Systeme. Specification VALIDATION {OUI,NON} ! carte! code. ? billets. ? carte

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Systeme. Specification VALIDATION {OUI,NON} ! carte! code. ? billets. ? carte"

Transcription

1 VericationdeModeles F.Vernadat 1 2

2 3 4

3 IntroductionalaVerication PartI? - - '& $% Proprietes attendues dusysteme '& $% Description Informelle dusysteme Specication Verication non/oui correction $% Description Formelle dusysteme 6 Formelle dusysteme SystemedeTransitions (Graphe,Automate:::) Analyse Exhaustive Approches Proprietes Verication Description FormulesLogiques Contr^oledeModeles ComportementaleSystemesdeTransitionsEquivalencedeGraphes Assertionnelle 5 principedel'ouverture: initiation:l'usagerdemandel'ouverturedelacommunication(side(sup)?appel),ilpeutrecevoirunaccord(side(sup)!ok),ouunrefus(side(sup)! Exempledel'ouverture/fermeturedeconnexion aechoue. reponse:l'usagerpeutrecevoirunedemandedecommunication(side(sup)!dring),ilpeutl'accepter(side(sup)?accept)oularefuser(side(sup)? reject).apresavoiraccepte,ilconsiderelaconnexionouverte. nok).encasd'accord,laconnexionestouverte,encasderefuslatentative connexionpeutl'interrompre(side(sup)?ni).danscecas,l'autreusager, principedelafermeture:unusagerconnecte,ouayantinitieune bip) s'ilestconnecte,doitrecevoiruneindicationdedeconnexion:(side(sup)! - side(sup)?appel side(sup)!dring? side(sup)!bip +side(sup)?reject?side(sup)!nok +side(sup)?ni 6side(sup)!bip + +side(sup)?ni side(sup)?accept-side(sup)!ok assureleserviceattendu? 6 PB:Comments'assurerquel'implementationduprotocoleeectuee

4 "Informatiques" Sequentiels Communicants 6=TypesdeSpecications Qualitatives "LogiquesduSysteme" Quanticatives "PhysiqueduSysteme" 6=ClassesdeSystemes SpecicationQualitativeducomportementde ModlesCommunicantsou//7 tempsdereponse,debit "LogiquesduSysteme" ProprietesQualitatives! carte! code 7!OrdonnancementTemporeld'Evenements S^urete:Riende"mauvais"nepeutarriver Vivacite:Quelquechosede"bon"doitarriver Classication:Safety/Liveness 8 TempsLogique(Discret) Vivacite6=RdP Systeme ProblemeGeneral Specification VericationdeComportement VALIDATION {OUI,NON} qu'ilfautatteindreouquel'ondoiteviter -ExclusionMutuelle,AbsencedeFamine 7!Congurationsparticulieresd'unsysteme? carte? billets

5 CCS,Lotos 7!ModeleOperationnel (LTS)SystemedeTransitionsEtiquettes T.D.F &Alternatives 9 Pbd'explosionCombinatoire7!Solution Phi! Liberation 10 Modele SpecicationsAssertionnelles/Comportementales Operationnel Specification Systeme Specification VALIDATION VericationExhaustive {OUI,NON} VALIDATION ValidationComparer2Objets Modele Operationnel Associe Phi! Req Phi? Ack -AbsencedeFamine:i(attente))Inevi(mange) -ExclusionMutuelle::(Init)Pot(i(mange)^j(mange))) AssertionsModales,Temporelles,epistemologiques::: SpecicationsComportementalesGraphes Phi? Ack Phi? Ack RdP,Estelle,LDS GraphesdeMarquages Phi! lib Phi! lib

6 Modele Simple/DoubleModele IApprocheAssertionnelle:CTL Plan III"Comparaison":Hennessy-Milner IVConclusion 11 IIApprocheComportementale:Bissimulation 1.ComplementssurlesAutomates&Langages 2.EquivalenceLangage II.VericationComportementale (Critered'Abstraction 4.EquivalenceLangage(faible) 5.EquivalenceObservationnelle(faible) 3.EquivalenceObservationnelle(forte) 6."Projections" 12 Specifications Assertionnelles Controle de Modele Operationnel (LTS) Equivalence de LTS Specifications Comportementales

7 Automates:Equivalencelangage II.1 {Motdeestunesuiteordonneedelettresde ex:=fa;bg7!a,b,a.b,b.a,a.a,:::sontdesmotsde {?l'ensembledetouslesmotsconstruitsapartirde {Alphabet:Ensemblenidesymbolesappeleslettres 12?:elementneutrepour.(concatenation) nb:?estinni(desque6=;)?etoiledekleene Automate (AccepteurdeLangages) A=<S;I;F;!;>ou II.1.1 Sestunensemble(ni)d'etats, FS:etatsFinals!SS estunalphabet IS:etatsinitiaux 13 + a 3 b c2? 1 S=f1;2;3g,I=f1g&F=f2g!=f(1;a;2);(1;b;3);(3;c;2)g =fa;b;cg Exemple: i.e.<(s1;e1;s2);(s2;e2;s3);:::;(;;sn);(sn;en;sn+1)> {CheminsdansA:Suited'elementscontigusde! CheminsdeA=f<(1;a;2)>;<(1;b;3)>;<(3;c;2)> <(1;b;3);(3;c;2)>g 14 Exemple(suite)

8 + a 3 b c2? 1 lettresapparaissantdanslestransitionsduchemin Tr(c1)=a;Tr(c2)=b;Tr(c3)=Tr(c4)=bc {Traced'unCheminMotobtenuenconcatenanttoutesles ChemindeAdontl'origine2Ietl'extremite2F c1;c4:cheminsreconnuspara {CheminreconnuparA {LangagereconnuparA ExempleL(A)=fa;bcg 15 L(A)=fw2?:9CunchemindansAjtr(C)=wg EquivalenceLangage L:EquivalenceLangage II.1.2 deniepara1la2ssil(a1)=l(a2) GraphedesEtatsAccessiblesetAutomates 1)Onoubliel'informationassocieeauxsommets relationd'equivalencesurlesautomates 2)EtatsInitiaux:I=fetatinitialg, (marquagessirdp) Parlasuiteonconsidereuniquementdesautomatesdelaformesuivante: A=<S;fs0g;S;!;> 7!SystemesdeTransitions<S;fs0g;!;> 3)EtatsFinals:F=S ExpressiondesProprietesparunlangage Unsystemesatisfaitlesproprietessileslangagesrespectifs(celuiassocieausystemeetceluiexprimantlesproprietes)sontegaux II

9 Exemple Piece Cafe The Remb A The Piece 5 Piece Cafe Remb A2 2 Onnepeutobteniruneboissonquesil'onamisunepiece...etc Lpermetdespecierdessequencesd'action: 17 (peut)masquerdesdierencesimportantesdefonctionnement. A1:laisselechoixal'utilisateurdeprendreuneboissonparticuliereou EquivalenceLangage7!Sequencementsd'action d'opterpourleremboursement Piece Cafe The Remb A10 A2:prendsunedecision"alaplace"del'utilisateur The Piece Cafe Remb 1 A20 18

10 bloquantlnonbloquant 0 1 Piece The+Cafe +Remb B1 0 B2 Piece Piece The+Cafe +Remb 1 Onpeutperdredel'argentavecB2,jamaisavecB1 D ORB1LB

11 EquivalenceObservationnelle(Forte) Sequenced'actions >Experimentation Intuition II.2 mentationsurs1menantdansunetats1peut^etrereproduiteapartir des2etmenerdansunetats2equivalentas1 ETRECIPRO- QUEMENT 2SystemessontObservationnellementequivalentsssitouteexperi- Denition II.2.1 =\nonou 0=SS (sa!q=def(s;a;q)2!) sa!s0)9q0:qa!q0avecs0n 1q0(i) snqssiqa!q0)9s0:sa!s0avecq0n 1s0(ii) nb:estdeniecar(i)# (i.ei<j)ji) et ExtensiondeauxSystemesdeTransitions S1etS2sontObservationnellementequivalentssileursetatsinitiauxrespectifslesont 21 S1S2ssis01s02 II.2.2 Exemple a a a b b c b b c 5 ssi(i)et(ii) (i)0a!1&1a!2avec102(ok) 0b!3&1b!3avec303(ok) (ii)1a!2&0a!1avec201(ok) 011? 1b!4&0b!3avec403(ok) (i)et(ii))011 1b!3&0b!3avec303(ok) ssi(i)et(ii) 0a!1OR36a!donc(i)estfauxet ? 22

12 Exemple(suite) a a a bb 0 b b c c (0,1)0,10,1 (0,3)?- 012 Classesd'Equivalence (0,2)0,20,2 0=f0;1;2;3;4;5g 1=ff0;1;2g;f3;4g;f5gg (1,4)?- 2=ff0;1;2g;f3;4g;f5gg 2=1)=1 (pointxeatteint) (0,5)?- (0,4)?- (1,3)?- (1,2)1,21,2 (oun=card(s)) tandisqu'ilyaauplusnclassesd'equivalence nb:1=2(n2 n)couples 5 (2,3)?- (2,4)?- (2,5)?- (3,4)3,43,4 (1,5)?- (4,5)?- (3,5)?- 23 Calculrapidede1 Comme0=SS,1peut^etresimpliee II.2.3 ou:s7!p()deniepar(s)=fl2:sl!g 1)Onconstruit 1:P()7!P(S) 2)S1= 1(P())nf;g Propriete:s1qssi(s)=(q) ous1estl'ensemblequotientdespar1 :S7!P() Exemple(suite) 27!fa;bg 1:P()7!P(S) 37!fcg 47!fcg 07!fa;bg fa;b;cg7!; fa;bg7!f0;1;2g fa;cg7!; fb;cg7!; fag fbg fcg 7!f3;4g 17!fa;bg 7!f5g )S1=ff0;1;2g;f3;4g;f5gg 57!; ; 24 Propriete:s1;s22 1(;))s1s2

13 Exercice:DistributeursdeBoisson(suite) II Piece Cafe The Remb A20' 1' 2' The Piece Cafe Remb A10 1 (i.e000)? A1LA2a-t-onA1A2? 7!P() 0 7!fpieceg 1 7!fthe,cafe,rembg 2;3;47!; 00 7!fpieceg 10 7!fthe,cafeg 20 7!frembg 30;40;507!; :S fpiece,the,cafe,rembg7!; fthe,cafe,rembg 7!f1g "fpiece,x,yg" Calculde 1 7!f1'g "fx,yg"7!; fpieceg7!f0,0'g frembg7!f2'g "fxg"7!; fthe,cafeg 7!f2,3,4,3',4',5'g 1=ff0;00g;f1g;f10g;f20g;f2;3;4;30;40;50gg 25; 4' 3' 5' avec1=ff0;00g;f1g;f10g;f20g;f2;3;4;30;40;50gg Calculde2 sa!s0)9q0:qa!q0avecs0n 1q0(i) snqssiqa!q0)9s0:sa!s0avecq0n 1s0(ii) Rappel: nb:calculde2"="020' ssi(i)et(ii) (i)0piece!1&00piece!10mais16110!20mais16120 (i)estfauxdonc ? 2=ff0g;f00g;f1g;f10g;f20g;f2;3;4;30;40;50gg OnpeutdoncenconclurequeA16A2 =ff0g;f00g;f1g;f10g;f20g;f2;3;4;30;40;50gg 26 Commef2,3,4,3',4',5'g= 1(;)onendeduitque

14 Jusqu'apresentlescomparaisons(equivalenceslangageouobservationnelle)operaientsurl'alphabetcomplet Critered'Abstraction ServiceLocal!Req?Ack!Lib MachinesaCafe 0 1 Piece The+Cafe +Remb Work desevenementsinobservables... Abstractiondes"detailsinternes", 7!Version"faible"desequivalencesLangageLObs ObservationnelleObs 27 Filtred'Observation:Obs EquivalenceLangage(faible) Rappel:A1LA2ssiL(A1)=L(A2) II.3 PB:Trouveruneequivalence"langage"faisant abstractiondesevenementsinobservables AbstractiondenieparObs >Gommertoutesleslettres62Obs (2nObs) fobs:?7!?obsdeniepar fobs(1)=1obs 7!Gomme:fObs fobs(w)sinon morphisme:f(x:y)=f(x):f(y) fobs(a:w)=8><>:a:fobs(w)sia2obs Denition:A1LobsA2ssifObs(L(A1))=fObs(L(A2)) 28 Propriete:Si12alors21 Idle Wait

15 Obs=fpiece;the;cafe;rembg Exemple I1 piece remb piece cafe the I3 I4 6 I5 I1:piece;piece:cafe;piece:the; I1:piece:Remb;piece:cafe:I3;piece:the:I4; I1:piece:Remb:I1;I1:piece:Remb:piece; piece:cafe:i3:i5;piece:the:i4:i5; L(A1)=f1;I1;piece; fobs(l(a1))=f1;piece; :::g piece:the:piece;piece:cafe:piece;piece:remb:piece; :::g 29 piece:the;piece:cafe;piece:remb; 0 1 Piece The+Cafe +Remb B1 L(B1)=f1;piece; piece:the:piece;piece:cafe:piece;piece:remb:piece; :::g piece:the;piece:cafe;piece:remb; (carl(b1)\?obs=;) fobs(l(b1))=l(b1) CommefObs(L(B1))=fObs(L(A1))onaA1LObsB1 30 L(B1)6=L(A1))B16A1

16 Equivalenceobservationnellefaible Rappel:A1A2ssiA10A20 II.4 experimentationdes1menantdansunetats1'peut^etrereproduitea partirdes2etmenerdansunetats2'equivalentas1' ETRE- CIPROQUEMENT 2etatss1ets2sontObservationnellementequivalentsssitoute AbstractiondenieparObs Equivalenceforte:Experimentation::a!(8a2) a)oua2obs[fg II.4.1 Experimentationabstraite Idee:Denirdesexperimentationsabstraites ()S(Obs[fg)S) )estlapluspetiterelationveriant: 1.8s2S:s)s(-reexivite) Denitiondea)!snavec8i2[1;n 1]:ei2nObsAlors s1)sn 2.Sis1e1!s2e2!s3:::en 1 a2obssia!qialorssa)q 31 3.Sis)siqi)q 0 Exemple 1 3 2piece cafe the Regle1:0)0;1)1;etc Regle2:!+3)1;4)1 Regle3:o!(o2Obs) Calculde)pourObs=fpiece;the;cafeg )2;3piece )2;4piece )2; +2the )0;2the )1+2cafe )0;2cafe )1 DenitionEquivalentede) +0piece avec!=ui2nobsi! )=Fermeturereexiveettransitivede! oujdesignelacompositiondesrelations Prop:8o2obso!o)&8i2nobsi!) 32 8o2obs:o)=)Jo!J)

17 EquivalenceObservationnellefaible II.4.2 (SS) (pourobs) Obs=\no(Obs;n)ou (Obs;0)=SSsa)s0)9q0:qa)q0Avecs0(Obs;n 1)q0(i) Denition:Obs s(obs;n)qssiqa)q0)9s0:sa)s0avecq0(obs;n 1)s0(ii) ExtensiondeObsauxSystemesdeTransitions (!)Quanticationimplicitesura(8a2Obs[fg) defequivalente:st1obsst2ssiobs(st1)obs(st2) ST1obsST2ssis01Obss02 oupoursti=<si;si0;!i;i> 33 Obs(STi)=<Si;si0;)i;Obs[fg> Exercice II.4.3 Piece 0' the+cafe 1' cafe the 0" 1" cafe the Obs=fpiece;the;cafeg 1 0 Plusieurspossibilites: MontrerqueAObsA0&A6ObsA" 2)ConsidererST=AA0A"et(a)ou(b) 1)MontrerqueAObsA0puisA6ObsA" Verierque0Obs00alorsque06Obs0" a)calculerobssurstet Verierque000alorsque060" onchoisit2-b 34 b)calculersurobs(st)et 2' piece 3' 2" piece 3"

18 Calculsde):(fermeture,saturation) 1 Piece the+cafe 0 1 Piece the+cafe 0' 0 cafe the 0' 1' cafe the 0" 1' 2" 1" cafe the 0" 3" 2" 1" cafe the 3" 35 Obs=fpiece;the;cafeg S=f0;1;00;10;20;30;0";1";2";3"g =Obs[fg Calculde 1 7!P(S) fpiece;cafe;the;g7!; fcafe;the;g 7!f1,1',1"g "fx;y;zg" fpiece;g 7!f0,0',2',3',0"g 1:P() 7!f3"g fthe;g 7!f2"g fg 7!; fcafe;g ; 7!; )1=ff0;00;20;30;0"g;f1;10;1"g;f2"g;f3"gg "fxg" Comme)estreexive, 1(;)=; n'estpasdiscriminant 8E2P():62E) 1(E)=; Remarques Inutilisabledanscecontexte...parcontreona: PropEqObsFaible:s1;s22 1(fg))s1s2 PropEqObsForte:s1;s22 1(;))s1s2 36 2' piece 3' 2' piece 3' piece piece

19 Calculde2 1=ff0;00;20;30;0"g;f1;10;1"g;f2"g;f3"gg 2=ff2"g;f3"g;f?g;f?g;:::?g Quiddef0,0',2',3',0"g? 0200? (i)0piece )1&00piece )10avec1110 (ok) 0)0&00)00avec0100 (ok) (ii)00piece )10&0piece )1avec1011 (ok) 00)00&0)0avec0010 (ok) donc ? (i)00piece )10&20piece )10avec10110 (ok) 00)00&20)00avec0010 (ok) (ii)20piece )10&00piece )10avec10110 (ok) 20)20&00)00avec20100 (ok) 20)00&00)00avec00100 (ok) donc II.4.4 ProprietesEqObservationnelleFaible P1(Reductiondes-cha^nes):Sisi!qaveci62Obsetsj!q0)(j62 Obsetq0=q)Alorssq Application:00230 P2(Reductiondes-cycles):Sis)qetq)salorssq retoursurf0,0',2',3',0"g resteo20"? (i)0)0&00)0"avec010" (ok) 0piece )1&0"piece )1"avec111" (ok) (ii)0")0"&0)0avec0"10 (ok) 0"piece )1"&0piece )1avec1"11 (ok) 0"piece )3"&0piece )0Mais3"610 (PB) (idemenprenant0"piece )2") donc0620" OnpeutendeduirequeA6A" Bilanprovisoire: 1=ff2"g;f3"g;f0;00;20;30;0"g;f1;10;1"gg 2=ff2"g;f3"g;f0;00;20;30g;f0"g;f1;::g;?g Resteavoirf1,1',1"g 38

20 1110? (i)1cafe )0&10cafe 1the )0&10the )00avec0100 Quiddef1,1',1"g? ::: (ii)10cafe )30&1cafe )0avec3010 )00&1cafe )20&1the )0avec2010 1)1&10)10avec1110 )00&1the )0avec )10&1)1avec the 1"11?(avecunpeud'intuition) donc1210 donc1"6210 ((!)(ii)estok) 7!2=ff0;00;20;30g;f0"g;f1;10g;f1"g;f2"g;f3"gg (i)1")3"or1)s)s=1et3"611 3=2donc=ff0;00;20;30g;f0"g;f1;10g;f1"g;f2"g;f3"gg etnalementaa0 39 Averier(alamaison) (ok) (ok) Obs=fpiece;the;cafeg Dequoia-t-onfaitabstraction? 1 Piece the+cafe 0' 1' cafe the 0" 3" 2" 1" piece cafe the A:=ff0g;f1gg 0 A":=ff0"g;f1"g;f2"g;f3"gg EqLangage7!3Machinesequivalentes A0:=ff00;20;30g;f10gg 0 EqObservationnelle >"abstraction+raisonnee" 2 piece cafe the 3 =ff0g,f1,2,3gg )Divergence Possible ' piece 3'

21 ModeleAbstrait(Projection) Principe:Construirele"pluspetit"systemeequivalent(pourune equivalencedonnee)aunsystemedonne. II.5 UnsystemedetransitionsST=<S;s0;!;> ObsetObs,EqObservationnellesurSS Casdel'equivalenceObservationnelle (projection) II.5.1 ModeleAbstrait=SystemedetransitionsQuotient ou!estlapluspetiterelationveriant: 1.Pouro2Obs:so!q)so!q ST=<S;s0;!;Obs[fg>!q 2.Pouri62Obs:si!qETs6q)si 41 Exemples 3SystemesEquivalents II Piece the+cafe S=ff0g,f1gg 0 3' 2' piece cafe the 0' 0 S=ff0',2',3'g,f1'gg 2 piece cafe the 3 S=ff0g,f1,2,3gg 1 42 ModeleAbstraitUnique 1 Piece the+cafe 0

22 0 AutreExemple 1 piece cafe the ModeleAbstraitAssocie S=ff0g,f1,2g,f3gg 3= 0= 1= Piece 3 cafe 2 the+cafe Description Formelle dusysteme Utilisation d'observation Critere CalculEq.Obs(langage) + CalculduQuotient ModeleAbstrait Projection 43 TP7!ProjectionLangageetObservationnelle Exercice PourObs=fpiece;the;cafe;rembg CalculerObs.Endeduirelemodeleabstraitassocie. II.5.3 remb I1 piece piece cafe the I3 I4 6 I5 44 Commencezparreduireles-cha^nes!

23 45 LogiquesModales III.1.1 Historique Aristote LogiquesTemporelles(1980) -Manna-Pnuelli(W.I) -Clark-Emerson(C.M.U) ClarenceLewis(1910)FormeActuelle LogiquesEpistemologiques -Sifakis(Imag) -Hailpern(1985) LogiquesDeontiques,etc,etc -Hintikka(1970) Syntaxe7!Denitiondulangage Axiomatique7!Mecanismedeductif Logique=Syntaxe+Axiomatique+Semantique Semantique7!Validitedesformules (Modele,RelationdeSatisfaisabilitej=) (Axiomes+Reglesd'Inference,`) 46

24 CalculPropositionnel P,Unensembledevariablespropositionnelles P=fp1;p2:::png III.1.2 Cp(P)CalculpropositionnelconstruitsurP III Syntaxe cunensembledeconnecteurs,c=f:;^;_;!;$g {Sif2Cp(P)Alors:f2Cp(P) {p2cp(p)8p2p ou#2f^;_;!;$g III Axiomatique {Sif;g2Cp(P)Alorsf#g2Cp(P) (i)a!(b!a) (ii)((a!(b!c))!((a!b)!(a!c))) (3i)((:B!:A)!((:B!A)!B)) Axiomes: Regled'inference(Modusponens) `A `B 7!Demontration,theoremes47 `A!B; Semantique Modele(pourleCalculPropositionnel)P, III parinductionsurlestructuredesformules j=,relationdesatisfaction,denie Mj=pssip2M(8p2P) Mj=:fssiNon(Mj=f) Mj=f_gssi(Mj=fouMj=f) Pourp2P;fetg2Cp(P) Mj=f!gssi(Mj=:fouMj=g) Mj=f$gssi(Mj=fssiMj=g) Mj=f^gssi(Mj=fetMj=g) 48 FormuleAestvalide(noteej=A)ssiMj=A8M

25 AxiomatiqueetSemantique III AdequationetCompletude Completudej=A)`A Uneformuledemontrableestvalide, Adequation`A)j=A uneformulevalideestdemontrable Parlasuite,l'aspectaxiomatiqueneseraplusconsidere. 49 Toutesleslogiquesconsidereessontcompletesetadequates LogiquesModales(Propositionnelles) P=fp1;p2:::png AjoutdedeuxModalites(connecteurs):[];<> III.1.3 LM(P)CalculpropositionnelconstruitsurP III Syntaxe cunensembledeconnecteurs,c=f:;[];<>;^;_;!;$g {Sif2LM(P)Alors:f;[]f;<>f2LM(P) {p2lm(p)8p2p ou#2f^;_;!;$g III {Sif;g2LM(P)Alorsf#g2LM(P) Semantiquedes"MondesPossibles"(S.Kripke1960) M=<W;R;> ouwestunensembledemondes PB:DenirunModele estunevaluation:w7!p(p) Restunerelationentrecesmondes(RWW) 50

26 W=fw1;w2;w3;w4g M=<W;R;> (wi;wj)2rwirwj R(wi)=fwj2M:(wi;wj)2Rg 51 Notations III Denitiondej=(relationdesatisfaisabilite) M;wj=AsigniequelaformuleAestsatisfaite Semantique(suite) (Mj=A:AestvraiedanstoutmondedeM) danslemondewdumodelem. Pourp2P&f;g2LM(P) M;wj=:fssiNon(M;wj=f) M;wj=f_gssiM;wj=fouM;wj=f M;wj=f^gssiM;wj=fetM;wj=g M;wj=pssip2(w)(8p2P) M;wj=[]fssi8w02M:wRw0)M;w0j=f M;wj=<>fssi9w02M:wRw0etM;w0j=f etc,etc []Necessaire&<>Possible52 III StructuredeKripke {p,q} W1 W2 {q} :w17!fp;qg w37!fr;qg w27!fqg w47!frg R=f(w1;w2);(w1;w3);(w2;w2);(w3;w4)g {q,r} W3 {r} W4

27 III Exemple {p,q} M;w1j=<>r M;w1j=[]q M;w1j=:[]r M;w1j=<>:r 53 M;w2j=[]q^<>q^q M;w1j=<><>r M;w4j=[]q^[]:q^:<>q^:<>:q LogiquesTemporelles "Interpreter"R7!relationd'anterioritetemporelle Rantisymetrique(w1Rw2etw2Rw1)w1=w2) III Relationd'Ordre(alareexivitepres) Rtransitive OrdrePartiel7!Plusieursfuturspossibles OrdreTotal7!Unseulfuturpossible Logiquetemporelledutempsarborescent(branchingtimelogic) Logiquetemporelledutempslineaire(lineartimelogic) (8w;w02M:wRw0ouw0Rw) 54 W1 W2 {q} {q,r} W3 {r} W4

28 LogiqueTemporelleLineaire DuxLogiquetemporellelineaireatempsdiscret (Gabbay-Pnuelli(1980)) III.2 DentiondeDux Syntaxe III.2.1 Connecteursclassiques+[];<>;;t tbinaire III Syntaxe [];<>;ConnecteursUnaires {Sif2LTLp(P)Alors:f;f;[]f;<>f2LTLp(P) {Sif;g2LTLp(P)Alorsf#g2LTLp(P) ou#2f^;_;!;$;tg {p2ltlp(p)8p2p 55 III Modele=<(wo;w1;:::wn:::);> Semantique etunevaluation(inchange) ou(wo;w1;:::wn:::)estunesuiteinniedemondes Denitiondej= Pourp2P&f;g2Ltl(P) M;wj=pssip2(w) III M;wj=f_gssiM;wj=fouM;wj=f M;wj=f^gssiM;wj=fetM;wj=g ::: M;wj=:fssiNon(M;wj=f) 56

29 M;wkj=fssiM;wk+1j=f fdoit^etrevraiedansl'etatsuivant next-timeoperator M;wkj=<>fssi9jk:M;wjj=f fdoit^etrevraiedanslefutur <>operateurdepossibilite M;wkj=[]fssi8jk:M;wjj=f frestetoujoursvraiedanslefutur []operateurdenecessite M;wkj=ftgssi9jk:M;wjj=g et8i2[k;j[m;wij=f gdeviendravraieetfresteravraiejusqu'a tuntiloperator cequegledevienne 57 Futurlarge:lepresentestcomprisdanslefutur() M=w0 w1 w2 w3 w4!!!!::: Exemple q q :q :q :p :p :p p :p M;w0j=q q M;w0j=q M;w0j=<>q M;w0j=q M;w0j=<>[]:q M;w0j=<>:q M;w0j=qtp M;w0j=:[](qtp)^:[]:(qtp) 58 M;w0j=<>(qtp)^<>:(qtp)

30 "Extensions"deDux III.2.2 M;wkj=AtWBssi(1)ou(2) (1)8ik:M;wij=A (2)9jk:M;wjj=Bet8i2[k;j[M;wij=A Untilfaible: M;wkj=APrecBssi8jk (M;wjj=B))(9i2[k;j]:M;wij=A) Precedence:APrecB:AprecedeB LaprochainefoisqueAPfqB Innimentsouvent 59 Apossedeuneinnited'occurences P1ExclusionMutuelle ProprietesAttendues ToutProcessusenattentedeviendraactif P3Tempsd'utilisationdelaressourceborne: P2AbsencedeFamine: ToutProcessusactifdeviendraoisif P5Lesressourcessontaccordeesdansl'ordreouellesontetedemandees 60 P4Laressourcen'estaccordeequ'auxprocessusl'ayantdemandee Oisif EnonceInformel! Req? Ack Attente ExempledeSpecication III.2.3 Ensembledeprocessusregisparlecomportementdelagureci-dessous: Travail! Lib

31 Notations,Hypotheses Exemple(suite) oisif),ti(processusitravaille) Onsupposequel'onadeuxprocessus1&2 OnnoteAilefaitqueleprocessusiestenattente,Oi(Processusi FormalisationdesProprietesAttendues P1ExclusionMutuelle III P2AbsencedeFamine: M;w0j=[]::: M;w0j=[]::: M;w0j=[]::: P4Laressourcen'estaccordeequ'auxprocessusl'ayantdemandee P3Tempsd'utilisationdelaressourceborne: M;w0j=[]::: M;w0j=[]::: 61 P5Lesressourcessontaccordeesdansl'ordreouellesontetedemandees S1:EXCLUSIONMUTUELLENONEQUITABLE S1:...deuxclients,uncontr^oleurgerantuneressource 1HHHHHHj - 1!release 2!release '$ 3 &% '$ HHHHHHj 2 - HHHHHHj HHHHHHj HHHHHHj 1!req 2!req 1?ack 2!req 1!req 2?ack 2!req 1?ack 2?ack 1!req 1!release 2!release &% (5)=fA1;A2g (7)=fT1;A2g (2)=fA1;O2g (4)=fT1;O2g (6)=fO1;T2g (3)=fO1;A2g (1)=fO1;O2g 62 (8)=fA1;T2g

32 VericationdesProprietes III M1=1O1 O2 2A1 O2 4T1 O2 1O1 O2 2A1 O2 4T1 O2 ::: M1=<(1;2;4;1;2;4;:::);> M2=1O1 O2 2A1 O2 5A1 A2 7T1 A2 3O1 A2 5A1 A2 7T1 A2 ::: M2=<(1;2;5;7;3;5;7;3;5;7;:::);> M3=1O1 O2 3O1 A2 5A1 A2 7T1 A2 3O1 A2 5A1 A2 7T1 M3=<(1;3;5;7;3;5;7;3:::);> ::: 63 A2 S1:...deuxclients,uncontr^oleurgerantuneressource S1:EXCLUSIONMUTUELLEEQUITABLE '$ '$?? HHHHHHj HHHHHHj - 1!release 2!release HHHHHHj HHHHHHj 1!req 2!req 1?ack 2!req 1!req 2?ack 2!req 1?ack 2?ack 1!req 3 8 &% 9 &% 2-1!release 2!release (3)=fO1;A2g (7)=fT1;A2g (9)=fA1;T2g (2)=fA1;O2g (4)=fT1;O2g (8)=fT1;A2g (1)=fO1;O2g <(1;2;5;8;3;:::);> <(1;2;4;8;3;:::);> <(1;2;4;:::);> 64 (5)=fA1;A2g (6)=fA1;A2g

33 LogiqueTemporelleArborescente:CTL ComputationTreeLogicClarke-Emerson1980 ConditionalTreeLogicSifakis1982 III.3 -DenitiondeCTL -Exemple(Exclusionmutuelle) -ModelChecking:Caracterisationparpointxe -Modelesd'Execution 65 7!Chemin,CheminMaximal(TerminalouInni) Apartirdel'etat1 \Temps"relationd'accessibilite Innis:(1;4)!;((1;4)n;1;(2;3)!) Maximaux:InnisSTerminaux Terminaux:(1;4;5);((1;4)n;5) 66 Modeled'Execution III.3.1 Restunerelationentrecesmondes 2 (RWW) StructuredeKripke(cflogiquesModales) estunevaluation:w7!p(p) M=<W;R;>ouWestunensembledemondes 3 {q} {p,q,r} {p,q} {} {r}

34 DenitiondeC.T.L Syntaxe III.3.2 +Connecteursclassiques(LogiquePropositionnelle) +Pot;Inev2connecteursbinaires CTL=EnsembledevariablepropositionnellesP {p2ctl(p)8p2p Pourp2P;f&g2CTL(P)ona {Sif;g2CTL(P)Alors {Sif2CTL(P)Alors:f2CTL(P) Potfg;Inevfg2CTL(P) f#g2ctl(p)ou#2f^;_;!;$g Semantique ModeleStructuredeKripke(cflogiquesModales) III Cheminsstandards7!Potentiel&Maximaux7!Inevitable 67 M=<W;R;> Pourp2P&f;g2CTL(P) Denitiondej=(relationdesatisfaisabilite) M;!0j=:fssiNon(M;!0j=f) M;!0j=f_gssiM;!0j=fouM;!0j=f M;!0j=f^gssiM;!0j=fetM;!0j=g M;!0j=pssip2(!0)(8p2P) M;!0j=Potfgssi9unchemind'origine!0(!0;!1;:::!n); 9k0:M;!kj=get8j2[0;k[:M;!jj=f etc,etc (!0;!1;:::!n;:::); 9k0:M;!kj=get8j2[0;k[:M;!jj=f M;!0j=Inevfgssi8cheminmaximald'origine!0 PotAPotTrueA InevAInevTrueA AllA :Pot:A 68SomeA:Inev:A Abbreviations

35 69 P1ExclusionMutuelle M;w0j=ALL Onsupposequel'onadeuxprocessus1&2 M;w0j=ALL P3Tempsd'utilisationdelaressourceborne: P2AbsencedeFamine: M;w0j=ALL l'ayantdemandee M;w0j=ALL P4Laressourcen'estaccordeequ'auxprocessus ellesontetedemandees M;w0j=ALL 70 P5Lesressourcessontaccordeesdansl'ordreou Pot Inev Oisif! Req? Ack Attente ExempledeSpecication III.3.3 Travail! Lib Some All

36 VericationdesProprietes III CaracterisationparPointsFixes Principe: dectlsatheorie(dansunestructuredekripkedonnee) TH:CTL7!P(S) TH(f)=fs2S:M;sj=fg Considereruneapplicationquiassocieatouteformule TH(p)=fs2S:p2(s)g TH(:F)=SnTH(F) TH(F^G)=TH(F)TTH(G) Pourl'aspectpropositionnelpasdePB TH(F_G)=TH(F)STH(G) TH(PotFG)=f(TH(F);TH(G))? PBaveclesmodalites! ModalitesPointsxesdefonctionsmonotones 71 TH(InevFG)=f0(TH(F);TH(G))? CalculdeTH(PotFG) OperateurPre Pre:P(S)7!P(S) III (Xn)suitecroissantedansP(S)7!suiteconverge X1=f7g[(Pre(f7g)\f1;2;3g) X2=f3;7g[(Pre(f3;7g)\f1;2;3g) X3=f2;3;7g[(Pre(f2;3;7g)\f1;2;3g) TH(g)=f7g 72 X3=X2)TH(Potfg)=f2;3;7g TH(f)=f1;2;3g f f TH(PotFG)=Sn0Xn oux0=th(g) etxk=xk 1S(Pre(Xk 1)TTH(F)) Pre(U)=ft2S:t!sets2Ug f g

37 III CalculdeTH(InevFG) TH(f)=f3;4;5g Y1= [ Pre(f2;6g) Y2=f2;5;6g[( Pre(f2;5;6g)\f3;4;5g) Y3=f2;4;5;6g[( Pre(f2;4;5;6g)\f3;4;5g) Y4=f2;3;4;5;6g[( TH(g)=f2;6g Y4=Y3)TH(Inevfg)=f2;3;4;5;6g Pre(f2;3;4;5;6g)\f3;4;5g) 73 P1ExclusionMutuelle M;w0j=ALL Onsupposequel'onadeuxprocessus1&2 M;w0j=ALL P3Tempsd'utilisationdelaressourceborne: P2AbsencedeFamine: M;w0j=ALL l'ayantdemandee M;w0j=ALL P4Laressourcen'estaccordeequ'auxprocessus ellesontetedemandees M;w0j= 74 P5Lesressourcessontaccordeesdansl'ordreou Oisif! Req? Ack Attente ExempledeVerication III.3.5 Travail! Lib g f f Pre Pre:P(S)7!P(S) Pre(U)=ft2S:t!set(t!s)s2U)g TH(InevFG)=Sn0Yn ouy0=th(g) Operateur Pre(Yk 1)TTH(F)) (Yn)suitecroissantedansP(S)7!suiteconverge etyk=yk 1S( g f 5

38 S1:...deuxclients,uncontr^oleurgerantuneressource S1:EXCLUSIONMUTUELLENONEQUITABLE HHHHHHj HHHHHHj HHHHHHj - 1!release 2!release 1!req 2!req &% '$ 3 &% '$ 2 - HHHHHHj HHHHHHj 1?ack 2!req 1!req 2?ack 2!req 1?ack 2?ack 1!req 1!release 2!release (3)=fO1;A2g (5)=fA1;A2g (7)=fT1;A2g (2)=fA1;O2g (4)=fT1;O2g (6)=fO1;T2g (1)=fO1;O2g 75 (8)=fA1;T2g S1:EXCLUSIONMUTUELLEEQUITABLE '$ '$?? HHHHHHj HHHHHHj - 1!release 2!release HHHHHHj HHHHHHj 1!req 2!req 1?ack 2!req 1!req 2?ack 2!req 1?ack 2?ack 1!req 2 8 &% 9 &% 2-1!release 2!release (2)=fA1;O2g (4)=fT1;O2g (3)=fO1;A2g (7)=fO1;T2g (5)=fA1;A2g (8)=fT1;A2g (6)=fA1;A2g (9)=fT2;A1g (1)=fO1;O2g y 76

39 CaracterisationModaledesEqComportement III.4.1 Logiqued'Hennessy-Milner True2HML A;B2HML)A^B;:A2HML A;2HML;o2O)<o>2HML HMLestlepluspetitensembletelque ;sj=t8s2s ;sj=a^bssi;sj=aet;sj=b ;sj=:assinon(;sj=:a) Semantiquej= Abbreviations ;sj=<i>assisi)s0et;s0j=a A_B:(:A^:B) False:True [i]a:<i>:a 77 <w>a<i1><i2>:::<in>apourw=i1:i2::::in Exemples ;pj=<a>true Unea-experimentationestpossibleapartirdep III Apartirdep,unea-experimentationestpossiblemenant dansunetatpourlequelalafoissontpossibles uneb-experimentationetunec-experimentation. ;pj=<a>(<b>true^<c>true) Aucunea-experimentationn'estpossiblepartantdep ([s]false:<s>:false:<s>true) pestbloquevis-a-visdesa-experimentations ;pj=[a]false Toutea-experimentationpartantdepmenedansunetatpour lequeluneb-experimentationestpossiblemenantdansunetatbloque ;pj=[a](<b>[c]false) vis-a-visdesc-experimentations78

40 F2<a>(<b>T^<c>T) F3[a](<b>T^<c>T) F1<a>[b]F _(<c>t^[b]f)) 79 F4<a>((<b>T^[c]F) S1?>>? S2>??> S3>>?? F1F2F3F4 L(1)=L(2)=L(3)=fa;ab;acg )1L2L3 EquivalenceLangage LTM(1)=LTM(2)=fa;ab;ac;ab;acg LTM(3)=fa;a;ab;ac;ab;acg )1LTM2eti6LTM3(i2f1;2g) EquivalencedesTracesMaximales 8i;j:i6=j)i6Obsj 80 EquivalenceObservationnelle(forte) A A A A A 0 o! Onprendo)= A 0 Exemple(suite) B C B A A A 0 A B 1 C 1 2 B C 1 2 B C C B C S1 S2 S S1 S2 S3

41 Theoremed'Hennessy-Milner TH:S7!HMLdeniepar TH(s)=ff2HML:sj=fg III.4.2 HMLcaracteriseModalementl'EqObservationnelle CaracterisationModale:sObsqssiTH(s)=TH(q) Mcaracterisemodalementlarelationdeco-simulation M=Defff2HML;fnecontenantpasde^g Ncaracterisemodalementl'equivalencelangage 81 N=Defff2M;fnecontenantpasde:g Bibliographie IV.1 LogiqueTemporelle:SemantiqueetValidationdeprogrammesparalleles Masson,Paris,1990 E.Audureau,P.EnjalbertL.FarinasdelCerro AndreArnold Masson-1992 Systemesdetransitionsnisetsemantiquedesprocessuscommunicants Programmesparalleles.Modelesetvalidation. ArmandColin,1992. A.Arnold,J.Beauquier,B.Berard,B.Rozoy anda.petit Ph.Schnoebelen,B.Berard,M.Bidoit,F.Laroussinie, Vuibert,1999. Vericationdelogiciels:Techniquesetoutilsdumodel-checking. 82

42 Outils SPINBellLabModelCheckerLTL E.M.CC.M.UModelCheckerCTL IV.2 XESARImagModelCheckerCTL MECLabriModelCheckerLogiquedeDicky KronosImagAutomatesTemporises 6=BissimTemporisees AldebaranImag6=Eq.Comp ConcurrencyWorkBench(USA-NC) ModelChecker,-calcul,CTL AutoInria/Sophia6=Eq.Comp PIPNLAAS/VerilogModelCheckerCTL +6=Eq.Comp 6=Eq.Comp RPTSLAASRdPTS6=Eq.Comp+Quantitatif ASA+VerilogModelCheckerCTL+6=Eq.Comp RT-LOTOS 83 IIntroductionalaVerication 5 II.1Automates:Equivalencelangage 13 Contents II.1.2EquivalenceLangage...16 II.1.3ExpressiondesProprietesparunlangage...16 II.2EquivalenceObservationnelle(Forte) 21 II.1.1Automate...13 II.2.2Exemple...22 II.2.3Calculrapidede II.2.1Denition...21 II.3EquivalenceLangage(faible) 28 II.4Equivalenceobservationnellefaible II.2.4Exercice:DistributeursdeBoisson(suite)...25 II.4.2EquivalenceObservationnellefaible...33 II.4.3Exercice...34 II.4.4ProprietesEqObservationnelleFaible...38 II.4.1Experimentationabstraite...31 II.5.1SystemedetransitionsQuotient...41 II.5.2Exemples...42 II.5ModeleAbstrait(Projection) III.1LogiquesModales II.5.3Exercice...44

43 III.1.2CalculPropositionnel...47 III.1.2.1Syntaxe...47 III.1.2.2Axiomatique...47 III.1.1Historique...46 III.1.2.4AxiomatiqueetSemantique...49 III.1.3LogiquesModales(Propositionnelles)...50 III.1.3.1Syntaxe...50 III.1.2.3Semantique...48 III.1.3.3StructuredeKripke...51 III.1.3.4Denitiondej=(relationdesatisfaisabilite)...52 III.1.3.5Exemple...53 III.1.3.2Semantique...50 III.2LogiqueTemporelleLineaire III.2.1DentiondeDux...55 III.2.1.1Syntaxe...55 III.1.3.6LogiquesTemporelles...54 III.2.1.3Denitiondej=...56 III.2.2"Extensions"deDux...59 III.2.3ExempledeSpecication...60 III.2.1.2Modele...56 III.2.3.2VericationdesProprietes...63 III.3LogiqueTemporelleArborescente:CTL 65 III.2.3.1FormalisationdesProprietesAttendues...61 III.3.2DenitiondeC.T.L III.3.1Modeled'Execution...66 III.3.3ExempledeSpecication...70 III.3.4VericationdesProprietes...71 III.3.4.1CaracterisationparPointsFixes...71 III.3.2.1Semantique...67 III.3.4.3CalculdeTH(InevFG)...73 III.3.5ExempledeVerication...74 III.4CaracterisationModaledesEqComportement III.3.4.2CalculdeTH(PotFG)...72 III.4.1.1Exemples...78 III.4.2Theoremed'Hennessy-Milner...81 III.4.1Logiqued'Hennessy-Milner IV.2Outils 83 IV.1Bibliographie 86

Vérification avec TINA

Vérification avec TINA Vérification avec TINA B. Berthomieu, F. Vernadat LAAS-CNRS Journée AFSEC Outils - Juin 2007 Insa Lyon 22 Juin 2007 Le contexte Vérification de Systèmes Réactifs, Protocoles, Logiciels Temps Réel Points

Plus en détail

Aperçu rapide des méthodes formelles

Aperçu rapide des méthodes formelles Méthodes formelles 1 Aperçu rapide des méthodes formelles Christian Attiogbé Faculté des sciences Université de Nantes Christian.Attiogbe@univ-nantes.fr Méthodes formelles 2 Développement de logiciels

Plus en détail

Cours Composant 2. Qualité logicielle et spécications algébriques

Cours Composant 2. Qualité logicielle et spécications algébriques UPMC Paris Universitas Master Informatique STL Cours Composant 2. Qualité logicielle et spécications algébriques c 2005-2008 Frédéric Peschanski UPMC Paris Universitas 24 février 2008 c 2005-2008 Frédéric

Plus en détail

Bases de Données Relationnelles. L algèbre relationnelle

Bases de Données Relationnelles. L algèbre relationnelle Bases de Données Relationnelles L algèbre relationnelle Langages de manipulation Langages formels : base théorique solide Langages utilisateurs : version plus ergonomique Langages procéduraux : définissent

Plus en détail

Les méthodes formelles dans le cycle de vie. Virginie Wiels ONERA/DTIM Virginie.Wiels@onera.fr

Les méthodes formelles dans le cycle de vie. Virginie Wiels ONERA/DTIM Virginie.Wiels@onera.fr Les méthodes formelles dans le cycle de vie Virginie Wiels ONERA/DTIM Virginie.Wiels@onera.fr Plan Introduction Différentes utilisations possibles Différentes techniques pour différentes propriétés à différents

Plus en détail

Sujet de thèse CIFRE RESULIS / LGI2P

Sujet de thèse CIFRE RESULIS / LGI2P Ecole des Mines d Alès Laboratoire de Génie Informatique et d Ingénierie de Production LGI2P Nîmes Sujet de thèse CIFRE RESULIS / LGI2P Titre Domaine De l ingénierie des besoins à l ingénierie des exigences

Plus en détail

Machines virtuelles Cours 1 : Introduction

Machines virtuelles Cours 1 : Introduction Machines virtuelles Cours 1 : Introduction Pierre Letouzey 1 pierre.letouzey@inria.fr PPS - Université Denis Diderot Paris 7 janvier 2012 1. Merci à Y. Régis-Gianas pour les transparents Qu est-ce qu une

Plus en détail

Sujet de thèse CIFRE RESULIS / LGI2P

Sujet de thèse CIFRE RESULIS / LGI2P Ecole des Mines d Alès Laboratoire de Génie Informatique et d Ingénierie de Production LGI2P Nîmes Sujet de thèse CIFRE RESULIS / LGI2P Titre Domaine De l ingénierie des besoins à l ingénierie des exigences

Plus en détail

Grammaires formelles, Automates

Grammaires formelles, Automates 1/39 Grammaires formelles, Automates Pierre Zweigenbaum LIMSI, CNRS pz@limsi.fr http://www.limsi.fr/~pz/ 2/39 1 Syntaxe : grammaire, analyse 2 Grammaires formelles Langage et grammaire Grammaires régulières

Plus en détail

Les management actions dans le cadre de l ORSA

Les management actions dans le cadre de l ORSA Les management actions dans le cadre de l ORSA Atelier Congrès Institut des Actuaires 20 juin 2014 Intervenants Emmanuel Berthelé, Optimind Winter, Responsable Practice Gildas Robert, Optimind Winter,

Plus en détail

Introduction au model-checking et application à la vérification des protocoles cryptographiques

Introduction au model-checking et application à la vérification des protocoles cryptographiques Introduction au model-checking et application à la vérification des protocoles cryptographiques Prof. John MULLINS École Polytechnique de Montréal Prof. John MULLINS (École Polytechnique) Introduction

Plus en détail

Architectures logicielles pour les systèmes embarqués temps réel

Architectures logicielles pour les systèmes embarqués temps réel ETR 07 4 septembre 2007 Architectures logicielles pour les systèmes embarqués temps réel Jean-Philippe Babau, Julien DeAntoni jean-philippe.babau@insa-lyon.fr 1/31 Plan Architectures logicielles pour les

Plus en détail

Chapitre II Introduction à la mécanique quantique

Chapitre II Introduction à la mécanique quantique Chapitre II Introduction à la mécanique quantique Dr. Yannick Deshayes - 351 cours de la Libération Bât A31 33405 TALENCE CEDEX France 20 Dr. Yannick Deshayes - 351 cours de la Libération Bât A31 33405

Plus en détail

Cours d Analyse, Algorithmique Elements de programmation

Cours d Analyse, Algorithmique Elements de programmation 1 de 33 Cours d Analyse, Algorithmique Elements de programmation Florent Hivert Mél : Florent.Hivert@lri.fr Adresse universelle : http://www.lri.fr/ hivert 2 de 33 Données et instructions Un programme

Plus en détail

Cours 2 Microprocesseurs

Cours 2 Microprocesseurs 4//2 Cours 2 Microprocesseurs Jalil Boukhobza LC 26 boukhobza@univ-brest.fr Chemin de données Font l objet de ce cours: Les portes logiques et circuits combinatoires Le traitement de quelques opérations

Plus en détail

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et

Plus en détail

Master UPMC Sciences et technologies, mention informatique Spécialité Systèmes et Applications

Master UPMC Sciences et technologies, mention informatique Spécialité Systèmes et Applications Master UPMC Sciences et technologies, mention informatique Spécialité Systèmes et Applications Réparties Réalisation Assistée d Applications Réparties Projet - écriture d un générateur de code Encadreur

Plus en détail

Cours 1 : La compilation

Cours 1 : La compilation /38 Interprétation des programmes Cours 1 : La compilation Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr PPS - Université Denis Diderot Paris 7 2/38 Qu est-ce que la compilation? Vous avez tous déjà

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

CHAPITRE VI ALEAS. 6.1.Généralités.

CHAPITRE VI ALEAS. 6.1.Généralités. CHAPITRE VI ALEAS 6.1.Généralités. Lors de la synthèse des systèmes logique (combinatoires ou séquentiels), nous avons supposé, implicitement, qu une même variable secondaire avait toujours la même valeur

Plus en détail

Sémantique formelle et synthèse de client pour services Web

Sémantique formelle et synthèse de client pour services Web Sémantique formelle et synthèse de client pour services Web Séminaire «Services Web» 24 Janvier 2006 sylvain.rampacek@univ-reims.fr CReSTIC LAMSADE Plan Introduction Services Web Description de la plate-forme

Plus en détail

Axiomatique de N, construction de Z

Axiomatique de N, construction de Z Axiomatique de N, construction de Z Table des matières 1 Axiomatique de N 2 1.1 Axiomatique ordinale.................................. 2 1.2 Propriété fondamentale : Le principe de récurrence.................

Plus en détail

Algèbre relationnelle

Algèbre relationnelle Algèbre relationnelle Concepts Descriptifs : Bilan RELATION ou TABLE ATTRIBUT ou COLONNE DOMAINE ou TYPE CLE CLE ETRANGERE Langages de manipulation Langages formels : base théorique solide Langages utilisateurs

Plus en détail

Introduc)on à la logique Michel Rueher

Introduc)on à la logique Michel Rueher Introduc)on à la logique Michel Rueher SI3 Qu est ce que la logique? Etre Logique? Formaliser le raisonnement? Automatiser le raisonnement? Un art paradoxal? A quoi peut servir la logique? Formaliser le

Plus en détail

AVATAR. Un profil SysML temps réel outillé

AVATAR. Un profil SysML temps réel outillé AVATAR Un profil SysML temps réel outillé Ludovic Apvrille, Pierre de Saqui-Sannes ludovic.apvrille@telecom-paristech.fr pdss@isae.fr SysML France, 6 décembre 2010 Agenda De TURTLE à AVATAR Le langage

Plus en détail

Calculs de probabilités

Calculs de probabilités Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile

Plus en détail

Cours 3. La conditionnelle: instructions si et selon Les boucles Comment raisonner sur les boucles: les invariants de boucle

Cours 3. La conditionnelle: instructions si et selon Les boucles Comment raisonner sur les boucles: les invariants de boucle Cours 3 : Instructions qui changent l ordre d exécution séquentiel 1 Cours 3 Instructions qui changent l ordre d exécution séquentiel La conditionnelle: instructions si et selon Les boucles Comment raisonner

Plus en détail

Problème : Calcul d'échéanciers de prêt bancaire (15 pt)

Problème : Calcul d'échéanciers de prêt bancaire (15 pt) Problème : Calcul d'échéanciers de prêt bancaire (15 pt) 1 Principe d'un prêt bancaire et dénitions Lorsque vous empruntez de l'argent dans une banque, cet argent (appelé capital) vous est loué. Chaque

Plus en détail

L2: cours I4c Langages et automates

L2: cours I4c Langages et automates L2: cours I4c Langages et automates Olivier Togni, LE2I (038039)3887 olivier.togni@u-bourgogne.fr Modifié le 31 mai 2007 Sommaire Utiles pour compilation, interprétation,... 1. Langages rationnels 2. Langages

Plus en détail

Le sujet est à rendre avec la copie.

Le sujet est à rendre avec la copie. NOM : Prénom : Classe : ACADEMIE DE BORDEAUX Collège Jean Moulin, COULOUNIEIX-CHAMIERS Durée : h DIPLOME NATIONAL DU BREET Série Collège Brevet BLANC Du janvier 01 Epreuve : MATHEMATIQUES Les calculatrices

Plus en détail

Université Laval Faculté des sciences et de génie Département d'informatique et de génie logiciel IFT-3101. Travail pratique #2

Université Laval Faculté des sciences et de génie Département d'informatique et de génie logiciel IFT-3101. Travail pratique #2 Université Laval Faculté des sciences et de génie Département d'informatique et de génie logiciel IFT-3101 Danny Dubé Hiver 2014 Version : 11 avril Questions Travail pratique #2 Traduction orientée-syntaxe

Plus en détail

Corrigé du baccalauréat S Pondichéry 12 avril 2007

Corrigé du baccalauréat S Pondichéry 12 avril 2007 Corrigé du baccalauréat S Pondichéry 1 avril 7 EXERCICE 1 Commun à tous les candidats 4 points 1 a Les vecteurs AB et AC ont pour coordonnées AB ; ; ) et AC 1 ; 4 ; 1) Ils ne sont manifestement pas colinéaires

Plus en détail

Un outil de modélisation des systèmes

Un outil de modélisation des systèmes Un outil de modélisation des systèmes Florent Patin Le 17 mars 2006 Présentation AFADL 06 C L E A R S Y EUROPARC de Pichaury Bâtiment C2 1330, av. Guillibert de la Lauzière 13 856 Aix en Provence Cedex

Plus en détail

!" #$#% #"& ' ( &)(*"% * $*' )#""*(+#%(' $#),")- '(*+.%#"'#/* "'") $'

! #$#% #& ' ( &)(*% * $*' )#*(+#%(' $#),)- '(*+.%#'#/* ') $' !" #$#% #"& ' ( &)(*"% * $*' )#""*(+#%(' $#),")- '(*+.%#"'#/* "'") $' &!*#$)'#*&)"$#().*0$#1' '#'((#)"*$$# ' /("("2"(' 3'"1#* "# ),," "*(+$#1' /&"()"2$)'#,, '#' $)'#2)"#2%#"!*&# )' )&&2) -)#( / 2) /$$*%$)'#*+)

Plus en détail

et Automates de Büchi

et Automates de Büchi Cours 9: Propriétes ω-régulières et Automates de Büchi Francesco Belardinelli Laboratoire IBISC Remerciements à Alessio Lomuscio et Joost-Pieter Katoen 26 mars 2015 Cours 9 - Vue d Ensemble Motivation

Plus en détail

...# N # 2 # 1 # N M $ # p p. = C pi

...# N # 2 # 1 # N M $ # p p. = C pi Chapitre X Une application qualitative de la théorie orbitalaire La méthode de Hückel En 1933, Hückel propose une méthode quantique de description de la partie π du nuage électronique des molécules planes

Plus en détail

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées.

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées. Chapitre 10 Calcul Matriciel 101 Qu est-ce qu une matrice? Définition : Soit K un ensemble de nombres exemples, K = N, Z, Q, R, C, n, p N On appelle matrice à n lignes et p colonnes la données de np nombres

Plus en détail

Exclusion Mutuelle. Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr. Université de Provence. 9 février 2011

Exclusion Mutuelle. Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr. Université de Provence. 9 février 2011 Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr Université de Provence 9 février 2011 Arnaud Labourel (Université de Provence) Exclusion Mutuelle 9 février 2011 1 / 53 Contexte Epistémologique

Plus en détail

Utilisation des tableaux sémantiques dans les logiques de description

Utilisation des tableaux sémantiques dans les logiques de description Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca

Plus en détail

Vérification des systèmes modulaires

Vérification des systèmes modulaires Vérification des systèmes modulaires F. Ouazar Lounnaci M.Ioualalen M.C.Boukala MOVEP, USTHB, Algérie fouazar@gmail.com mioualalen@usthb.dz mboukala@usthb.dz Résumé La vérification des systèmes par model-checking

Plus en détail

Modélisation de la Résolution de Problèmes

Modélisation de la Résolution de Problèmes Modélisation de la Résolution de Problèmes - Rappels : «Suite d opérations par lesquelles on conclut qu une proposition implique la vérité d une autre proposition» ( * ) Historiquement : Nécessité de séparer

Plus en détail

Théorie des ensembles

Théorie des ensembles Théorie des ensembles Cours de licence d informatique Saint-Etienne 2002/2003 Bruno Deschamps 2 Contents 1 Eléments de théorie des ensembles 3 1.1 Introduction au calcul propositionnel..................

Plus en détail

UNIGE G ST S T M AI A NTE T N E AN A CE C 1

UNIGE G ST S T M AI A NTE T N E AN A CE C 1 UNIGEST MAINTENANCE 1 Installer UNIGEST...3 Généralités...4 A l ouverture d UNIGEST...5 Premiers pas...6 Pré requis...6 Module des équipements...7 Documents associés...9 Articles associés...10 Historique

Plus en détail

Le Protocole DHCP. Module détaillé

Le Protocole DHCP. Module détaillé Le Protocole DHCP Module détaillé 1 1 Dynamic Host Configuration Protocol 2 2 Généralités SOMMAIRE Rôle de DHCP Fonctionnement de DHCP A propos de la mise en œuvre Installation et configuration du serveur

Plus en détail

Proposition de sujet de thèse CIFRE EUROCOPTER / LGI2P

Proposition de sujet de thèse CIFRE EUROCOPTER / LGI2P EUROCOPTER SAS Groupe EADS Marignane Ecole des Mines d Alès Laboratoire de Génie Informatique et d Ingénierie de Production LGI2P Nîmes Proposition de sujet de thèse CIFRE EUROCOPTER / LGI2P Titre Domaine

Plus en détail

LE PROCESSUS ( la machine) la fonction f. ( On lit : «fonction f qui à x associe f (x)» )

LE PROCESSUS ( la machine) la fonction f. ( On lit : «fonction f qui à x associe f (x)» ) SYNTHESE ( THEME ) FONCTIONS () : NOTIONS de FONCTIONS FONCTION LINEAIRE () : REPRESENTATIONS GRAPHIQUES * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *

Plus en détail

Cours VHDL - IV. L3-S6 - Université de Cergy-Pontoise. Laurent Rodriguez Benoît Miramond

Cours VHDL - IV. L3-S6 - Université de Cergy-Pontoise. Laurent Rodriguez Benoît Miramond Cours VHDL - IV L3-S6 - Université de Cergy-Pontoise Laurent Rodriguez Benoît Miramond Plan du cours I Historique de conception des circuits intégrés - HDL - Modèles de conceptions - VHDL - Les modèles

Plus en détail

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

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

Plus en détail

Automatisation de la certification formelle de systèmes critiques par instrumentation d interpréteurs abstraits

Automatisation de la certification formelle de systèmes critiques par instrumentation d interpréteurs abstraits 1 d Automatisation de la certification formelle de systèmes critiques par instrumentation d sous la direction de Michaël Périn Soutenance de Thèse de Doctorat Université de Grenoble - Laboratoire Verimag

Plus en détail

Introduction. Chapitre 1. 1.1 Introduction. 1.1.1 Bibliothèques. 1.1.2 Programmation de Haute Qualité

Introduction. Chapitre 1. 1.1 Introduction. 1.1.1 Bibliothèques. 1.1.2 Programmation de Haute Qualité Chapitre 1 Introduction Buts du chapitre : Motivation pour l étude des types abstraits de données ; Syntaxe de base pour l écriture de spécifications. 1.1 Introduction 1.1.1 Bibliothèques 1. L3, déjà une

Plus en détail

LICENCE SCIENCES & TECHNOLOGIES 1 re ANNÉE UE INF121 ALGORITHMIQUE ET PROGRAMMATION FONCTIONNELLE

LICENCE SCIENCES & TECHNOLOGIES 1 re ANNÉE UE INF121 ALGORITHMIQUE ET PROGRAMMATION FONCTIONNELLE Université Joseph Fourier UFR IMA LICENCE SCIENCES & TECHNOLOGIES 1 re ANNÉE Département Licence Sciences et Technologie UE INF121 ALGORITHMIQUE ET PROGRAMMATION FONCTIONNELLE Devoir maison - Dénition

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

Modélisation sous Eclipse

Modélisation sous Eclipse Modélisation sous Eclipse Programmation / Edition textuelle / Edition graphique/ Modèle Lecture Modèle Traitement Présentation des résultats Solutions apportées par Eclipse? http://www.eclipse.org/ Introduction

Plus en détail

Manuel d installation de Business Objects Web Intelligence Rich Client.

Manuel d installation de Business Objects Web Intelligence Rich Client. Manuel d installation de Business Objects Web Intelligence Rich Client. Sommaire 1 Introduction... 3 2 Préconisation... 4 3 Lancement de l installation... 5 4 Installation du logiciel Rich Client... 6

Plus en détail

Modèle relationnel. Serge Abiteboul. April 3, 2009 INRIA. Serge Abiteboul (INRIA) Modèle relationnel April 3, 2009 1 / 39

Modèle relationnel. Serge Abiteboul. April 3, 2009 INRIA. Serge Abiteboul (INRIA) Modèle relationnel April 3, 2009 1 / 39 Modèle relationnel Serge Abiteboul INRIA April 3, 2009 Serge Abiteboul (INRIA) Modèle relationnel April 3, 2009 1 / 39 Introduction Modèle de bases de données : LDD (langage de définition de données) +

Plus en détail

Automates. Lycée Louis-le-Grand Année 2003 2004. Automates. option informatique 1/74

Automates. Lycée Louis-le-Grand Année 2003 2004. Automates. option informatique 1/74 Lycée Louis-le-Grand Année 2003 2004 Automates option informatique 1/74 1 Sommaire notion d automate, leur intérêt et leurs usages ; calculs d un automate et langage reconnu ; déterminisme, comment s en

Plus en détail

CCI Génie Logiciel UFR - IMA. Objectifs du cours d'aujourd'hui. Génie Logiciel Validation par le test. Qu est-ce que tester un programme?

CCI Génie Logiciel UFR - IMA. Objectifs du cours d'aujourd'hui. Génie Logiciel Validation par le test. Qu est-ce que tester un programme? Validation par le test Objectifs du cours d'aujourd'hui Donner des réponses aux questions suivantes : Lydie du Bousquet 2 Qu est-ce que tester un programme? Exercice 1 : Inscrivez sur une feuille ce que

Plus en détail

Théorie des Langages Formels Chapitre 5 : Automates minimaux

Théorie des Langages Formels Chapitre 5 : Automates minimaux Théorie des Langages Formels Chapitre 5 : Automates minimaux Florence Levé Florence.Leve@u-picardie.fr Année 2015-2016 1/29 Introduction Les algorithmes vus précédemment peuvent mener à des automates relativement

Plus en détail

Les limites théoriques de l informatique Les problèmes indécidables

Les limites théoriques de l informatique Les problèmes indécidables Les limites théoriques de l informatique Les problèmes indécidables Samuel Fiorini - Gilles Geeraerts - Jean-François Raskin Université Libre de Bruxelles Académie Royale des Sciences Bruxelles 3/3/2010

Plus en détail

APPLICATIONS LINÉAIRES

APPLICATIONS LINÉAIRES 21-10- 2007 J.F.C. A.L. p. 1 APPLICATIONS LINÉAIRES I GÉNÉRALITÉS 1. Définition et vocabulaire 2. Conséquences de la définition 3. Caractérisation II OPÉRATIONS SUR LES APPLICATION LINÉAIRES 1. Somme,

Plus en détail

Rapport Technique No. GIDE-01-2013. Soyons un peu logiques! par. Jean-Marc BERNARD GIDE <jeanmarc@gide.net> GIDE

Rapport Technique No. GIDE-01-2013. Soyons un peu logiques! par. Jean-Marc BERNARD GIDE <jeanmarc@gide.net> GIDE Rapport Technique No. -01-2013 Soyons un peu logiques! par Jean-Marc BERNARD 17 rue La Noue Bras de Fer 44200 Nantes, France 28 février 2014 Soyons un peu logiques! Jean-Marc BERNARD

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

Expressions rationnelles, automates, analyse lexicale

Expressions rationnelles, automates, analyse lexicale Chapitre 2 Expressions rationnelles, automates, analyse lexicale L analyse lexicale est la première phase d un compilateur ou d un interprète : elle consiste à identifier et à catégoriser les différents

Plus en détail

SECRETARIAT PERMANENT DOCUMENT DE STRATEGIE DE REDUCTION DE LA PAUVRETE AU BENIN

SECRETARIAT PERMANENT DOCUMENT DE STRATEGIE DE REDUCTION DE LA PAUVRETE AU BENIN REPUBIQUE DU BENIN COMMISSION NATIONAE POUR E DEVEOPPEMENT ET A UTTE CONTRE A PAUVRETE (CNDP) SECRETARIAT PERMANENT DOCUMENT DE STRATEGIE DE REDUCTION DE A PAUVRETE AU BENIN 2003 2005 Décembre 2002 TABE

Plus en détail

Un intergiciel adaptable à l'énergie pour les réseaux mobiles ad hoc

Un intergiciel adaptable à l'énergie pour les réseaux mobiles ad hoc Un intergiciel adaptable à l'énergie pour les réseaux mobiles ad hoc Guilhem Paroux, Isabelle Demeure ENST France Télécom R&D Contexte Réseau mobile ad hoc (MANET) Pas d'infrastructure préexistante 20

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

Chapitre VII Chapitre VI Chapitre V Chapitre IV Chapitre III Chapitre II Chapitre I. Annexes

Chapitre VII Chapitre VI Chapitre V Chapitre IV Chapitre III Chapitre II Chapitre I. Annexes Annexes Chapitre VII Chapitre VI Chapitre V Chapitre IV Chapitre III Chapitre II Chapitre I Chapitre VII Chapitre VI Chapitre V Chapitre IV Chapitre III Chapitre II Chapitre I Annexes 1. Textes communautaires

Plus en détail

Élasticité des applications à base de services dans le Cloud

Élasticité des applications à base de services dans le Cloud 1/40 Élasticité des applications à base de services dans le Cloud Mourad Amziani 12 Tarek Melliti 1 Samir Tata 2 1 IBISC, EA4526, Université d'évry Val-d'Essonne, Évry, France 2 UMR CNRS Samovar, Institut

Plus en détail

EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG

EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette

Plus en détail

Chapitre-4 Logique du 1er ordre - Syntaxe -

Chapitre-4 Logique du 1er ordre - Syntaxe - Chapitre-4 Logique du 1er ordre - Syntaxe - Plan 1- Introduction 2- Alphabet 3-Termes d'un langage 4- Formule de la logique du 1er ordre 5-Sous-formule d'une formule du 1er ordre 6- Arbre de décomposition

Plus en détail

Master Fl&DL LMLGA118, Psycholinguistique

Master Fl&DL LMLGA118, Psycholinguistique Master Fl&DL LMLGA118, Psycholinguistique Caroline Bogliotti caroline.bogliotti@u-paris10.fr Maria Kihlstedt maria.kihlstedt@u-paris10.fr Anne Lacheret anne@lacheret.com ; www.lacheret.com Objectifs du

Plus en détail

ORACLE SAUVEGARDE RESTAURATION

ORACLE SAUVEGARDE RESTAURATION ORACLE SAUVEGARDE RESTAURATION SAUVEGARDE / RESTAURATION Oracle fournis deux applications «console» pour opérer les copies de sécurité. exp Permet d exporter une banque de données ou une/des table(s) vers

Plus en détail

Introduction aux Systemes d Information et aux Bases de Données

Introduction aux Systemes d Information et aux Bases de Données Introduction aux Systemes d Information et aux Bases de Données L2 Informatique Serenella Cerrito Département d Informatique Évry 2014-2015 Plan du cours 1. Introduction, Motivations et Objectifs 2. Le

Plus en détail

Introduction au développement du logiciel

Introduction au développement du logiciel Introduction au développement du logiciel Vers le génie logiciel Université de Nantes Master Miage M1 Plan 1 Introduction 2 Génie logiciel 3 Projet informatique 4 Méthode de développement 5 Qualité Bibliographie

Plus en détail

Introduction aux Bases de Données

Introduction aux Bases de Données Introduction aux Bases de Données I. Bases de données I. Bases de données Les besoins Qu est ce qu un SGBD, une BD Architecture d un SGBD Cycle de vie Plan du cours Exemples classiques d'applications BD

Plus en détail

Introduction à OCAML

Introduction à OCAML Introduction à OCAML Plan L interpréteur intéractif Ocaml Les types de base, et leurs opérations : int, float, char, string, bool Les n-uplets Conditionnelles : if... then... else et match... with... Déclarations

Plus en détail

1ère partie Nadine Cullot. Bases de données déductives. Bases de données déductives Introduction et Motivation

1ère partie Nadine Cullot. Bases de données déductives. Bases de données déductives Introduction et Motivation Master STIC «Image Informatique et Ingénierie» Module Informatique Modèles de représentation - 10h CM Nadine Cullot Kokou Yétongnon nadine.cullot@u-bourgogne.fr kokou.yetongnon@u-bourgogne.fr 1ère partie

Plus en détail

()*(+),(!*( -! $'* ) . $'! "&#& * 4(5!)"46"1" 1

()*(+),(!*( -! $'* ) . $'! &#& * 4(5!)461 1 !" ()*(+),(!*(! $'* ) ##1*)(((21 3! # "#"#$%"#&$./0!. $'! "&#& "#$## * 4(5!)"46"1" 1 ' 6 00 6< 46 4 4 9 0 0 ' * 04 47 6 8: 06< 46 5 (++,%& 1 6 = 4 7@5 ()*%"%+&! 6< 44 =' ' ' 4>0' 0' 9 44 7'?@5 0 4 7 6

Plus en détail

Modélisations et analyses de réseaux de capteurs

Modélisations et analyses de réseaux de capteurs Modélisations et analyses de réseaux de capteurs Ludovic Samper Soutenance de thèse, le 7 avril 2008 France Télécom R&D / VERIMAG JURY Marc Pouzet LRI, Université Paris-Sud Président Isabelle Guérin-Lassous

Plus en détail

5 Moniteurs. Slide 1. Caractéristique majeure d un programme avec moniteurs = Composé de deux sortes de modules/processus: Slide 2

5 Moniteurs. Slide 1. Caractéristique majeure d un programme avec moniteurs = Composé de deux sortes de modules/processus: Slide 2 5 Moniteurs Motivation = les sémaphores peuvent être utilisés pour résoudre à peu près n importe quel problème d exclusion mutuelle ou synchronisation... mais, les sémaphores possèdent certains désavantages:

Plus en détail

Analyse de variance à un facteur Tests d hypothèses Analyse de variance à deux facteurs. Analyse de la variance ANOVA

Analyse de variance à un facteur Tests d hypothèses Analyse de variance à deux facteurs. Analyse de la variance ANOVA Analyse de la variance ANOVA Terminologie Modèles statistiques Estimation des paramètres 1 Analyse de variance à un facteur Terminologie Modèles statistiques Estimation des paramètres 2 3 Exemple. Analyse

Plus en détail

! " # $ %&! '&! ' ' (! &! & )! (!! * +,,-

!  # $ %&! '&! ' ' (! &! & )! (!! * +,,- !" $%&!'&!''(!&!&)!(!! *+,,- !"! "$"%&& " ( './ )'.0 12!''.3 *+$", &-'.3 **+$ " &., '.3 *+$" "&/'.1, *'+$"- 0%&1'.11 +$)2 2%/3," 1"3'.14 *+$45 2'.1- +$&& )&& ".'.15 '+$ ) &.".'.16 '.13 63'.+, +2!"2('.+1

Plus en détail

Un alphabet Un ensemble fini non vide s'appelle un alphabet. Langages réguliers et automates. Un mot. Un langage. {a,b} non. A.

Un alphabet Un ensemble fini non vide s'appelle un alphabet. Langages réguliers et automates. Un mot. Un langage. {a,b} non. A. Langages réguliers et automates finis A. Maurer Mars 09 Un alphabet Un ensemble fini non vide s'appelle un alphabet Ensemble Σ {a,b} {a,b,a,b} L'ensembledes nombres naturels pairs Alphabet? oui non oui

Plus en détail

Arbres. Alphabet Σ = Σ 0 Σ k. Exemples

Arbres. Alphabet Σ = Σ 0 Σ k. Exemples Arbres Alphabet Σ = Σ 0 Σ k Σ i : alphabet fini de symboles de rang i (Σ i Σ j possible). Un arbre t de rang k est défini par un ensemble (fini) dom(t) {1,..., k} clos par préfixe (domaine de t) : si v,

Plus en détail

Table des matières. Introduction Chef de projet : un métier complexe... 1. Diagnostiquer sa gestion de projet... 19

Table des matières. Introduction Chef de projet : un métier complexe... 1. Diagnostiquer sa gestion de projet... 19 Table des matières Introduction Chef de projet : un métier complexe........ 1 Le chef de projet multicompétent.............................. 2 Maîtriser les techniques de gestion de projet.......................

Plus en détail

Influence De La Taille Du Jeton Sur Les Performances De L algorithme D'exclusion Mutuelle De Ricart - Agrawala

Influence De La Taille Du Jeton Sur Les Performances De L algorithme D'exclusion Mutuelle De Ricart - Agrawala Influence De La Taille Du Jeton Sur Les Performances De L algorithme D'exclusion Mutuelle De Ricart - Agrawala Sarah Benkouider, Souhila Labgaa 2, Mohamed Yagoubi 3 Université Amar Telidji Département

Plus en détail

Tutoriel OpenOffice.org. Créer les fichiers PDF de la thèse

Tutoriel OpenOffice.org. Créer les fichiers PDF de la thèse Tutoriel OpenOffice.org (version 3.1.0) Créer les fichiers PDF de la thèse Service Commun de la Documentation Service des thèses 2011 SOMMAIRE A. Préparer les fichiers sources à convertir B. Créer le fichier

Plus en détail

Feuilles de TD du cours d Algèbre S4

Feuilles de TD du cours d Algèbre S4 Université Paris I, Panthéon - Sorbonne Licence M.A.S.S. 203-204 Feuilles de TD du cours d Algèbre S4 Jean-Marc Bardet (Université Paris, SAMM) Email: bardet@univ-paris.fr Page oueb: http://samm.univ-paris.fr/-jean-marc-bardet-

Plus en détail

IFT2255 : Génie logiciel

IFT2255 : Génie logiciel IFT2255 : Génie logiciel Chapitre 6 - Analyse orientée objets Section 1. Introduction à UML Julie Vachon et Houari Sahraoui 6.1. Introduction à UML 1. Vers une approche orientée objet 2. Introduction ti

Plus en détail

Finance des matières premières (6b) De la formation des prix sur les marchés financiers à la possibilité d un équilibre (non walrasien)

Finance des matières premières (6b) De la formation des prix sur les marchés financiers à la possibilité d un équilibre (non walrasien) Finance des matières premières (6b) De la formation des prix sur les marchés financiers à la possibilité d un équilibre (non walrasien) Alain Bretto & Joël Priolon - 25 mars 2013 Question Dans un équilibre

Plus en détail

UE «Initiation à la conduite de projet» Master 1 «Ingénieries pour la Santé et le Médicament» Présentation de l UE - introduction.

UE «Initiation à la conduite de projet» Master 1 «Ingénieries pour la Santé et le Médicament» Présentation de l UE - introduction. UE «Initiation à la conduite de projet» Master 1 «Ingénieries pour la Santé et le Médicament» Présentation de l UE - introduction Cécile Batandier Année : 2013-2014 1 Initiation à la conduite de projet

Plus en détail

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques

Plus en détail

Introduction au calcul des probabilités

Introduction au calcul des probabilités École Polytechnique Élèves voie 2 Semestre d'accueil Introduction au calcul des probabilités Résumé de cours Alexandre POPIER, Olivier WINTENBERGER Année: 2006-2007 3 La théorie des probabilités concerne

Plus en détail

Accès au Serveur de PAIE «SPV» par INTERNET Paramétrage du poste de travail «Windows»

Accès au Serveur de PAIE «SPV» par INTERNET Paramétrage du poste de travail «Windows» Accès au Serveur de PAIE «SPV» par INTERNET Paramétrage du poste de travail «Windows» 1 Introduction... 2 2 Contrôle de la version d Internet Explorer... 3 3 Contrôle de la Machine Virtuelle Java de Microsoft...

Plus en détail

Un automate à états fini

Un automate à états fini Automates à états et langages Notion d automate Langage reconnu par un automate Automates non déterministes Expressions régulières et automates Limites des automates Notion d automate Objectif : définir

Plus en détail

Ch.I. L œil et la vision

Ch.I. L œil et la vision SAVOIR FAIRE SAVOIR Classes de 1 ère L et ES Thème 1 : Représentation visuelle Ch.I. L œil et la vision Grille d auto-évaluation des compétences Acquis En cours Non acquis S 1 : Connaître les conditions

Plus en détail

GLOBAL FORUM London, October 24 & 25, 2012

GLOBAL FORUM London, October 24 & 25, 2012 GLOBAL FORUM London, October 24 & 25, 2012-1 - Content REDUCING FLARING AND DEVELOPMENT OF GAS IN THE REPUBLIC OF CONGO REDUCTION DU TORCHAGE ET VALORISATION DU GAZ EN REPUBLIQUE DU CONGO - 2 - Content

Plus en détail

Algèbre relationnelle

Algèbre relationnelle Algèbre relationnelle 1. Introduction L algèbre relationnelle est le support mathématique cohérent sur lequel repose le modèle relationnel. L algèbre relationnelle propose un ensemble d opérations élémentaires

Plus en détail

Plan du cours de Programmation logique

Plan du cours de Programmation logique Plan du cours de Programmation logique 1 Introduction 2 3 Igor Stéphan 1/ 64 La logique comme langage de programmation Un langage de programmation logique est défini par : un langage des données Ω; et

Plus en détail

Les mots des cinq sens

Les mots des cinq sens Activité annuelle n 3 Les mots des cinq sens Créer des phrases, un texte, et découvrir les sens qui sont mis en œuvre à travers les mots. Buts Prendre conscience du lien entre les mots et le sens Développer

Plus en détail