Des piles de sable aux automates de sable
|
|
|
- Amaury Frédéric Bouffard
- il y a 6 ans
- Total affichages :
Transcription
1 Thèse 3 décembre 26 Benoît MASSON Des piles de sable aux automates de sable Thèse dirigée par Enrico FORMENTI Laboratoire I3S Projet RECIF
2 Introduction Modélisation de phénomènes naturels problème continu équations différentielles, approximations discrétisation du problème systèmes dynamiques discrets Cas particulier du déplacement de particules (sable etc.) Chip Firing Game [S86] piles de sable (SPM = Sand Pile Model [BTW88]) Deux axes de recherche amélioration du réalisme généralisation des modèles connus Automates de sable Des piles de sable aux automates de sable Page
3 Plan Introduction. Piles de sable 2. Automates de sable 3. Résultats dynamiques Perspectives
4 Piles de sable Grain de sable : Colonne de sable (état, nombre de grains entier) : Pile de sable (configuration) : suite finie de colonnes c = (c,...,c l ), c N l. c c 2 c 3 c 4 c 5 c 6 c 7 c 8 c 9 Des piles de sable aux automates de sable Page 3
5 Système de piles de sable Système dynamique discret agissant sur les piles de sable. Évolution régie par des règles locales. Règle verticale Règles horizontales Des piles de sable aux automates de sable Page 4
6 Système de piles de sable Système dynamique discret agissant sur les piles de sable. Évolution régie par des règles locales. Règle verticale Règles horizontales Configuration initiale : une seule colonne de n grains. n Des piles de sable aux automates de sable Page 4
7 Exemples Deux modèles utilisés principalement SPM (Sand Pile Model), règle verticale IPM(k) (Ice Pile Model), règles verticale et horizontales SPM = IPM() Des piles de sable aux automates de sable Page 5
8 Exemples Deux modèles utilisés principalement SPM (Sand Pile Model), règle verticale IPM(k) (Ice Pile Model), règles verticale et horizontales SPM = IPM() 2 modes de fonctionnement parallèle (synchrone) séquentiel (asynchrone) Des piles de sable aux automates de sable Page 5
9 SPM n = 8 Des piles de sable aux automates de sable Page 6
10 SPM Des piles de sable aux automates de sable Page 6
11 SPM Des piles de sable aux automates de sable Page 6
12 SPM Des piles de sable aux automates de sable Page 6
13 SPM Des piles de sable aux automates de sable Page 6
14 SPM Des piles de sable aux automates de sable Page 6
15 SPM Des piles de sable aux automates de sable Page 6
16 SPM Des piles de sable aux automates de sable Page 6
17 SPM Des piles de sable aux automates de sable Page 6
18 SPM Des piles de sable aux automates de sable Page 6
19 Évolution de IPM(k) Pour n = 6, dans IPM(3) Des piles de sable aux automates de sable Page 7
20 Évolution de IPM(k) Résultats connus [GK93,GMP2] Pour n = 6, dans IPM(3) Treillis unicité du point fixe. Caractérisation des éléments du treillis. Calcul de la longueur du transitoire. Des piles de sable aux automates de sable Page 7
21 Limites Manque de généralité et de réalisme. Configurations initiales quelconques? Symétrie?? Des piles de sable aux automates de sable Page 8
22 Piles de sable généralisées Algorithme de calcul du point fixe. Entrée Découpage Calcul Sortie Fusion Unicité du point fixe. Des piles de sable aux automates de sable Page 9
23 Piles de sable symétriques Modèle SSPM (Symmetric Sand Pile Model). Configuration initiale : colonne unique de n grains Règles locales : Si δ l 2 Si δ r 2 Des piles de sable aux automates de sable Page
24 Piles de sable symétriques Modèle SSPM (Symmetric Sand Pile Model). Configuration initiale : colonne unique de n grains Règles locales : Si δ l 2 Si δ r 2 Non-déterministe : plusieurs grains peuvent tomber en même temps depuis des colonnes différentes (mode séquentiel) depuis la même colonne (vers la gauche ou vers la droite) Des piles de sable aux automates de sable Page
25 Graphe des orbites Pour n = 5, dans SSPM Des piles de sable aux automates de sable Page
26 Caractérisation de SSPM Proposition Une configuration c est atteignable ssi elle peut être découpée en deux parties L(c) et R(c) telles que L(c) est croissante R(c) est décroissante L(c), R(c) sont cassées : entre 2 plateaux il doit y avoir une falaise L(c) R(c) L(c) R(c) L(c) R(c) Des piles de sable aux automates de sable Page 2
27 Points fixes n = n = 2 n = 3 n = 4 n = 5 n = 6 n = 7 n = 8 n = 9 n = Nombre de points fixes : n Longueur du transitoire : O(n 3/2 ) Des piles de sable aux automates de sable Page 3
28 Plan Introduction. Piles de sable 2. Automates de sable 3. Résultats dynamiques Perspectives
29 Automates cellulaires Ensemble d états S = {, } Règle locale δ : S (2r+)d S, rayon r dimension d. Cas de base d = r = Appliqué à une configuration de S Zd. Des piles de sable aux automates de sable Page 5
30 Diagramme espace-temps Source : Des piles de sable aux automates de sable Page 6
31 Récapitulatif Automates cellulaires configurations infinies nombre d états borné évolution synchrone règle locale Piles de sable configurations finies nombre d états non borné évolution asynchrone règle locale Des piles de sable aux automates de sable Page 7
32 Configurations Configuration définie sur une grille infinie Z d. À tout point est associé un entier relatif (nombre de grains). Ajout de sources et puits pour plus de généralité et pour des raisons de compacité : C = ( Z {,+ } ) Z d Mise en place d une topologie pour étudier la dynamique. C localement compact, complet. Des piles de sable aux automates de sable Page 8
33 Automates de sable [CF3] A = d,r,f, d est la dimension, r le rayon et f la règle locale. La règle locale retourne la variation d une colonne en fonction du tableau des différences de hauteur avec les voisins. Des piles de sable aux automates de sable Page 9
34 Règle locale «Locale» à cause du rayon r nombre de voisins pris en compte fixe différences bornées, considérées comme infinies si trop grandes r r La règle est appliquée sur le voisinage (+2,,,+ ) Des piles de sable aux automates de sable Page 2
35 Règle globale La règle locale est appliquée de manière synchrone. Le comportement de l automate est déterminé par sa règle globale F : C C F(c) i = c i + f(n(c i )) c i si c i < sinon Des piles de sable aux automates de sable Page 2
36 Simulation de SPM d = r =, f(a,b) = + si a = + et b si a + et b = sinon a =, b = Des piles de sable aux automates de sable Page 22
37 SPM r (inverse à droite) d = r =, f(a,b) = si a = + et b + si a + et b = sinon a =, b = Des piles de sable aux automates de sable Page 23
38 Propriétés Proposition 2 [CF3] Il est possible de simuler un automate cellulaire à l aide d un automate de sable, et vice-versa. Théorème 3 [CF3] Une fonction F : C C est la règle globale d un automate de sable ssi F est continue F est invariante horizontalement et verticalement F conserve les infinis Des piles de sable aux automates de sable Page 24
39 Simulation d un AC par un AS Rayon r 2r Des piles de sable aux automates de sable Page 25
40 Simulation d un AS par un AC Rayon r 2r Dimension d d + Des piles de sable aux automates de sable Page 26
41 Plan Introduction. Piles de sable 2. Automates de sable 3. Résultats dynamiques Perspectives
42 Propriétés ensemblistes Étude de la surjectivité et de l injectivité d un automate, i.e. de sa règle globale. Utilisées pour évaluer le comportement chaotique d un automate. Est-ce que ces propriétés sont décidables? On recherche des relations entre injectivité et surjectivité. Dans le cas général. Restriction à des configurations finies et périodiques. Des piles de sable aux automates de sable Page 28
43 Résultats Proposition 4 S P S S F I I P I F Des piles de sable aux automates de sable Page 29
44 Résultats Proposition 4 S P I P S F I S I F Pour les automates cellulaires : S P I P S F I S I F Des piles de sable aux automates de sable Page 29
45 Conservation des grains Définition (FGC) Un automate conserve les grains sur les configurations finies ssi pour toute configuration finie x, i Z d f(x) i = i Z d x i. Définition 2 (PGC) Un automate conserve les grains sur les configurations périodiques ssi pour tout x périodique de période p, p f(x) i = p i=(,...,) i=(,...,) x i. Des piles de sable aux automates de sable Page 3
46 Résultats Proposition 5 Les définitions FGC et PGC sont équivalentes. Théorème 6 La conservation des grains est décidable. En dimension, rayon, A =,,f est GC ssi pour tous a,b,c Z f(a,b,c) = f(,,b) f(,,a) + f(,b,c) f(,a,b) Des piles de sable aux automates de sable Page 3
47 Périodicité ultime Problème ULT Instance : Un automate de sable A. Question : A atteint une configuration temporellement périodique, à partir d une configuration finie (ou périodique) quelconque? Des piles de sable aux automates de sable Page 32
48 Périodicité ultime Problème ULT Instance : Un automate de sable A. Question : A atteint une configuration temporellement périodique, à partir d une configuration finie (ou périodique) quelconque? Théorème 7 ULT est indécidable. Des piles de sable aux automates de sable Page 32
49 Preuve Réduction à partir d une machine à deux compteurs, initialisée à. M = Q,q,q f,δ Principe de la simulation C L C q L R R R 2 Des piles de sable aux automates de sable Page 33
50 Preuve Réduction à partir d une machine à deux compteurs, initialisée à. M = Q,q,q f,δ Principe de la simulation. Simulation C L C q L R R R 2 Des piles de sable aux automates de sable Page 33
51 Preuve Réduction à partir d une machine à deux compteurs, initialisée à. M = Q,q,q f,δ Principe de la simulation. Simulation 2. Vérification C C V L C q q V L R R R V R 2 R V 2 Des piles de sable aux automates de sable Page 33
52 Preuve Réduction à partir d une machine à deux compteurs, initialisée à. M = Q,q,q f,δ Principe de la simulation. Simulation 2. Vérification 3. Comparaison C C V L C q q V L R R R V R 2 R V 2 Des piles de sable aux automates de sable Page 33
53 Preuve Réduction à partir d une machine à deux compteurs, initialisée à. M = Q,q,q f,δ Principe de la simulation. Simulation 2. Vérification 3. Comparaison C C V L C q q V L R R R V R 2 R V 2 Les configurations malformées arrêtent d évoluer. Des piles de sable aux automates de sable Page 33
54 Preuve Réduction à partir d une machine à deux compteurs, initialisée à. M = Q,q,q f,δ Principe de la simulation. Simulation 2. Vérification 3. Comparaison C C V L C q q V L R R R V R 2 R V 2 Les configurations malformées arrêtent d évoluer. M termine A est ultimement périodique. Des piles de sable aux automates de sable Page 33
55 Perspectives Piles de sable SSPM généralisé, parallèle (synchrone), déterministe SIPM(k), dimensions supérieures comparaison avec les modèles physiques Des piles de sable aux automates de sable Page 34
56 Perspectives Piles de sable SSPM généralisé, parallèle (synchrone), déterministe SIPM(k), dimensions supérieures comparaison avec les modèles physiques Automates de sable compléments aux résultats dynamiques (réversibilité, nilpotence) étude des propriétés topologiques (équicontinuité, transitivité etc.) classification des automates puissance de calcul Des piles de sable aux automates de sable Page 34
57 Publications [] E. FORMENTI et B. MASSON : On computing fixed points for generalized sandpiles. International Journal of Unconventional Computing, 2():3 25, 26. [2] E. FORMENTI et B. MASSON : A note on fixed points of generalized ice pile models. International Journal of Unconventional Computing, 2(2), 26. [3] E. FORMENTI, B. MASSON et T. PISOKAS : Advances in symmetric sandpiles. Fundamenta Informaticae, 76: 22, 26. [4] J. CERVELLE, E. FORMENTI et B. MASSON : Basic properties for sand automata. In Mathematical Foundations of Computer Science (MFCS 25), volume 368 de Lecture Notes in Computer Science, pages Springer-Verlag, 25. [5] E. FORMENTI, B. MASSON et T. PISOKAS : On symmetric sandpiles. In Cellular Automata for Research and Industry (ACRI 26), volume 473 de Lecture Notes in Computer Science, pages Springer-Verlag, 26. [6] J. CERVELLE, E. FORMENTI et B. MASSON : From sandpiles to sand automata. Soumis, 26. Des piles de sable aux automates de sable Page 35
58 Distance d(x,y) = 2 l, l défini par : l = l = x y Des piles de sable aux automates de sable Page 36
59 Distance d(x,y) = 2 l, l défini par : l = l = Des piles de sable aux automates de sable Page 36
60 Distance d(x,y) = 2 l, l défini par : l = 2 l = 2,,+,,+ Des piles de sable aux automates de sable Page 36
61 Distance d(x,y) = 2 l, l défini par : l = 3 l = 3 d(x,y) = 2 3,,,+, 3, 3,,+, Des piles de sable aux automates de sable Page 36
Continuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Université 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
Master IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
Optimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Fonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Continuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Modèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Image d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
AC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
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
Raisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Chapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Limites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles)
1/4 Objectif de ce cours /4 Objectifs de ce cours Introduction au langage C - Cours Girardot/Roelens Septembre 013 Du problème au programme I passer d un problème exprimé en français à la réalisation d
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
Algèbre binaire et Circuits logiques (2007-2008)
Université Mohammed V Faculté des Sciences Département de Mathématiques et Informatique Filière : SMI Algèbre binaire et Circuits logiques (27-28) Prof. Abdelhakim El Imrani Plan. Algèbre de Boole 2. Circuits
Les algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
La 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
Machines virtuelles Cours 1 : Introduction
Machines virtuelles Cours 1 : Introduction Pierre Letouzey 1 pierre.letouzey@inria.fr PPS - Université Denis Diderot Paris 7 janvier 2012 1. Merci à Y. Régis-Gianas pour les transparents Qu est-ce qu une
Complexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation
Complexité Objectifs des calculs de complexité : - pouvoir prévoir le temps d'exécution d'un algorithme - pouvoir comparer deux algorithmes réalisant le même traitement Exemples : - si on lance le calcul
Ordonnancement temps réel
Ordonnancement temps réel Laurent.Pautet@enst.fr Version 1.5 Problématique de l ordonnancement temps réel En fonctionnement normal, respecter les contraintes temporelles spécifiées par toutes les tâches
Développements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
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
2.4 Représentation graphique, tableau de Karnaugh
2 Fonctions binaires 45 2.4 Représentation graphique, tableau de Karnaugh On peut définir complètement une fonction binaire en dressant son tableau de Karnaugh, table de vérité à 2 n cases pour n variables
Simulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Aiguilleurs de courant intégrés monolithiquement sur silicium et leurs associations pour des applications de conversion d'énergie
Aiguilleurs de courant intégrés monolithiquement sur silicium et leurs associations pour des applications de conversion d'énergie ABDELILAH EL KHADIRY ABDELHAKIM BOURENNANE MARIE BREIL DUPUY FRÉDÉRIC RICHARDEAU
Introduction au maillage pour le calcul scientifique
Introduction au maillage pour le calcul scientifique CEA DAM Île-de-France, Bruyères-le-Châtel franck.ledoux@cea.fr Présentation adaptée du tutorial de Steve Owen, Sandia National Laboratories, Albuquerque,
Colloque des arbitres et des commissaires aux résultats Moulin mer
Colloque des arbitres et des commissaires aux résultats Moulin mer Bernard Simon- janvier 2015 Météorologie Web : Attention aux modèles utilisés dans les prévisions: (maillage / relief pris en compte/
Les intermédiaires privés dans les finances royales espagnoles sous Philippe V et Ferdinand VI
Les intermédiaires privés dans les finances royales espagnoles sous Philippe V et Ferdinand VI Jean-Pierre Dedieu To cite this version: Jean-Pierre Dedieu. Les intermédiaires privés dans les finances royales
Problèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris 12 20 Mars 2003
Problèmes d ordonnancement dans les systèmes de production Michel Gourgand Université Blaise Pascal Clermont Ferrand LIMOS CNRS UMR 6158 1 Le LIMOS Laboratoire d Informatique, de Modélisation et d Optimisation
Annexe 6. Notions d ordonnancement.
Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document
Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
C.F.A.O. : Conception et Fabrication Assistées par Ordinateur.
C.F.A.O. : Conception et Fabrication Assistées par Ordinateur. La CFAO réunit dans une même démarche informatique les actions de conception et de fabrication d un objet. La technique utilisée permet à
Programmation Par Contraintes
Programmation Par Contraintes Cours 2 - Arc-Consistance et autres amusettes David Savourey CNRS, École Polytechnique Séance 2 inspiré des cours de Philippe Baptiste, Ruslan Sadykov et de la thèse d Hadrien
Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
1 de 46. Algorithmique. Trouver et Trier. Florent Hivert. Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert
1 de 46 Algorithmique Trouver et Trier Florent Hivert Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert 2 de 46 Algorithmes et structures de données La plupart des bons algorithmes
L utilisation d un réseau de neurones pour optimiser la gestion d un firewall
L utilisation d un réseau de neurones pour optimiser la gestion d un firewall Réza Assadi et Karim Khattar École Polytechnique de Montréal Le 1 mai 2002 Résumé Les réseaux de neurones sont utilisés dans
Quelques algorithmes simples dont l analyse n est pas si simple
Quelques algorithmes simples dont l analyse n est pas si simple Michel Habib habib@liafa.jussieu.fr http://www.liafa.jussieu.fr/~habib Algorithmique Avancée M1 Bioinformatique, Octobre 2008 Plan Histoire
Conception des systèmes répartis
Conception des systèmes répartis Principes et concepts Gérard Padiou Département Informatique et Mathématiques appliquées ENSEEIHT Octobre 2012 Gérard Padiou Conception des systèmes répartis 1 / 37 plan
Chapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Cours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Mathématiques I Section Architecture, EPFL
Examen, semestre d hiver 2011 2012 Mathématiques I Section Architecture, EPFL Chargé de cours: Gavin Seal Instructions: Mettez votre nom et votre numéro Sciper sur chaque page de l examen. Faites de même
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
8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
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
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
Dérivation : cours. Dérivation dans R
TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition
Info0804. Cours 6. Optimisation combinatoire : Applications et compléments
Recherche Opérationnelle Optimisation combinatoire : Applications et compléments Pierre Delisle Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique 17 février 2014 Plan de
Présentation du Master Ingénierie Informatique et du Master Science Informatique 2007-2008, Année 2 Université Paris-Est Marne-la-Vallée
Présentation du Master Ingénierie Informatique et du Master Science Informatique 2007-2008, Année 2 Université Paris-Est Marne-la-Vallée Responsable du Master Informatique : Marc Zipstein Responsable de
Celestia. 1. Introduction à Celestia (2/7) 1. Introduction à Celestia (1/7) Université du Temps Libre - 08 avril 2008
GMPI*EZVI0EFSVEXSMVIH%WXVSTL]WMUYIHI&SVHIEY\ 1. Introduction à Celestia Celestia 1.1 Généralités 1.2 Ecran d Ouverture 2. Commandes Principales du Menu 3. Exemples d Applications 3.1 Effet de l atmosphère
IFT1215 Introduction aux systèmes informatiques
Introduction aux circuits logiques de base IFT25 Architecture en couches Niveau 5 Niveau 4 Niveau 3 Niveau 2 Niveau Niveau Couche des langages d application Traduction (compilateur) Couche du langage d
Architecture des Systèmes d Information Architecture des Systèmes d Information
Plan... Tableaux et tris I3 - Algorithmique et programmation 1 Rappels Nicol Delestre 2 Tableaux à n dimensions 3 Initiation aux tris Tableaux - v2.0.1 1 / 27 Tableaux - v2.0.1 2 / 27 Rappels : tableau
Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé.
Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. L usage d une calculatrice est autorisé Durée : 3heures Deux annexes sont à rendre avec la copie. Exercice 1 5 points 1_ Soit f la
Calcul 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
Transmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
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
Une introduction aux codes correcteurs quantiques
Une introduction aux codes correcteurs quantiques Jean-Pierre Tillich INRIA Rocquencourt, équipe-projet SECRET 20 mars 2008 1/38 De quoi est-il question ici? Code quantique : il est possible de corriger
DOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
I. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Physique quantique et physique statistique
Physique quantique et physique statistique 7 blocs 11 blocs Manuel Joffre Jean-Philippe Bouchaud, Gilles Montambaux et Rémi Monasson nist.gov Crédits : J. Bobroff, F. Bouquet, J. Quilliam www.orolia.com
Aspects théoriques et algorithmiques du calcul réparti L agglomération
Aspects théoriques et algorithmiques du calcul réparti L agglomération Patrick CIARLET Enseignant-Chercheur UMA patrick.ciarlet@ensta-paristech.fr Françoise LAMOUR franc.lamour@gmail.com Aspects théoriques
Vision 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.........................
Optimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Cours Premier semestre
C.Belleudy, D.Gaffé Université de Nice-Sophia Antipolis DEUG Première année SM,MP,MI UECS EEA Électronique Numérique Cours Premier semestre C. Belleudy, D.Gaffé version 3. 2 Électronique Numérique Chapitre
Les Conditions aux limites
Chapitre 5 Les Conditions aux limites Lorsque nous désirons appliquer les équations de base de l EM à des problèmes d exploration géophysique, il est essentiel, pour pouvoir résoudre les équations différentielles,
Logique binaire. Aujourd'hui, l'algèbre de Boole trouve de nombreuses applications en informatique et dans la conception des circuits électroniques.
Logique binaire I. L'algèbre de Boole L'algèbre de Boole est la partie des mathématiques, de la logique et de l'électronique qui s'intéresse aux opérations et aux fonctions sur les variables logiques.
L exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
Maîtrise universitaire ès sciences en mathématiques 2012-2013
1 / 6 Remarques liminaires : Ce master à (3 semestres) permet 2 orientations distinctes : - Un master général : "Mathématiques, Systèmes dynamiques et phénomènes d'évolution" - Un master qui permet de
Master of Science en mathématiques 2013-2014
Remarques liminaires : 1 Ce master à (3 semestres) permet 2 orientations distinctes : 1) Un master général en mathématiques 2) Un master qui permet de choisir des mineurs en finance, statistique, informatique
Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Chapitre 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
Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique
Annexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Logiciel de Base. I. Représentation des nombres
Logiciel de Base (A1-06/07) Léon Mugwaneza ESIL/Dépt. Informatique (bureau A118) mugwaneza@univmed.fr I. Représentation des nombres Codage et représentation de l'information Information externe formats
Contributions à l expérimentation sur les systèmes distribués de grande taille
Contributions à l expérimentation sur les systèmes distribués de grande taille Lucas Nussbaum Soutenance de thèse 4 décembre 2008 Lucas Nussbaum Expérimentation sur les systèmes distribués 1 / 49 Contexte
Génie Industriel et Maintenance
Génie Industriel et Maintenance Pour qu aucun de ces systèmes ne tombe en panne. Plan de la visite 1 2 3 6 4 5 Guide visite du département Génie Industriel et Maintenance 1 Salles Informatiques Utilisation
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Correction : E = Soit E = -1,6. F = 12 Soit F = -6 3 + 45. y = 11. et G = -2z + 4y G = 2 6 = 3 G = G = -2 5 + 4 11
Correction : EXERCICE : Calculer en indiquant les étapes: (-6 +9) ( ) ( ) B = -4 (-) (-8) B = - 8 (+ 6) B = - 8 6 B = - 44 EXERCICE : La visite médicale Calcul de la part des élèves rencontrés lundi et
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
Cours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
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
Projet Active Object
Projet Active Object TAO Livrable de conception et validation Romain GAIDIER Enseignant : M. Noël PLOUZEAU, ISTIC / IRISA Pierre-François LEFRANC Master 2 Informatique parcours MIAGE Méthodes Informatiques
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
Introduction à l analyse numérique : exemple du cloud computing
Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation
Exo7. 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
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Quelques tests de primalité
Quelques tests de primalité J.-M. Couveignes (merci à T. Ezome et R. Lercier) Institut de Mathématiques de Bordeaux & INRIA Bordeaux Sud-Ouest Jean-Marc.Couveignes@u-bordeaux.fr École de printemps C2 Mars
Asynchronisme : Cadres continu et discret
N d ordre : 151 Année 2006 HABILITATION À DIRIGER DES RECHERCHES UNIVERSITÉ DE FRANCHE-COMTÉ Spécialité Informatique présentée par Sylvain CONTASSOT-VIVIER Docteur en Informatique Sujet Asynchronisme :
Objectifs 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
Exercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Exercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Élasticité des applications à base de services dans le Cloud
1/40 Élasticité des applications à base de services dans le Cloud Mourad Amziani 12 Tarek Melliti 1 Samir Tata 2 1 IBISC, EA4526, Université d'évry Val-d'Essonne, Évry, France 2 UMR CNRS Samovar, Institut
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Suites 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
1 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
ELEC2753 Electrotechnique examen du 11/06/2012
ELEC2753 Electrotechnique examen du 11/06/2012 Pour faciliter la correction et la surveillance, merci de répondre aux 3 questions sur des feuilles différentes et d'écrire immédiatement votre nom sur toutes
La nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage