Résolution générique à la volée de systèmes d équations booléennes et applications

Dimension: px
Commencer à balayer dès la page:

Download "Résolution générique à la volée de systèmes d équations booléennes et applications"

Transcription

1 Résolution générique à la volée de systèmes d équations booléennes et applications Radu Mateescu INRIA Rhône-Alpes / VASY

2 Plan Introduction Systèmes d équations booléennes d alternance 1 Algorithmes de résolution à la volée Vérification par équivalence et logique temporelle Implémentation et expérimentation Conclusion et travaux futurs 2003 Radu Mateescu 2

3 Introduction Vérification énumérative : Fiabilité des systèmes concurrents à nombre fini d états Construction de l espace d états par énumération explicite des états ( vérification symbolique) Adaptée aux systèmes asynchrones non-déterministes Approches traditionnelles : Vérification par équivalence (equivalence checking) Vérification par logique temporelle (model checking) Solution adoptée : Traduction du problème de vérification vers la résolution d un système d équations booléennes (SEB) Génération de diagnostics (fragments de l espace d états) expliquant le résultat de la vérification 2003 Radu Mateescu 3

4 Systèmes d équations booléennes (syntaxe) Un SEB est un tuple B = (x, M 1,, M n ), où x X : variable booléenne principale M i = { x j =σ i op j X j } j in [1, mi] : blocs d équations σ i { µ, ν } : signe (point fixe) du bloc i op j {, } : opérateur de l équation j X j X : variables en partie droite de l équation j F = (disjonction vide) et T = (conjonction vide) x j dépend de x k ssi x k X j M i dépend de M l ssi une x j de M i dépend d une x k de M l Bloc fermé : ne dépend pas d autres blocs SEB d alternance 1 : M i ne dépend que de M i+1 M n 2003 Radu Mateescu 4

5 Exemple x 1 = µ x 2 x 3 x 7 = ν x 8 x 9 x 2 = µ x 3 x 4 x 8 = ν T M 1 x 3 = µ x 2 x 7 M 3 x 9 = ν F x 4 = µ x 5 x 6 M 2 x 5 = µ x 8 x 9 x 6 = µ F 2003 Radu Mateescu 5

6 Bloc acyclique : Blocs particuliers Pas de dépendances cycliques entre les variables du bloc Var. x i disjonctive (conjonctive) : op i = (op i = ) Bloc disjonctif : Comporte des variables disjonctives Et des variables conjonctives avec un seul successeur non constant dans le bloc (le dernier en partie droite de l équation) les autres successeurs sont des constantes ou des variables libres (définies dans d autres blocs) Bloc conjonctif : définition duale 2003 Radu Mateescu 6

7 Systèmes d équations booléennes (sémantique) Contexte : fonction partielle δ : X Bool Sémantique d une formule booléenne : [[ op { x 1,, x p } ]] δ = op (δ (x 1 ),, δ (x p )) Sémantique d un bloc : [[ { x j =σ op j X j } j in [1, m] ]] δ = σφ δ Φ δ : Bool m Bool m Φ δ (b 1,, b m ) = ([[ op j X j ]] (δ [b 1 /x 1,, b m /x m ])) j in [1, m] Sémantique d un SEB : [[(x, M 1,, M n ) ]] = δ 1 (x) δ n = [[ M n ]] [] (M n fermé) δ i = ([[ M i ]] δ i+1 ) δ i+1 (M i dépend de M i+1 M n ) 2003 Radu Mateescu 7

8 Résolution globale SEB B = (x, M 1,, M n ) d alternance 1 Primitive : calcul de la sémantique d un bloc Par ordre inverse des dépendances δ n = [[ M n ]] [], δ i = ([[ M i ]] δ i+1 ) δ i+1 Application «brutale» du théorème de Knaster-Tarski [[ { x j =µ op j X j } j in [1, m] ]] δ = µφ δ = k 0 Φ δk (F,, F) [[ { x j =ν op j X j } j in [1, m] ]] δ = νφ δ = k 0 Φ δk (T,, T) Prendre la valeur de x dans M 1 : δ 1 (x) Inconvénients : Nécessite la construction complète du SEB Risque de calculer des informations «inutiles» 2003 Radu Mateescu 8

9 Exemple x 1 = µ x 2 x 3 x 7 = ν x 8 x 9 x 2 = µ x 3 x 4 x 8 = ν T M 1 x 3 = µ x 2 x 7 M 3 x 9 = ν F x 4 = µ x 5 x 6 M 2 x 5 = µ x 8 x 9 x 6 = µ F 2003 Radu Mateescu 9

10 Résolution locale SEB B = (x, M 1,, M n ) d alternance 1 Primitive : calcul d une variable d un bloc Une routine de résolution R i associée à M i R i (x j ) calcule la valeur de xj dans Mi Evaluation des parties droites des équations+ substitution Pile des appels R 1 (x) R n (x k ) bornée par la profondeur du graphe de dépendances entre blocs Style «coroutine» : chaque Ri doit garder son contexte Avantages : Permet de construire le SEB «à la volée» Calcule uniquement des informations «utiles» 2003 Radu Mateescu 10

11 Exemple x 1 = µ x 2 x 3 x 7 = ν x 8 x 9 x 2 = µ x 3 x 4 x 8 = ν T M 1 x 3 = µ x 2 x 7 M 3 x 9 = ν F x 4 = µ x 5 x 6 M 2 x 5 = µ x 8 x 9 x 6 = µ F 2003 Radu Mateescu 11

12 Principe des algorithmes locaux Représentation des blocs comme graphes booléens Au bloc M = { x j = µ op j X j } j in [1, m] on associe le graphe booléen G = (V, E, L, µ), où : V = { x 1,, x m } : ensemble de sommets (variables) E = { (x i, x j ) x j X i } : ensemble d arcs (dépendances) L : V {, }, L (x j ) = op j : étiquetage des sommets Principe des algorithmes : Exploration en avant de G en partant de x V Propagation en arrière des variables stables (calculées) Terminaison: x est stable ou G est exploré totalement 2003 Radu Mateescu 12

13 Exemple SEB (µ-bloc) graphe booléen x 1 = µ x 2 x 3 x 2 = µ F x 3 = µ x 4 x 5 x 4 = µ T x 5 = µ x : -variables : -variables Radu Mateescu 13

14 Trois critères d efficacité Soit B = (x, M 1,, M n ) un SEB d alternance 1. Pour chaque routine R i associée à M i : La complexité en temps de R i (x j ) dans le pire des cas doit être O ( V + E ) complexité linéaire pour la résolution de B Pendant l exécution de R i (x j ), chaque nouvelle variable explorée doit être «reliée» à x j par (au moins) une séquence de variables instables limiter l exploration du graphe aux variables «utiles» Après la fin de R i (x j ), toutes les variables explorées doivent être stables mémoriser les résultats entre appels successifs de R i (xj) 2003 Radu Mateescu 14

15 Algorithme A1 S applique à tous les types de blocs Parcours en profondeur (DFS) du graphe booléen Propagation en arrière des variables stables Pré-calcul de diagnostic Satisfait A, B, C Complexité en mémoire O ( V + E ) Version optimisée de [Andersen-94] Développé pour le µ-calcul régulier (EVALUATOR 3.0) [Mateescu-Sighireanu-00] Radu Mateescu 15

16 Algorithme A2 S applique à tous les types de blocs 1 Parcours en largeur (BFS) du graphe booléen Propagation en arrière des variables stables 2 3 Pré-calcul de diagnostic Satisfait A, C Complexité en mémoire O ( V + E ) Diagnostics de profondeur réduite Radu Mateescu 16

17 Algorithme A3 S applique uniquement aux blocs acycliques Parcours DFS du graphe booléen Propagation en arrière des variables stables Pré-calcul de diagnostic Satisfait A, B, C Pas de stockage des arcs Complexité en mémoire O ( V ) Développé pour vérifier des traces de simulation [Mateescu-02] Radu Mateescu 17

18 Algorithme A4 S applique uniquement aux blocs disjonctifs ou conjonctifs Parcours en profondeur (DFS) du graphe booléen 1 Propagation en arrière des variables stables 2 4 Détection et stabilisation des CFC Pas de stockage des arcs Satisfait A, B, C Complexité en mémoire O ( V ) CFC de variables F CFC de variables T 2003 Radu Mateescu 18

19 Récapitulatif A1 (DFS, général) Satisfait A, B, C Complexité en mémoire O ( V + E ) A2 (BFS, général) Satisfait A, C + diagnostics «petits» Complexité en mémoire O ( V + E ) Complexité A3 (DFS, acyclique) en temps Satisfait A, B, C O ( V + E ) Complexité en mémoire O ( V ) A4 (DFS, disjonctif) Satisfait A, B, C Complexité en mémoire O ( V ) 2003 Radu Mateescu 19

20 Applications Vérification par équivalences/préordres Vérification par logiques temporelles à la volée

21 Systèmes de transitions étiquetées STEs : modèles pour les systèmes parallèles asynchrones Un STE M = (S, A, T, s 0 ) Représentations d un STE : explicite (fonction «prédécesseur» et/ou «successeur») Calculs itératifs sur les ensembles d états Environnement BCG (Binary Coded Graphs) [Garavel-92] implicite (fonction «successeur») SEND ACK TOUT Exploration à la volée de la relation de transition Environnement Open / Caesar [Garavel-98] τ DELIV RECV 2003 Radu Mateescu 21

22 Vérification par équivalence (equivalence checking) description du système description du service compilateur compilateur STE 1 equivalence checker STE 2 vrai / faux + diagnostic 2003 Radu Mateescu 22

23 Equivalence forte Soit 2 STE M 1 = (S 1, A, T 1, s 01 ) et M 2 = (S 2, A, T 2, s 02 ) S 1 S 2 est la plus grande relation t.q. s 1 s 2 ssi a A. s 1 a s 1 T 1. s 2 a s 2 T 2. s 1 s 2 et a A. s 2 a s 2 T 2. s 1 a s 1 T 1. s 1 s 2 M 1 M 2 ssi s 01 s 02 c a c c a b b c a 2003 Radu Mateescu 23

24 Traduction vers un SEB Principe : s 1 s 2 ssi X s1,s2 est vraie SEB général : X s1,s2 = ν ( s1 a s1 s2 a s2 X s1,s2 ) ( s2 a s2 s1 a s1 X s1,s2 ) SEB simplifié : X s1,s2 = ν ( s1 a s1 Y a,s1,s2 ) ( s2 a s2 Z a,s1,s2 ) Y a,s1,s2 = ν Z a,s1,s2 = ν s2 a s2 X s1,s2 s1 a s1 X s1,s2 s 1 s 2 (préordre) 2003 Radu Mateescu 24

25 Exemple 0 0 c 1 m t 1 c m m 3 t SEB général : X 00 = ν (X 11 X 13 ) X 11 X 13 X 11 = ν (X 22 F) X 22 X 13 = ν (F X 34 ) X 34 SEB simplifié : X 00 = ν Y X 11 X 13 Y = ν X 11 X 13 X 11 = ν (X 22 F) X 22 X 13 = ν (F X 34 ) X Radu Mateescu 25

26 SEB acyclique Graphe booléen acyclique : Un des deux STEs est acyclique (séquence, arbre, ) X s1,s2 a X s1,s2 b X s1,s2 c Application de l algorithme A3 (mémoire ) Utile surtout pour la vérification par préordre Exemple : relecture de séquences d exécution STE 1 : modélisation d un système STE 2 : ensemble de scénarios d exécution / simulation Vérifier que STE 1 accepte STE Radu Mateescu 26

27 SEB conjonctif Graphe booléen conjonctif : Préordre STE1 STE2 et STE2 déterministe (+ vice-versa) Equivalence et un des deux STEs est déterministe X s1,s2 = ( s1 a s1a s2 a s2 X s1a,s2 ) ( s1 b s1b s2 b s2 X s1b,s2 ) ( s2 l s2 s1 l s1a X s1l,s2 ) = ( s2 a s2 X s1a,s2 ) ( s2 b s2 X s1b,s2 ) ( s2 l s2 X s1l,s2 ) = s2 l s2 X s1l,s2 Application de l algorithme A4 (mémoire ) 2003 Radu Mateescu 27

28 Equivalences faibles Soit 2 STE M 1 = (S 1, A τ, T 1, s 01 ), M 2 = (S 2, A τ, T 2, s 02 ) τ : action interne, A τ = A { τ } Equivalence τ*.a : X s1,s2 = ν ( s1 τ*a s1 s2 τ*a s2 X s1,s2 ) ( s2 τ*a s2 s1 τ*a s1 X s1,s2 ) Equivalence de sûreté : X s1,s2 = ν Y s1,s2 Y s2,s1 Y s1,s2 = ν ( s1 τ*a s1 s2 τ*a s2 Y s1,s2 ) Schéma similaire : équivalence observationnelle, de branchement, delay, 2003 Radu Mateescu 28

29 Récapitulatif Graphe booléen général : Toutes les équivalences et leurs préordres Algorithmes A1 et A2 Graphe booléen acyclique : Forte : un des deux STEs acyclique τ*.a et sûreté : un STE acyclique (circuits de τ autorisés) Branching et observationnelle : les deux STEs acycliques Algorithme A3 (mémoire ) Graphe booléen conjonctif : Toutes les équivalences : un des deux STE déterministe Algorithme A4 (mémoire ) 2003 Radu Mateescu 29

30 Vérification par logique temporelle (model checking) description du système propriétés compilateur modèle (STE) model checker vrai / faux + diagnostic 2003 Radu Mateescu 30

31 Mu-calcul modal Soit M = (S, A, T, s 0 ) un STE. Syntaxe du µ-calcul modal : Formules sur actions α ::= a α α 1 α 2 Formules sur états ϕ ::= F ϕ ϕ 1 ϕ 2 α ϕ X µx. ϕ 2003 Radu Mateescu 31

32 Formules sur actions Soit M = (S, A, T, s 0 ). Sémantique [[ α ]] A : [[ a ]] = { a } [[ α ]] = A \[[ α ]] [[ α 1 α 2 ]] = [[ α 1 ]] [[ α 2 ]] Opérateurs dérivés : T = a a F = T α 1 α 2 = ( α 1 α 2 ) α 1 α 2 = α 1 α 2 α 1 α 2 = (α 1 α 2 ) (α 2 α 1 ) 2003 Radu Mateescu 32

33 Formules sur états Contexte ρ : Y 2 S. Sémantique [[ ϕ ]]ρ S : [[ F ]]ρ = [[ ϕ ]]ρ = S \[[ ϕ ]]ρ [[ ϕ 1 ϕ 2 ]]ρ = [[ ϕ 1 ]]ρ [[ ϕ 2 ]]ρ [[ α ϕ ]]ρ = { s S (s, a, s ) T. a [[ α ]] s [[ ϕ ]]ρ } [[ Y ]]ρ = ρ (Y) [[ µy. ϕ ]]ρ = k 0 Φ ρk ( ) Φ ρ : 2 S 2 S, Φ ρ (U) = [[ ϕ ]]ρ[u/y] Opérateurs dérivés : [α]ϕ= α ϕ νy. ϕ = µy. ϕ [ Y / Y] 2003 Radu Mateescu 33

34 Exemples Absence de blocage sur l état courant T T Accessibilité potentielle d une action a µx. a T T X... Pas de RECV avant un SEND νx. [ RECV ] F [ SEND ] X SEND SEND RECV a RECV 2003 Radu Mateescu 34

35 Mu-calcul d alternance 1 Absence de récursion mutuelle entre les formules de plus petit et de plus grand point fixe Exemple : après chaque SEND, il y aura potentiellement un RECV νx. [ SEND ] (µy. RECV T T Y ) [ T ] X Variante équationnelle : { X = ν [ SEND ] Y [ T ] X } { Y = µ RECV T T Y } pas de dépendances cycliques entre les blocs 2003 Radu Mateescu 35

36 Traduction vers SEB d alternance 1 Principe : s = X ssi X s est vraie Propriété : { X = ν [ SEND ] Y [ T ] X } { Y = µ RECV T T Y } SEB : { X s = ν ( s SEND s Y s ) ( s s X s ) } { Y s = µ ( s RECV s T) ( s s Y s ) } 1 SEND TOUT X 1 = ν Y 2 X 2 Y 1 = µ Y 2 RECV 2 τ 3 X 2 = ν X 1 X 3 X 3 = ν X 1 Y 2 = µ Y 1 Y 3 Y 3 = µ T 2003 Radu Mateescu 36

37 SEB acyclique Graphe booléen acyclique : STE acyclique et formules gardées Traductions des opérateurs de CTL (et ACTL) : E[ϕ 1 U ϕ 2 ] = µx. ϕ 2 (ϕ 1 T X) A[ϕ 1 U ϕ 2 ] = µx. ϕ 2 (ϕ 1 T T [T ] X) Réduction pour le µ-calcul complet [Mateescu-02] Elimination des opérateurs de plus grand point fixe formule d alternance 1 Traduction en forme gardée (taille quadratique) Application de l algorithme A3 (mémoire ) 2003 Radu Mateescu 37

38 SEB disjonctif Graphe booléen disjonctif : Opérateur de potentialité de CTL E [ϕ 1 U ϕ 2 ] = µx. ϕ 2 (ϕ 1 T X) { X = µ ϕ 2 Y, Y = µ ϕ 1 Z, Z = µ T X } { X s = µ ϕ 2s Y s, Y s = µ ϕ 1s Z s, Z s = µ s s X s } Modalité de possibilité de PDL (a b)*. c T { X = µ c T a X b X } { X s = µ ( s c s T) ( s a s X s ) ( s b s X s ) } Application de l algorithme A4 (mémoire ) 2003 Radu Mateescu 38

39 SEB conjonctif Graphe booléen conjonctif : Opérateur d inévitabilité de CTL A [ϕ 1 U ϕ 2 ] = µx. ϕ 2 (ϕ 1 T T [T ] X) { X = µ ϕ 2 Y, Y = µ ϕ 1 Z [T ] X, Z = µ T T } { X s = µ ϕ 2s Y s, Y s = µ ϕ 1s Z s ( s s X s ), Z s = µ s s T } Modalité de nécessité de PDL [ (a b)*. c ] F { X = µ [ c ] F [ a ] X [ b ] X } { X s = µ ( s c s F) ( s a s X s ) ( s b s X s ) } Application de l algorithme A4 (mémoire ) 2003 Radu Mateescu 39

40 Récapitulatif Graphe booléen général : STE quelconque et formule de µ-calcul d alternance 1 Algorithmes A1 et A2 Graphe booléen acyclique : STE acyclique et formule gardée (CTL, ACTL) STE acyclique et formule de µ-calcul (+ réduction) Algorithme A3 (mémoire ) Graphe booléen disjonctif / conjonctif : STE quelconque et formules de CTL, ACTL, PDL Algorithme A4 (mémoire ) 2003 Radu Mateescu 40

41 Bibliothèque CAESAR_SOLVE SEB (graphe booléen) variable graphe implicite (fonction successeur) bibliothèque CAESAR_SOLVE (A1 A4 & diagnostic) graphe implicite (fonction successeur) diagnostic (sous-graphe booléen) valeur bibliothèques OPEN/CAESAR 2003 Radu Mateescu 41

42 BISIMULATOR et EVALUATOR STE1 STE2 STE formule BISIMULATOR traducteur SEB EVALUATOR traducteur SEB graphe booléen implicite & générateur de diagnostic (.c) graphe booléen implicite & générateur de diagnostic (.c) OPEN/CAESAR CAESAR_SOLVE compilateur C environnement d exécution exécutable vrai / faux diagnostic 2003 Radu Mateescu 42

43 Quelques mesures de performances Trois protocoles de communication (ABP, BRP, LEP) Algorithme A2 versus A1 : Comparaison STE protocole STE erroné (strong) Vérification propriété fausse sur STE protocole Réductions de 75 % - 99 % en profondeur du diagnostic Algorithme A3 versus A1 : Relecture de séquences ( transitions) dans le STE Vérification de propriétés sur les séquences Gains de 15 % - 27 % en mémoire Algorithme A4 versus A1 : Comparaison STE protocole STE service (τ*.a) Vérification de propriétés (ACTL + PDL) Gains de 12 % - 63 % en mémoire 2003 Radu Mateescu 43

44 Conclusion et travaux futurs Bilan : Algorithmes de résolution locale des SEBs Génération de diagnostics Deux applications : BISIMULATOR et EVALUATOR Bibliothèque générique CAESAR_SOLVE Perspectives : Nouveaux algorithmes («single-scan» sur traces) Nouvelles applications (génération de tests) Parallélisation sur grappes de PC 2003 Radu Mateescu 44

Outils logiciels pour la combinaison de vérification fonctionnelle et d évaluation de performances au sein de CADP

Outils logiciels pour la combinaison de vérification fonctionnelle et d évaluation de performances au sein de CADP Outils logiciels pour la combinaison de vérification fonctionnelle et d évaluation de performances au sein de CADP Christophe Joubert Séminaire VASY 2002 30 Octobre 2002 Aix les Bains Contexte du projet

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

Model checking temporisé

Model checking temporisé Model checking temporisé Béatrice Bérard LAMSADE Université Paris-Dauphine & CNRS berard@lamsade.dauphine.fr ETR 07, 5 septembre 2007 1/44 Nécessité de vérifier des systèmes... 2/44 Nécessité de vérifier

Plus en détail

Application au protocole POTS

Application au protocole POTS Présentation de la boîte à outils CADP: Application au protocole POTS Benoît Fraikin et Jacob Tchoumtchoua Groupe de Recherche en Génie Logiciel Département de Mathématiques et d Informatique Université

Plus en détail

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test

Grandes 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 détail

Conception des systèmes répartis

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

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

Les diagrammes de modélisation

Les diagrammes de modélisation L approche Orientée Objet et UML 1 Plan du cours Introduction au Génie Logiciel L approche Orientée Objet et Notation UML Les diagrammes de modélisation Relations entre les différents diagrammes De l analyse

Plus en détail

aux différences est appelé équation aux différences d ordre n en forme normale.

aux différences est appelé équation aux différences d ordre n en forme normale. MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire

Plus en détail

Raisonnement probabiliste

Raisonnement probabiliste Plan Raisonnement probabiliste IFT-17587 Concepts avancés pour systèmes intelligents Luc Lamontagne Réseaux bayésiens Inférence dans les réseaux bayésiens Inférence exacte Inférence approximative 1 2 Contexte

Plus en détail

Les structures de données. Rajae El Ouazzani

Les structures de données. Rajae El Ouazzani Les structures de données Rajae El Ouazzani Les arbres 2 1- Définition de l arborescence Une arborescence est une collection de nœuds reliés entre eux par des arcs. La collection peut être vide, cad l

Plus en détail

Grammaires d unification

Grammaires d unification Cours sur le traitement automatique des langues (IV) Violaine Prince Université de Montpellier 2 LIRMM-CNRS Grammaires d unification Grammaire catégorielle Grammaire syntagmatique généralisée (GPSG) Les

Plus en détail

Ordonnancement temps réel

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

Plus en détail

Programmation par contraintes. Laurent Beaudou

Programmation par contraintes. Laurent Beaudou Programmation par contraintes Laurent Beaudou On se trouve où? Un problème, une solution : la solution est-elle une solution du problème? simulation, vérification 2 On se trouve où? Un problème, une solution

Plus en détail

VÉRIFICATION DES SYSTÈMES À PILE AU MOYEN DES ALGÈBRES DE KLEENE

VÉRIFICATION DES SYSTÈMES À PILE AU MOYEN DES ALGÈBRES DE KLEENE VINCENT MATHIEU VÉRIFICATION DES SYSTÈMES À PILE AU MOYEN DES ALGÈBRES DE KLEENE Mémoire présenté à la Faculté des études supérieures de l Université Laval dans le cadre du programme de maîtrise en informatique

Plus en détail

LE PROBLEME DU PLUS COURT CHEMIN

LE 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 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

Baccalauréat ES/L Amérique du Sud 21 novembre 2013

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée

Plus en détail

Évaluation et implémentation des langages

Évaluation et implémentation des langages Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation

Plus en détail

Introduction à la Programmation Parallèle: MPI

Introduction à la Programmation Parallèle: MPI Introduction à la Programmation Parallèle: MPI Frédéric Gava et Gaétan Hains L.A.C.L Laboratoire d Algorithmique, Complexité et Logique Cours du M2 SSI option PSSR Plan 1 Modèle de programmation 2 3 4

Plus en détail

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information

Plus en détail

Algorithmes de recherche

Algorithmes 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

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient

Plus en détail

Architecture des Systèmes d Information Architecture des Systèmes d Information

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

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

ÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab

ÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab ÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab notre compétence d'éditeur à votre service créée en juin 2010, Scilab enterprises propose services et support autour

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

Chp. 4. Minimisation d une fonction d une variable

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

Plus en détail

Les processus légers : threads. Système L3, 2014-2015 1/31

Les processus légers : threads. Système L3, 2014-2015 1/31 Les processus légers : threads Système L3, 2014-2015 1/31 Les threads Les threads sont des processus légers exécutés à l intérieur d un processus L exécution des threads est concurrente Il existe toujours

Plus en détail

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01

Plus en détail

UEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.

UEO11 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 détail

Algorithmique et Programmation, IMA

Algorithmique et Programmation, IMA Algorithmique et Programmation, IMA Cours 2 : C Premier Niveau / Algorithmique Université Lille 1 - Polytech Lille Notations, identificateurs Variables et Types de base Expressions Constantes Instructions

Plus en détail

Complexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation

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

Plus en détail

Algorithmique et Programmation Fonctionnelle

Algorithmique et Programmation Fonctionnelle Algorithmique et Programmation Fonctionnelle RICM3 Cours 9 : Lambda-calcul Benjamin Wack Polytech 2014-2015 1 / 35 La dernière fois Typage Polymorphisme Inférence de type 2 / 35 Plan Contexte λ-termes

Plus en détail

Initiation à LabView : Les exemples d applications :

Initiation à LabView : Les exemples d applications : Initiation à LabView : Les exemples d applications : c) Type de variables : Créer un programme : Exemple 1 : Calcul de c= 2(a+b)(a-3b) ou a, b et c seront des réels. «Exemple1» nom du programme : «Exemple

Plus en 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

Programmation Par Contraintes

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

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

IFT1215 Introduction aux systèmes informatiques

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

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

Formula Negator, Outil de négation de formule.

Formula Negator, Outil de négation de formule. Formula Negator, Outil de négation de formule. Aymerick Savary 1,2, Mathieu Lassale 1,2, Jean-Louis Lanet 1 et Marc Frappier 2 1 Université de Limoges 2 Université de Sherbrooke Résumé. Cet article présente

Plus en détail

Chap 4: Analyse syntaxique. Prof. M.D. RAHMANI Compilation SMI- S5 2013/14 1

Chap 4: Analyse syntaxique. Prof. M.D. RAHMANI Compilation SMI- S5 2013/14 1 Chap 4: Analyse syntaxique 1 III- L'analyse syntaxique: 1- Le rôle d'un analyseur syntaxique 2- Grammaires non contextuelles 3- Ecriture d'une grammaire 4- Les méthodes d'analyse 5- L'analyse LL(1) 6-

Plus en détail

INF601 : Algorithme et Structure de données

INF601 : Algorithme et Structure de données Cours 2 : TDA Arbre Binaire B. Jacob IC2/LIUM 27 février 2010 Plan 1 Introuction 2 Primitives u TDA Arbin 3 Réalisations u TDA Arbin par cellules chaînées par cellules contiguës par curseurs (faux pointeurs)

Plus en détail

# let rec concat l1 l2 = match l1 with [] -> l2 x::l 1 -> x::(concat l 1 l2);; val concat : a list -> a list -> a list = <fun>

# let rec concat l1 l2 = match l1 with [] -> l2 x::l 1 -> x::(concat l 1 l2);; val concat : a list -> a list -> a list = <fun> 94 Programmation en OCaml 5.4.8. Concaténation de deux listes Définissons maintenant la fonction concat qui met bout à bout deux listes. Ainsi, si l1 et l2 sont deux listes quelconques, concat l1 l2 constitue

Plus en détail

Rappels sur les suites - Algorithme

Rappels 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 détail

Table des matières PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS. Introduction

Table des matières PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS. Introduction PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS Depuis SAS 9.2 TS2M3, SAS propose un nouveau langage de programmation permettant de créer et gérer des tables SAS : le DS2 («Data Step 2»). Ces nouveautés

Plus en détail

Intelligence artificielle appliquée à l automatique

Intelligence artificielle appliquée à l automatique Intelligence artificielle appliquée à l automatique par Sylviane GENTIL Professeur à l École nationale supérieure d ingénieurs électriciens Institut national polytechnique de Grenoble 1. Définitions et

Plus en détail

Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm)

Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm) Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm) Ecole d informatique temps réel - La Londes les Maures 7-11 Octobre 2002 - Evénements et architectures - Spécifications de performances

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

Déroulement. Evaluation. Préambule. Définition. Définition. Algorithmes et structures de données 28/09/2009

Déroulement. Evaluation. Préambule. Définition. Définition. Algorithmes et structures de données 28/09/2009 Déroulement Algorithmes et structures de données Cours 1 et 2 Patrick Reuter http://www.labri.fr/~preuter/asd2009 CM mercredi de 8h00 à 9h00 (Amphi Bât. E, 3 ème étage) ED - Groupe 3 : mercredi, 10h30

Plus en détail

Comparer l intérêt simple et l intérêt composé

Comparer l intérêt simple et l intérêt composé Comparer l intérêt simple et l intérêt composé Niveau 11 Dans la présente leçon, les élèves compareront divers instruments d épargne et de placement en calculant l intérêt simple et l intérêt composé.

Plus en détail

Le 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 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 détail

MASTER SIS PRO : logique et sécurité DÉTECTION D INTRUSIONS. Odile PAPINI, LSIS. Université de Toulon et du Var. papini@univ-tln.

MASTER SIS PRO : logique et sécurité DÉTECTION D INTRUSIONS. Odile PAPINI, LSIS. Université de Toulon et du Var. papini@univ-tln. MASTER SIS PRO : logique et sécurité DÉTECTION D INTRUSIONS Odile PAPINI, LSIS. Université de Toulon et du Var. papini@univ-tln.fr Plan Introduction Généralités sur les systèmes de détection d intrusion

Plus en détail

Logique binaire. Aujourd'hui, l'algèbre de Boole trouve de nombreuses applications en informatique et dans la conception des circuits électroniques.

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.

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voies : Mathématiques, physique et sciences de l'ingénieur (MPSI) Physique, chimie et sciences de l ingénieur (PCSI) Physique,

Plus en détail

Sélection du contrôleur

Sélection du contrôleur Démo CoDeSys - 1 - 1. Configuration de l environnement de travail : Lancer le logiciel CoDeSys Fichier Nouveau Lors de la première utilisation, une boîte de dialogue apparaît permettant la sélection du

Plus en détail

Programmation parallèle et distribuée

Programmation parallèle et distribuée ppd/mpassing p. 1/43 Programmation parallèle et distribuée Communications par messages Philippe MARQUET Philippe.Marquet@lifl.fr Laboratoire d informatique fondamentale de Lille Université des sciences

Plus en détail

Chapitre 4 : Exclusion mutuelle

Chapitre 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 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

Contribution à l algorithmique de la vérification

Contribution à l algorithmique de la vérification Contribution à l algorithmique de la vérification (Mémoire d habilitation à diriger des recherches) Jean-Michel COUVREUR Laboratoire Bordelais de Recherche en Informatique CNRS UMR 5800 - Université Bordeaux

Plus en détail

Cours de Programmation 2

Cours de Programmation 2 Cours de Programmation 2 Programmation à moyenne et large échelle 1. Programmation modulaire 2. Programmation orientée objet 3. Programmation concurrente, distribuée 4. Programmation monadique 5. Les programmes

Plus en détail

Traduction des Langages : Le Compilateur Micro Java

Traduction des Langages : Le Compilateur Micro Java BARABZAN Jean-René OUAHAB Karim TUCITO David 2A IMA Traduction des Langages : Le Compilateur Micro Java µ Page 1 Introduction Le but de ce projet est d écrire en JAVA un compilateur Micro-Java générant

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

Algèbre binaire et Circuits logiques (2007-2008)

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

Plus en détail

Fonctions de deux variables. Mai 2011

Fonctions de deux variables. Mai 2011 Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs

Plus en détail

IN 102 - Cours 1. 1 Informatique, calculateurs. 2 Un premier programme en C

IN 102 - Cours 1. 1 Informatique, calculateurs. 2 Un premier programme en C IN 102 - Cours 1 Qu on le veuille ou non, les systèmes informatisés sont désormais omniprésents. Même si ne vous destinez pas à l informatique, vous avez de très grandes chances d y être confrontés en

Plus en détail

Introduction aux algorithmes répartis

Introduction 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 détail

Algorithmique des Systèmes Répartis Protocoles de Communications

Algorithmique des Systèmes Répartis Protocoles de Communications Algorithmique des Systèmes Répartis Protocoles de Communications Master Informatique Dominique Méry Université de Lorraine 1 er avril 2014 1 / 70 Plan Communications entre processus Observation et modélisation

Plus en détail

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

UNIVERSITÉ DEMONTRÉAL

UNIVERSITÉ DEMONTRÉAL UNIVERSITÉ DEMONTRÉAL VÉRIFICATION ÀLAVOLÉE DE CONTRAINTES OCL ÉTENDUES SUR DES MODÈLES UML RAVECA-MARIA OARGA DÉPARTEMENT DE GÉNIE INFORMATIQUE ÉCOLE POLYTECHNIQUE DE MONTRÉAL MÉMOIRE PRÉSENTÉ ENVUEDEL

Plus en détail

Limitations of the Playstation 3 for High Performance Cluster Computing

Limitations of the Playstation 3 for High Performance Cluster Computing Introduction Plan Limitations of the Playstation 3 for High Performance Cluster Computing July 2007 Introduction Plan Introduction Intérêts de la PS3 : rapide et puissante bon marché L utiliser pour faire

Plus en détail

Logiciel Libre Cours 3 Fondements: Génie Logiciel

Logiciel Libre Cours 3 Fondements: Génie Logiciel Logiciel Libre Cours 3 Fondements: Génie Logiciel Stefano Zacchiroli zack@pps.univ-paris-diderot.fr Laboratoire PPS, Université Paris Diderot 2013 2014 URL http://upsilon.cc/zack/teaching/1314/freesoftware/

Plus en détail

INF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies

INF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies INF 232: Langages et Automates Travaux Dirigés Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies Année Académique 2013-2014 Année Académique 2013-2014 UNIVERSITÉ JOSEPH

Plus en 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

Le transistor bipolaire

Le transistor bipolaire IUT Louis Pasteur Mesures Physiques Electronique Analogique 2ème semestre 3ème partie Damien JACOB 08-09 Le transistor bipolaire I. Description et symboles Effet transistor : effet physique découvert en

Plus en détail

Les algorithmes de base du graphisme

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).............

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

Quelques Algorithmes simples

Quelques Algorithmes simples Quelques Algorithmes simples Irène Guessarian ig@liafa.jussieu.fr 10 janvier 2012 Je remercie Patrick Cegielski de son aide efficace pour la programmation Java ; la section sur le codage de Huffman a été

Plus en détail

Licence ST Université Claude Bernard Lyon I LIF1 : Algorithmique et Programmation C Bases du langage C 1 Conclusion de la dernière fois Introduction de l algorithmique générale pour permettre de traiter

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

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

A.3 Les méthodes : L applicabilité

A.3 Les méthodes : L applicabilité SOMMAIRE A. Première partie A.1 Ingénierie système : du besoin au système (produit/service) A.2 SDF, Maintenance et concepts sous-jacents A.3 Les méthodes : L applicabilité A.4 GMAO = GM + AO B. Deuxième

Plus en détail

Réseaux de preuves booléens sous-logarithmiques

Réseaux de preuves booléens sous-logarithmiques Mémoire en vue de l obtention du M2 L.M.F.I. à l Université Paris VII Encadrants : Virgile Mogbil & Paulin Jacobé de Naurois Laboratoire d accueil : Laboratoire d Informatique de Paris-Nord (UMR 7030 du

Plus en détail

Cours d Algorithmique-Programmation 2 e partie (IAP2): programmation 24 octobre 2007impérative 1 / 44 et. structures de données simples

Cours d Algorithmique-Programmation 2 e partie (IAP2): programmation 24 octobre 2007impérative 1 / 44 et. structures de données simples Cours d Algorithmique-Programmation 2 e partie (IAP2): programmation impérative et structures de données simples Introduction au langage C Sandrine Blazy - 1ère année 24 octobre 2007 Cours d Algorithmique-Programmation

Plus en détail

Chap. 3: Le modèle de données entité-association (E.A.)

Chap. 3: Le modèle de données entité-association (E.A.) Chap. 3: Le modèle de données entité-association (E.A.) En anglais: Entity-Relationship (ER) Origines: C.Bachman (1969), P.Chen (1976). Modèle de données > décrire la réalité perçue à travers les données

Plus en détail

Modélisation de la Reconfiguration Dynamique appliquée à un décodeur LDPC Non Binaire

Modélisation de la Reconfiguration Dynamique appliquée à un décodeur LDPC Non Binaire Modélisation de la Reconfiguration Dynamique appliquée à un décodeur LDPC Non Binaire LAURA CONDE-CANENCIA 1, JEAN-CHRISTOPHE.PREVOTET 2, YASET OLIVA 2, YVAN EUSTACHE 1 1 Université Européenne de Bretagne

Plus en détail

Informatique Générale

Informatique Générale Informatique Générale Guillaume Hutzler Laboratoire IBISC (Informatique Biologie Intégrative et Systèmes Complexes) guillaume.hutzler@ibisc.univ-evry.fr Cours Dokeos 625 http://www.ens.univ-evry.fr/modx/dokeos.html

Plus en détail

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,

Plus en détail

Entraînement au concours ACM-ICPC

Entraînement au concours ACM-ICPC Entraînement au concours ACM-ICPC Concours ACM-ICPC : format et stratégies Page 1 / 16 Plan Présentation Stratégies de base Page 2 / 16 Qu est-ce que c est? ACM-ICPC : International Collegiate Programming

Plus en détail

1 Recherche en table par balayage

1 Recherche en table par balayage 1 Recherche en table par balayage 1.1 Problème de la recherche en table Une table désigne une liste ou un tableau d éléments. Le problème de la recherche en table est celui de la recherche d un élément

Plus en détail

Introduction à MATLAB R

Introduction à MATLAB R Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d

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

Rapport d activité. Mathieu Souchaud Juin 2007

Rapport d activité. Mathieu Souchaud Juin 2007 Rapport d activité Mathieu Souchaud Juin 2007 Ce document fait la synthèse des réalisations accomplies durant les sept premiers mois de ma mission (de novembre 2006 à juin 2007) au sein de l équipe ScAlApplix

Plus en détail

Quelques tests de primalité

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

Plus en détail

REALISATION d'un. ORDONNANCEUR à ECHEANCES

REALISATION d'un. ORDONNANCEUR à ECHEANCES REALISATION d'un ORDONNANCEUR à ECHEANCES I- PRÉSENTATION... 3 II. DESCRIPTION DU NOYAU ORIGINEL... 4 II.1- ARCHITECTURE... 4 II.2 - SERVICES... 4 III. IMPLÉMENTATION DE L'ORDONNANCEUR À ÉCHÉANCES... 6

Plus en détail

Prénom : Matricule : Sigle et titre du cours Groupe Trimestre INF1101 Algorithmes et structures de données Tous H2004. Loc Jeudi 29/4/2004

Prénom : Matricule : Sigle et titre du cours Groupe Trimestre INF1101 Algorithmes et structures de données Tous H2004. Loc Jeudi 29/4/2004 Questionnaire d'examen final INF1101 Sigle du cours Nom : Signature : Prénom : Matricule : Sigle et titre du cours Groupe Trimestre INF1101 Algorithmes et structures de données Tous H2004 Professeur(s)

Plus en détail

MCMC et approximations en champ moyen pour les modèles de Markov

MCMC et approximations en champ moyen pour les modèles de Markov MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:

Plus en détail

Initiation. àl algorithmique et à la programmation. en C

Initiation. àl algorithmique et à la programmation. en C Initiation àl algorithmique et à la programmation en C Initiation àl algorithmique et à la programmation en C Cours avec 129 exercices corrigés Illustration de couverture : alwyncooper - istock.com Dunod,

Plus en détail

TD de supervision. J.P. Chemla. Polytech Tours Département productique 2ème année

TD de supervision. J.P. Chemla. Polytech Tours Département productique 2ème année TD de supervision J.P. Chemla Polytech Tours Département productique 2ème année 1 Présentation de l équipement On veut superviser une cuve dans un batiment. Les informations à visualiser sont les suivantes

Plus en détail

Algorithmes de Transmission et de Recherche de l Information dans les Réseaux de Communication. Philippe Robert INRIA Paris-Rocquencourt

Algorithmes de Transmission et de Recherche de l Information dans les Réseaux de Communication. Philippe Robert INRIA Paris-Rocquencourt Algorithmes de Transmission et de Recherche de l Information dans les Réseaux de Communication Philippe Robert INRIA Paris-Rocquencourt Le 2 juin 2010 Présentation Directeur de recherche à l INRIA Institut

Plus en détail