Graphes et réseaux. Michel Bierlaire. EPFL - Laboratoire Transport et Mobilité - ENAC. Graphes et réseaux p.

Dimension: px
Commencer à balayer dès la page:

Download "Graphes et réseaux. Michel Bierlaire. EPFL - Laboratoire Transport et Mobilité - ENAC. Graphes et réseaux p."

Transcription

1 Graphes et réseaux p. 1/44 Graphes et réseaux Michel Bierlaire EPFL - Laboratoire Transport et Mobilité - ENAC

2 Graphes et réseaux p. 2/44 Réseaux Réseaux routiers

3 Graphes et réseaux p. 3/44 Réseaux Réseaux de transports en commun

4 Graphes et réseaux p. 4/44 Réseaux Réseaux de gaz

5 Graphes et réseaux p. 5/44 Réseaux Réseaux d eau

6 Graphes et réseaux p. 6/44 Réseaux Réseaux d ordinateurs

7 Graphes et réseaux p. 7/44 Réseaux Réseaux de neurones

8 Graphes et réseaux p. 8/44 Réseaux Réseaux sociaux

9 Graphes et réseaux p. 9/44 Réseaux Formalisation mathématique du concept de réseaux Graphe Un graphe orientég = (N,A) est constitué d un ensemblen de noeuds et d un ensemble A de paires de noeuds distincts, appelées arcs

10 Graphes et réseaux p. 10/44 Réseaux Arête Une arête est un arc dont on ignore l orientation. Chaîne Une suite consécutive d arêtes est appelée une chaîne. Chemin Une suite consécutive d arcs est appelée un chemin. Graphe connexe Un graphe G = (N,A) est connexe si, quelque soit i,j N, il existe une chaîne deiàj. Graphe fortement connexe Un graphe G = (N,A) est fortement connexe si, quelque soit i,j N, il existe un chemin deiàj.

11 Graphes et réseaux p. 11/44 Graphe non connexe

12 Graphes et réseaux p. 12/44 Graphe connexe mais pas fortement

13 Graphes et réseaux p. 13/44 Graphe fortement connexe

14 Graphes et réseaux p. 14/44 Réseaux Cycle Une chaîne dont les deux sommets extrémités sont identiques est un cycle Circuit Un chemin dont les deux sommets extrémités sont identiques est un circuit

15 Graphes et réseaux p. 15/44 Réseaux Forêt Un graphe sans cycle est appelé une forêt

16 Graphes et réseaux p. 16/44 Réseaux Arbre Un graphe connexe sans cycle est appelé un arbre

17 Graphes et réseaux p. 17/44 Réseaux On supposera qu il existe au plus un seul arc reliant deux noeuds dans une même direction. Dans ce cours, un graphe est un graphe orienté. Réseau Un réseau est un graphe, pour lequel des valeurs numériques ont été associées aux noeuds et/ou aux arcs. Longueur d une route. Capacité d un tuyau. Nombre de personnes habitants en un endroit. Flot de véhicules empruntant une autoroute. etc.

18 Graphes et réseaux p. 18/44 Flots Notations: Noeuds : i et j. Arc : (i,j). Flot sur l arc (i,j) : x ij. Si x ij < 0, le flot va à contre sens. Vecteur de flots: {x ij tel que (i,j) A}. Divergence : bilan des flots en un noeud i y i = j (i,j) A x ij j (j,i) A x ji, i N.

19 Graphes et réseaux p. 19/44 Flots x 12 = 1 2 x 24 = 2 1 x 13 = 0 x 32 = 0 x 23 = 1 x 34 = 2 4 3

20 Graphes et réseaux p. 20/44 Flots x 12 = 1 y 2 = 2 2 x 24 = 2 y 1 = 1 1 x 13 = 0 x 32 = 0 x 23 = 1 x 34 = 2 4 y 4 = 0 3 y 3 = 1

21 Graphes et réseaux p. 21/44 Flots x 12 = 1 y 2 = 2 2 x 24 = 2 y 1 = 1 1 x 13 = 0 x 32 = 0 x 23 = 1 x 34 = 2 4 y 4 = 0 Sources : y i > 0 Puits : y i < 0 3 y 3 = 1

22 Graphes et réseaux p. 22/44 Flots On a toujours y i = 0. i N Si y i = 0, i N, on dit que le vecteur de flots est une circulation.

23 Graphes et réseaux p. 23/44 Flots : exemple de circulation x 12 = 1 y 2 = 0 2 x 24 = 1 y 1 = 0 1 x 13 = 1 x 32 = 1 x 23 = 1 x 34 = 1 4 y 4 = 0 3 y 3 = 0

24 Graphes et réseaux p. 24/44 Problème de transbordement Une entreprise doit transporter ses produits de ses usines (lieux de production) vers ses clients. Elle désire minimiser ses coûts. Elle doit se plier aux contraintes de capacité du système de transport. Elle peut éventuellement transborder les marchandises en tout noeud du réseau.

25 Graphes et réseaux p. 25/44 Problème de transbordement Trouver un vecteur de flots : qui minimise une fonction de coût (linéaire), qui produise un vecteur de divergence donné, qui vérifie les contraintes de capacité.

26 Graphes et réseaux p. 26/44 Problème de transbordement Données a ij : coût unitaire de transport sur l arc (i,j), b ij : flot minimum sur l arc (i,j) (souvent 0), c ij : capacité de l arc (i,j), s i : divergences désirées. Si s i > 0 alors s i est l offre en i, c.-à-d. ce qui est produit par l usine située en i. Si s i < 0 alors s i est la demande en i, c.-à-d. ce qui est commandé par le client situé en i.

27 Graphes et réseaux p. 27/44 Problème de transbordement sous contraintes x ij j (i,j) A j (j,i) A min x (i,j) A a ij x ij x ji = s i i N offre/demande b ij x ij c ij (i,j) A capacités

28 Graphes et réseaux p. 28/44 Problème de transbordement Il s agit un problème d optimisation linéaire. Il peut donc être résolu par l algorithme du simplexe. Il généralise de nombreux problèmes dans les réseaux.

29 Graphes et réseaux p. 29/44 Le plus court chemin Le problème du plus court chemin consiste à déterminer le chemin de coût minimum reliant un noeud a à un noeud b. On peut le voir comme un problème de transbordement. Idée: on envoie une seule unité de flot de a à b.

30 Graphes et réseaux p. 30/44 Le plus court chemin Données a ij : longueur de l arc (i,j), b ij : 0, c ij : 1, s i : Origine : s a = 1. Destination : s b = 1. Autres noeuds : s i = 0, si i a et i b.

31 Graphes et réseaux p. 31/44 Affectation Je possède 4 chefs d oeuvre que je désire vendre Renoir Van Gogh Monet Bierlaire

32 Graphes et réseaux p. 32/44 Affectation J ai contacté quatre acheteurs qui ont fait des offres (en kchf) Van Gogh Renoir Monet Bierlaire Christie s Drouot COOP Metropolitan

33 Graphes et réseaux p. 33/44 Affectation Je désire vendre exactement une peinture à chaque acheteur. Quelle peinture dois je vendre à quel acheteur pour gagner un maximum? On peut le voir comme un problème de transbordement. Représentation en réseau.

34 Graphes et réseaux p. 34/44 Affectation Van Gogh Christies Renoir Drouot Monet COOP Bierlaire Metro

35 Graphes et réseaux p. 35/44 Affectation Données a ij : valeur de l offre, changée de signe, b ij : 0, c ij : 1. s i : Noeud i oeuvre : s i = 1. Noeud j acheteur : s j = 1.

36 Graphes et réseaux p. 36/44 Flot maximal Une société pétrolière désire envoyer un maximum de pétrole via un réseau de pipelines entre un lieu a et un lieu b. Combien de litres par heure pourra-t-elle faire passer par le réseau? Les capacités des pipelines (en kilolitres/heure) sont indiquées sur les arcs.

37 Graphes et réseaux p. 37/44 Flot maximal 3 c 13 = 4 c 3b = 1 c a1 = 2 c 12 = 3 c 2b = 2 a 1 2 b c a2 = 3

38 Graphes et réseaux p. 38/44 Flot maximal On peut le voir comme un problème de transbordement. Il faut ajouter un arc artificiel. Idée : chaque unité de flot qui a réussi à passer à travers le réseau est ramenée artificiellement à a, en rapportant des bénéfices (coût négatif).

39 Graphes et réseaux p. 39/44 Flot maximal 3 c 13 = 4 c 3b = 1 c a1 = 2 c 12 = 3 c 2b = 2 a 1 2 b c a2 = 3 c ba = +, a ba = 1

40 Graphes et réseaux p. 40/44 Flot maximal Données { a ij : 0 pour les arc réels 1 pour l arc artificiel b ij : 0, c ij : capacités, s i = 0 i: on désire une circulation.

41 Graphes et réseaux p. 41/44 Problème de transport Une société électrique possède trois générateurs pour fournir 4 villes en électricité. Les générateurs produisent resp. 35, 50 et 40 MKWh. Les villes consomment resp. 45, 20, 30 et 30 MKWh. Les coûts de transport d un MKWh d un générateur à une ville sont repris dans le tableau suivant. Ville 1 Ville 2 Ville 3 Ville 4 Gén Gén Gén Comment approvisionner les villes à moindre coût?

42 Graphes et réseaux p. 42/44 Problème de transport Ville 4 Gén Ville 3 Gén Ville 2 Gén Ville 1

43 Graphes et réseaux p. 43/44 Problème de transport Données a ij : prix entre générateur i et ville j, b ij : 0, c ij : +, s i : offre et demande { capacité de production s i = demande si i = générateur si i = ville

44 Graphes et réseaux p. 44/44 Résumé Le problème de transbordement généralise beaucoup de problèmes dans les réseaux. Il s agit d un problème d optimisation linéaire. L algorithme du simplexe peut être utilisé. Dans de nombreux cas, il est possible d exploiter mieux la structure du problème afin d obtenir un algorithme plus efficace. Exemple : problème du plus court chemin.

Resolution limit in community detection

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

Plus en détail

Chapitre 5 : Flot maximal dans un graphe

Chapitre 5 : Flot maximal dans un graphe Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d

Plus en détail

INFO-F-310 - Algorithmique 3 et Recherche Opérationnelle

INFO-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 détail

Programmation linéaire

Programmation linéaire Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire

Plus en détail

Cours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.

Cours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery. Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement

Plus en détail

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation

Théorie 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 détail

Big Data et Graphes : Quelques pistes de recherche

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

Plus en détail

OUTILS EN INFORMATIQUE

OUTILS EN INFORMATIQUE OUTILS EN INFORMATIQUE Brice Mayag brice.mayag@dauphine.fr LAMSADE, Université Paris-Dauphine R.O. Excel brice.mayag@dauphine.fr (LAMSADE) OUTILS EN INFORMATIQUE R.O. Excel 1 / 35 Plan Présentation générale

Plus en détail

Coup de Projecteur sur les Réseaux de Neurones

Coup de Projecteur sur les Réseaux de Neurones Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche

Plus en détail

Contrainte de flot pour RCPSP avec temps de transfert

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

Plus en détail

FctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines

FctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

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

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction

Plus en détail

Pourquoi l apprentissage?

Pourquoi 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 détail

LE CARNET DE L ELEVE. La Maison du Développement Durable présente

LE CARNET DE L ELEVE. La Maison du Développement Durable présente La Maison du Développement Durable présente LE CARNET DE L ELEVE La Maison du Développement Durable est une réalisation d Objectif D. 15, rue André Del Sarte - 75018 Paris Ils t accompagnent pendant toute

Plus en détail

Big Data et Graphes : Quelques pistes de recherche

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

Plus en détail

Eléments de Théorie des Graphes et Programmation Linéaire

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

Plus en détail

Optimisation for Cloud Computing and Big Data

Optimisation 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 détail

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

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

Plus en détail

4.2 Unités d enseignement du M1

4.2 Unités d enseignement du M1 88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter

Plus en détail

CH.6 Propriétés des langages non contextuels

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

Plus en détail

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

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

Plus en détail

Optimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h

Optimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels

Plus en détail

Plus courts chemins, programmation dynamique

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

Plus en détail

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

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

Plus en détail

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

Exercices 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 détail

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 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 détail

Annexe 6. Notions d ordonnancement.

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

Plus en détail

Cours de Master Recherche

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

Plus en détail

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et

Plus en détail

Programmation Linéaire - Cours 1

Programmation 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 détail

Première partie. Modélisation des problèmes en programmes linéaires notés PL

Première partie. Modélisation des problèmes en programmes linéaires notés PL Première partie Modélisation des problèmes en programmes linéaires notés PL ième année Licence LMD de mathématiques, USDBlida 0. Un grossiste doit livrer unités d un produit déterminé P à trois détaillants

Plus en détail

Contexte et motivations Les techniques envisagées Evolution des processus Conclusion

Contexte et motivations Les techniques envisagées Evolution des processus Conclusion Vérification de logiciels par analyse statique Contexte et motivations Les techniques envisagées Evolution des processus Conclusion Contexte et motivations Specification Design architecture Revues and

Plus en détail

Eteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :

Eteindre. 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 détail

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur Excel Avancé Plan Outils de résolution La valeur cible Le solveur Interactivité dans les feuilles Fonctions de recherche (ex: RechercheV) Utilisation de la barre d outils «Formulaires» Outils de simulation

Plus en détail

Qualité du logiciel: Méthodes de test

Qualité du logiciel: Méthodes de test Qualité du logiciel: Méthodes de test Matthieu Amiguet 2004 2005 Analyse statique de code Analyse statique de code Étudier le programme source sans exécution Généralement réalisée avant les tests d exécution

Plus en détail

Conception d'un réseau de transport d'électricité

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

Plus en détail

L exclusion mutuelle distribuée

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

Plus en détail

Programmation linéaire

Programmation linéaire CHAPTER 1 Programmation linéaire 1.1. Qu'est-ce que la programmation linéaire 1.1.1. Exemple: le problème du régime de Polly [1, p.3]. Besoins journaliers: Énergie: 2000 kcal Protéines: 55g Calcium: 800

Plus en détail

Energie et morphologie : vers la perdurabilité de la forme urbaine? Généralités et transports. Luc Adolphe

Energie et morphologie : vers la perdurabilité de la forme urbaine? Généralités et transports. Luc Adolphe Energie et morphologie : vers la perdurabilité de la forme urbaine? Généralités et transports Luc Adolphe RÉDUCTION DES BESOINS ÉNERGÉTIQUES DANS LES TRANSPORTS. Contexte : Densité, Mobilité Réduire

Plus en détail

Plan. 5 Actualisation. 7 Investissement. 2 Calcul du taux d intérêt 3 Taux équivalent 4 Placement à versements fixes.

Plan. 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 détail

Le data mining et l assurance Mai 2004. Charles Dugas Président Marianne Lalonde Directrice, développement des affaires

Le data mining et l assurance Mai 2004. Charles Dugas Président Marianne Lalonde Directrice, développement des affaires Le data mining et l assurance Mai 2004 Charles Dugas Président Marianne Lalonde Directrice, développement des affaires AGENDA Qu est-ce que le data mining? Le projet et les facteurs de réussite Les technologies

Plus en détail

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1 CHAPTER 1 Ordonnancement 1.1. Étude de cas Ordonnancement de tâches avec contraintes de précédences 1.1.1. Exemple : construction d'une maison. Exercice. On veut construire une maison, ce qui consiste

Plus en détail

Développement spécifique d'un système d information

Développement spécifique d'un système d information Centre national de la recherche scientifique Direction des systèmes d'information REFERENTIEL QUALITE Procédure Qualité Développement spécifique d'un système d information Référence : CNRS/DSI/conduite-proj/developpement/proc-developpement-si

Plus en détail

Le gaz naturel, une voie d avenir pour le transport. Journée Transport 26 novembre 2013

Le gaz naturel, une voie d avenir pour le transport. Journée Transport 26 novembre 2013 Le gaz naturel, une voie d avenir pour le transport Journée Transport 26 novembre 2013 Le gaz naturel pour véhicules : deux types de carburant Gaz naturel liquéfié (GNL) Gaz naturel comprimé (GNC) Refroidi

Plus en détail

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

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

Plus en détail

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

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

Plus en détail

Introduction au Data-Mining

Introduction au Data-Mining Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme

Plus en détail

INGENIERIE DES SYSTEMES INFORMATIQUES - PARCOURS : MOBILITE ET CLOUD COMPUTING

INGENIERIE DES SYSTEMES INFORMATIQUES - PARCOURS : MOBILITE ET CLOUD COMPUTING INGENIERIE DES SYSTEMES INFORMATIQUES - PARCOURS : MOBILITE ET CLOUD COMPUTING Préparez ce diplôme à l école de d ingénierie de l IGA OBJECTIFS DE LA FORMATION Dans un contexte de mutation économique et

Plus en détail

Le jour et la nuit. Lecture : Le jour et la nuit, comment ça marche?, Collection les questions de Justine, BELIN

Le jour et la nuit. Lecture : Le jour et la nuit, comment ça marche?, Collection les questions de Justine, BELIN CE1 Le jour et la nuit Découverte du monde 3 séances Outils pour le PE : Le temps Cycle 2, Les dossiers Hachette de 2011. Education civique et découverte du monde, Cycle 2 Collection Magellan de 2008 La

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

Intégration de la dimension sémantique dans les réseaux sociaux

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

Plus en détail

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1 Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe

Plus en détail

Introduction à la théorie des graphes. Solutions des exercices

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

Plus en détail

Cours de Génie Logiciel

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

Plus en détail

ELEC2753 Electrotechnique examen du 11/06/2012

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

Plus en détail

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

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

Plus en détail

Travaux dirigés n 1. Programmation linéaire

Travaux dirigés n 1. Programmation linéaire Université de Reims Champagne Ardenne U.F.R. de Sciences Exactes et Naturelles MASTER 1 Informatique - 2014/2015 Pierre Delisle Travaux dirigés n 1 Programmation linéaire Exercice 1 (Résolution d'un programme

Plus en détail

(51) Int Cl.: H04L 29/06 (2006.01) G06F 21/55 (2013.01)

(51) Int Cl.: H04L 29/06 (2006.01) G06F 21/55 (2013.01) (19) TEPZZ 8 8 4_A_T (11) EP 2 838 241 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 18.02.1 Bulletin 1/08 (1) Int Cl.: H04L 29/06 (06.01) G06F 21/ (13.01) (21) Numéro de dépôt: 141781.4

Plus en détail

RECHERCHE OPERATIONNELLE

RECHERCHE OPERATIONNELLE RECHERCHE OPERATIONNELLE 0. Introduction. Ce cours a été enseigné jusqu en 2002, en année de licence, à la MIAGE de NANCY. L objectif principal de ce cours est d acquérir une connaissance approfondie de

Plus en détail

Ordonnancement robuste et décision dans l'incertain

Ordonnancement robuste et décision dans l'incertain Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4

Plus en détail

Master Informatique Aix-Marseille Université

Master Informatique Aix-Marseille Université Aix-Marseille Université http://masterinfo.univ-mrs.fr/ Département Informatique et Interactions UFR Sciences Laboratoire d Informatique Fondamentale Laboratoire des Sciences de l Information et des Systèmes

Plus en détail

Résolution d équations non linéaires

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

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 3. Les distributions à deux variables Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles

Plus en détail

PARTICIPER À UNE VENTE AUX ENCHÈRES D ŒUVRES D ART

PARTICIPER À UNE VENTE AUX ENCHÈRES D ŒUVRES D ART Activités éducatives pour les élèves de 10 à 11 ans PARTICIPER À UNE VENTE AUX ENCHÈRES D ŒUVRES D ART NIVEAU : PRIMAIRE GROUPE D ÂGE : ÉLÈVES DE 10 À 11 ANS SOMMAIRE DE L ACTIVITÉ Les élèves observent

Plus en détail

Introduction au Data-Mining

Introduction au Data-Mining Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane

Plus en détail

SECTEUR 4 - Métiers de la santé et de l hygiène

SECTEUR 4 - Métiers de la santé et de l hygiène SECTEUR 4 - Métiers de la santé et de l hygiène A lire attentivement par les candidats Sujet à traiter par tous les candidats inscrit au BEP Les candidats répondront sur la copie. Les annexes éventuelles

Plus en détail

Pourquoi l'écologie industrielle?

Pourquoi l'écologie industrielle? Pourquoi l'écologie industrielle? La société actuelle est basée sur une économie de type linéaire, c est-à-dire que nous consommons à outrance des ressources, que nous considérons comme illimitées, mais

Plus en détail

Congrès INFRA 2014- Montréal Plan d adaptation aux changements climatiques municipal

Congrès INFRA 2014- Montréal Plan d adaptation aux changements climatiques municipal Congrès INFRA 2014- Montréal Plan d adaptation aux changements climatiques municipal Julien St-Laurent, M.Sc.Env. Spécialiste environnement Direction de l Aménagement, gestion et développement durable

Plus en détail

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 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

Plus en détail

5255 Av. Decelles, suite 2030 Montréal (Québec) H3T 2B1 T: 514.592.9301 F: 514.340.6850 info@apstat.com www.apstat.com

5255 Av. Decelles, suite 2030 Montréal (Québec) H3T 2B1 T: 514.592.9301 F: 514.340.6850 info@apstat.com www.apstat.com Application des réseaux de neurones au plan de répartition des risques 5255 Av. Decelles, suite 2030 Montréal (Québec) H3T 2B1 T: 514.592.9301 F: 514.340.6850 info@apstat.com www.apstat.com Copyright c

Plus en détail

L incidence des hausses de prix des produits de base sur la balance commerciale du Canada 1

L incidence des hausses de prix des produits de base sur la balance commerciale du Canada 1 Affaires étrangè et Commerce International Canada Le Bureau de l économiste en chef Série de papiers analytiques L incidence des hausses de prix des produits de base sur la balance commerciale du Canada

Plus en détail

Théorèmes de Point Fixe et Applications 1

Théorèmes 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 détail

Quelques algorithmes simples dont l analyse n est pas si simple

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

Plus en détail

Information. BASES LITTERAIRES Etre capable de répondre à une question du type «la valeur trouvée respecte t-elle le cahier des charges?

Information. BASES LITTERAIRES Etre capable de répondre à une question du type «la valeur trouvée respecte t-elle le cahier des charges? Compétences générales Avoir des piles neuves, ou récentes dans sa machine à calculer. Etre capable de retrouver instantanément une info dans sa machine. Prendre une bouteille d eau. Prendre CNI + convocation.

Plus en détail

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...

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...................................

Plus en détail

MATHÉMATIQUES. Mat-4104

MATHÉMATIQUES. Mat-4104 MATHÉMATIQUES Pré-test D Mat-404 Questionnaire e pas écrire sur le questionnaire Préparé par : M. GHELLACHE Mai 009 Questionnaire Page / 0 Exercice ) En justifiant votre réponse, dites quel type d étude

Plus en détail

DOSSIER N 4: LES COUTS FIXES ET VARIABLES EN LOGISTIQUE

DOSSIER N 4: LES COUTS FIXES ET VARIABLES EN LOGISTIQUE BAC PRO LOGISTIQUE: GESTION QUANTITATIVE DOSSIER N 4: LES COUTS IXES ET VARIABLES EN LOGISTIQUE Objectif : Calcul et appréciation des différents coûts logistiques.(rappels) Dans l optique de la réalisation

Plus en détail

SEO Campus 2009 : Pagerank et optimisation

SEO Campus 2009 : Pagerank et optimisation SEO Campus 2009 : Pagerank et optimisation Sylvain Peyronnet http://sylvain.berbiqui.org http://www.kriblogs.com/syp 04/02/2009 04/02/2009 SEO Campus 2009 : Pagerank et optimisation 1 / 21 PageRank : la

Plus en détail

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

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

Plus en détail

Parallélisme et Répartition

Parallélisme et Répartition Parallélisme et Répartition Master Info Françoise Baude Université de Nice Sophia-Antipolis UFR Sciences Département Informatique baude@unice.fr web du cours : deptinfo.unice.fr/~baude Septembre 2009 Chapitre

Plus en détail

Table des matières. 1 Programmation linéaire 1

Table des matières. 1 Programmation linéaire 1 Table des matières 1 Programmation linéaire 1 2 La théorie des graphes 3 2.1 Dénitions et premières exemples................... 6 2.2 Représentation non graphique d'un graphe.............. 9 2.2.1 Représentation

Plus en détail

Intelligence Artificielle Planification

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

Plus en détail

ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE

ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE P. Baudet, C. Azzaro-Pantel, S. Domenech et L. Pibouleau Laboratoire de Génie Chimique - URA 192 du

Plus en détail

SOMMAIRE ASSURANCE, DROITS, RESPONSABILITÉ 31

SOMMAIRE ASSURANCE, DROITS, RESPONSABILITÉ 31 SOMMAIRE QUI SOMMES-NOUS? 9 INTRODUCTION À LA 4 E ÉDITION 11 1. Le chemin parcouru par l ARC 11 2. La copropriété: les évolutions de ces dernières années 11 3. Un paradoxe 12 4. Un «manuel» pour les syndics

Plus en détail

La 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? 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 détail

Modélisation et Simulation

Modélisation et Simulation Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation

Plus en détail

Chapitre 2 Introduction aux objectifs des coûts. Pr. Zoubida SAMLAL-Doctorante en Risk Management MBA, CFA

Chapitre 2 Introduction aux objectifs des coûts. Pr. Zoubida SAMLAL-Doctorante en Risk Management MBA, CFA Chapitre 2 Introduction aux objectifs des coûts Pr. Zoubida SAMLAL-Doctorante en Risk Management MBA, CFA Objectif du chapitre Faire la différence entre les coûts et les charges Définir les inducteurs

Plus en détail

TABLEAUX STATISTIQUES

TABLEAUX STATISTIQUES Continentalisation Cahier de recherche 9-9 Décembre 199 ----------------------------- COMMERCE, CROISSANCE ET EMPLOI : LE CAS DU MEXIQUE TABLEAUX STATISTIQUES Afef Benessaieh et Christian Deblock Groupe

Plus en détail

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes. Introduction L'objectif de mon TIPE est la reconnaissance de sons ou de notes de musique à l'aide d'un réseau de neurones. Ce réseau doit être capable d'apprendre à distinguer les exemples présentés puis

Plus en détail

Gestion de projets logiciels. Xavier Dubuc

Gestion de projets logiciels. Xavier Dubuc Gestion de projets logiciels Résumé blocus Xavier Dubuc 16 janvier 2011 1 Table des matières 1 Planification (PERT-GANTT) 3 1.1 Définitions............................................. 3 1.2 Analyse un

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

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

Plus en détail

L ÉLECTRICITÉ C EST QUOI?

L ÉLECTRICITÉ C EST QUOI? L ÉLECTRICITÉ C EST QUOI? L électricité est le moyen de transport de l énergie! L électricité, comme l énergie, est présente dans la nature mais on ne la voit pas. Sauf quand il y a un orage! L électricité

Plus en détail

physicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178

physicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178 Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain

Plus en détail

4 Exemples de problèmes MapReduce incrémentaux

4 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 détail

Thème 17: Optimisation

Thème 17: Optimisation OPTIMISATION 45 Thème 17: Optimisation Introduction : Dans la plupart des applications, les grandeurs physiques ou géométriques sont exprimées à l aide d une formule contenant une fonction. Il peut s agir

Plus en détail

Principes d implémentation des métaheuristiques

Principes d implémentation des métaheuristiques Chapitre 2 Principes d implémentation des métaheuristiques Éric D. Taillard 1 2.1 Introduction Les métaheuristiques ont changé radicalement l élaboration d heuristiques : alors que l on commençait par

Plus en détail

La mondialisation i. Compétences terminales de. mathématiques. Enseignement secondaire 2 ème degré

La mondialisation i. Compétences terminales de. mathématiques. Enseignement secondaire 2 ème degré Enseignant La mondialisation i Compétences terminales de mathématiques Enseignement secondaire 2 ème degré Porte d entrée Compétences Le traitement des données Organiser selon un critère. Interpréter un

Plus en détail

L ÉNERGIE C EST QUOI?

L ÉNERGIE C EST QUOI? L ÉNERGIE C EST QUOI? L énergie c est la vie! Pourquoi à chaque fois qu on fait quelque chose on dit qu on a besoin d énergie? Parce que l énergie est à l origine de tout! Rien ne peut se faire sans elle.

Plus en détail