Algorithme du plus court chemin
|
|
- René Ledoux
- il y a 6 ans
- Total affichages :
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 Ant : un algorithme inspiré de l éthologie L éthologie Etude scientifique des comportements animaux, avec une perspective
Plus en détailJean-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 détailEléments de Théorie des Graphes et Programmation Linéaire
INSTITUT NATIONAL POLYTECHNIQUE DE LORRAINE Ecole Nationale Supérieure d Electricité et de Mécanique Eléments de Théorie des Graphes et Programmation Linéaire Didier Maquin Professeur à l INPL Version
Plus en détailRÉPUBLIQUE 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 détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailChapitre 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 détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailLE 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 détailGestion 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 détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailLES 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 détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailIntégration 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 détailModule 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 détailConception 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 détailIntroduction à la théorie des graphes. Solutions des exercices
CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti
Plus en détailPremière 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 détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailAlgorithmique et Programmation
École Supérieure d Ingénieurs de Poitiers Gea Algorithmique et Programmation Laurent Signac ii Algorithmique et programmation Gea Table des matières Avant Propos v Structures de données Notion de pointeur..............................................
Plus en détailWeb 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 détailLes 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 détailLa 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 détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailPrénom : 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 détailApprentissage 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 détailLa NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.
La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailOptimisation 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 détailChaînes 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 détailDéterminants. 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 détailCours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.
Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement
Plus en détailExo7. 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 détailEvaluation des performances de programmes parallèles haut niveau à base de squelettes
Evaluation des performances de programmes parallèles haut niveau à base de squelettes Enhancing the Performance Predictability of Grid Applications with Patterns and Process Algebras A. Benoit, M. Cole,
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de
Plus en détailUFR 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 détailComment 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 détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailLA 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 détailLes 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 détailUne nouvelle approche de détection de communautés dans les réseaux sociaux
UNIVERSITÉ DU QUÉBEC EN OUTAOUAIS Département d informatique et d ingénierie Une nouvelle approche de détection de communautés dans les réseaux sociaux Mémoire (INF 6021) pour l obtention du grade de Maîtrise
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailintroduction 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 détailFigure 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 détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailUne 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 détailConception d'un réseau de transport d'électricité
La Fédération Française des Jeux Mathématiques et la Société de Calcul Mathématique SA avec l'appui de Réseau de Transport d'electricité Conception d'un réseau de transport d'électricité Auteurs : Florian
Plus en détailCH.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 détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailFaceBook 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 détailDeux 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 détailModélisation 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 détailCycle 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 détailSujet 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 détailE-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 détailExercices 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 détailDualité 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 détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailDéfinitions. 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 détailIntroduction 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 détailCercle 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 détailCalcul 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 détailAlgorithmes 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 détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailConvention 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 détailTriangle 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 détailInitiation 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 détailManuel 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 détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailCours 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 détailOrdonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1
CHAPTER 1 Ordonnancement 1.1. Étude de cas Ordonnancement de tâches avec contraintes de précédences 1.1.1. Exemple : construction d'une maison. Exercice. On veut construire une maison, ce qui consiste
Plus en détailContrainte 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 détailProgrammation 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 détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailArithmétique 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 détailMIS 102 Initiation à l Informatique
MIS 102 Initiation à l Informatique Responsables et cours : Cyril Gavoille Catherine Pannier Matthias Robine Marc Zeitoun Planning : 6 séances de cours 5 séances de TD (2h40) 4 séances de TP (2h40) + environ
Plus en détailIntelligence 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 détailSystèmes 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 détailComposants 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 détailLa 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 détailSuites 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 détailDISTRILOG 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 détailCours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques
Université Mohammed V, Faculté des Sciences de Rabat Laboratoire de Recherche Mathématiques, Informatique et Applications Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques MASTER
Plus en détailAlgorithmes de recherche
Algorithmes de recherche 1 Résolution de problèmes par recherche On représente un problème par un espace d'états (arbre/graphe). Chaque état est une conguration possible du problème. Résoudre le problème
Plus en détail6 - 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 détailTexte 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 détailA 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 détailCours 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 détailFondements 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 détailDétection 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 détailRO04/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 détailConception de réseaux de télécommunications : optimisation et expérimentations
Conception de réseaux de télécommunications : optimisation et expérimentations Jean-François Lalande Directeurs de thèse: Jean-Claude Bermond - Michel Syska Université de Nice-Sophia Antipolis Mascotte,
Plus en détailINFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement. Bernard Fortz
INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement Bernard Fortz 2008-2009 Table des matières 1 Définition et classification des problèmes d ordonnancement 2 1.1 Introduction....................................
Plus en détailGestion 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 détailCentre 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 détailDG-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 détailOptimisation 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