Modèles de Flot - Cours 3
|
|
- Monique Pageau
- il y a 6 ans
- Total affichages :
Transcription
1 Modèles de Flot - Cours 3 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Université de Bordeaux Bât A33 - Bur 265 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 1 / 34
2 Sommaire 1 Problème du flot maximum - premiers éléments 2 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 2 / 34
3 Problème du Flot Maximum Dans un réseau, quelle est la quantité maximale de flot que l on peut envoyer d un sommet source vers un sommet destination sans dépasser les capacités? P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 3 / 34
4 Hypothèses Le réseau est dirigé. Les capacités sont entières et positives. Il n existe pas de chemin de capacité infinie de la source vers le puits. Si l arc (i, j) A alors l arc (j, i) A. pas d arcs parallèles. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 4 / 34
5 Modèle mathématique Max v t.q. j:(i,j) A x ij j:(j,i) A x ji = v pour i = s, 0 pour tout i N \ {s, t}, v pour i = t, 0 x ij u ij pour tout (i, j) A. Max x ts t.q. x ij x ji = 0 pour tout i N, j:(i,j) A j:(j,i) A 0 x ij u ij pour tout (i, j) A. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 5 / 34
6 Sommaire 1 Problème du flot maximum - premiers éléments 2 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 6 / 34
7 Les algorithmes de résolution du problème de flot maximum s appuient sur le concept de graphe (ou réseau) résiduel. Etant donné un flot x, le graphe résiduel G[ x] est un réseau au sein duquel tout flot réalisable va représenter une modification valide du flot initial x. Le graphe résiduel est construit sur le réseau initial G = (N, A) en affectant aux arcs les capacités résiduelles données par r ij = u ij x ij + x ji u ij x ij : quantité de flot pouvant encore ajouter sur l arc. x ji : quantité de flot qu on peut diminuer sur l arc inverse. Diminuer le flot sur l arc inverse revient à augmenter le flot sur l arc. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 7 / 34
8 Exemple de graphe résiduel Voir au tableau P. Pesneau Modèles de Flot - Cours 3 8 / 34
9 Chemin augmentant Soit x un flot de s vers t dans un réseau G. Un chemin augmentant est un chemin de s vers t dans le graphe résiduel G[ x]. En augmentant le flot le long de ce chemin, on augmente d autant le flot entre s et t dans le réseau. Soient P un chemin augmentant de G[ x] et δ = min (i,j) P r ij. Définir le nouveau flot x en posant : pour tout arc (i, j) tel que (i, j), (j, i) P, x ij = x ij, pour tout (i, j) P, Si x ij x ji + δ 0, alors x ij = x ij x ji + δ et x ji = 0 Sinon x ij = 0 et x ji = ( x ij x ji + δ). Voir exemple au tableau. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 9 / 34
10 Algorithme générique des chemins augmentants L algorithme générique des chemins augmentants est le suivant : x = 0 tant que G[x] contient un chemin de s à t faire Identifier le chemin P de s à t δ = min (i,j) P r ij Augmenter de δ le flot sur le chemin P et mettre à jour G[x] fin tant que La question est de savoir comment détecter efficacement des chemins augmentants. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 10 / 34
11 Sommaire 1 Problème du flot maximum - premiers éléments 2 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 11 / 34
12 s t Coupe dans un graphe Soit S N un sous ensemble de nœuds. La coupe associée à S, notée δ(s), est l ensemble des arcs ayant une extrémité dans S et l autre extrémité dans S = N \ S. Si s S et t S, alors δ(s) est une s t coupe. On note par δ + (S) ou δ(s, S) l ensemble des arcs de la coupe sortants de S (ayant leur queue dans S et leur tête dans S). On note par δ (S) ou δ( S, S) l ensemble des arcs de la coupe entrants dans S (ayant leur queue dans S et leur tête dans S). Schéma au tableau On peut noter que si on retire du réseau les arcs de δ + (S) alors il n existe plus de chemin allant de s à t. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 12 / 34
13 Capacité d un coupe La capacité d une coupe correspond à la somme des capacités maximales des arcs de le coupe sortante : u(s, S) = (i,j) δ(s, S) La capacité d une coupe donne une borne supérieure sur la quantité de flot pouvant aller de S à S. La coupe minimum séparant s et t est la s t coupe de capacité minimum. La capacité résiduelle d une coupe est donnée par r(s, S) = (i,j) δ(s, S) u ij r ij P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 13 / 34
14 Relation entre flot et coupe Propriété 1 Tout flot de s vers t a une valeur inférieure ou égale à toute s t coupe du réseau. Preuve. Soient S une s t coupe et x un flot. Sommons les contraintes de conservation de flot pour les sommets de S : v = i S ( j:(i,j) A x ij j:(j,i) A x ji ) = (i,j) δ(s, S) x ij (j,i) δ( S,S) x ji (i,j) δ(s, S) u ij u(s, S). P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 14 / 34
15 Augmentation de flot Propriété 2 Soit x un flot entre s et t dans un réseau G. Le flot additionel pouvant être envoyé entre s et t est plus petit ou égale à la capacité résiduelle de toute s t coupe de G. Preuve. Soient S une s t coupe et x un flot de valeur v. Sommons les contraintes de conservation de flot pour les sommets de S : v = i S ( j:(i,j) A x ij j:(j,i) A x ji ) = (i,j) δ(s, S) x ij (j,i) δ( S,S) x ji Soit x un flot de valeur v + v entre s et t. Par la propriété 1 on a v + v u ij (i,j) δ(s, S) En combinant les deux dernières équations, on obtient v (i,j) δ(s, S) (u ij x ij ) + (j,i) δ( S,S) x ji ) = (i,j) δ(s, S) r ij. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 15 / 34
16 Sommaire 1 Problème du flot maximum - premiers éléments 2 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 16 / 34
17 Algorithme de marquage L algorithme de marquage est le suivant : x = 0, Marquer le nœud t tant que t est marqué faire Démarquer tous les nœuds. pred(j) = 1 pour tout j N Marquer le nœud s, List = {s} tant que List n est pas vide et t n est pas marqué faire Prendre et retirer un nœud i de List pour chaque arc (i, j) A avec r ij > 0 faire si j n est pas marqué alors marquer j, pred(j) = i Ajouter j à List fin si fin pour fin tant que si t est marqué alors Identifier le chemin P à l aide de pred δ = min (i,j) P r ij Augmenter de δ le flot sur le chemin P et mettre à jour G[x] fin si fin tant que List FIFO : parcours en largeur List LIFO : parcours en profondeur Complexité en O(nmU) P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 17 / 34
18 Correction de l algorithme de marquage A chaque itération principale de l algorithme de marquage : soit le graphe résiduel contient un chemin de s à t et on augmente le flot, soit le graphe résiduel ne contient pas de chemin de s à t et on s arrête. Que peut-on dire du second cas? Les nœuds sont partitionnés en deux sous-ensembles : Un ensemble S de nœuds marqués (atteignables depuis s dans le graphe résiduel). L ensemble S des autres nœuds qui sont non marqués. Tous les arcs de δ(s, S) ont une capacité résiduelle nulle. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 18 / 34
19 Correction de l algorithme de marquage Pour tout arc (i, j) δ(s, S) on a r ij = u ij x ij + x ji = 0. Comme x ij u ij et x ji 0, on a nécessairement x ij = u ij et x ji = 0 On a : v = i S ( j:(i,j) A x ij j:(j,i) A x ji) = (i,j) δ(s, S) x ij (j,i) δ( S,S) x ji = (i,j) δ(s, S) u ij = u(s, S) On a touvé une coupe telle que le flot entre s et t est égal à la capacité de cette coupe. Par la propriété 1, le flot est maximum et la coupe est minimum. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 19 / 34
20 Sommaire 1 Problème du flot maximum - premiers éléments 2 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 20 / 34
21 Quelques conséquences Théorème 3 (Flot Max / Coupe Min) La valeur maximum d un flot entre s et t dans un réseau est égal à la valeur minimum d une coupe séparant s et t dans ce réseau. Théorème 4 (Chemins augmentants) Un flot x est un flot maximum si et seulement si le graphe résiduel G[x ] ne contient pas de chemin augmentant. Théorème 5 (Flot entiers) Si toutes les capcités sur les arcs sont entières, alors le problème du flot maximum possède un flot maximum entier. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 21 / 34
22 Flot maximum et dualité Max v t.q. j:(i,j) A x ij j:(j,i) A x ji = v pour i = s, (π s ) 0 i N \ {s, t}, (π i ) v pour i = t, (π t ) 0 x ij u ij pour tout (i, j) A. (σ ij ) Dual : Min u ij σ ij (i,j) A t.q. π t π s = 1, π i π j + σ ij 0 (i, j) A, σ ij 0 (i, j) A. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 22 / 34
23 Sommaire 1 Problème du flot maximum - premiers éléments 2 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 23 / 34
24 Connexité du réseau Soient G = (N, A) un réseau et s et t deux nœuds de N. Deux chemins entre s et t sont dits arête-disjoints s ils n ont pas d arcs en commun. Théorème 6 Le nombre maximum de chemins arête-disjoints entre s et t égale le nombre minimum d arcs qu il faut supprimer pour déconnecter s de t. Preuve. Affecter de capacités de 1 aux arcs du réseau. Soit x le flot maximum de valeur v entre s et t. le flot x se décompose en v chemins arête-disjoints entre s et t. la valeur v est également la valeur de la coupe minimum séparant s de t. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 24 / 34
25 Connexité du réseau Soient G = (N, A) un réseau et s et t deux nœuds de N. Deux chemins entre s et t sont dits nœud-disjoints s ils n ont pas de nœuds en commun exceptés s et t. Théorème 7 Le nombre maximum de chemins nœud-disjoints entre s et t égale le nombre minimum de nœuds qu il faut supprimer pour déconnecter s de t. Preuve. Décomposer chaque nœud i en deux nœuds i et i + comme cela a été vue au cours 1. les nœuds i représentent les points d entrée de chaque nœud i tandis que i + représentent les points de sortie. Mettre une capacité de 1 sur les arcs (i, i + ) et une capacité infinie sur les autres arcs. S il n y a pas d arc direct entre s et t, le flot maximum a une valeur finie et n utilise que des arcs associés à des nœuds. La suite est similaire à la preuve du théorème précédent. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 25 / 34
26 Couplages et couvertures Un graphe G = (N, A) est dit biparti si l ensemble N de ces nœuds peut être partitionner en deux sous-ensembles N 1 et N 2 tel que tous les arcs de A appartiennent à δ(n 1, N 2 ). Un couplage (matching) est un sous-ensemble M d arcs de A tel que pour toute paire d arcs, ils n ont pas d extrémité commune. Une couverture (cover) des arcs par des nœuds est un sous-ensemble C de nœuds de N tel que tout arc a au moins une de ces extrémités dans C. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 26 / 34
27 Couplages et couvertures Théorème 8 Dans un graphe biparti, la cardinalité maximum d un couplage égale la cardinalité minimum d une couverture par les nœuds. Preuve. Ajouter au graphe un nœud source s relié à tous les sommets i N 1 par un arc (s, i). Ajouter au graphe un nœud destination t auquel sont reliés tous les sommets j N 2 par un arc (j, t). Mettre une capacité de 1 sur les arcs (s, i), i N 1 et (j, t), j N 2, et une capacité infinie sur les arcs originaux de A. Montrer l équivalence entre un flot de s à t et un couplage. Montrer l équivalence entre une s t coupe finie et une couverture par les nœuds. Le résultat suit par le théorème de flot max / coupe min. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 27 / 34
28 Sommaire 1 Problème du flot maximum - premiers éléments 2 P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 28 / 34
29 Flot réalisable Revenons au problème général de flot où on associe à chaque nœud i N, une valeur b(i) correspondant à la quantité produite (si b(i) > 0) ou à la quantité consommée (si b(i) < 0) du nœud. On suppose que l on a une capacité maximum u ij associée à chaque arc (i, j) A. Trouver, s il existe, un flot réalisable pour ce réseau. C est-à-dire, trouver un flot x satisfaisant les contraintes j:(i,j) A x ij j:(j,i) A x ji = b(i) i N, 0 x ij u ij (i, j) A. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 29 / 34
30 Flot réalisable Ajouter un nœud source s et un nœud puits t au réseau. Ajouter, pour chaque sommet i N tel que b(i) > 0, un arc (s, i) de capacité b(i). Ajouter, pour chaque sommet i N tel que b(i) < 0, un arc (i, t) de capacité b(i). Trouver le flot maximum entre les sommets s et t. Si le flot maximum sature tous les arcs (s, i) et tous les arcs (j, t), alors le flot maximum réduit aux arcs originaux est réalisable. Sinon, il n existe pas de flot réalisable. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 30 / 34
31 Flot maximum avec capacités inférieures Considérons maintenant le problème de flot maximum lorsqu on a des capacités inférieures pouvant être strictement positives. Modèle mathématique : Max v t.q. j:(i,j) A x ij j:(j,i) A x ji = v pour i = s, 0 pour tout i N \ {s, t}, v pour i = t, l ij x ij u ij pour tout (i, j) A. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 31 / 34
32 Problème de réalisabilité Il n existe plus nécessairement de flot réalisable. Exemple au tableau On va décomposer le problème en deux phases : Trouver un flot réalisable satisfaisant aux capacités inférieures. Trouver le flot maximum. Les deux phases se feront par la résolution d un flot maximum. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 32 / 34
33 Il suffira ensuite de rajouter à x les capacités inférieures de chaque arc pour obtenir un flot réalisable satisfaisant les capacités inférieures. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 33 / 34 Problème du flot maximum - premiers éléments Trouver un flot réalisable avec capacités inférieures On applique d abord la technique vue au cours 1 pour supprimer les bornes inférieures : Effectuer le changement de variable x ij = x ij l ij x ij = x ij + l ij. Cela revient à augmenter la demande (diminuer b(i)) du nœud i de l ij. augmenter la production (augmenter b(j)) du nœud j de l ij. diminuer la capacité u ij de l arc (i, j) de l ij. On cherche ensuite un flot x réalisable en appliquant l algorithme vu précédemment.
34 Trouver le flot maximum Il suffit d appliquer un algorithme de flot maximum sur le réseau original en prenant en compte les capacités inférieures. Les capacités résiduelles seront calculées par la formule : r ij = u ij x ij + x ji l ji u ij x ij : quantité de flot pouvant encore ajouter sur l arc. x ji l ji : quantité de flot qu on peut diminuer sur l arc inverse. P. Pesneau pierre.pesneau@math.u-bordeaux.fr Modèles de Flot - Cours 3 34 / 34
Chapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en 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 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 détailINFO-F-310 - Algorithmique 3 et Recherche Opérationnelle
INFO-F- - Algorithmique et Recherche Opérationnelle Yves De Smet Bernard Fortz - Table des matières I Introduction Aide à la décision et modèles mathématiques Quelques exemples de modèles mathématiques
Plus en détailOptimisation for Cloud Computing and Big Data
1 / 23 Optimisation for Cloud Computing and Big Data Olivier Beaumont, Lionel Eyraud-Dubois 2 / 23 Aujourd hui Problèmes de fiabilité on va oublier la dynamicité Placement de VMs en programmation par contraintes
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 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 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 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 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 détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en 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 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 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 détailGroupe symétrique. Chapitre II. 1 Définitions et généralités
Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations
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 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 détailFonctions 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
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 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 détailPlan. 5 Actualisation. 7 Investissement. 2 Calcul du taux d intérêt 3 Taux équivalent 4 Placement à versements fixes.
Plan Intérêts 1 Intérêts 2 3 4 5 6 7 Retour au menu général Intérêts On place un capital C 0 à intérêts simples de t% par an : chaque année une somme fixe s ajoute au capital ; cette somme est calculée
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 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 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 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 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 détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
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 détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
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 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 détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
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 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 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 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 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 détailRaisonnement 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.
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 détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
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 détailALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII
ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)
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 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 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 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 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 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 détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
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 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 détailUniversité Bordeaux 1, Licence Semestre 3 - Algorithmes et struct...
Université Bordeaux 1 table des matières Licence Semestre 3 - Algorithmes et structures de données 1 Dernière mise à jour effectuée le 23 Octobre 2013 Piles et Files Déitions Primitives de piles, exemples
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 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 détailDurée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point
03 Mai 2013 Collège Oasis Durée de L épreuve : 2 heures. apple Le sujet comporte 4 pages et est présenté en livret ; apple La calculatrice est autorisée ; apple 4 points sont attribués à la qualité de
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 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 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 détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en 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 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 détailTravaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation
Université de Savoie Module ETRS711 Travaux pratiques Compression en codage de Huffman 1. Organisation du projet 1.1. Objectifs Le but de ce projet est d'écrire un programme permettant de compresser des
Plus en détailProposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5.
DÉVELOPPEMENT 32 A 5 EST LE SEUL GROUPE SIMPLE D ORDRE 60 Proposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5. Démonstration. On considère un groupe G d ordre 60 = 2 2 3 5 et
Plus en détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
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 détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
Plus en détailChapitre 4 : Exclusion mutuelle
Chapitre 4 : Exclusion mutuelle Pierre Gançarski Juillet 2004 Ce support de cours comporte un certain nombre d erreurs : je décline toute responsabilité quant à leurs conséquences sur le déroulement des
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailInfo0804. 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
Plus en détailCompter à Babylone. L écriture des nombres
Compter à Babylone d après l article de Christine Proust «Le calcul sexagésimal en Mésopotamie : enseignement dans les écoles de scribes» disponible sur http://www.dma.ens.fr/culturemath/ Les mathématiciens
Plus en détailIntroduction aux algorithmes répartis
Objectifs et plan Introduction aux algorithmes répartis Sacha Krakowiak Université Joseph Fourier Projet Sardes (INRIA et IMAG-LSR http://sardes.inrialpes.fr/people/krakowia! Introduction aux algorithmes
Plus en 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 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 détailLES MÉTHODES DE POINT INTÉRIEUR 1
Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences
Plus en détailThéorie et codage de l information
Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailDOCM 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
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 détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailPourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
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 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 détail6. Les différents types de démonstrations
LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,
Plus en détailGrandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test
Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite
Plus en détailContinuité 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
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 détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
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 détailLicence Sciences et Technologies Examen janvier 2010
Université de Provence Introduction à l Informatique Licence Sciences et Technologies Examen janvier 2010 Année 2009-10 Aucun document n est autorisé Les exercices peuvent être traités dans le désordre.
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 détailLa persistance des nombres
regards logique & calcul La persistance des nombres Quand on multiplie les chiffres d un nombre entier, on trouve un autre nombre entier, et l on peut recommencer. Combien de fois? Onze fois au plus...
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailn N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v 1 1 2 t
3.La méthode de Dirichlet 99 11 Le théorème de Dirichlet 3.La méthode de Dirichlet Lorsque Dirichlet, au début des années 180, découvre les travaux de Fourier, il cherche à les justifier par des méthodes
Plus en détailSujet 4: Programmation stochastique propriétés de fonction de recours
Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction
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 détailAC 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
Plus en détail1 Introduction et modèle mathématique
Optimisation parallèle et mathématiques financières Optimisation parallèle et mathématiques financières Pierre Spiteri 1 IRIT ENSEEIHT, UMR CNRS 5505 2 rue Charles Camichel, B.P. 7122 F-31 071 Toulouse,
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 détail