Graphes : complexité et NP-complétude
|
|
- Camille Bois
- il y a 6 ans
- Total affichages :
Transcription
1 Master I - Le Havre
2 Plan
3 Complexité en temps La fonction de complexité d un algorithme fait correspondre pour une taille donnée le nombre maximum d instructions qui lui est nécessaire pour résoudre une instance quelconque de cette taille. La notation qui est généralement utilisée pour indiquer la complexité d un algorithme est la notation en O() (notation en grand O ).
4 Notation en O() Plan On dira d une fonction f (n) qu elle est en O(g(n)) s il existe une constante c > 0 telle que f (n) c g(n) pour toutes les valeurs de n 0. Par extension et abus de langage, on dira généralement d un algorithme qu il est en O(n 2 ) ou en O( n log n ). on parlera plus simplement de la complexité d un algorithme plutôt que de la fonction de complexité en temps d un algorithme.
5 Algorithmes polynomiaux exponentiels On distingue deux types principaux d algorithmes, les algorithmes polynomiaux (polynomial time algorithms) et ceux qui ne le sont pas : les algorithmes exponentiels (exponential time algorithms).
6 Algorithmes polynomiaux Les algorithmes polynomiaux sont tels que leur fonction de complexité est en O(P(n)) où P(n) est un polynôme fonction de n et dont le degré est constant et indépendant de n, la taille des instances. Lorsqu il est possible de concevoir un algorithme polynomial pour résoudre un problème donné, on dira de ce dernier qu il peut être résolu de manière efficace.
7 Algorithmes polynomiaux les schémas d encodage sont considérés comme équivalents. quel que soit le schéma d encodage choisi, et à la condition que celui-ci soit raisonnable (taille de l alphabet des symboles supérieure à un) alors : Tout algorithme permettant de résoudre en un temps polynomial toutes les instances d un problème donné, restera de complexité polynomiale quel que soit le schéma d encodage choisi.
8 : principe de calcul Déterminer la complexité algorithmique c est "compter" le nombre d instructions qui seront exécutées ; Pour une instruction élémentaire le coût est considéré unitaire. Deux expressions sont supposées équivalentes du point de vue du coût car proportionnelles. Exemples : a 1 T [a] N[b]/W [z] sin(x) (((a = 6)OU(n B))ET (a = faux))
9 : principe de calcul Pour une instruction conditionnelle, en l absence d informations complémentaires, on choisit le nombre maximum d instructions auquel s ajoute l évaluation de l expression booléenne. Exemples : Si condition Alors instruction 1 Sinon instruction 2 instruction 3 instruction 4 instruction 5 instruction 6 instruction 7 FinSi Pour ce cas de figure, on choisit de compter 7 instructions (l évaluation de la condition et les instructions de 2 à 7).
10 : principe de calcul Pour une instruction itérative, en l absence d informations complémentaires, on multiplie le nombre d instructions internes à la boucle au nombre de fois que cette boucle sera exécutée. Exemple : Pour i 1 à n Faire instruction 1 instruction 2 instruction 3 FinPour Pour ce cas de figure, on compte 3 n instructions.
11 : principe de calcul Pour i 1 à n Faire instruction 1 Si i est pair Alors instruction 2 Sinon instruction 3 instruction 4 instruction 5 FinSi FinPour Pour ce cas de figure, on pourrait compter 4 n instructions, mais d autres informations sont disponibles sur la condition donc la complexité sera de n n
12 : principe de calcul Pour une instruction itérative conditionnelle, il faut évaluer le cas au pire. Exemple : TantQue condition Faire instruction 1 instruction 2 instruction 3 FinTantQue Pour ce cas de figure, il convient d évaluer le nombre de tours de boucle maximum qui pourrait être effectué avant la sortie de la boucle. Cette évaluation peut s avérer parfois difficile à réaliser.
13 : exercice Un exemple de boucle TantQue : a k TantQue a n Faire a a k FinTantQue Quelle est la complexité de la boucle en fonction de n la taille des données?
14 : graphe régulier Soit le graphe G = (S, A), on veut vérifier que ce graphe est régulier, c est-à-dire que tous les sommets ont le même degré. Soit S l ensemble des sommets régulier vrai s retirer_sommet(s) /* s un sommet quelconque du graphe */ d degré(s) TantQue S ET régulier Faire s retirer_sommet(s) Si degré(s) d Alors régulier faux FinSi FinTantQue Si régulier Alors Le graphe est régulier Sinon Le graphe n est pas régulier FinSi
15 : graphe régulier 3 instructions + complexité de la boucle TantQue + condition + instruction conditionnelle 3 + C(boucle) = 5 + C(boucle). Analyse de la boucle : TantQue S ET régulier Faire s retirer_sommet(s) Si degré(s) d Alors régulier faux FinSi FinTantQue
16 : graphe régulier Chaque sommet n est examiné qu une seule fois, donc la boucle sera parcourue, dans le pire des cas que n 1 fois (un premier sommet a été retiré de l ensemble S au départ). Donc, la condition S ET régulier est évaluée n fois n évaluations de conditions. Dans le pire des cas (en termes de complexité), le graphe est régulier pour les n 2 premiers sommets examinés et le dernier sommet présente un degré différent. 2 (n 2) pour le retrait des sommets de S et pour l évaluation de la condition degré(s) d. Enfin, pour le dernier sommet, il faut rajouter une instruction 3. au final C(algo) = 5 + n + 2(n 2) + 3 = 4 + 3n =O(n)
17 : connexité Intitulé du problème de décision : Détermination de la connexité d un graphe. Description des paramètres : un graphe G = (S, A), ( S = n, A = m). Question : étant donné un sommet s S, alors, s S, s s, existe-t-il un chemin de s à s?
18 Connexité : principe de l algorithme sommet non atteint sommet atteint et non traité sommet traité étape 1 étape 2 étape 3 étape 4 étape 5
19 Connexité : principe de l algorithme sommet non atteint sommet atteint et non traité sommet traité étape 6 étape 7 étape 8 étape 9 Non connexe
20 Connexité : algorithme Soit L ensemble des sommets déjà atteints mais non traités (non visités) Soit V ensemble des sommets visités L {s} /* s un sommet quelconque du graphe */ V TantQue L Faire s tirage arbitraire d un élément de L V V S {s} N voisins(s) Pour chaque élément e de N Faire Si e / V ET e / L Alors L L S {e} FinSi FinPour FinTantQue Si V = S Alors Le graphe est connexe Sinon Le graphe n est pas connexe FinSi
21 Connexité : analyse de la complexité En dehors de structures itératives : 3 instructions + évaluation d une condition. C(algo) = 4 + C(TantQue) TantQue L Faire s tirage arbitraire d un élément de L V V S {s} N voisins(s) Pour chaque élément e de N Faire Si e / V ET e / L Alors L L S {e} FinSi FinPour FinTantQue
22 Connexité : analyse de la complexité Difficulté du comptage du nombre d instructions. Une boucle TantQue se termine lorsque la condition n est plus vérifiée. La condition d arrêt est L, or à chaque tour de boucle, cette liste est modifiée à deux endroits : s tirage aléatoire d un élément de L. Un élément est systématiquement retiré de la liste L et ajouté à une autre liste (V ). L L {e} : on ajoute un élément à L! Mais cet élément est ajouté seulement s il n est pas déjà présent dans V. chaque sommet passe dans L une et une seule fois.
23 Connexité : analyse de la complexité Ainsi, dans le pire des cas, la boucle TantQue sera parcourue n fois. A chaque tour de boucle TantQue, 3 instructions seront exécutées 3 n. Quid de la bouche Pour? Si le graphe était k-régulier, le nombre total de tour de boucle Pour serait de n k. Si le degré maximum est borné par une valeur indépendante de n complexité C(algo) = 4 + 3n + kn = 3 + (3 + k)n = O(n)
24 Connexité : analyse de la complexité Mais dans le cas général, le graphe n est pas régulier. Donc, il faut identifier ce que représente le n k. Cette valeur représente la somme du nombre de voisins de tous les sommets la somme des degrés des sommets le double du nombre d arêtes : 2 m Ainsi, la complexité algorithmique de cet algorithme est de : C(algo) = 4 + 3n + 2m = 4 + n + 2(n + m) = O(n + m)
25 : énumeration de mots Soit un ensemble de symboles S de cardinalité k, on souhaite énumérer l ensemble des mots de longueur L formés à partir des symboles de S.
26 : énumération de mots programme principal T tableau de longueur L qui contient le mot courant S liste de k symboles position 1 EnumerationDesMots(position) fonction EnumerationDesMots(position) Si position L Alors symbole S.premierSymbole() TantQue il reste des symboles non considérés pour cette position Faire T [position] symbole EnumerationDesMots(position+1) /* appel récursif */ symbole S.suivant() FinTantQue Sinon afficher le tableau FinSi
27 : énumeration de mots Exercice Montrez que la complexité de l algorithme est en O(k L )
28 : énumération de mots Motivation Pourquoi s intéresser à l énumération de mots? parce que le principe de l énumération est à la base d algorithmes de résolution de nombreux problèmes de théorie des graphes : coloration couverture minimale etc.
29 Ouverture vers le monde de la NP-complétude La distinction entre algorithmes polynomiaux et algorithmes exponentiels est essentiel à la notion de NP-complétude. En effet, la manière dont les problèmes sont classés est directement liée à la possibilité de les résoudre à l aide d algorithmes de complexité polynomiale ou exponentielle. On distinguera ainsi les problèmes pour lesquels il existe des algorithmes efficaces permettant de les résoudre et des problèmes pour lesquels il est peu probable que de tels algorithmes existent.
30 Déterminisme Définitions conception philosophique selon laquelle il existe des rapports de cause à effet entre les phénomènes physiques [Larousse 2006]. On appelle algorithme déterministe un algorithme dont les résultas qu il produit peuvent être déduits des spécifications de l algorithme lui-même. Deux exécutions d un algorithme déterministe sur des entrées identiques donneront les mêmes sorties.
31 Classe P Plan Définition La classe P regroupe tous les problèmes qui peuvent être résolus par un algorithme déterministe de complexité polynomiale Π P? construire un algorithme déterministe qui résolve Π en temps polynomial
32 Classe P : exemples problème du plus court chemin (Dijkstra) problème de la détermination de l arbre de recouvrement de poids minimum (Prim, Kruskal) certains problèmes de flots (Ford-Fulkerson)
33 Intuition de NP Vertex Cover Intitulé du problème : Vertex Cover (VC). Description des paramètres : un graphe G = (S, A), un entier positif K S Question : Soit S un sous-ensemble des sommets de S de telle sorte que toute arête de A ait au moins l un de ses deux sommets incidents qui appartienne à S. Existe-t-il un tel sous-ensemble dont la cardinalité est inférieure ou égale à K?
34 Intuition de NP supposons qu un oracle réponde oui à cette question et nous fournisse en supplément le sous-ensemble S, le temps nécessaire pour vérifier que S répond effectivement à la question est polynomial en fonction de la taille de l instance, il est donc possible de construire un algorithme déterministe de complexité polynomiale qui puisse vérifier la validité de la solution proposée.
35 Intuition de NP Algorithme non déterministe l algorithme composé de l oracle et de la méthode déterministe de vérification constitue un algorithme non déterministe.
36 Classe NP Plan Définition La classe NP regroupe tous les problèmes qui peuvent être résolus par un algorithme non-déterministe de complexité polynomiale
37 Conséquence P NP
38 Classe NP : exemples problème du voyageur de commerce vertex cover le problème de la clique le problème du plus court chemin (Dijkstra) principale référence : l ouvrage de Garey et Johnson [?]
39 P NP Plan Vue du NP-monde NP Conjecture P NP P
40 Symétrie des problèmes soit Π un problème de décision : soit I, Q est-elle vraie pour I? et son problème complémentaire : soit I, Q est-elle fausse pour I? si Π P alors Π P par contre, si Π NP et Π / P alors on ne peut rien dire de Π
41 Difficulté des problèmes Les problèmes appartenant à NP sont de deux catégories : les problèmes appartenant à la classe P sont "faciles", tandis que les problèmes dits NP-complets sont les plus difficiles que l on puisse trouver dans NP.
42 3-SAT Plan Enoncé Intitulé du problème : 3-Satisfaisabilité (3-SAT). Description des paramètres : une collection C = {c 1, c 2,..., c n } de clauses, sur un ensemble fini U de variables booléennes (littéraux), telles que c i = 3, i 1 i n. Question : existe-t-il une configuration des variables de U telle que toutes les clauses de C soient vraies?
43 3-SAT Plan Instance U = {u 1, u 2, u 3, u 4 } C = {{u 1 ū 2 ū 4 }, {ū 1 u 3 u 4 }, {ū 1 ū 2 u 3 }} la réponse est "oui" (u 1 = u 2 = u 3 = u 4 vrai)
44 Difficulté de 3-SAT chaque variable a deux choix possibles VVVV VVVF VVFV VVFF VFVV VFVF VFFV VFFF FVVV FVVF FVFV FVFF FFVV FFVF FFFV FFFF n littéraux : 2 n possibilités.
45 Théorème de Cook (1971) ce problème a été prouvé NP-complet par Cook c est le premier problème qui a été prouvé NP-Complet preuve longue et fastidieuse : machine de Turing indéterministe aujourd hui autre méthode : la transformation polynomiale d un problème en un autre problème connu pour être NP-complet.
46 Preuve de NP-complétude Principe en 4 étapes : 1 montrer que le problème π NP, c est-à-dire qu un algorithme non déterministe proposant une solution peut-être vérifiée en temps polynomial, 2 choisir un problème π NP connu pour être NP-Complet 3 construire une transformation f de π en π, c est-à-dire proposer un codage des entrées et des sorties de telle sorte qu une solution à toute instance de π constitue une réponse à π et réciproquement 4 montrer que f est une transformation polynomiale
47 NP-complet NP-difficile pour les problèmes de décision, nous parlerons de problèmes NP-complets pour les problèmes de recherche, nous parlerons de problèmes NP-difficiles.
48 Méthodologie générale de résolution d un problème 1 Modélisation du problème. 2 Analyse de la difficulté du problème. 3 Choix d une méthode de résolution. 4 Implémentation.
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 détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailObjectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)
Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter
Plus en détailOrganigramme / Algorigramme Dossier élève 1 SI
Organigramme / Algorigramme Dossier élève 1 SI CI 10, I11 ; CI 11, I10 C24 Algorithmique 8 février 2009 (13:47) 1. Introduction Un organigramme (ou algorigramme, lorsqu il est plus particulièrement appliqué
Plus en détailIntroduction à la théorie des graphes. Solutions des exercices
CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII
ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailChapitre 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 détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailCalculabilité Cours 3 : Problèmes non-calculables. http://www.irisa.fr/lande/pichardie/l3/log/
Calculabilité Cours 3 : Problèmes non-calculables http://www.irisa.fr/lande/pichardie/l3/log/ Problèmes et classes de décidabilité Problèmes et classes de décidabilité Nous nous intéressons aux problèmes
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailCours Optimisation Partie Optimisation Combinatoire. Année scolaire 2008-2009. Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera.
Cours Optimisation Partie Optimisation Combinatoire 3ième année ISAE Année scolaire 2008-2009 Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera.fr Septembre 2008 Résumé Ce document couvre
Plus en détailManuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2
éducalgo Manuel d utilisation 26 juin 2011 Table des matières 1 Tâche à effectuer : écrire un algorithme 2 2 Comment écrire un algorithme? 3 2.1 Avec quoi écrit-on? Avec les boutons d écriture........
Plus en détailNombres premiers. Comment reconnaître un nombre premier? Mais...
Introduction Nombres premiers Nombres premiers Rutger Noot IRMA Université de Strasbourg et CNRS Le 19 janvier 2011 IREM Strasbourg Definition Un nombre premier est un entier naturel p > 1 ayant exactement
Plus en détailEléments de Théorie des Graphes et Programmation Linéaire
INSTITUT NATIONAL POLYTECHNIQUE DE LORRAINE Ecole Nationale Supérieure d Electricité et de Mécanique Eléments de Théorie des Graphes et Programmation Linéaire Didier Maquin Professeur à l INPL Version
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailTP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
Plus en détailCours d Informatique
Cours d Informatique 1ère année SM/SMI 2007/2008, Info 2 Département de Mathématiques et d Informatique, Université Mohammed V elbenani@hotmail.com sayah@fsr.ac.ma 2007/2008 Info2, 1ère année SM/SMI 1
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détailChapitre 7. Récurrences
Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,
Plus en détailObjets Combinatoires élementaires
Objets Combinatoires élementaires 0-0 Permutations Arrangements Permutations pour un multi-ensemble mots sous-ensemble à k éléments (Problème du choix) Compositions LE2I 04 1 Permutations Supposons que
Plus en détailInformatique 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 détailQuelques algorithmes simples dont l analyse n est pas si simple
Quelques algorithmes simples dont l analyse n est pas si simple Michel Habib habib@liafa.jussieu.fr http://www.liafa.jussieu.fr/~habib Algorithmique Avancée M1 Bioinformatique, Octobre 2008 Plan Histoire
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailComplexité. 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 détailFeuille TD n 1 Exercices d algorithmique éléments de correction
Master Sciences, Technologies, Santé Mention Mathématiques, spécialité Enseignement des mathématiques Algorithmique et graphes, thèmes du second degré Feuille TD n 1 Exercices d algorithmique éléments
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailOptimisation for Cloud Computing and Big Data
1 / 23 Optimisation for Cloud Computing and Big Data Olivier Beaumont, Lionel Eyraud-Dubois 2 / 23 Aujourd hui Problèmes de fiabilité on va oublier la dynamicité Placement de VMs en programmation par contraintes
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en détailCCI 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 détailSection «Maturité fédérale» EXAMENS D'ADMISSION Session de février 2014 RÉCAPITULATIFS DES MATIÈRES EXAMINÉES. Formation visée
EXAMENS D'ADMISSION Admission RÉCAPITULATIFS DES MATIÈRES EXAMINÉES MATIÈRES Préparation en 3 ou 4 semestres Formation visée Préparation complète en 1 an 2 ème partiel (semestriel) Niveau Durée de l examen
Plus en détailGéométrie des nombres et cryptanalyse de NTRU
École normale supérieure Département d informatique Équipe CASCADE INRIA Université Paris 7 Denis Diderot Géométrie des nombres et cryptanalyse de NTRU Thèse présentée et soutenue publiquement le 13 novembre
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailMIS 102 Initiation à l Informatique
MIS 102 Initiation à l Informatique Responsables et cours : Cyril Gavoille Catherine Pannier Matthias Robine Marc Zeitoun Planning : 6 séances de cours 5 séances de TD (2h40) 4 séances de TP (2h40) + environ
Plus en détailDévelopper, factoriser pour résoudre
Développer, factoriser pour résoudre Avec le vocabulaire Associer à chaque epression un terme A B A différence produit A+ B A B inverse quotient A B A opposé somme Écrire la somme de et du carré de + Écrire
Plus en détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailDéfinitions. Numéro à préciser. (Durée : )
Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.
Plus en détailI 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 détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailCondition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½
Condition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½ Patrick Ciarlet et Vivette Girault ciarlet@ensta.fr & girault@ann.jussieu.fr ENSTA & Laboratoire Jacques-Louis Lions, Paris 6 Condition
Plus en détailOrdonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1
CHAPTER 1 Ordonnancement 1.1. Étude de cas Ordonnancement de tâches avec contraintes de précédences 1.1.1. Exemple : construction d'une maison. Exercice. On veut construire une maison, ce qui consiste
Plus en détailBaccalauréat 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 détailaux 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 détailAlgorithmique 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 détailCryptographie et fonctions à sens unique
Cryptographie et fonctions à sens unique Pierre Rouchon Centre Automatique et Systèmes Mines ParisTech pierre.rouchon@mines-paristech.fr Octobre 2012 P.Rouchon (Mines ParisTech) Cryptographie et fonctions
Plus en détail6. Les différents types de démonstrations
LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailFondements de l informatique Logique, modèles, et calculs
Fondements de l informatique Logique, modèles, et calculs Cours INF423 de l Ecole Polytechnique Olivier Bournez Version du 20 septembre 2013 2 Table des matières 1 Introduction 9 1.1 Concepts mathématiques........................
Plus en détail1 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 détailLE PROBLEME DU PLUS COURT CHEMIN
LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs
Plus en détailCours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques
Université Mohammed V, Faculté des Sciences de Rabat Laboratoire de Recherche Mathématiques, Informatique et Applications Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques MASTER
Plus en détailGrandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test
Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite
Plus en détailSommaire. Couverture de zone de surveillance dans les réseaux de capteurs. De quoi parle-t-on ici (1/2)? Objectif. De quoi parle-t-on ici (2/2)?
ouverture de zone de surveillance dans les réseaux de capteurs Jean arle, Master Recherche Informatique Option Informatique Mobile 008-009 s Jean arle - Master Recherche Informatique 008-009 Objectif e
Plus en détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailInfo0101 Intro. à l'algorithmique et à la programmation. Cours 3. Le langage Java
Info0101 Intro. à l'algorithmique et à la programmation Cours 3 Le langage Java Pierre Delisle, Cyril Rabat et Christophe Jaillet Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailAlgorithmes de recherche
Algorithmes de recherche 1 Résolution de problèmes par recherche On représente un problème par un espace d'états (arbre/graphe). Chaque état est une conguration possible du problème. Résoudre le problème
Plus en détailAlgorithme. Table des matières
1 Algorithme Table des matières 1 Codage 2 1.1 Système binaire.............................. 2 1.2 La numérotation de position en base décimale............ 2 1.3 La numérotation de position en base binaire..............
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailLicence 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 détailQuelques 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 détailDérivées d ordres supérieurs. Application à l étude d extrema.
Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailalg - Classes, instances, objets [oo] Exercices résolus
alg - Classes, instances, objets [oo] Exercices résolus Karine Zampieri, Stéphane Rivière, Béatrice Amerein-Soltner Unisciel algoprog Version 27 avril 2015 Table des matières 1 Compte bancaire OO 2 1.1
Plus en détailCRYPTOGRAPHIE. Signature électronique. E. Bresson. Emmanuel.Bresson@sgdn.gouv.fr. SGDN/DCSSI Laboratoire de cryptographie
CRYPTOGRAPHIE Signature électronique E. Bresson SGDN/DCSSI Laboratoire de cryptographie Emmanuel.Bresson@sgdn.gouv.fr I. SIGNATURE ÉLECTRONIQUE I.1. GÉNÉRALITÉS Organisation de la section «GÉNÉRALITÉS»
Plus en détailLe partage de clés cryptographiques : Théorie et Pratique
École Normale Supérieure Université Paris 7 Département d Informatique Groupe de Recherche En Complexité et Cryptographie Le partage de clés cryptographiques : Théorie et Pratique THÈSE présentée et soutenue
Plus en détailAlgorithmique et programmation : les bases (VBA) Corrigé
PAD INPT ALGORITHMIQUE ET PROGRAMMATION 1 Cours VBA, Semaine 1 mai juin 2006 Corrigé Résumé Ce document décrit l écriture dans le langage VBA des éléments vus en algorithmique. Table des matières 1 Pourquoi
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailAlgorithmes 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 détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailAlgorithmes récursifs
Licence 1 MASS - Algorithmique et Calcul Formel S. Verel, M.-E. Voge www.i3s.unice.fr/ verel 23 mars 2007 Objectifs de la séance 3 écrire des algorithmes récursifs avec un seul test rechercher un élément
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailApproche Contract First
Exemple HelpDesk Approche Contract First Développement d un premier web service en utilisant l approche contract first (ou WSDL First) Écriture du wsdl avant d écrire le code java Autre possibilité implementation
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailAnnée 2014/15 2. 1 er septembre 2014. 2. Version de Anca Muscholl, issue du poly de Marc Zeitoun. 1/143
Modèles de calcul Année 2014/15 2 M1, Univ. Bordeaux http://www.labri.fr/perso/anca/mc.html 1 er septembre 2014 2. Version de Anca Muscholl, issue du poly de Marc Zeitoun. 1/143 Modalités du cours 12 cours,
Plus en détailSujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante.
Sujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante. Objectifs et formulation du sujet Le syndrome de l apnée du sommeil (SAS) est un problème de santé publique
Plus en détailThéorie des Graphes Cours 3: Forêts et Arbres II / Modélisation
IFIPS S7 - informatique Université Paris-Sud 11 1er semestre 2009/2010 Théorie des Graphes Cours 3: Forêts et Arbres II / 1 Forêts et arbres II Théorème 1.1. Les assertions suivantes sont équivalentes
Plus en détailComment démontrer des formules sans effort? exposé de maîtrise
Comment démontrer des formules sans effort? exposé de maîtrise Marc Mezzarobba Sam Zoghaib Sujet proposé par François Loeser Résumé Nous exposons un ensemble de méthodes qui permettent d évaluer «en forme
Plus en détailLE CONTRAT DE COPRODUCTION
LE CONTRAT DE COPRODUCTION 1. Parties 2. Objet 3. Durée 4. Responsabilité de la production 5. Budget et financement de la production 6. Répartition des recettes d exploitation 7. Livraison des masters
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailGestion du parc informatique matériel et logiciel de l Ensicaen. Rapport de projet. Spécialité Informatique 2 e année. SAKHI Taoufik SIFAOUI Mohammed
6, bd maréchal Juin F-14050 Caen cedex 4 Spécialité Informatique 2 e année Rapport de projet Gestion du parc informatique matériel et logiciel de l Ensicaen SAKHI Taoufik SIFAOUI Mohammed Suivi ENSICAEN
Plus en détailMachines 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 détailQualité 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 détailTrouver un vecteur le plus court dans un réseau euclidien
Trouver un vecteur le plus court dans un réseau euclidien Damien STEHLÉ http://perso.ens-lyon.fr/damien.stehle Travail en commun avec Guillaume HANROT (INRIA Lorraine) CNRS/LIP/INRIA/ÉNS Lyon/Université
Plus en détail