Algorithme du plus court chemin

Dimension: px
Commencer à balayer dès la page:

Download "Algorithme du plus court chemin"

Transcription

1 Algorithme du plus court chemin p. /47 Algorithme du plus court chemin Michel Bierlaire EPFL - Laboratoire Transport et Mobilité - ENAC

2 Algorithme du plus court chemin p. /47 Le plus court chemin Le problème du plus court chemin consiste à déterminer le chemin de coût minimum reliant un nœud a à un nœud b. On peut le voir comme un problème de transbordement. Cependant, il est plus efficace d utiliser des algorithmes spécialisés.

3 Algorithme du plus court chemin p. /47 Le plus court chemin Problème : Soit un réseau G = (N,A). Un coût a ij est associé à chaque arc (i,j) A: distance, temps de trajet, etc. Soit un nœud appelé origine. Par convention, ce sera le nœud. Nous cherchons le chemin de coût minimum reliant le nœud à n importe quel autre nœud du réseau.

4 Algorithme du plus court chemin p. 4/47 Le plus court chemin a = a 4 = a = a = a = a 4 = 4

5 Algorithme du plus court chemin p. 5/47 Le plus court chemin La solution est un arbre. a = a 4 = a = a = a = a 4 = 4 Note : chaque nœud dans l arbre a exactement un prédécesseur.

6 Algorithme du plus court chemin p. 6/47 Le plus court chemin La solution n est pas nécessairement unique. a = a 4 = a = a = a = a 4 = 4

7 Algorithme du plus court chemin p. 7/47 Idée générale de l algorithme Parcours systématique du réseau à partir de l origine. A chaque nœud visité, une étiquette est associée. Cette étiquette est potentiellement mise à jour à chaque visite du nœud.

8 Algorithme du plus court chemin p. 8/47 Conditions d optimalité Soient d i R, i N tels que d j d i +a ij (i,j) A. Soit P un chemin entre un nœud et un nœud l. Si d j = d i +a ij (i,j) P, alors P est un plus court chemin entre et l.

9 Algorithme du plus court chemin p. 9/47 Conditions d optimalité Preuve: P est composé d arcs (,i ),(i,i ),...,(i k,l) Longueur de P : Comme a ij = d j d i, L(P) = a i +a i i + +a ik l L(P) = (d i d )+(d i d i )+ +(d l d ik ) = d l d.

10 Algorithme du plus court chemin p. 0/47 Conditions d optimalité Soit Q un chemin quelconque entre et l. Q est composé d arcs (,j ),(j,j ),...,(j n,l) Longueur de Q: L(Q) = a j +a j j + +a jn l Comme a ij d j d i, L(Q) (d j d )+(d j d j )+ +(d l d jm ) = d l d = L(P). La longueur de P est donc plus courte que la longueur de Q. Comme Q est arbitraire, P est le plus court chemin entre et l. CQFD

11 Algorithme du plus court chemin p. /47 Algorithme Idée : On démarre avec un vecteur d étiquettes (d i ) i N. On sélectionne un arc (i, j) qui viole les conditions d optimalité, c.-à-d. tel que d j > d i +a ij. On met à jour l étiquette de j: d j = d i +a ij. Et ainsi de suite jusqu à ce que tous les arcs vérifient la condition.

12 Algorithme du plus court chemin p. /47 Interprétation d i : longueur d un chemin entre le nœud et le nœud i. Si d j > d i +a ij, chemin i j plus court que le chemin j. j a ij i

13 Algorithme du plus court chemin p. /47 Exploration du graphe Travailler nœud par nœud. Pour un nœud donné, traiter tous les arcs sortants. Dès qu un nœud est atteint, on l ajoute à la liste. Dès qu un nœud est traité, on le supprime de la liste. On arrête lorsque la liste est vide. Notons V la liste des nœuds à traiter.

14 Algorithme du plus court chemin p. 4/47 Algorithme Initialisation Liste de nœuds: V = {}. Étiquettes : d = 0, d i = +, i. Itérations Tant que V, Choisir i dans V. V = V \{i}. Pour chaque arc (i,j) A Si d j > d i +a ij, d j = d i +a ij. V = V {j}.

15 Algorithme du plus court chemin p. 5/47 Exemple d = d = 0 4 d 4 = d = Iter V d d d d 4 Traiter 0 { } 0

16 Algorithme du plus court chemin p. 6/47 Exemple d = d = 0 4 d 4 = d = Iter V d d d d 4 Traiter 0 { } 0 { } 0

17 Algorithme du plus court chemin p. 7/47 Exemple d = d = 0 4 d 4 = d = Iter V d d d d 4 Traiter 0 { } 0 {, } 0

18 Algorithme du plus court chemin p. 8/47 Exemple d = d = 0 4 d 4 = d = + Iter V d d d d 4 Traiter 0 { } 0 {, } 0 { } 0

19 Algorithme du plus court chemin p. 9/47 Exemple d = d = 0 4 d 4 = 5 d = Iter V d d d d 4 Traiter 0 { } 0 {, } 0 {,4 } 0 5

20 Algorithme du plus court chemin p. 0/47 Exemple d = d = 0 4 d 4 = 5 4 d = Iter V d d d d 4 Traiter 0 { } 0 {, } 0 {,4 } 0 5 { 4 } 0 4

21 Algorithme du plus court chemin p. /47 Exemple d = d = 0 4 d 4 = 4 d = Iter V d d d d 4 Traiter 0 { } 0 {, } 0 {,4 } 0 5 { 4, } 0 4 4

22 Algorithme du plus court chemin p. /47 Exemple d = d = 0 4 d 4 = 4 d = Iter V d d d d 4 Traiter 0 { } 0 {, } 0 {,4 } 0 5 { 4, } { } 0 4

23 Algorithme du plus court chemin p. /47 Exemple d = d = 0 4 d 4 = 4 d = + Iter V d d d d 4 Traiter 0 { } 0 {, } 0 {,4 } 0 5 { 4, } { } { } 0 4

24 Algorithme du plus court chemin p. 4/47 Exemple d = d = 0 4 d 4 = 4 + d = Iter V d d d d 4 Traiter 0 { } 0 {, } 0 {,4 } 0 5 { 4, } { } { } 0 4

25 Algorithme du plus court chemin p. 5/47 Exemple d = d = 0 4 d 4 = 4 d = Iter V d d d d 4 Traiter 0 { } 0 {, } 0 {,4 } 0 5 { 4, } { } { } 0 4

26 Algorithme du plus court chemin p. 6/47 Propriétés à la fin de chaque itération Si d i <, alors d i est la longueur d un chemin reliant à i. Si i V, alors soit d i = (le nœud n a pas encore été atteint), soit d j d i +a ij, j tel que (i,j) A (les arcs sortant ont été traités).

27 Algorithme du plus court chemin p. 7/47 Propriétés si l algorithme se termine Pour tout nœud j tel que d j <, d = 0; d j est la longueur du plus court chemin entre et j; Équation de Bellman : d j = min (i,j) A d i +a ij si j. d j = si et seulement s il n y a pas de chemin reliant et j. Dans ce cas, le graphe n est pas connexe. L algorithme se termine si et seulement s il n y a aucun chemin commençant en et contenant un circuit à coût négatif.

28 Algorithme du plus court chemin p. 8/47 Algorithme de Dijkstra Algorithme générique ne précise pas comment choisir le nœud suivant à traiter. Dijkstra : le nœud i à traiter est celui correspondant à la plus petite étiquette.

29 Algorithme du plus court chemin p. 9/47 Algorithme Initialisation Liste de nœuds: V = {}. Étiquettes : d = 0, d i = +, i. Itérations Tant que V, Soit i V tel que d i d j, j V. V = V \{i}. Pour chaque arc (i,j) A Si d j > d i +a ij, d j = d i +a ij. V = V {j}.

30 Algorithme du plus court chemin p. 0/47 Exemple d = d = d 4 = 5 d 5 = d = Iter V 4 5 Traiter 0 { } 0 (-) (-) (-) (-) (-)

31 Algorithme du plus court chemin p. /47 Exemple d = d = d 4 = 5 d 5 = d = Iter V 4 5 Traiter 0 { } 0 (-) (-) (-) (-) (-) {, } 0 (-) () () (-) (-)

32 Algorithme du plus court chemin p. /47 Exemple d = + d = d 4 = 4 5 d 5 = d = Iter V 4 5 Traiter 0 { } 0 (-) (-) (-) (-) (-) {, } 0 (-) () () (-) (-) {,4 } 0 (-) () () 4 () (-)

33 Algorithme du plus court chemin p. /47 Exemple d = d = d 4 = 4 5 d 5 = d = + Iter V 4 5 Traiter 0 { } 0 (-) (-) (-) (-) (-) {, } 0 (-) () () (-) (-) {,4 } 0 (-) () () 4 () (-) { 4,5 } 0 (-) () () () () 5

34 Algorithme du plus court chemin p. 4/47 Exemple d = d = d 4 = 5 d 5 = d = Iter V 4 5 Traiter 0 { } 0 (-) (-) (-) (-) (-) {, } 0 (-) () () (-) (-) {,4 } 0 (-) () () 4 () (-) { 4,5 } 0 (-) () () () () 5 4 { 4 } 0 (-) () () () () 4

35 Algorithme du plus court chemin p. 5/47 Exemple d = d = d 4 = 5 d 5 = +0 d = Iter V 4 5 Traiter 0 { } 0 (-) (-) (-) (-) (-) {, } 0 (-) () () (-) (-) {,4 } 0 (-) () () 4 () (-) { 4,5 } 0 (-) () () () () 5 4 { 4 } 0 (-) () () () () 4 5 { } 0 (-) () () () ()

36 Algorithme du plus court chemin p. 6/47 Exemple d = d = d 4 = 5 d 5 = d = Iter V 4 5 Traiter 0 { } 0 (-) (-) (-) (-) (-) {, } 0 (-) () () (-) (-) {,4 } 0 (-) () () 4 () (-) { 4,5 } 0 (-) () () () () 5 4 { 4 } 0 (-) () () () () 4 5 { } 0 (-) () () () ()

37 Algorithme du plus court chemin p. 7/47 Exemple Iter V 4 5 Traiter 0 { } 0 (-) (-) (-) (-) (-) {, } 0 (-) () () (-) (-) {,4 } 0 (-) () () 4 () (-) { 4,5 } 0 (-) () () () () 5 4 { 4 } 0 (-) () () () () 4 5 { } 0 (-) () () () () Note : Chaque nœud n a été traité qu une seule fois.

38 Algorithme du plus court chemin p. 8/47 Algorithme de Dijkstra Soit l ensemble W = {i d i < et i V}. Si les coûts sur les arcs sont non négatifs, alors à chaque itération aucun nœud dans W au début de l itération n entre dans V lors de l itération, à la fin de l itération, d i d j si i W et j W. W : ensemble des étiquettes permanentes.

39 Algorithme du plus court chemin p. 9/47 Notes Si l on désire calculer le plus court chemin de à b, on peut arrêter l algorithme de Dijkstra dès que le nœud b est dans W. Si au moins un arc a un coût négatif, rien ne garantit le caractère permanent des étiquettes.

40 Algorithme du plus court chemin p. 40/47 Exemple : coût négatif d = d = 0 4 d 4 = d = Iter V 4 Traiter 0 { } 0 (-) (-) (-) (-)

41 Algorithme du plus court chemin p. 4/47 Exemple : coût négatif d = d = 0 4 d 4 = d = Iter V 4 Traiter 0 { } 0 (-) (-) (-) (-) {, } 0 (-) () () (-)

42 Algorithme du plus court chemin p. 4/47 Exemple : coût négatif d = d = 0 4 d 4 = d = Iter V 4 Traiter 0 { } 0 (-) (-) (-) (-) {, } 0 (-) () () (-) {,4 } 0 (-) () () ()

43 Algorithme du plus court chemin p. 4/47 Exemple : coût négatif d = d = 0 4 d 4 = + d = 0 Iter V 4 Traiter 0 { } 0 (-) (-) (-) (-) {, } 0 (-) () () (-) {,4 } 0 (-) () () () {,4 } 0 (-) () 0 () ()!!!

44 Algorithme du plus court chemin p. 44/47 Exemple : coût négatif d = d = 0 4 d 4 = d = 0 Iter V 4 Traiter 0 { } 0 (-) (-) (-) (-) {, } 0 (-) () () (-) {,4 } 0 (-) () () () {,4 } 0 (-) () 0 () () 4 { 4 } 0 (-) () 0 () () 4

45 Algorithme du plus court chemin p. 45/47 Exemple : coût négatif d = d = 0 4 d 4 = d = 0 Iter V 4 Traiter 0 { } 0 (-) (-) (-) (-) {, } 0 (-) () () (-) {,4 } 0 (-) () () () {,4 } 0 (-) () 0 () () 4 { 4 } 0 (-) () 0 () () 4 5 { } 0 (-) () 0 () ()

46 Algorithme du plus court chemin p. 46/47 Exemple : coût négatif d = d = 0 4 d 4 = d = 0 Iter V 4 Traiter 0 { } 0 (-) (-) (-) (-) {, } 0 (-) () () (-) {,4 } 0 (-) () () () {,4 } 0 (-) () 0 () () 4 { 4 } 0 (-) () 0 () () 4 5 { } 0 (-) () 0 () ()

47 Algorithme du plus court chemin p. 47/47 Dijkstra et coût négatif L algorithme converge. Mais le concept d étiquettes permanentes n est plus pertinent. Toute implémentation basée sur cette propriété ne peut fonctionner qu avec des coûts positifs.

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

Atelier Transversal AT11. Activité «Fourmis» Pierre Chauvet. pierre.chauvet@uco.fr Atelier Transversal AT11 Activité «Fourmis» Pierre Chauvet pierre.chauvet@uco.fr Ant : un algorithme inspiré de l éthologie L éthologie Etude scientifique des comportements animaux, avec une perspective

Plus en détail

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

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

Plus en détail

Eléments de Théorie des Graphes et Programmation Linéaire

Eléments de Théorie des Graphes et Programmation Linéaire INSTITUT NATIONAL POLYTECHNIQUE DE LORRAINE Ecole Nationale Supérieure d Electricité et de Mécanique Eléments de Théorie des Graphes et Programmation Linéaire Didier Maquin Professeur à l INPL Version

Plus en détail

RÉPUBLIQUE ET CANTON DE GENÈVE Echelle des traitements 2015 Valable dès le 01.01.2015 Office du personnel de l'etat Indexation de 0.

RÉPUBLIQUE ET CANTON DE GENÈVE Echelle des traitements 2015 Valable dès le 01.01.2015 Office du personnel de l'etat Indexation de 0. 04 00 52 378.00 4 029.10 0.00 25.20 23.25 1.95 207.50 44.35 1.70 36.30 3 739.25 01 52 960.00 4 073.85 582.00 25.50 23.55 1.95 209.85 44.85 1.70 36.70 3 780.75 02 53 542.00 4 118.65 582.00 25.75 23.80 1.95

Plus en détail

Plus courts chemins, programmation dynamique

Plus courts chemins, programmation dynamique 1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique

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

Resolution limit in community detection

Resolution limit in community detection Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.

Plus en détail

Cours d analyse numérique SMI-S4

Cours d analyse numérique SMI-S4 ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,

Plus en 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

Gestion des Clés Publiques (PKI)

Gestion des Clés Publiques (PKI) Chapitre 3 Gestion des Clés Publiques (PKI) L infrastructure de gestion de clés publiques (PKI : Public Key Infrastructure) représente l ensemble des moyens matériels et logiciels assurant la gestion des

Plus en détail

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines

Plus en détail

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN Les contenues de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas

Plus en détail

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes

Communications 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 détail

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e

Plus en détail

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

Sujet 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 détail

Intégration de la dimension sémantique dans les réseaux sociaux

Intégration de la dimension sémantique dans les réseaux sociaux Intégration de la dimension sémantique dans les réseaux sociaux Application : systèmes de recommandation Maria Malek LARIS-EISTI maria.malek@eisti.fr 1 Contexte : Recommandation dans les réseaux sociaux

Plus en détail

Module 24 : Analyse de scénarios

Module 24 : Analyse de scénarios Module 24 : Analyse de scénarios 24.0 Introduction Ce module enseigne un sous-ensemble de techniques de création de modèle qui, dans Excel 2007, constitue l «analyse de scénarios». Ces techniques sont

Plus en détail

Conception et contrôle des SMA tolérants aux fautes

Conception et contrôle des SMA tolérants aux fautes Conception et contrôle des SMA tolérants aux fautes Une plate-forme multiagents tolérante aux fautes à base de réplication Nora FACI Contexte SMA large échelle Nombre important d agents Ressources éloignées

Plus en détail

Introduction à la théorie des graphes. Solutions des exercices

Introduction à la théorie des graphes. Solutions des exercices CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti

Plus en détail

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015 Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k

Plus en détail

Chp. 4. Minimisation d une fonction d une variable

Chp. 4. Minimisation d une fonction d une variable Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie

Plus en détail

Algorithmique et Programmation

Algorithmique et Programmation École Supérieure d Ingénieurs de Poitiers Gea Algorithmique et Programmation Laurent Signac ii Algorithmique et programmation Gea Table des matières Avant Propos v Structures de données Notion de pointeur..............................................

Plus en détail

Web Science. Master 1 IFI. Andrea G. B. Tettamanzi. Université de Nice Sophia Antipolis Département Informatique andrea.tettamanzi@unice.

Web Science. Master 1 IFI. Andrea G. B. Tettamanzi. Université de Nice Sophia Antipolis Département Informatique andrea.tettamanzi@unice. Web Science Master 1 IFI Andrea G. B. Tettamanzi Université de Nice Sophia Antipolis Département Informatique andrea.tettamanzi@unice.fr 1 Annonce : recherche apprenti Projet Géo-Incertitude Objectifs

Plus en détail

Les évolutions des échanges de données dans le domaine du transport. Bertrand Cuissart 1. 28 septembre 2005 EDI. B. Cuissart.

Les évolutions des échanges de données dans le domaine du transport. Bertrand Cuissart 1. 28 septembre 2005 EDI. B. Cuissart. Les Échanges de données informatisés Les évolutions des échanges de données dans le domaine du transport Bertrand Cuissart 1 1 Département GLT, IUT d Alençon, Université de Caen. 28 septembre 2005 Domaine

Plus en détail

La mesure de Lebesgue sur la droite réelle

La mesure de Lebesgue sur la droite réelle Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et

Plus en détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

Prénom : Matricule : Sigle et titre du cours Groupe Trimestre INF1101 Algorithmes et structures de données Tous H2004. Loc Jeudi 29/4/2004

Prénom : Matricule : Sigle et titre du cours Groupe Trimestre INF1101 Algorithmes et structures de données Tous H2004. Loc Jeudi 29/4/2004 Questionnaire d'examen final INF1101 Sigle du cours Nom : Signature : Prénom : Matricule : Sigle et titre du cours Groupe Trimestre INF1101 Algorithmes et structures de données Tous H2004 Professeur(s)

Plus en détail

Apprentissage statistique dans les graphes et les réseaux sociaux

Apprentissage statistique dans les graphes et les réseaux sociaux Apprentissage statistique dans les graphes et les réseaux sociaux Patrick Gallinari Collaboration : L. Denoyer, S. Peters Université Pierre et Marie Curie AAFD 2010 1 Plan Motivations et Problématique

Plus en détail

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France. La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of

Plus en détail

Rappels sur les suites - Algorithme

Rappels sur les suites - Algorithme DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................

Plus en détail

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

Plus en détail

Chaînes de Markov au lycée

Chaînes de Markov au lycée Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat

Plus en détail

Déterminants. Marc SAGE 9 août 2008. 2 Inverses et polynômes 3

Déterminants. Marc SAGE 9 août 2008. 2 Inverses et polynômes 3 Déterminants Marc SAGE 9 août 28 Table des matières Quid des formes n-linéaires alternées? 2 2 Inverses et polynômes 3 3 Formule de Miller pour calculer un déterminant (ou comment illustrer une idée géniale)

Plus en détail

Cours 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. 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 détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin. Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).

Plus en détail

Evaluation des performances de programmes parallèles haut niveau à base de squelettes

Evaluation des performances de programmes parallèles haut niveau à base de squelettes Evaluation des performances de programmes parallèles haut niveau à base de squelettes Enhancing the Performance Predictability of Grid Applications with Patterns and Process Algebras A. Benoit, M. Cole,

Plus en détail

Big Data et Graphes : Quelques pistes de recherche

Big Data et Graphes : Quelques pistes de recherche Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de

Plus en détail

UFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018

UFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018 UFR d Informatique FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018 Objectif L UFR d informatique propose au niveau du master, deux spécialités sous la mention informatique

Plus en détail

Comment démontrer des formules sans effort? exposé de maîtrise

Comment démontrer des formules sans effort? exposé de maîtrise Comment démontrer des formules sans effort? exposé de maîtrise Marc Mezzarobba Sam Zoghaib Sujet proposé par François Loeser Résumé Nous exposons un ensemble de méthodes qui permettent d évaluer «en forme

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

LA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE

LA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau

Plus en détail

Les structures de données. Rajae El Ouazzani

Les structures de données. Rajae El Ouazzani Les structures de données Rajae El Ouazzani Les arbres 2 1- Définition de l arborescence Une arborescence est une collection de nœuds reliés entre eux par des arcs. La collection peut être vide, cad l

Plus en détail

Une nouvelle approche de détection de communautés dans les réseaux sociaux

Une nouvelle approche de détection de communautés dans les réseaux sociaux UNIVERSITÉ DU QUÉBEC EN OUTAOUAIS Département d informatique et d ingénierie Une nouvelle approche de détection de communautés dans les réseaux sociaux Mémoire (INF 6021) pour l obtention du grade de Maîtrise

Plus en 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

introduction Chapitre 5 Récursivité Exemples mathématiques Fonction factorielle ø est un arbre (vide) Images récursives

introduction Chapitre 5 Récursivité Exemples mathématiques Fonction factorielle ø est un arbre (vide) Images récursives introduction Chapitre 5 Images récursives http ://univ-tln.fr/~papini/sources/flocon.htm Récursivité http://www.poulain.org/fractales/index.html Image qui se contient elle-même 1 Exemples mathématiques

Plus en détail

Figure 3.1- Lancement du Gambit

Figure 3.1- Lancement du Gambit 3.1. Introduction Le logiciel Gambit est un mailleur 2D/3D; pré-processeur qui permet de mailler des domaines de géométrie d un problème de CFD (Computational Fluid Dynamics).Il génère des fichiers*.msh

Plus en détail

Big Data et Graphes : Quelques pistes de recherche

Big Data et Graphes : Quelques pistes de recherche Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université

Plus en détail

Une Architecture de Bureaux Graphiques Distants Sécurisée et Distribuée

Une Architecture de Bureaux Graphiques Distants Sécurisée et Distribuée Une Architecture de Bureaux Graphiques Distants Sécurisée et Distribuée J. Rouzaud-Cornabas Laboratoire d Informatique Fondamentale d Orléans Université d Orléans Batiment IIIA, Rue Léonard de Vinci 45067

Plus en détail

Conception d'un réseau de transport d'électricité

Conception d'un réseau de transport d'électricité La Fédération Française des Jeux Mathématiques et la Société de Calcul Mathématique SA avec l'appui de Réseau de Transport d'electricité Conception d'un réseau de transport d'électricité Auteurs : Florian

Plus en détail

CH.6 Propriétés des langages non contextuels

CH.6 Propriétés des langages non contextuels CH.6 Propriétés des langages non contetuels 6.1 Le lemme de pompage 6.2 Les propriétés de fermeture 6.3 Les problèmes de décidabilité 6.4 Les langages non contetuels déterministes utomates ch6 1 6.1 Le

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

FaceBook aime les Maths!

FaceBook aime les Maths! FaceBook aime les Maths! Michel Rigo http://www.discmath.ulg.ac.be/ http://orbi.ulg.ac.be/ Réseaux Visualizing my Twitter Network by number of followers. Michael Atkisson http://woknowing.wordpress.com/

Plus en détail

Deux stratégies parallèles de l'optimisation par colonie de fourmis

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

Plus en détail

Modélisation multi-agents - Agents réactifs

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

Plus en détail

Cycle de vie du logiciel. Unified Modeling Language UML. UML: définition. Développement Logiciel. Salima Hassas. Unified Modeling Language

Cycle de vie du logiciel. Unified Modeling Language UML. UML: définition. Développement Logiciel. Salima Hassas. Unified Modeling Language Unified Modeling Language UML Salima Hassas Version Cycle de vie du logiciel Client Besoins Déploiement Analyse Test Conception Cours sur la base des transparents de : Gioavanna Di Marzo Serugendo et Frédéric

Plus en détail

Sujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante.

Sujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante. Sujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante. Objectifs et formulation du sujet Le syndrome de l apnée du sommeil (SAS) est un problème de santé publique

Plus en détail

E-REPUTATION ET IDENTITE

E-REPUTATION ET IDENTITE E-REPUTATION ET IDENTITE NUMERIQUE DES ORGANISATION Typologie des menaces et identification des modes de traitement applicables La gestion de l'identité numérique, appelée également e-réputation, constitue

Plus en détail

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

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,

Plus en détail

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

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01

Plus en détail

Définitions. Numéro à préciser. (Durée : )

Définitions. Numéro à préciser. (Durée : ) Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.

Plus en détail

Introduction aux algorithmes MapReduce. Mathieu Dumoulin (GRAAL), 14 Février 2014

Introduction aux algorithmes MapReduce. Mathieu Dumoulin (GRAAL), 14 Février 2014 Introduction aux algorithmes MapReduce Mathieu Dumoulin (GRAAL), 14 Février 2014 Plan Introduction de la problématique Tutoriel MapReduce Design d algorithmes MapReduce Tri, somme et calcul de moyenne

Plus en détail

Cercle trigonométrique et mesures d angles

Cercle trigonométrique et mesures d angles Cercle trigonométrique et mesures d angles I) Le cercle trigonométrique Définition : Le cercle trigonométrique de centre O est un cercle qui a pour rayon 1 et qui est muni d un sens direct : le sens inverse

Plus en détail

Calcul de développements de Puiseux et application au calcul du groupe de monodromie d'une courbe algébrique plane

Calcul de développements de Puiseux et application au calcul du groupe de monodromie d'une courbe algébrique plane Calcul de développements de Puiseux et application au calcul du groupe de monodromie d'une courbe algébrique plane Poteaux Adrien XLIM-DMI, UMR-CNRS 6172 Université de Limoges Soutenance de thèse 15 octobre

Plus en détail

Algorithmes pour la planification de mouvements en robotique non-holonome

Algorithmes pour la planification de mouvements en robotique non-holonome Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot

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

Convention de stage d ingénieur

Convention de stage d ingénieur Convention de stage d ingénieur Art. 0 Champ d application La convention règle les rapports entre les différentes parties pour un stage d ingénieur obligatoire qui s inscrit dans le cursus de formation

Plus en détail

Triangle de Pascal dans Z/pZ avec p premier

Triangle de Pascal dans Z/pZ avec p premier Triangle de Pascal dans Z/pZ avec p premier Vincent Lefèvre (Lycée P. de Fermat, Toulouse) 1990, 1991 1 Introduction Nous allons étudier des propriétés du triangle de Pascal dans Z/pZ, p étant un nombre

Plus en détail

Initiation à LabView : Les exemples d applications :

Initiation à LabView : Les exemples d applications : Initiation à LabView : Les exemples d applications : c) Type de variables : Créer un programme : Exemple 1 : Calcul de c= 2(a+b)(a-3b) ou a, b et c seront des réels. «Exemple1» nom du programme : «Exemple

Plus en détail

Manuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques

Manuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques Titre : TTLV100 - Choc thermique dans un tuyau avec condit[...] Date : 02/03/2010 Page : 1/10 Manuel de Validation Fascicule V4.25 : Thermique transitoire des structures volumiques Document : V4.25.100

Plus en détail

Coup de Projecteur sur les Réseaux de Neurones

Coup 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 détail

Cours de Génie Logiciel

Cours de Génie Logiciel Cours de Génie Logiciel Sciences-U Lyon Diagrammes UML (2) http://www.rzo.free.fr Pierre PARREND 1 Avril 2005 Sommaire Les Diagrammes UML Diagrammes de Collaboration Diagrammes d'etats-transitions Diagrammes

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

Contrainte de flot pour RCPSP avec temps de transfert

Contrainte de flot pour RCPSP avec temps de transfert Contrainte de flot et x-rcpsc T 1 Contrainte de flot pour RCPSP avec temps de transfert PS temp, s ij Cmax BENOIST Thierry BOUYGUES/e-Lab DIAMANTINI Maurice ENSTA/LMA Contrainte de flot et x-rcpsc T Présentation

Plus en détail

Programmation parallèle et distribuée

Programmation parallèle et distribuée Programmation parallèle et distribuée (GIF-4104/7104) 5a - (hiver 2015) Marc Parizeau, Département de génie électrique et de génie informatique Plan Données massives («big data») Architecture Hadoop distribution

Plus en détail

Cours de Master Recherche

Cours de Master Recherche Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction

Plus en détail

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,

Plus en détail

MIS 102 Initiation à l Informatique

MIS 102 Initiation à l Informatique MIS 102 Initiation à l Informatique Responsables et cours : Cyril Gavoille Catherine Pannier Matthias Robine Marc Zeitoun Planning : 6 séances de cours 5 séances de TD (2h40) 4 séances de TP (2h40) + environ

Plus en détail

Intelligence Artificielle Planification

Intelligence Artificielle Planification Intelligence Artificielle Planification Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes

Plus en détail

Systèmes de recommandation de produits Projet CADI Composants Avancés pour la DIstribution

Systèmes de recommandation de produits Projet CADI Composants Avancés pour la DIstribution Journée DAPA du 26 mars 2009 Systèmes de recommandation de produits Projet CADI Composants Avancés pour la DIstribution Michel de Bollivier michel.debollivier@kxen.com Agenda Projet CADI La recommandation

Plus en détail

Composants génériques de calcul scientifique

Composants génériques de calcul scientifique Composants génériques de calcul scientifique T. Géraud et A. Duret-Lutz RAPPORT TECHNIQUE 9901 MARS 1999 Laboratoire de Recherche et Développement d EPITA 14-16, rue Voltaire 94276 Le Kremlin-Bicêtre cedex

Plus en détail

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

Plus en détail

Suites numériques 3. 1 Convergence et limite d une suite

Suites numériques 3. 1 Convergence et limite d une suite Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n

Plus en détail

DISTRILOG 2 QUICK START

DISTRILOG 2 QUICK START DISTRILOG 2 QUICK START Version 1.0.x Beta Accès au service Tout d abord vous devez être titulaire du droit «Distrilog» d Accred pour pouvoir accéder au site. Ensuite, il suffit d employer votre butineur

Plus en détail

Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques

Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques Université Mohammed V, Faculté des Sciences de Rabat Laboratoire de Recherche Mathématiques, Informatique et Applications Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques MASTER

Plus en détail

Algorithmes de recherche

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

Plus en détail

6 - Le système de gestion de fichiers F. Boyer, UJF-Laboratoire Lig, Fabienne.Boyer@imag.fr

6 - Le système de gestion de fichiers F. Boyer, UJF-Laboratoire Lig, Fabienne.Boyer@imag.fr 6 - Le système de gestion de fichiers F. Boyer, UJF-Laboratoire Lig, Fabienne.Boyer@imag.fr Interface d un SGF Implémentation d un SGF Gestion de la correspondance entre la structure logique et la structure

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

A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters

A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters Présenté par : Equipe de travail : Laboratoire : Maxime CHASSAING Philippe LACOMME, Nikolay

Plus en détail

Cours Informatique Master STEP

Cours Informatique Master STEP Cours Informatique Master STEP Bases de la programmation: Compilateurs/logiciels Algorithmique et structure d'un programme Programmation en langage structuré (Fortran 90) Variables, expressions, instructions

Plus en détail

Fondements de l informatique Logique, modèles, et calculs

Fondements de l informatique Logique, modèles, et calculs Fondements de l informatique Logique, modèles, et calculs Cours INF423 de l Ecole Polytechnique Olivier Bournez Version du 20 septembre 2013 2 Table des matières 1 Introduction 9 1.1 Concepts mathématiques........................

Plus en détail

Détection d intrusions et diagnostic d anomalies dans un système diversifié par comparaison de graphes de flux d information

Détection d intrusions et diagnostic d anomalies dans un système diversifié par comparaison de graphes de flux d information Détection d intrusions et diagnostic d anomalies dans un système diversifié par comparaison de graphes de flux d information Frédéric Majorczyk, Éric Totel, Ludovic Mé, Ayda Saidane Équipe SSIR, EA 4039

Plus en détail

RO04/TI07 - Optimisation non-linéaire

RO04/TI07 - Optimisation non-linéaire RO04/TI07 - Optimisation non-linéaire Stéphane Mottelet Université de Technologie de Compiègne Printemps 2003 I Motivations et notions fondamentales 4 I1 Motivations 5 I2 Formes quadratiques 13 I3 Rappels

Plus en détail

Conception de réseaux de télécommunications : optimisation et expérimentations

Conception de réseaux de télécommunications : optimisation et expérimentations Conception de réseaux de télécommunications : optimisation et expérimentations Jean-François Lalande Directeurs de thèse: Jean-Claude Bermond - Michel Syska Université de Nice-Sophia Antipolis Mascotte,

Plus en détail

INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement. Bernard Fortz

INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement. Bernard Fortz INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement Bernard Fortz 2008-2009 Table des matières 1 Définition et classification des problèmes d ordonnancement 2 1.1 Introduction....................................

Plus en détail

Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes.

Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes. Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes. LE QUERE Yann, SEVAUX Marc, TRENTESAUX Damien, TAHON Christian Equipe Systèmes de Production

Plus en détail

Centre d'etudes Nucléaires de Fontenay-aux-Roses Direction des Piles Atomiques Département des Etudes de Piles

Centre d'etudes Nucléaires de Fontenay-aux-Roses Direction des Piles Atomiques Département des Etudes de Piles CEA-N-1195 Note CEA-N-1195 Centre d'etudes Nucléaires de Fontenay-aux-Roses Direction des Piles Atomiques Département des Etudes de Piles Service d'etudes de Protections de Piles PROPAGATION DES NEUTRONS

Plus en détail

DG-ADAJ: Une plateforme Desktop Grid

DG-ADAJ: Une plateforme Desktop Grid DG-ADAJ: Une plateforme pour Desktop Grid Olejnik Richard, Bernard Toursel Université des Sciences et Technologies de Lille Laboratoire d Informatique Fondamentale de Lille (LIFL UMR CNRS 8022) Bât M3

Plus en détail

Optimisation de la compression fractale D images basée sur les réseaux de neurones

Optimisation de la compression fractale D images basée sur les réseaux de neurones Optimisation de la compression fractale D images basée sur les réseaux de neurones D r BOUKELIF Aoued Communication Networks,Architectures and Mutimedia laboratory University of S.B.A aoued@hotmail.com

Plus en détail