Mini-projet: Programmation Linéaire et jeux. Jeu coopératif : calcul d une répartition stable
|
|
- Monique Lebrun
- il y a 6 ans
- Total affichages :
Transcription
1 MAE41 Jeux, graphes et R.O. année Mini-projet: Programmation Linéaire et jeux Jeu coopératif : calcul d une répartition stable proposé par Pierre Fouilhoux 1 Introduction à la théorie des jeux 1.1 Présentation du cadre En théorie des jeux, un jeu modélise les comportements d acteurs économiques devant décider d une stratégie face à un même problème (économique) alors que leurs bénéfices individuels dépendent des choix de tous. Les jeux permettent de modéliser et d étudier différents modèles : modèles économiques de concurrence entre entreprises, stratégie de joueurs dans un jeu d argent, évolution d une population animale proies-prédateurs, etc. On nomme ainsi joueurs les acteurs d un jeu. Certains choix de stratégies individuelles des joueurs permettent d atteindre des situations stables, c est-à-dire des situations du jeu où aucun des joueurs n a intérêt à changer de stratégie individuelle. Dans certains jeux, il a été montré que ces situations stables existent (c est le cas par exemple des célèbres équilibres de Nash). On s intéresse ici à un jeu coopératif où les joueurs peuvent se concerter et s engager à coopérer afin de définir leurs stratégies individuelles, créant ainsi une stratégie commune. On appelle ainsi coalition le fait que plusieurs joueurs se regroupent pour coopérer ensemble. La coalition de tous les joueurs, que l on appelle coopération, est ainsi stable s il n existe pas de sous-coalition qui aurait intérêt à se mettre à part des autres. Nous allons nous intéresser ici à déterminer une coopération stable d un jeu intervenant dans la construction d un réseau de télécommunications. 1.2 Définitions et notations Soit N l ensemble des n joueurs. Il y a donc 2 n 1 coalitions possibles dans ce jeu. On note v(s) la valeur obtenue par la coalition S N et on appelle alors v la fonction caractéristique : on se place, pour ce projet, dans le cas où v(s) correspond à un coût que doit payer la coalition de tous les joueurs de S. On suppose souvent que v est sous-additive, c est-à-dire que v(s T ) v(s) + v(t ) S, T N tels que S T =. Ainsi, les joueurs ont intérêt globalement à coopérer. En effet, si les joueurs se répartissaient entre S 1,..., S k coalitions, alors le coût v(n) de la coopération de tous les joueurs serait inférieur à la somme v(s 1 ) + v(s 2 ) v(s k ) des coûts des coalitions.
2 MAE41 Jeux, graphes et R.O. page 2 On appelle parfois ce type de jeu, un jeu coalitionel et ici l objectif est de rendre stable la coopération N de tous les joueurs. Pour cela, on doit décider d une répartition du coût total v(n) de la coopération entre tous les joueurs. On note x i, i N, la répartition du coût v(n) sur le joueur i, c est-à-dire x i = V (N) et x i 0 i N. i N Une répartion égalitaire serait bien entendu x i n pour tous les joueurs i N. Mais cette répartition n est pas forcément stable. Une répartition x correspond à une coopération stable si et seulement si x i v(s) S N. = v(n) On appelle cœur du jeu l ensemble des répartitions menant à des coopérations stables. Le cœur de certains jeux est parfois vide. Lorsqu il n est pas vide, il contient en général un très grand nombre de répartitions possibles. 2 Première partie : Construction d une solution 2.1 Jeu de l arbre de poids minimum On considère ici un ensemble N de clients distincts caractérisés par leur coordonnées (distinctes) dans un plan représentant une zone géographique (par exemple une campagne isolée). Cette zone géographique contient un point 0 correspondant à un bâtiment passerelle relié au réseau extérieur. Les clients désirent être réliés à la passerelle 0 par un réseau de télécommunications afin d être reliés au réseau extérieur. On note d(ij) la distance euclidienne entre deux clients i et j de N. Comme le coût permettant de relier les points i et j est proportionnel à d(ij), on va considérer ici que ce coût est directement d(ij). On peut ainsi définir un graphe complet G = (N {0}, E) valués par les distances d(ij) pour tout i, j N {0}. On note ici ij une arête de G. On note également P = (s 1 s 2, s 2 s 3,...s k 1 s k ) un chemin de G. Un cycle est un chemin tel que s 1 = s k. On rappelle qu un graphe est connexe s il existe un chemin reliant toute paire de sommets. Un arbre est un sous-graphe connexe sans-cycle. Pour un ensemble S N {0} de sommets, on appelle arbre couvrant un arbre reliant tous les sommets de S. On rappelle qu un arbre couvrant k sommets possèdent exactement k 1 arêtes. Pour un ensemble S N de clients, le réseau le moins onéreux est l arbre de poids minimum de G couvrant les sommets S {0} (en effet, il s agit du plus petit graphe connexe couvrant tous les sommets). Si une coalition S N de clients décident de coopérer pour construire leur propre réseau, on note alors Γ S = (S {0}, E S ) un arbre de poids minimum couvrant {0} S et on note v(s) = ij E S d(ij) le coût de cet arbre. Considérons un arbre Γ N = (N {0}, E N ) reliant tous les clients de N au sommet 0 : cet arbre constitue donc le réseau de télécommunications le moins onéreux pour relier les clients de manière à ce qu aucune coalition S N n ait intérêt à se former pour construire un arbre couvrant Γ S concurrent. Pour cela, on doit répartir le coût v(n) sur les n clients. On appelle ainsi jeu de l arbre de poids minimum le problème consistant à déterminer une répartition
3 MAE41 Jeux, graphes et R.O. page 3 stable du coûts v(n) de Γ N sur tous les clients N. Ce jeu est motivé par deux interprétations complémentaires du problème : - interprétation coopérative : globalement les n clients ont intérêt à coopérer tous ensemble : un réseau global coûtera moins que plusieurs sous-réseaux (et l impact écologique sera aussi moindre). Mais pour atteindre cette solution, il faut être certain qu aucun client ne sera mécontent et préfèrera faire un autre réseau. La solution est alors de répartir les coûts inégalitairement de manière à ce que ceux qui auraient le plus de raisons de ne pas coopérer soient ceux qui payent le moins. - interprétation concurrentielle : une autre interprétation plus réaliste est le cas où un opérateur télécom désire construire un réseau et proposer une répartition de son coût à ses futurs clients. Son objectif est donc de répartir le coût de manière à ce qu aucun concurrent n ait la possibilité de construire un réseau concurrent en coalisant une partie des clients potentiels. On désire dans cette partie construire une première solution simple pour le problème du jeu de l arbre de poids minimum. 2.2 Questions théoriques Questions 2.1 Prouver que la fonction caractéristique v associée au jeu de l arbre couvrant est sousadditive. Questions 2.2 Soit Γ N un arbre de poids minimum couvrant les sommets {0} S. On note e i l arête issue de i dans l unique chemin reliant i à 0 dans Γ N. On considère alors le vecteur x IR n où x i = d(e i ). Prouver que x est une répartition. Questions 2.3 On veut prouver que x appartient au cœur du jeu. Pour cela, prenons S N et considérons l arbre de poids minimum Γ S = (S {0}, E S ). On veut donc prouver que x i v(s) = e E S d(e). Posons ξ = {e i /i S} et ξ = E N \ ξ. a) Montrer que v(n) = x i + e ξ d(e). b) Montrons que E S ξ =. c) Considérons alors le graphe H S = (N {0}, E S ξ). Montrer que E S ξ = n. d) Montrer que H s est connexe. (Indication, montrer qu il existe un chemin de i à 0 dans H S pour tout i N). e) On rappelle qu un graphe connexe connexe sur n + 1 sommets possédant n arête est un arbre. En déduire que v est sous-additive. 2.3 Mise en œuvre La première partie de ce projet consiste à déterminer le réseau optimal et une première répartition stable de son coût. Choisir une structure de données pour coder le graphe (nous n allons pas manipuler de très grandes instances). On peut remarquer que le graphe est complet et que le poids des arêtes se déduit des coordonnées en calculant la distance euclidienne.
4 MAE41 Jeux, graphes et R.O. page 4 Implémenter cette structure de manière à pouvoir lire un fichier texte contenant n + 1 coordonnées de points. Le format choisi est : où le premier nombre indique le nombre n de clients, les deux nombres suivants correspondent aux coordonnées du point 0 et la liste qui suit indique les coordonnées des n clients. Créer un programme permettant de générer des fichiers d instances selon le format précédant. Implémenter une fonction permettant, pour tout ensemble S N de clients de calculer un arbre de poids minimum couvrant S {0}. Utiliser par exemple l algorithme de Prim. Algorithme de Prim Notons F un ensemble d arêtes initialisé à vide. Notons B un ensemble de sommets initialisé à vide. B {0} Tant que B S {0} Faire Déterminer l arête e de plus petit poids parmi les arêtes sortantes de B F F {e} Ajouter l extrémité sortante de e à B Fin Tant que A la fin (S {0}, F ) est un arbre de poids minimum couvrant S {0} Implémenter une visualisation graphique de vos arbres couvrants en utilisant par exemple le logiciel graphiz (voir documentation sur http ://www-desir.lip6.fr/ fouilhoux/documentens.php) Proposer une répartition stable pour le jeu de l arbre couvrant de poids minimum. 3 Deuxième partie : Amélioration de la solution Dans cette deuxième partie, nous nous intéressons à améliorer la solution précédente. En effet, certaines solutions du cœur sont fortement inégalitaires, nous cherchons une solution du cœur qui égalise les écarts de coûts entre les clients. 3.1 Retour sur la théorie Soit x une répartition (quelconque) du coût v(n). On appelle excès de x la fonction e x (S) = v(s) x i S N.
5 MAE41 Jeux, graphes et R.O. page 5 Cette fonction excès représente la différence de coût qu aurait à payer la coalition S entre ce qu elle payerait seul (i.e. v(s)) et ce qu elle paye dans la répartition x (i.e. x i). (Dans le cas particulier d une répartition du cœur du jeu, l excès est bien-entendu positif). On peut remarquer que les excès sont souvent très inégalitaires entre les clients. Il est intéressant de rechercher dans le cœur du jeu une répartition qui soit plus égalitaire. Afin de permettre la comparaison de deux répartitions, on introduit l ordre lexicographique défini de la façon suivante. Pour une répartition x, on note Θ(x) le vecteur de IR 2n 1 obtenu en classant les 2 n 1 valeurs e x (S), S N, S, dans l ordre décroissant. Soient k {1,..., 2 n 1} et deux répartitions x et y, on dit que Soient deux répartitions x et y, on dit que x k y si Θ i (x) = Θ i (y) i = 1,..., k 1 et Θ k (x) < Θ k (y). x y s il existe k {1,..., 2 n 1} tel que x k y. Exemple : Pour N limité à trois joueurs, on considère donc les coalitions {1},{2}, {3},{1, 2},{1, 3}, {2, 3} et {1, 2, 3}. Supposons que v soit la fonction : v({1}) = 1, v({2}) = 2, v({3}) = 2, v({1, 2}) = 3, v({1, 3}) = 3, v({2, 3}) = 4 et v({1, 2, 3}) = 4. Considérons les deux répartitions x = (1, 2, 1) et y = (1, 1.5, 1.5) qui sont toutes deux dans le cœur. On obtient l ordonnancement suivant des partitions : x({1}) = 1, x({2}) = 2, x({3}) = 1, x({1, 2}) = 3, x({1, 3}) = 2, x({2, 3}) = 3 et x({1, 2, 3}) = 4 et y({1}) = 1, y({2}) = 1.5, y({3}) = 1.5, y({1, 2}) = 2.5, y({1, 3}) = 2, y({2, 3}) = 3 et y({1, 2, 3}) = 4. Et donc Θ(x) = (1, 1, 1, 0, 0, 0, 0) et Θ(y) = (1, 1, 0.5, 0.5, 0.5, 0, 0). On voit que y 3 x et donc y x d après la définition. On s intéresse ici aux éléments x qui minimisent l ordre lexicographique. On appelle l ensemble de ces éléments le nucléolus. Il a été montré que lorsque le cœur est non vide, alors le nucléolus est dans le cœur. Il a été également montré qu en fait, le nucléolus est limité à un unique élément. 3.2 Questions théoriques Questions 3.1 Soient deux répartitions x et y. Que représente la quantité Θ(x)[1] la première case du vecteur Θ(x)? Montrer que si x y alors Θ(x)[1] Θ(y)[1]. Que représente un vecteur x k qui minimise la relation d ordre k pour un k donné? Questions 3.2 Soient deux répartitions x et y tels que x y, montrer que la répartition x est plus égalitaire que la répartition y. Questions 3.2 On considère le programme linéaire P 1 suivant :
6 MAE41 Jeux, graphes et R.O. page 6 P 1 Min r x i = v(n), (1) i N x i v(s) S N, (2) x i + r v(s) S N, (3) x i 0 i N, r 0. a) Montrer que les solutions du programme linéaire P 1 suivant correspondent à des répartitions du cœur du jeu. b) Montrer que P 1 possède toujours une solution optimale (x 1, r 1 ). c) Soit y une solution du cœur du jeu et posons r y = Θ(y)[1]. Montrer que (y, r y ) est solution de P[1]. d) Montrer que x 1 minimise 1 dans le cœur du jeu. Questions 3.3 On note ζ 1 l ensemble des coalitions S pour lesquelles les inégalités (3) sont vérifiées à l égalité par la solution (x 1, r 1 ). Si ζ 1, on construit alors le programme linéaire P k suivant pour k = 2 P k Min r x i = v(n), (1) i N x i v(s) S N, (2) x i + r v(s) S 2 N \ x i 0 i N, r 0. En fait, on va définir itérativement le programme P k+1 à partir de la solution du programme P k en posant (x k, r k ) la solution optimale de P k et ζ k l ensemble des coalitions pour lesqueles lles inégalités (3) sont vérifiées à l égalité par la solution (x k, r k ). En fait, P(k + 1) existe si P(k) admet bien une solution et si ζ k. a) Prouver que si P k admet une solution avec r k > 0, alors ζ k. b) Montrer que si P k admet une solution avec r k > 0, alors P k+1 admet une solution optimale. ( k 1 l=1 ζ l ), (3) x i = v(s) r k S ζ l l = 1,..., k 1, (4) Questions 3.4 Soit k 1 tel que P k existe. Donner, en fonction des ζ k, l expression du plus grand entier i tel que x k minimise i. En déduire que x k+1 x k. Questions 3.5 On considère l algorithme (dit de Kapelowitz) où l on construit itérativement le programme P k+1 à partir du programme P k tant qu il existe dans P k des contraintes (3). Prouver qu à la
7 MAE41 Jeux, graphes et R.O. page 7 fin des itérations, on obtient x qui minimise l ordre. Questions 3.6 Donner le nombre maximal d itérations de l algorithme. Peut-on s attendre à ce que le pire des cas soit toujours atteint? 3.3 Mise en œuvre L objectif de cette deuxième partie est d obtenir des répartition plus égalitaires. Nous allons procéder en plusieurs étapes dont certaines sont en bonus par rapport à la notation du projet. Manipulation de glpk. Documentation sur le site http ://www-desir.lip6.fr/ fouilhoux/documentens.php. Le logiciel glpk est disponible dans vos salles de TP. Il est aussi facile à installer sur les distributions linux, mac ou windows. Il y a deux façons principales d utiliser ce logiciel : soit avec une API, soit en utilisant des fichiers d entrée et de sortie. Une mise en œuvre simple de ce projet est de concevoir un programme qui écrit sur le disque un fichier d entrée au format lp (ce format reprend exactement la description du programme linéaire dans son ecriture classique). Ensuite, on peut lire la solution optimale obtenue dans un fichier de sortie et réinjecter à la main les valeurs dans le programme linéaire initiale afin d améliorer la solution. Une mise en œuvre plus élaborée consiste à automatiser ce processus de manière à ce que ce soit votre programme qui aille lire le fichier et modifie le fichier.lp en fonction de manière à réitérer le processus. Une mise en œuvre très élaborée consiste à utiliser l API de glpk pour réaliser toutes ces opérations. Construction du programme linéaire P 1. La difficulté essentielle de cette mise en œuvre repose sur la nécessité d énumérer correctement les coalitions possibles. Leur nombre limite d ailleurs la taille des instances que l on peut résoudre par ce biais. Vous devez proposez une façon de numéroter/énumérer les coalitions et construire le programme correspondant. Itérations de l algorithme Utiliser l une des techniques proposées afin d améliorer itérativement la solution obtenue. Attention, il ne faut pas recalculer à chaque itération les valeurs v(s)!. Proposer divers tests d arrêt permettant d utiliser l algorithme même pour des tailles importantes d instances.
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 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 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 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 détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en 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 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 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 détailChapitre 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 détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détail3 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 détailchapitre 4 Nombres de Catalan
chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C
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 détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailTP1 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 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 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 détailPeut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
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 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 détailTP 2 Réseaux. Adresses IP, routage et sous-réseaux
TP 2 Réseaux Adresses IP, routage et sous-réseaux C. Pain-Barre INFO - IUT Aix-en-Provence version du 24/2/2 Adressage IP. Limites du nombre d adresses IP.. Adresses de réseaux valides Les adresses IP
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailL 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 détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailObjectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)
Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
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 détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en détail4 Exemples de problèmes MapReduce incrémentaux
4 Exemples de problèmes MapReduce incrémentaux 1 / 32 Calcul des plus courtes distances à un noeud d un graphe Calcul des plus courts chemins entre toutes les paires de noeuds d un graphe Algorithme PageRank
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 détailExercices 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 détailThéorie des Graphes Cours 3: Forêts et Arbres II / Modélisation
IFIPS S7 - informatique Université Paris-Sud 11 1er semestre 2009/2010 Théorie des Graphes Cours 3: Forêts et Arbres II / 1 Forêts et arbres II Théorème 1.1. Les assertions suivantes sont équivalentes
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailLa demande Du consommateur. Contrainte budgétaire Préférences Choix optimal
La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
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 détailUEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.
UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases
Plus en détailTP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile
TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile Dans ce TP, vous apprendrez à définir le type abstrait Pile, à le programmer en Java à l aide d une interface
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 détailAtelier 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 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 détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
Plus en détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
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 détailExamen 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 détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
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 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 détail1 Définition et premières propriétés des congruences
Université Paris 13, Institut Galilée Département de Mathématiques Licence 2ème année Informatique 2013-2014 Cours de Mathématiques pour l Informatique Des nombres aux structures Sylviane R. Schwer Leçon
Plus en détailÉPREUVE COMMUNE DE TIPE 2008 - Partie D
ÉPREUVE COMMUNE DE TIPE 2008 - Partie D TITRE : Les Fonctions de Hachage Temps de préparation :.. 2 h 15 minutes Temps de présentation devant le jury :.10 minutes Entretien avec le jury :..10 minutes GUIDE
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
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 détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailINF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies
INF 232: Langages et Automates Travaux Dirigés Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies Année Académique 2013-2014 Année Académique 2013-2014 UNIVERSITÉ JOSEPH
Plus en détailProcessus d Informatisation
Processus d Informatisation Cheminement de la naissance d un projet jusqu à son terme, deux grandes étapes : Recherche ou étude de faisabilité (en amont) L utilisateur a une idée (plus ou moins) floue
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 détailImage 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 détail21 mars 2012. Simulations et Méthodes de Monte Carlo. DADI Charles-Abner. Objectifs et intérêt de ce T.E.R. Générer l'aléatoire.
de 21 mars 2012 () 21 mars 2012 1 / 6 de 1 2 3 4 5 () 21 mars 2012 2 / 6 1 de 2 3 4 5 () 21 mars 2012 3 / 6 1 2 de 3 4 5 () 21 mars 2012 4 / 6 1 2 de 3 4 de 5 () 21 mars 2012 5 / 6 de 1 2 3 4 5 () 21 mars
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
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 détailChap III : Les tableaux
Chap III : Les tableaux Dans cette partie, on va étudier quelques structures de données de base tels que : Les tableaux (vecteur et matrice) Les chaînes de caractères LA STRUCTURE DE TABLEAU Introduction
Plus en détailQuelques 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 détailPropriétés 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 détailLes 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 détailC f tracée ci- contre est la représentation graphique d une
TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe
Plus en détailÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE
ÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE ANALYSIS OF THE EFFICIENCY OF GEOGRIDS TO PREVENT A LOCAL COLLAPSE OF A ROAD Céline BOURDEAU et Daniel BILLAUX Itasca
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailMathématiques financières
Ecole Nationale de Commerce et de Gestion de Kénitra Mathématiques financières Enseignant: Mr. Bouasabah Mohammed ) بوعصابة محمد ( ECOLE NATIONALE DE COMMERCE ET DE GESTION -KENITRA- Année universitaire:
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailProbabilités 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 détailMaster IAD Module PS. Reconnaissance de la parole (suite) Alignement temporel et Programmation dynamique. Gaël RICHARD Février 2008
Master IAD Module PS Reconnaissance de la parole (suite) Alignement temporel et Programmation dynamique Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance
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 détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
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 7. Récurrences
Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,
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 détailContinuité 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 détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailUFR de Mathématiques et Informatique Année 2009/2010. Réseaux Locaux TP 04 : ICMP, ARP, IP
Université de Strasbourg Licence Pro ARS UFR de Mathématiques et Informatique Année 2009/2010 1 Adressage IP 1.1 Limites du nombre d adresses IP 1.1.1 Adresses de réseaux valides Réseaux Locaux TP 04 :
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 détailCours de Java. Sciences-U Lyon. Java - Introduction Java - Fondamentaux Java Avancé. http://www.rzo.free.fr
Cours de Java Sciences-U Lyon Java - Introduction Java - Fondamentaux Java Avancé http://www.rzo.free.fr Pierre PARREND 1 Octobre 2004 Sommaire Java Introduction Java Fondamentaux Histoire de Java Machine
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
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 détailIntroduction a l'algorithmique des objets partages. Robert Cori. Antoine Petit. Lifac, ENS Cachan, 94235 Cachan Cedex. Resume
Introduction a l'algorithmique des objets partages Bernadette Charron{Bost Robert Cori Lix, Ecole Polytechnique, 91128 Palaiseau Cedex, France, charron@lix.polytechnique.fr cori@lix.polytechnique.fr Antoine
Plus en détailCours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions
Cours d introduction à l informatique Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Qu est-ce qu un Une recette de cuisine algorithme? Protocole expérimental
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détailChapitre VI - Méthodes de factorisation
Université Pierre et Marie Curie Cours de cryptographie MM067-2012/13 Alain Kraus Chapitre VI - Méthodes de factorisation Le problème de la factorisation des grands entiers est a priori très difficile.
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailContexte. 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