ne laisse jamais le processeur oisif lorsqu il y a des travaux en attente de traitement. A l inverse, une méthode non-conservative peut introduire des laps de temps (temps creux) dans l ordonnancement durant lesquels le processeur n exécute aucun travail (même si des travaux sont en attente). A première vue, on ne comprend pas toujours bien l intérêt d avoir un algorithme non-conservatifs. On se dit que le fait de laisser le processeur oisif alors qu il y a des travaux en attente ne peut faire qu augmenter le temps de réponse de ceux-ci. Toutefois, ces types d ordonnanceur sont très utilisés pour des systèmes dont les tâches sont non-préemptives. En effet, pour ce type de système, il peut être préférable d attendre l arrivée d une tâche courte (lorsque les instants d arrivée sont connus) afin de l exécuter dans les plus brefs délais avant de se lancer dans l exécution d une très longue tâche (exécution qui n aurait pas pu être interrompue par l arrivée de la tâche courte). Dans le cadre de ce cours, nous ne considérerons que des algorithmes conservatifs (ou expédient). Une deuxième classification des ordonnanceurs (indépendante de celle que l on vient de voir) se fait sur la façon dont ils attribuent les priorités. On distingue trois catégories différentes ; les ordonnanceurs à : 1. priorité fixe au niveau des tâches. Ces ordonnanceurs attribuent une priorité constante à chaque tâche avant l exécution du système. Les travaux héritent tout simplement de la priorité de leur tâche dès leur arrivée dans le système et cette priorité reste constante (cf. RM et DM). 2. priorité fixe au niveau des travaux. Ces ordonnanceurs attribuent une priorité à chaque travail dès leur arrivée dans le système. Une fois la priorité attribuée, celle-ci reste constante (cf. EDF). 3. priorité dynamique au niveau des travaux. Ces ordonnanceurs attribuent une priorité à chaque travail dès leur arrivée dans le système. Cette priorité peut toutefois être modifiée 5

6 durant l exécution du système, voire du travail (cf. LLF). Définition : Une règle d assignation de priorité R est dite optimale si, lorsqu un système périodique est faisable alors il est ordonnançable étant donné la règle R. 1.2 Algorithmes, tests de faisabilité et intervalles d étude Système à départ simultané et à échéance sur requête : l algorithme RM L assignation de priorité RM (Rate Monotonic) est définie pour des systèmes à départ simultané et à échéance sur requête. C est un ordonnanceur à priorité fixe au niveau des tâches, il est expédiant et est défini pour des tâches préemptives. RM assigne les priorités de manière inversement proportionnelle à la période des tâches ou proportionnellement à leur taux (rate) d arrivée. Autrement dit, RM attribue à une tâche τ i la priorité p i où : p i = 1 T i Plus la valeur numérique de p i est élevée, plus τ i est prioritaire. Les cas d égalité sont résolus de manière arbitraire (afin d obtenir des priorités distinctes). RM est optimal pour des systèmes à départ simultané et à échéance sur requête. Principe de RM : Plus une tâche s active fréquemment, plus elle est prioritaire. Il existe deux moyens de savoir si un système donné est faisable (c est-à-dire qu il ne rate aucune échéance) lorsqu il est ordonnancé par RM. La première méthode se base sur le facteur d utilisation du système et la seconde sur le pire temps de réponse des tâches. Méthode basée sur U tot (τ) : Rappelons que, indépendamment de l algorithme utilisé, U tot (τ) 1 est une condition nécessaire pour la faisabilité du système. En ce qui concerne RM, si τ est un système constitué de n tâches, alors U tot (τ) U LL (τ) = n(2 1/n 1) 1 est une condition suffisante. Lorsque n, on a U LL (τ) ln(2) Autrement dit, si le facteur d utilisation du système est inférieure ou égale à 0.69, alors le système est faisable par RM. Si 0.69 < U tot (τ) 1, alors on ne peut tirer aucune conclusion de ce test et on doit avoir recours au test suivant. Note : Etant donné un système τ constitué de n tâches temps réel périodiques, la borne a n U tot (τ) été améliorée par Enrico Bini et al. en 2000 : (U i + 1) 2. i=1 1. U LL(τ) est la borne introduite par Liu & Layland (1973). 6

7 Méthode basée sur les temps de réponse : Pour que le système soit faisable, il faut que le temps de réponse de tous les travaux n excède jamais leur échéance. Heureusement, le lemme 7 (voir cours) nous indique le résultat suivant : Soit τ = {τ 1,..., τ n } un système périodique (ou sporadique) à échéance contrainte et à départ simultané. Lorsque ce système est ordonnancé par un algorithme à priorité fixe (comme RM par exemple), le temps de réponse du premier travail de la tâche τ i est le plus grand parmi tous les travaux de cette tâche. Par conséquent, il faut montrer que pour toutes les tâches τ i du système, le temps de réponse de leur premier travail τ i,1 est inférieur à leur échéance D i,1 = D i. Pour chaque tâche τ i (en supposant que les tâches sont indexées par ordre décroissant de priorité), le procédé est le suivant (attention, il faut être capable d expliquer d où provient cette formule) : 1. Calculer W 0 = C i. i 1 2. Calculer W k+1 = C i + j=1 Wk (dans ce dernier cas, le système n est pas faisable). T j C j jusqu à ce que W k+1 = W k ou jusqu à ce que W k > D i Système à départ simultané et à échéance contrainte : l algorithme DM L assignation de priorité DM (Deadline Monotonic) est définie pour des systèmes à départ simultané et à échéance sur contrainte. C est un ordonnanceur à priorité fixe au niveau des tâches, il est expédiant et est défini pour des tâches préemptives. DM assigne les priorités de manière inversement proportionnelle à l échéance des tâches. RM est donc un cas particulier de DM. DM attribue à une tâche τ i la priorité p i où : p i = 1 D i Plus la valeur numérique de p i est élevée, plus τ i est prioritaire. Les cas d égalité sont résolus de manière arbitraire (afin d obtenir des priorités distinctes). DM est optimal pour des systèmes à départ simultané et à échéance contrainte. Principe de DM : Moins une tâche a de temps pour être exécutée, plus elle est prioritaire. Contrairement à RM, il n existe pas de test de faisabilité pour DM qui soit basé sur le facteur d utilisation du système. Il faut donc avoir recours au second test décrit à la section

8 1.2.3 Système à départ simultané et à échéance arbitraire Pour les systèmes à départ simultané et à échéance arbitraire, la situation est différente. Premièrement, il se peut qu à un instant donné durant l ordonnancement, plusieurs travaux d une même tâche soit actifs simultanément. Dans le cadre de ce cours, nous supposerons que la stratégie FIFO est alors utilisée pour déterminer lequel de ces travaux est le plus prioritaire. De plus, il n existe pas de test de faisabilité sur mesure comme pour les systèmes à échéance contrainte. En effet, le lemme 7 énoncé à la section n est valable que pour des échéances contraintes. Pour vérifier l ordonnançabilité d un système à échéance arbitraire, nous sommes donc obligés d avoir recours à des simulations. La question qui se pose alors est la suivante : Pendant combien de temps doit-on simuler l ordonnancement du système pour être certain qu il ne manquera jamais une échéance?. Cet intervalle de temps que nous recherchons s appelle un intervalle d étude. Pour des systèmes à départ simultané et à échéance arbitraire et pour un ordonnanceur à priorité fixe au niveau des tâches, [0, λ n ) est un intervalle d étude où : λ n = n i=1 λn T i C i Cette quantité λ n peut être calculée par le procédé itératif suivant : W k+1 = W 0 = n i=1 n C i i=1 Wk T i C i jusqu à obtenir un point fixe, c est-à-dire W k+1 = W k. Attention, si cet intervalle d étude est fini (et donc si on arrive à un point fixe), cela signifie qu il existe une assignation de priorité fixe pour laquelle le système est faisable. Cela ne signifie pas que n importe quelle assignation de priorité fixe peut ordonnancer le système. Autrement dit, même s il existe un intervalle d étude fini pour un système à départ simultané et à échéance arbitraire donné (pour lequel il existe au moins une tâche τ i telle que D i > T i ), ce système n est pas forcément ordonnançable par RM ou par DM car ils ne sont optimaux que pour des systèmes à échéance sur requête et à échéance contrainte, respectivement. Remarque : Il existe également un intervalle d étude (généralement plus petit) pour les systèmes à départ simultané et à échéance contrainte et pour des ordonnanceurs à priorité fixe au 8

9 niveau des tâches. Ce test est donc également applicable (et souvent meilleur car il fournit généralement un intervalle de temps plus petit que l intervalle décrit précédemment) pour des systèmes à ordonnancer par RM ou DM. Toutefois, l utilité de cet intervalle d étude est réduite par le fait que ces algorithmes disposent de tests exacts. D après le lemme 7, pour ces types de système et pour ce type d ordonnanceur (à priorité fixe au niveau des tâches), le temps de réponse du premier travail d une tâche est le pire temps de réponse de cette tâche. Il suffit donc que le premier travail de chaque tâche se termine avant son échéance pour conclure de l ordonnançabilité du système (cette propriété est également exploitée par le deuxième test de faisabilité décrit à la Section 1.2.1). L intervalle d étude est donc : [0, max {D i i = 1,..., n}) 2 Exercices Exercice 1a : l algorithme RM Soit le système temps réel donné à la table 1. Les tâches sont périodiques, à départ simultané et à échéance sur requête. Nous supposons qu elles sont indépendantes entre elles et qu elles sont préemptives. Task index Release time WCET Deadline Period Tâche τ Tâche τ Tâche τ Tâche τ TABLE 1 Système de 4 tâches périodiques à départ simultané et à échéance sur requête. a) Vérifier que le système est ordonnançable par l algorithme RM. b) Dessiner l ordonnancement de ces 4 tâches si l algorithme RM est utilisé. Nous supposons que tous les travaux prennent leur pire temps d exécution (WCET) pour se terminer. Utilisez la figure 2 pour répondre. c) Trouver un système temps réel périodique tel que 0.7 U tot 1 qui ne soit pas ordonnançable par RM. 9

10 Exercice 1b : l algorithme RM Soit le système temps réel donné à la table 2. Les tâches sont périodiques, à départ simultané et à échéance sur requête. Nous supposons qu elles sont indépendantes entre elles et qu elles sont préemptives. Task index Release time WCET Deadline Period Tâche τ Tâche τ Tâche τ TABLE 2 Système de 3 tâches périodiques synchrone et à échéance sur requête. a) Vérifier que le système est ordonnançable par l algorithme RM. 1. Appliquer une approche basée sur le facteur d utilisation du processeur. 2. Appliquer une approche basée sur les pires temps de réponse des tâches. Exercice 2a : l algorithme DM Soit le système temps réel donné à la table 3. Les tâches sont périodiques, à départ simultané et à échéance contrainte. Nous supposons qu elles sont indépendantes entre elles et qu elles sont préemptives. Task index Release time WCET Deadline Period Tâche τ Tâche τ Tâche τ Tâche τ TABLE 3 Système de 4 tâches périodiques à départ simultané et à échéance contrainte. a) Vérifier que le système est ordonnançable par l algorithme DM. b) Dessiner l ordonnancement de ces 4 tâches si l algorithme DM est utilisé. Nous supposons que tous les travaux prennent leur pire temps d exécution (WCET) pour se terminer. Utilisez la figure 2 pour répondre. Remarque : constatez que si l on utilise l algorithme à priorité fixe RM (qui n est défini que pour des systèmes à échéance sur requête), celui-ci établit les priorités suivantes : τ 1 > τ 2 > τ 3 > τ 4. Après l exécution de τ 1 et de τ 2, on se trouve à l instant t = 30 et τ 3 manque donc son échéance. 10

11 Exercice 2b : l algorithme DM Soit le système temps réel donné à la table 4. Les tâches sont périodiques, synchrone et à échéance sur requête. Nous supposons qu elles sont indépendantes entre elles et qu elles sont préemptives. Task index Release time WCET Deadline Period Tâche τ Tâche τ Tâche τ TABLE 4 Système de 3 tâches périodiques, synchrone et à échéance sur requête. a) Vérifier que τ n est pas ordonnançable suivant l algorithme DM. b) Existe t il un autre algorithme à priorités fixes pouvant ordonnancer τ avec succès. Exercice 3 : Systèmes à échéance arbitraire Soit le système temps réel donné à la table 5. Les tâches sont périodiques, à départ simultané et à échéance arbitraire. Nous supposons qu elles sont indépendantes entre elles et qu elles sont préemptives. Task index Release time WCET Deadline Period Tâche τ Tâche τ Tâche τ Tâche τ TABLE 5 Système de 4 tâches périodiques à départ simultané et à échéance arbitraire. a) Déterminer un intervalle d étude pour ce système. 11

12 time τ4 τ3 τ2 τ1 time τ4 τ3 τ2 τ1 FIGURE 2 Ordonnancement. 12

Programmation temps-réel Cours 1 et 2 Introduction et ordonnancement

Programmation temps-réel Cours 1 et 2 Introduction et ordonnancement Master 2 pro Programmation temps-réel Cours 1 et 2 Introduction et ordonnancement Isabelle PUAUT / Rémi COZOT Université de Rennes I 1 Applications temps-réel embarquées Systèmes en interaction avec l

Plus en détail

Ordonnancement temps réel

Ordonnancement temps réel Ordonnancement temps réel Laurent.Pautet@enst.fr Version 1.5 Problématique de l ordonnancement temps réel En fonctionnement normal, respecter les contraintes temporelles spécifiées par toutes les tâches

Plus en détail

PRIME D UNE OPTION D ACHAT OU DE VENTE

PRIME D UNE OPTION D ACHAT OU DE VENTE Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Les systèmes de base de données temps réels. Pokrovskaya Natalia, Kabbali Nadia

Les systèmes de base de données temps réels. Pokrovskaya Natalia, Kabbali Nadia Les systèmes de base de données temps réels Pokrovskaya Natalia, Kabbali Nadia Année académique 2008-2009 Table des matières 1 Introduction 2 2 Système de gestion de bases de données classiques 3 3 Systèmes

Plus en détail

Analyse du temps de réponse des systèmes temps réel

Analyse du temps de réponse des systèmes temps réel Analyse du temps de réponse des systèmes temps réel Pascal Richard Laboratoire d Informatique Scientifique et Industrielle, ENSMA BP 40198 Téléport 2 F-86960 Futuroscope pascal.richard@ensma.fr RÉSUMÉ.

Plus en détail

Annexe 6. Notions d ordonnancement.

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 détail

1 Mesure de la performance d un système temps réel : la gigue

1 Mesure de la performance d un système temps réel : la gigue TP TR ENSPS et MSTER 1 Travaux Pratiques Systèmes temps réel et embarqués ENSPS ISV et Master TP1 - Ordonnancement et communication inter-processus (IPC) Environnement de travail Un ordinateur dual-core

Plus en détail

aux différences est appelé équation aux différences d ordre n en forme normale.

aux 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 détail

Ordonnancement temps réel et minimisation de la consommation d énergie

Ordonnancement temps réel et minimisation de la consommation d énergie Chapitre 4 Ordonnancement temps réel et minimisation de la consommation d énergie 4.1. Introduction La consommation en énergie est devenue un problème crucial dans la conception des équipements électroniques

Plus en détail

Chapitre 4 : Exclusion mutuelle

Chapitre 4 : Exclusion mutuelle Chapitre 4 : Exclusion mutuelle Pierre Gançarski Juillet 2004 Ce support de cours comporte un certain nombre d erreurs : je décline toute responsabilité quant à leurs conséquences sur le déroulement des

Plus en détail

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur Excel Avancé Plan Outils de résolution La valeur cible Le solveur Interactivité dans les feuilles Fonctions de recherche (ex: RechercheV) Utilisation de la barre d outils «Formulaires» Outils de simulation

Plus en détail

Systèmes et exécutifs temps-réel

Systèmes et exécutifs temps-réel Systèmes et exécutifs temps-réel Licence professionnelle «Systèmes embarqués dans l automobile» Isabelle PUAUT (Cours + TD) Jean-François DEVERGE et Christophe Pais (TP) 1 Applications temps-réel Systèmes

Plus en détail

Comparaison de fonctions Développements limités. Chapitre 10

Comparaison de fonctions Développements limités. Chapitre 10 PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles à Événements Discrets. Réseaux de Petri Stochastiques Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés

Plus en détail

REALISATION d'un. ORDONNANCEUR à ECHEANCES

REALISATION d'un. ORDONNANCEUR à ECHEANCES REALISATION d'un ORDONNANCEUR à ECHEANCES I- PRÉSENTATION... 3 II. DESCRIPTION DU NOYAU ORIGINEL... 4 II.1- ARCHITECTURE... 4 II.2 - SERVICES... 4 III. IMPLÉMENTATION DE L'ORDONNANCEUR À ÉCHÉANCES... 6

Plus en détail

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.

Plus en détail

Limites finies en un point

Limites 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 détail

Continuité en un point

Continuité en un point DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte Agrégation limitée par diffusion interne Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse

Plus en détail

1 Modélisation d une base de données pour une société de bourse

1 Modélisation d une base de données pour une société de bourse IN306 : Corrigé SID Christophe Garion 18 octobre 2010 Ce document est un corrigé succinct de l examen du module IN306. 1 Modélisation d une base de données pour une société de bourse Une

Plus en détail

L exclusion mutuelle distribuée

L exclusion mutuelle distribuée L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

Introduction au temps réel

Introduction au temps réel Introduction au temps réel Laurent.Pautet@enst.fr Version 2.0 Définition d un système temps réel Un système temps réel se compose d'un ou plusieurs sous-systèmes devant répondre en un temps fini et spécifié

Plus en détail

Métriques de performance pour les algorithmes et programmes parallèles

Métriques de performance pour les algorithmes et programmes parallèles Métriques de performance pour les algorithmes et programmes parallèles 11 18 nov. 2002 Cette section est basée tout d abord sur la référence suivante (manuel suggéré mais non obligatoire) : R. Miller and

Plus en détail

Cours Fonctions de deux variables

Cours Fonctions de deux variables Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté

Plus en détail

Représentation des Nombres

Représentation des Nombres Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

Informatique industrielle A7-19571 Systèmes temps-réel J.F.Peyre. Partie I : Introduction

Informatique industrielle A7-19571 Systèmes temps-réel J.F.Peyre. Partie I : Introduction Informatique industrielle A7-19571 Systèmes temps-réel J.F.Peyre Partie I : Introduction Plan de la première partie Quelques définitions Caractéristiques communes des applications temps-réel Exemples d

Plus en détail

3 Approximation de solutions d équations

3 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 détail

Objectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique

Objectifs. 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 détail

Concevoir une base de données

Concevoir une base de données Concevoir une base de données http://vanconingsloo.be/les-cours/bureautique/access/concevoir-une-base-de-donnees En fonction de vos besoins, il existe deux façons de travailler. Si vous souhaitez créer

Plus en détail

Programmation linéaire

Programmation 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 détail

1 Systèmes triphasés symétriques

1 Systèmes triphasés symétriques 1 Systèmes triphasés symétriques 1.1 Introduction Un système triphasé est un ensemble de grandeurs (tensions ou courants) sinusoïdales de même fréquence, déphasées les unes par rapport aux autres. Le système

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur

Plus en détail

ORDONNANCEMENT CONJOINT DE TÂCHES ET DE MESSAGES DANS LES RÉSEAUX TEMPS RÉELS 4. QUELQUES EXEMPLES DU DYNAMISME ACTUEL DU TEMPS RÉEL

ORDONNANCEMENT CONJOINT DE TÂCHES ET DE MESSAGES DANS LES RÉSEAUX TEMPS RÉELS 4. QUELQUES EXEMPLES DU DYNAMISME ACTUEL DU TEMPS RÉEL i LE TEMPS RÉEL 1. PRÉSENTATION DU TEMPS RÉEL 1.1. APPLICATIONS TEMPS RÉEL 1.2. CONTRAINTES DE TEMPS RÉEL 2. STRUCTURES D'ACCUEIL POUR LE TEMPS RÉEL 2.1. EXÉCUTIFS TEMPS RÉEL 2.2. RÉSEAUX LOCAUX TEMPS

Plus en détail

Partie 7 : Gestion de la mémoire

Partie 7 : Gestion de la mémoire INF3600+INF2610 Automne 2006 Partie 7 : Gestion de la mémoire Exercice 1 : Considérez un système disposant de 16 MO de mémoire physique réservée aux processus utilisateur. La mémoire est composée de cases

Plus en détail

Parallélisme et Répartition

Parallélisme 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 détail

Continuité et dérivabilité d une fonction

Continuité et dérivabilité d une fonction DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 2D CH X : Exemples de lois à densité 1 TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun

Plus en détail

Quelques algorithmes simples dont l analyse n est pas si simple

Quelques algorithmes simples dont l analyse n est pas si simple Quelques algorithmes simples dont l analyse n est pas si simple Michel Habib habib@liafa.jussieu.fr http://www.liafa.jussieu.fr/~habib Algorithmique Avancée M1 Bioinformatique, Octobre 2008 Plan Histoire

Plus en détail

Image d un intervalle par une fonction continue

Image 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 détail

CONDITIONS GENERALES D UTILISATION DU PROGRAMME SEAT CONNECTED PEOPLE A DESTINATION DES INTERNAUTES

CONDITIONS GENERALES D UTILISATION DU PROGRAMME SEAT CONNECTED PEOPLE A DESTINATION DES INTERNAUTES ! CONDITIONS GENERALES D UTILISATION DU PROGRAMME SEAT CONNECTED PEOPLE A DESTINATION DES INTERNAUTES Septembre 2011 Les présentes Conditions Générales d Utilisation («CGU») sont conclues entre SEAT FRANCE

Plus en détail

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008) Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut

Plus en détail

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce

Plus en détail

Systèmes et algorithmes répartis

Systèmes et algorithmes répartis Systèmes et algorithmes répartis Tolérance aux fautes Philippe Quéinnec Département Informatique et Mathématiques Appliquées ENSEEIHT 4 novembre 2014 Systèmes et algorithmes répartis V 1 / 45 plan 1 Sûreté

Plus en détail

COURS GESTION FINANCIERE A COURT TERME SEANCE 2 COUVERTURE DU BESOIN DE FINANCEMENT CHOIX DU NIVEAU DU FONDS DE ROULEMENT

COURS GESTION FINANCIERE A COURT TERME SEANCE 2 COUVERTURE DU BESOIN DE FINANCEMENT CHOIX DU NIVEAU DU FONDS DE ROULEMENT COURS GESTION FINANCIERE A COURT TERME SEANCE 2 COUVERTURE DU BESOIN DE FINANCEMENT CHOIX DU NIVEAU DU FONDS DE ROULEMENT SEANCE 2 COUVERTURE DU BESOIN DE FINANCEMENT CHOIX DU NIVEAU DU FONDS DE ROULEMENT

Plus en détail

Propriétés des options sur actions

Propriétés des options sur actions Propriétés des options sur actions Bornes supérieure et inférieure du premium / Parité call put 1 / 1 Taux d intérêt, capitalisation, actualisation Taux d intéret composés Du point de vue de l investisseur,

Plus en détail

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Dualité dans les espaces de Lebesgue et mesures de Radon finies Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention

Plus en détail

Un concept multi-centre de données traditionnel basé sur le DNS

Un concept multi-centre de données traditionnel basé sur le DNS Confiez vos activités critiques à un expert S il est crucial pour vos activités commerciales que vos serveurs soient disponibles en continu, vous devez demander à votre hébergeur de vous fournir une solution

Plus en détail

NKGB - CNHB FCA Release 3.0

NKGB - CNHB FCA Release 3.0 Information relative à l'enregistrement et l'accès des médiateurs de dettes 1. Introduction / Documents Par la loi du 14/01/2013, publiée au Moniteur Belge du 01/03/2013, tous les médiateurs de dettes

Plus en détail

Analyse de la bande passante

Analyse de la bande passante Analyse de la bande passante 1 Objectif... 1 2 Rappels techniques... 2 2.1 Définition de la bande passante... 2 2.2 Flux ascendants et descandants... 2 2.3 Architecture... 2 2.4 Bande passante et volumétrie...

Plus en détail

Exo7. Limites de fonctions. 1 Théorie. 2 Calculs

Exo7. Limites de fonctions. 1 Théorie. 2 Calculs Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication

Plus en détail

2 disques en Raid 0,5 ou 10 SAS

2 disques en Raid 0,5 ou 10 SAS Serveur GED: INFO EN + Afin d obtenir des performances optimales il est préférable que le serveur soit dédié. Matériel : Processeur Jusqu à 10 utilisateurs 2.0 Ghz environ Jusqu à 30 utilisateurs 2.6 Ghz

Plus en détail

Introduction aux algorithmes répartis

Introduction aux algorithmes répartis Objectifs et plan Introduction aux algorithmes répartis Sacha Krakowiak Université Joseph Fourier Projet Sardes (INRIA et IMAG-LSR http://sardes.inrialpes.fr/people/krakowia! Introduction aux algorithmes

Plus en détail

Modélisation et Simulation

Modélisation et Simulation Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation

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

Administration de Parc Informatique TP03 : Résolution de noms

Administration de Parc Informatique TP03 : Résolution de noms Institut Galilée L2 Info S1 Année 2013 2014 Administration de Parc Informatique TP03 : Résolution de noms Le but de ce TP est d apprendre aux machines à se connaître par le nom plutôt que simplement par

Plus en détail

Avertissement : ceci est un corrigé indicatif qui n engage que son auteur

Avertissement : ceci est un corrigé indicatif qui n engage que son auteur DCG UE08 SYSTEME D INFORMATION ET DE GESTION - session 2013 Proposition de CORRIGÉ Avertissement : ceci est un corrigé indicatif qui n engage que son auteur DOSSIER 1 ADAPTATION DU PGI À L ENTREPRISE -

Plus en détail

Fiche d information relative au fonctionnement des garanties «responsabilité civile» dans le temps

Fiche d information relative au fonctionnement des garanties «responsabilité civile» dans le temps GENERALI assurances Société Anonyme d Assurances Au capital de 53 193 775 EUR Entièrement versé. Entreprise régie par le code des Assurances Siège social : 7, boulevard Haussmann 75456 Paris Cedex 09 552

Plus en détail

Le produit semi-direct

Le produit semi-direct Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.

Plus en détail

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,

Contexte. 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 détail

Impact de choix d implantation sur les performances d une application de Contrôle-Commande

Impact de choix d implantation sur les performances d une application de Contrôle-Commande Recherche Impact de choix d implantation sur les performances d une application de Contrôle-Commande Fabrice Jumel Nicolas Navet Françoise Simonot-Lion CITI - INSA 20, Avenue Albert Einstein, F6962 Villeurbanne

Plus en détail

Programmation linéaire

Programmation 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 détail

Algorithmique des Systèmes Répartis Protocoles de Communications

Algorithmique des Systèmes Répartis Protocoles de Communications Algorithmique des Systèmes Répartis Protocoles de Communications Master Informatique Dominique Méry Université de Lorraine 1 er avril 2014 1 / 70 Plan Communications entre processus Observation et modélisation

Plus en détail

Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm)

Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm) Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm) Ecole d informatique temps réel - La Londes les Maures 7-11 Octobre 2002 - Evénements et architectures - Spécifications de performances

Plus en détail

Exclusion Mutuelle. Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr. Université de Provence. 9 février 2011

Exclusion Mutuelle. Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr. Université de Provence. 9 février 2011 Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr Université de Provence 9 février 2011 Arnaud Labourel (Université de Provence) Exclusion Mutuelle 9 février 2011 1 / 53 Contexte Epistémologique

Plus en détail

Accédez au test ici http://myspeed.visualware.com/index.php

Accédez au test ici http://myspeed.visualware.com/index.php Test de vitesse VoIP Pourquoi faire le test? Un test de vitesse VoIP est un moyen efficace d évaluer la capacité de votre connexion Internet à prendre en charge un système de téléphonie VoIP. D autres

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy

Plus en détail

CONDITIONS GENERALES DE VENTE EN LIGNE DES

CONDITIONS GENERALES DE VENTE EN LIGNE DES CONDITIONS GENERALES DE VENTE EN LIGNE DES TITRES DE TRANSPORTS URBAINS DU RESEAU URBAIN L VA Les présentes conditions générales de vente sont conclues entre : Et - La Communauté d agglomération du Pays

Plus en détail

Les indices à surplus constant

Les indices à surplus constant Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté

Plus en détail

L 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 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 détail

4D v11 SQL Release 5 (11.5) ADDENDUM

4D v11 SQL Release 5 (11.5) ADDENDUM ADDENDUM Bienvenue dans la release 5 de 4D v11 SQL. Ce document présente les nouveautés et modifications apportées à cette nouvelle version du programme. Prise en charge de nouvelles plates-formes La release

Plus en détail

Législation et droit d'un administrateur réseaux

Législation et droit d'un administrateur réseaux Législation et droit d'un administrateur réseaux Réalisé par : GUENGOU Mourad OULD MED LEMINE Ahmedou 1 Plan de présentation I. Introduction générale II. L Administrateur Réseaux 1) Mission de l administrateur

Plus en détail

Photos et Droit à l image

Photos et Droit à l image Photos et Droit à l image 1) Le droit à l image (photos-vidéos) L atteinte au droit à l image n est pas caractérisée dès lors que la personne photographiée n est pas identifiable et que sa vie privée n

Plus en détail

Qu est-ce qu une probabilité?

Qu 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 détail

Programmation Linéaire - Cours 1

Programmation Linéaire - Cours 1 Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.

Plus en détail

Consolidation de stockage

Consolidation de stockage (Information sur la technologie Sto-2003-2) Wolfgang K. Bauer Spécialiste stockage Centre de compétence transtec AG Waldhörnlestraße 18 D-72072 Tübingen Allemagne TABLE DES MATIÈRES 1 RÉSUMÉ...3 2 INTRODUCTION...4

Plus en détail

TEPZZ 568448A_T EP 2 568 448 A1 (19) (11) EP 2 568 448 A1 (12) DEMANDE DE BREVET EUROPEEN. (51) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006.

TEPZZ 568448A_T EP 2 568 448 A1 (19) (11) EP 2 568 448 A1 (12) DEMANDE DE BREVET EUROPEEN. (51) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006. (19) TEPZZ 68448A_T (11) EP 2 68 448 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 13.03.2013 Bulletin 2013/11 (1) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006.01) (21) Numéro de dépôt:

Plus en détail

INFO 364 : Bases de Données Projet Professeur : Esteban Zimányi Assistants : Pierre Stadnik et Mohammed Minout Année Académique : 2004-2005

INFO 364 : Bases de Données Projet Professeur : Esteban Zimányi Assistants : Pierre Stadnik et Mohammed Minout Année Académique : 2004-2005 Université Libre de Bruxelles Faculté des Sciences Appliquées & Faculté des Sciences INFO 364 : Bases de Données Projet Professeur : Esteban Zimányi Assistants : Pierre Stadnik et Mohammed Minout Année

Plus en détail

Optimisation Discrète

Optimisation Discrète Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et

Plus en détail

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

Exercices 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 détail

info DROIT SOCIAL Egalité de traitement et avantages catégoriels

info DROIT SOCIAL Egalité de traitement et avantages catégoriels n 4 > 4 mars 2015 info ACTUALITÉ JURIDIQUE Sommaire Droit social Egalité de traitement et avantages catégoriels Clauses de non concurrence Droit d accès aux SMS non personnels par l employeur Droit fiscal

Plus en détail

CONTRAT DE BAIL POUR UN APPARTEMENT Entre : 1. Monsieur... et Madame... domicilies a... ci-apres denomme bailleur - et 2. Monsieur... et madame...

CONTRAT DE BAIL POUR UN APPARTEMENT Entre : 1. Monsieur... et Madame... domicilies a... ci-apres denomme bailleur - et 2. Monsieur... et madame... CONTRAT DE BAIL POUR UN APPARTEMENT Entre : 1. Monsieur... et Madame... domicilies a... ci-apres denomme bailleur - et 2. Monsieur... et madame... domicilie actuellement a... ci-apres denomme locataire

Plus en détail

SPF FIN. Patris Spécification de Use Case: 15-UC01 Obtenir de l'information patrimoniale. Version 1.1

SPF FIN. Patris Spécification de Use Case: 15-UC01 Obtenir de l'information patrimoniale. Version 1.1 SPF FIN Patris Spécification de Use Case: 15-UC01 Obtenir de l'information patrimoniale Version 1.1 Spécification de Use Case: 15-UC01 Obtenir de l'information patrimoniale Date: 17/06/2004 Historique

Plus en détail

Théorèmes de Point Fixe et Applications 1

Théorèmes de Point Fixe et Applications 1 Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des

Plus en détail

Concurrence imparfaite

Concurrence 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 détail

M1 : Ingénierie du Logiciel

M1 : Ingénierie du Logiciel M1 : Ingénierie du Logiciel UNIVERSITE PIERRE & MARIE CURIE (PARIS VI) Examen Réparti 2eme partie 16 Mai 2013 (2 heures avec documents : tous SAUF ANNALES CORRIGEES). Barème indicatif sur 20,5 points (max

Plus en détail

OPTIMISATION À UNE VARIABLE

OPTIMISATION 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 détail

Dévéloppement de Sites Web

Dévéloppement de Sites Web 1 Dévéloppement de Sites Web Cours I : Conception et spécification d'un site à thème Peter Stockinger Séminaire de Maîtrise en Communication Interculturelle à l'institut National des Langues et Civilisations

Plus en détail

Chapitre 5 : Flot maximal dans un graphe

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 détail

Rappel sur les bases de données

Rappel sur les bases de données Rappel sur les bases de données 1) Généralités 1.1 Base de données et système de gestion de base de donnés: définitions Une base de données est un ensemble de données stockées de manière structurée permettant

Plus en détail

Introduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr

Introduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux

Plus en détail

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1

Ordonnancement. 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 détail

Chapitre 1 : Introduction aux bases de données

Chapitre 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 détail

Initiation à la Programmation en Logique avec SISCtus Prolog

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

Plus en détail

GENERALITES II. ORGANISATION ET ORGANES DE L EXAMEN III. INSCRIPTION A L EXAMEN, FRAIS ET CONDITIONS D ADMISSION IV. CONTENU ET MATIERE DE L EXAMEN

GENERALITES II. ORGANISATION ET ORGANES DE L EXAMEN III. INSCRIPTION A L EXAMEN, FRAIS ET CONDITIONS D ADMISSION IV. CONTENU ET MATIERE DE L EXAMEN Table des matières I. GENERALITES II. ORGANISATION ET ORGANES DE L EXAMEN III. INSCRIPTION A L EXAMEN, FRAIS ET CONDITIONS D ADMISSION IV. CONTENU ET MATIERE DE L EXAMEN V. DEROULEMENT DE L EXAMEN VI.

Plus en détail

MEAD : temps réel et tolérance aux pannes pour CORBA

MEAD : temps réel et tolérance aux pannes pour CORBA MEAD : un intergiciel temps-réel et tolérant aux pannes pour CORBA Master 2 Informatique Recherche Université de Marne-la-Vallée Vendredi 3 mars 2006 Plan 1 Introduction 2 Solutions existantes 3 Concilier

Plus en détail