Problèmes et Algorithmes Fondamentaux III Algorithme distribué probabiliste

Dimension: px
Commencer à balayer dès la page:

Download "Problèmes et Algorithmes Fondamentaux III Algorithme distribué probabiliste"

Transcription

1 Problèmes et Algorithmes Fondamentaux III Algorithme distribué probabiliste Arnaud Labourel Université de Provence 12 avril 2012 Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

2 Introduction Algorithme probabiliste Définition un algorithme probabiliste, parfois dit aussi randomisé, est un algorithme dont le déroulement fait appel à des données tirées au hasard. Un algorithme distribué probabiliste est donc un algorithme dans un système distribué utilisant des données tirées au hasard. On considérera ici qu un processus peut accéder à des bits aléatoire (1 chance sur deux d être égal à 1). Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

3 Introduction Avantages et inconvénients Avantages : Certains problèmes impossibles dans le modèle déterministe deviennent possible avec un modèle probabiliste. Inconvénients : L issue de l algorithme dépends des tirages aléatoires. Difficile d obtenir des vraies bits aléatoires sur une machine (pseudo-random). Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

4 Introduction 2 types d algorithmes probabilistes Il existe deux type d algorithme probabiliste : Monte-Carlo Las Vegas Mesure de complexité : Temps : nombre de rondes/étapes Espace : messages/mémoire des agents Ressource aléatoire : nombre de bits aléatoires utilisés Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

5 Introduction Algorithme Monte Carlo Définition Un algorithme de Monte Carlo est un algorithme probabiliste pour lequel : la complexité est déterministe (le nombre de rondes est toujours le même) le résultat peut être incorrect avec une certaine probabilité (généralement faible). Exemple : algorithme d élection en n rondes avec 7/8 de réussir (un unique processus élu). Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

6 Introduction Algorithme Las Vegas Définition Un algorithme de Las Vegas est un algorithme probabiliste pour lequel : la complexité est aléatoire (le temps de calcul varie en fonction des tirages) le résultat est toujours correct. Exemple : algorithme d élection pour deux processus dans lequel les deux processus tirent des bits aléatoires tant qu ils tirent le même. Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

7 Introduction Lien entre Las Vegas et Monte Carlo Monte Carlo Las Vegas Un algorithme de Monte Carlo peut être converti en algorithme de Las Vegas s il existe une procédure permettant de savoir si une exécution de Monte Carlo est correcte. Idée : répéter l algorithme de Monte Carlo tant qu il est incorrect. Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

8 L aléatoire ne rends pas toutes les taches possibles Impossibilité de l élection de leader Il n existe pas d algorithme d élection pour des processus anonymes en anneaux si on ne connait pas la taille de l anneau: Monte Carlo avec une probabilité de réussite p pour tout 0 < p 1. Las Vegas avec une espérance de nombre de rondes finies. Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

9 Impossibilité de l election Idée de la preuve Monte Carlo : L algorithme doit fonctionner pour un anneau d une taille donnée : ELU Couleur d un sommet : tirage aléatoire du sommet Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

10 Impossibilité de l élection Idée de la preuve Monte Carlo : Il existe des configuration dans un anneau plus grand qui sont vues par le processus comme identique à celle de l anneau plus petit. ELU un processus est élu Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

11 Impossibilité de l election Idée de la preuve Monte Carlo : En prenant un très grand anneau la probabilité que la configuration arrive 2 fois tend vers 1. ELU ELU Deux processus sont élus Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

12 Election possible si la taille de l anneau est connue Algorithme Monte Carlo 1 Tirer un mot binaire id aléatoire de taille r >> n 2 Appliquer un algorithme déterministe avec pour identifiant id. Si r >> n, alors la probabilité que les id des processus soient différents est proche de 1. L algorithme fonctionne donc correctement avec un probabilité proche de 1. Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

13 Election possible si la taille de l anneau est connue Algorithme Las Vegas 1 Tirer un mot binaire id aléatoire de taille r >> n 2 Envoyer un message (id, n) à son voisin de droite 3 Si on reçoit un message (i, j) ou RECOMMENCER si i id et j > 0 alors, on transmet (i, j 1) à son voisin de droite si i = id et j 0 alors on envoie un message RECOMMENCER à son voisin de droite. si RECOMMENCER alors on envoie un message RECOMMENCER à son voisin de droite. 4 Si on ne reçoit pas de message RECOMMENCER avant la ronde 2n, on commence l élection déterministe avec id. Sinon on recommence le tirage. Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

14 Rendez-vous probabiliste dans l anneau Idée : tirer au hasard un identifiant. Algorithme Monte Carlo de rendez-vous 1 Tirer un identifiant id de taille r au hasard. 2 Appliquer un algorithme déterministe avec comme identifiant id. Résultat : algorithme Monte Carlo avec probabilité de réussite 1 2 r et complexité égale à la complexité de l algorithme déterministe avec r taille de l identifiant. Exemple pour l anneau r = 16 : algorithme avec probabilité 15/16 et complexité O(n) Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

15 Rendez-vous probabiliste dans l anneau Algorithme Las Vegas de rendez-vous Pour i de 1 à l infini par pas de 1 faire Chaque agent répète la stratégie suivante en tirant un nombre entre 1 et 3 : tirer un nombre entre 1 et 3 Si un 1 est tiré, se déplacer à droite sur une distance 3 i et revenir Si un 2 est tiré, se déplacer à gauche sur une distance 3 i et revenir Si un 3 est tiré, se déplacer attendre pendant 3 i étapes Remarque Si 3 i est plus grand que d alors les agents se rencontre avec une probabilité 1/9. Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

16 Rendez-vous probabiliste dans les graphes Marche aléatoire Tant qu on a pas rencontré l autre agent Tirer un nombre entre 1 et le degré du sommet Se déplacer par ce port Théorème Deux agents synchrones qui effectue une marche aléatoire vont se rencontrer avec une espérance (moyenne) de O(n 3 ) mouvements. Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

17 Conclusion Algorithme distribué probabiliste Pour conclure L aléatoire rends certaines taches possibles mais pas toutes L aléatoire rends souvent les algorithmes plus simple mais leur analyse est plus complexe. Différence entre résultat toujours correct (Las Vegas) et complexité en temps toujours borné (Monte Carlo). Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux III Algorithme distribué 12 avril probabiliste / 17

Algorithmique Distribuée

Algorithmique Distribuée Algorithmique Distribuée Problèmes et Algorithmes Fondamentaux Arnaud labourel http://pageperso.lif.univ-mrs.fr/ arnaud.labourel Aix-Marseille Université 15 janvier 2014 Arnaud Labourel (AMU) Algorithmique

Plus en détail

Problème: si les tableaux que l'on trie sont déjà à peu près triés, l'algorithme n'est pas efficace.

Problème: si les tableaux que l'on trie sont déjà à peu près triés, l'algorithme n'est pas efficace. Traonmilin Yann traonmil@enst.fr MOD Algorithmique Probabiliste 1. Deux exemples 1.1. Quicksort randomisé. Dans l'algorithme de tri classique Quicksort, le pivot est choisi au début du tableau puis on

Plus en détail

Autostabilisation. de l exclusion mutuelle sur un anneau à l élection d un chef sur un graphe quelconque

Autostabilisation. de l exclusion mutuelle sur un anneau à l élection d un chef sur un graphe quelconque : de l exclusion mutuelle sur un anneau à l élection d un chef sur un graphe quelconque Laboratoire d Informatique Fondamentale d Orléans, Université d Orléans, Orléans, FRANCE JIRC 30 juin 2005 Blois

Plus en détail

Algorithmes probabilistes. Références: Fundamentals of Algortihms de Gilles Brassard et Paul Bratley Note de cours de Pierre McKenzie

Algorithmes probabilistes. Références: Fundamentals of Algortihms de Gilles Brassard et Paul Bratley Note de cours de Pierre McKenzie Algorithmes probabilistes Références: Fundamentals of Algortihms de Gilles Brassard et Paul Bratley Note de cours de Pierre McKenzie Mise en contexte: Indices: Vous êtes à la recherche d un trésor légendaire

Plus en détail

Projet de Programmation Parallèle et Distribuée Rendez-vous synchrone d agents mobiles dans un anneau

Projet de Programmation Parallèle et Distribuée Rendez-vous synchrone d agents mobiles dans un anneau Université de Provence MASTER INFORMATIQUE Programmation Parallèle et Distribuée 2011-2012 Projet de Programmation Parallèle et Distribuée Rendez-vous synchrone d agents mobiles dans un anneau 1 Description

Plus en détail

Tolérance aux pannes dans les systèmes distribués. Alain BUI

Tolérance aux pannes dans les systèmes distribués. Alain BUI Tolérance aux pannes dans les systèmes distribués Alain BUI Professeur Département de Mathématiques et Informatique alain.bui@univ-reims.fr Alain BUI -- Université de Reims 1 Introduction Nombre croissant

Plus en détail

Algorithmes de tri. 1 Introduction

Algorithmes de tri. 1 Introduction Algorithmes de tri L objectif de ce document est de présenter plusieurs algorithmes classiques de tri. On commence par présenter chaque méthode de manière intuitive, puis on détaille un exemple d exécution

Plus en détail

Université Paris Diderot Master 1 II. Théorie et pratique de la concurrence

Université Paris Diderot Master 1 II. Théorie et pratique de la concurrence Université Paris Diderot Master 1 II Théorie et pratique de la concurrence Partiel du 30 avril 2009 Durée : 1h30. Tous les documents sont autorisés. Le barème est indicatif. Question 1 : Soit le programme

Plus en détail

INTRODUCTION À L ALGORITHMIQUE RÉPARTIE

INTRODUCTION À L ALGORITHMIQUE RÉPARTIE INTRODUCTION À L ALGORITHMIQUE RÉPARTIE Chargée de cours: Transparents :http://www-npa.lip6.fr/~blin/enseignements.html Email: lelia.blin@lip6.fr ALGORITHMIQUE SÉQUENTIELLE Une tâche / un calcul Série

Plus en détail

11. Tests d hypothèses (partie 1/2)

11. Tests d hypothèses (partie 1/2) 11. Tests d hypothèses (partie 1/2) MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v1) MTH2302D: tests d hypothèses 1/30 Plan 1. Introduction 2. Hypothèses et erreurs 3. Tests d hypothèses

Plus en détail

Activité 1 : échantillonnage

Activité 1 : échantillonnage Activité échantillonnage, intervalle de fluctuation, prise de décision (à partir d un même thème) Les trois activités qui suivent s inspirent du document «ressources pour la classe de première générale

Plus en détail

On suppose l existence d un générateur de nombres aléatoires dont l utilisation se fait à coût unitaire.

On suppose l existence d un générateur de nombres aléatoires dont l utilisation se fait à coût unitaire. 8INF430 Algorithmes probabilistes 1 Générateur pseudo aléatoire On suppose l existence d un générateur de nombres aléatoires dont l utilisation se fait à coût unitaire. Définition: Soit a < b, deux nombres

Plus en détail

Chapitre 3 : INFERENCE

Chapitre 3 : INFERENCE Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage

Plus en détail

Au menu. Cours 7: Classes Probabilistes. Application : Calcul de la médiane. Sous menu. Retours sur quelques algorithmes.

Au menu. Cours 7: Classes Probabilistes. Application : Calcul de la médiane. Sous menu. Retours sur quelques algorithmes. Au menu Cours 7: Classes Probabilistes Olivier Bournez bournez@lix.polytechnique.fr LIX, Ecole Polytechnique Retours sur quelques algorithmes Quelques résultats INF561 Algorithmes et Complexité 1 2 Sous

Plus en détail

Théorie des graphes. Introduction. Programme de Terminale ES Spécialité. Résolution de problèmes à l aide de graphes. Préparation CAPES UCBL

Théorie des graphes. Introduction. Programme de Terminale ES Spécialité. Résolution de problèmes à l aide de graphes. Préparation CAPES UCBL Introduction Ces quelques pages ont pour objectif de vous initier aux notions de théorie des graphes enseignées en Terminale ES. Le programme de Terminale (voir ci-après) est construit sur la résolution

Plus en détail

5 Méthodes algorithmiques

5 Méthodes algorithmiques Cours 5 5 Méthodes algorithmiques Le calcul effectif des lois a posteriori peut s avérer extrêmement difficile. En particulier, la prédictive nécessite des calculs d intégrales parfois multiples qui peuvent

Plus en détail

Chapitre 10 Algorithmes probabilistes

Chapitre 10 Algorithmes probabilistes Chapitre 10 Algorithmes probabilistes Jouent à pile ou face Se comportent différemment lorsque exécutés deux fois sur un même exemplaire Défient parfois l intuition 1 Première surprise: le hasard peut

Plus en détail

Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application

Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application Université de Provence Licence Math-Info Première Année V. Phan Luong Algorithmique et Programmation en Python Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application 1 Ordinateur Un

Plus en détail

Chapitre VI Échantillonages et simulations

Chapitre VI Échantillonages et simulations Chapitre VI Commentaires : Récursivement, les commentaires ne sont pas à l attention des élèves.. Fluctuation d échantillonnage Définition : En statistiques, un échantillon de taille n est la liste des

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

Langage C et aléa, séance 4

Langage C et aléa, séance 4 Langage C et aléa, séance 4 École des Mines de Nancy, séminaire d option Ingénierie Mathématique Frédéric Sur http://www.loria.fr/ sur/enseignement/courscalea/ 1 La bibliothèque GMP Nous allons utiliser

Plus en détail

Codage des nombres. Eric Cariou. Université de Pau et des Pays de l'adour Département Informatique. Eric.Cariou@univ-pau.fr

Codage des nombres. Eric Cariou. Université de Pau et des Pays de l'adour Département Informatique. Eric.Cariou@univ-pau.fr Codage des nombres Eric Cariou Université de Pau et des Pays de l'adour Département Informatique Eric.Cariou@univ-pau.fr 1 Représentation de l'information Un ordinateur manipule des données Besoin de coder

Plus en détail

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini.

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. 1 Introduction Des actions comme lancer un dé, tirer une carte d un jeu, observer la durée de vie d une ampoule électrique, etc...sont

Plus en détail

La recherche locale. INF6953 La recherche locale 1

La recherche locale. INF6953 La recherche locale 1 La recherche locale INF6953 La recherche locale 1 Sommaire Recherche locale et voisinage. Fonction de voisinage, optimum local Fonction de voisinage et mouvements Fonction de voisinage et mouvements Exemples

Plus en détail

E-LECLERC LEVALUATION DU SITE WEB. A. Evaluation «subjective» du site web. 1. Choix du site web. 2. Présentation le site A P I 0 8 1 1 / 0 3 / 2 0 1 4

E-LECLERC LEVALUATION DU SITE WEB. A. Evaluation «subjective» du site web. 1. Choix du site web. 2. Présentation le site A P I 0 8 1 1 / 0 3 / 2 0 1 4 LEVALUATION DU SITE WEB E-LECLERC A P I 0 8 1 1 / 0 3 / 2 0 1 4 A. Evaluation «subjective» du site web 1. Choix du site web J ai choisi de réaliser l évaluation «subjective» sur le site web : www.e-leclerc.com,

Plus en détail

Rendez-vous d agents mobiles

Rendez-vous d agents mobiles Rendez-vous d agents mobiles Arnaud Labourel Équipe d algorithmique distribuée LIF, CNRS & Aix-Marseille Université, France Visite de l ENS Cachan, le 9 décembre 0 Arnaud Labourel (LIF, AMU) Rendez-vous

Plus en détail

Codage - Cryptographie

Codage - Cryptographie Codage - Cryptographie Emmanuel Jeandel (emmanuel.jeandel@lif.univ-mrs.fr) http://www.lif.univ-mrs.fr/ ejeandel/enseignement.html 28 mars 2011 1 Partages de Secret Q 1) Trouver un protocole pour que Alice

Plus en détail

CHAPITRE 3. PROTOCOLES DE CRYPTOGRAPHIE À

CHAPITRE 3. PROTOCOLES DE CRYPTOGRAPHIE À CHAPITRE 3. PROTOCOLES DE CRYPTOGRAPHIE À CLÉ SECRÈTE http://math.univ-lyon1.fr/~roblot/masterpro.html Propriétés Propriétés Clés. La clé de cryptage et la clé de décryptage sont les mêmes et donc doivent

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

Détection de la terminaison distribuée

Détection de la terminaison distribuée Cours Algorithmique répartie Master 2 Université Paris-Diderot Devoir 1 (à rendre avant le 22 février 2010) Détection de la terminaison distribuée Généralités Π = {p 0,..., p n 1 } est l ensemble des processus.

Plus en détail

Intelligence Artificielle Jeux

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

Plus en détail

Exemple. Il ne faudra pas confondre (101) 2 et (101) 10 Si a 0,a 1, a 2,, a n sont n+1 chiffres de 0 à 1, le

Exemple. Il ne faudra pas confondre (101) 2 et (101) 10 Si a 0,a 1, a 2,, a n sont n+1 chiffres de 0 à 1, le Chapitre I - arithmé La base décimale Quand on représente un nombre entier, positif, on utilise généralement la base 10. Cela signifie que, de la droite vers la gauche, chaque nombre indiqué compte 10

Plus en détail

POKER ET PROBABILITÉ

POKER ET PROBABILITÉ POKER ET PROBABILITÉ Le poker est un jeu de cartes où la chance intervient mais derrière la chance il y a aussi des mathématiques et plus précisément des probabilités, voici une copie d'écran d'une main

Plus en détail

Calcul élémentaire des probabilités

Calcul élémentaire des probabilités Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire Variables aléatoires. Exemple 1. (Jeu d argent) Exemple 2. Loi de

Plus en détail

Stratégies et construction

Stratégies et construction Stratégies et construction Sébastien MARTINEAU Été 2008 Exercice 1 (Niveau 2). Sur une règle d 1 mètre de long se trouvent 2008 fourmis. Chacune part initialement, soit vers la gauche, soit vers la droite,

Plus en détail

Systèmes d Exploitation Chapitre 6 Sémaphores

Systèmes d Exploitation Chapitre 6 Sémaphores Systèmes d Exploitation Chapitre 6 Sémaphores F. Moal 2012/2013 Par DIJKSTRA 1971 Idée : encapsuler les solutions diverses au pb de la section critique pour fournir une interface unique et assurer la portabilité.

Plus en détail

Sécurité des réseaux Authentification avec Kerberos

Sécurité des réseaux Authentification avec Kerberos Sécurité des réseaux Authentification avec Kerberos A. Guermouche A. Guermouche Cours 5 : Kerberos 1 Plan 1. Introduction A. Guermouche Cours 5 : Kerberos 2 Plan Introduction 1. Introduction A. Guermouche

Plus en détail

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48 Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation

Plus en détail

Cryptographie. Cours 3/8 - Chiffrement asymétrique

Cryptographie. Cours 3/8 - Chiffrement asymétrique Cryptographie Cours 3/8 - Chiffrement asymétrique Plan du cours Différents types de cryptographie Cryptographie à clé publique Motivation Applications, caractéristiques Exemples: ElGamal, RSA Faiblesses,

Plus en détail

Mémoire virtuelle. Généralités

Mémoire virtuelle. Généralités Mémoire virtuelle Généralités La pagination pure - Conversion d adresses virtuelles en adresses physiques - Table des pages à plusieurs niveau et table inversée - Algorithmes de remplacement de page -

Plus en détail

Génération aléatoire de structures ordonnées

Génération aléatoire de structures ordonnées Génération aléatoire de structures ordonnées Olivier Roussel Équipe APR Laboratoire d Informatique de Paris 6 Université Pierre et Marie Curie ALÉA 2011 7 mars 2011 Olivier Roussel (LIP6) Génération de

Plus en détail

Série 2 Premiers programmes

Série 2 Premiers programmes Licence pro. GTSBD 2013-2014 Structures de données, langage Python Série 2 Premiers programmes Programmes avec des affectations, des lectures et des écritures Exo 2.1 Le problème de la machine qui rend

Plus en détail

Algorithmique distribuée. Exclusion mutuelle

Algorithmique distribuée. Exclusion mutuelle Algorithmique distribuée Exclusion mutuelle Eric Cariou Master Technologies de l'internet 1 ère année Université de Pau et des Pays de l'adour Département Informatique Eric.Cariou@univ-pau.fr 1 Exclusion

Plus en détail

Arithmétique Algorithmique. http://www.math.univ-lyon1.fr/~roblot/ens.html

Arithmétique Algorithmique. http://www.math.univ-lyon1.fr/~roblot/ens.html Arithmétique Algorithmique http://www.math.univ-lyon1.fr/~roblot/ens.html Partie III Algorithmes classiques 1 Coût de la multiplication et de la division 2 Exponentiation rapide 3 Algorithme d Euclide

Plus en détail

Elma m l a ki i Haj a a j r a Alla a Tao a uf u i f q B ur u kkad a i i Sal a ma m n a e n e Be B n e a n b a d b en e b n i b i Il I ham

Elma m l a ki i Haj a a j r a Alla a Tao a uf u i f q B ur u kkad a i i Sal a ma m n a e n e Be B n e a n b a d b en e b n i b i Il I ham Exposé: la technique de simulation MONTE-CARLO Présenté par : Elmalki Hajar Bourkkadi Salmane Alla Taoufiq Benabdenbi Ilham Encadré par : Prof. Mohamed El Merouani Le plan Introduction Définition Approche

Plus en détail

Génération aléatoire d arbres de Motzkin à la Rémy

Génération aléatoire d arbres de Motzkin à la Rémy Génération aléatoire d arbres de Motzkin à la Rémy Axel Bacher, Olivier Bodini, Alice Jacquot LIPN, Université Paris 13 22 mars 2013 Sommaire 1 Introduction : Arbres de Catalan Algorithme de Rémy 2 Spécification

Plus en détail

Modèle probabiliste: Algorithmes et Complexité

Modèle probabiliste: Algorithmes et Complexité Modèles de calcul, Complexité, Approximation et Heuristiques Modèle probabiliste: Algorithmes et Complexité Jean-Louis Roch Master-2 Mathématique Informatique Grenoble-INP UJF Grenoble University, France

Plus en détail

Modèle probabiliste: Algorithmes et Complexité

Modèle probabiliste: Algorithmes et Complexité Modèles de calcul, Complexité, Approximation et Heuristiques Modèle probabiliste: Algorithmes et Complexité Jean-Louis Roch Master-2 Mathématique Informatique Grenoble-INP UJF Grenoble University, France

Plus en détail

Chapitre 2 : Méthode de Monte-Carlo avec tirages indépendants, pour le calcul approché d une intégrale.

Chapitre 2 : Méthode de Monte-Carlo avec tirages indépendants, pour le calcul approché d une intégrale. Aix Marseille Université. Algorithmes Stochastiques. M MIS. Fabienne Castell... Chapitre : Méthode de Monte-Carlo avec tirages indépendants, pour le calcul approché d une intégrale. Le but de ce chapitre

Plus en détail

Introduction à la programmation en variables entières Cours 3

Introduction à la programmation en variables entières Cours 3 Introduction à la programmation en variables entières Cours 3 F. Clautiaux francois.clautiaux@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 272 Sommaire Notion d heuristique Les algorithmes gloutons

Plus en détail

ATELIER ALGORITHME PREMIERS PAS Journée d information sur les nouveaux programmes de Première S-ES 2010-2011

ATELIER ALGORITHME PREMIERS PAS Journée d information sur les nouveaux programmes de Première S-ES 2010-2011 Pour me contacter : irene.rougier@ac-clermont.fr 1. Introduction ATELIER ALGORITHME PREMIERS PAS Journée d information sur les nouveaux programmes de Première S-ES 2010-2011 De nombreux documents et informations

Plus en détail

Licence Sciences et Technologies Examen janvier 2010

Licence Sciences et Technologies Examen janvier 2010 Université de Provence Introduction à l Informatique Licence Sciences et Technologies Examen janvier 2010 Année 2009-10 Aucun document n est autorisé Les exercices peuvent être traités dans le désordre.

Plus en détail

NOMBRES ET CARRES. Le principe. Premières expérimentations. Pour aller plus loin...

NOMBRES ET CARRES. Le principe. Premières expérimentations. Pour aller plus loin... NOMBRES ET CARRES Le principe On décide de jouer avec les nombres de la manière suivante: on se donne un nombre, par exemple 53, on ajoute les carrés des chiffres qui le composent - ici 2 + 5 2 + 3 2 =

Plus en détail

UNIVERSITÉ DU QUÉBEC EN OUTAOUAIS PROBLÈME DE COMMÉRAGE POUR LES AGENTS MOBILES

UNIVERSITÉ DU QUÉBEC EN OUTAOUAIS PROBLÈME DE COMMÉRAGE POUR LES AGENTS MOBILES UNIVERSITÉ DU QUÉBEC EN OUTAOUAIS PROBLÈME DE COMMÉRAGE POUR LES AGENTS MOBILES MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN INFORMATIQUE PAR JULIAN ANAYA AVRIL 2014 UNIVERSITÉ DU QUÉBEC

Plus en détail

CALCUL MENTAL AU CYCLE 3

CALCUL MENTAL AU CYCLE 3 CALCUL MENTAL AU CYCLE 3 Constat de départ : Les élèves du cycle 3 de l école ont des difficultés pour utiliser des procédures de calcul mental lors de calculs réfléchis : ils se trompent ou utilisent

Plus en détail

Fiche Technique. Présentation du problème. Comment créer cette adresse

Fiche Technique. Présentation du problème. Comment créer cette adresse Présentation du problème Il est très intéressant d avoir des adresses hotmail.fr ou live.fr d une part et gmail d autre part. (Voir la fiche technique sur Hotmail ou live. Il y a 3 bonnes raisons d avoir

Plus en détail

Générateur de Nombres Aléatoires

Générateur de Nombres Aléatoires Générateur de Nombres Aléatoires Les générateurs de nombres aléatoires sont des dispositifs capables de produire une séquence de nombres dont on ne peut pas tirer facilement des propriétés déterministes.

Plus en détail

9. Distributions d échantillonnage

9. Distributions d échantillonnage 9. Distributions d échantillonnage MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v3) MTH2302D: distributions d échantillonnage 1/46 Plan 1. Échantillons aléatoires 2. Statistiques et distributions

Plus en détail

Guide de configuration

Guide de configuration Guide de configuration All Rights Reserved Last updated in July 2013 2 Table des matières Guide de configuration... 1 Introduction... 3 Pré-requis... 5 Pour commencer, une procédure étape par étape...

Plus en détail

Les Algorithmes par Vagues. Algorithmique Distribuée

Les Algorithmes par Vagues. Algorithmique Distribuée Les Algorithmes par Vagues 1 Les Algorithmes par Vagues Introduction Définitions Particularités Vague pour topologie en anneau Vague pour topologie en arbre Vague pour topologie quelconque 2 Introduction

Plus en détail

Delta couverture de produits dérivés en Finance. ESILV Ingénierie Financière S8 Cours du 24 avril 2012 Partie 2 Marie Bernhart

Delta couverture de produits dérivés en Finance. ESILV Ingénierie Financière S8 Cours du 24 avril 2012 Partie 2 Marie Bernhart Delta couverture de produits dérivés en Finance ESILV Ingénierie Financière S8 Cours du 24 avril 2012 Partie 2 Marie Bernhart Plan de la présentation Couverture de produits dérivés en Finance Principe

Plus en détail

Vous êtes coach, thérapeute, professionnel de la relation d aide, du bien-être ou du

Vous êtes coach, thérapeute, professionnel de la relation d aide, du bien-être ou du Vous êtes coach, thérapeute, professionnel de la relation d aide, du bien-être ou du développement personnel, vous avez lancé votre activité il y a quelques semaines ou quelques mois et vous aimeriez la

Plus en détail

Principes généraux de codage entropique d'une source. Cours : Compression d'images Master II: IASIG Dr. Mvogo Ngono Joseph

Principes généraux de codage entropique d'une source. Cours : Compression d'images Master II: IASIG Dr. Mvogo Ngono Joseph Principes généraux de codage entropique d'une source Cours : Compression d'images Master II: IASIG Dr. Mvogo Ngono Joseph Table des matières Objectifs 5 Introduction 7 I - Entropie d'une source 9 II -

Plus en détail

Représentation des nombres entiers et réels. en binaire en mémoire

Représentation des nombres entiers et réels. en binaire en mémoire L3 Mag1 Phys. fond., cours C 15-16 Rep. des nbs. en binaire 25-09-05 23 :06 :02 page 1 1 Nombres entiers 1.1 Représentation binaire Représentation des nombres entiers et réels Tout entier positif n peut

Plus en détail

Jeux mathématiques en maternelle. Activités clés. Jeu des maisons et des jardins (Yvette Denny PEMF)

Jeux mathématiques en maternelle. Activités clés. Jeu des maisons et des jardins (Yvette Denny PEMF) Activités clés NIVEAU : PS/MS Jeu des maisons et des jardins (Yvette Denny PEMF) Compétences Construire les premiers nombres dans leur aspect cardinal Construire des collections équipotentes Situation

Plus en détail

1 Générateurs à Congruences Linéaires (GCL)

1 Générateurs à Congruences Linéaires (GCL) TP 4 : Générateurs pseudo-aléatoires et applications Un générateur de nombres pseudo-aléatoires, pseudorandom number generator (PRNG) en anglais, est un algorithme qui génère une séquence de nombres présentant

Plus en détail

Applications des métaheuristiques #1 Coloration de graphes

Applications des métaheuristiques #1 Coloration de graphes Applications des métaheuristiques #1 Coloration de graphes MTH6311 S. Le Digabel, École Polytechnique de Montréal H2014 (v2) MTH6311: Applications des métaheuristiques #1 Coloration de graphes 1/29 Plan

Plus en détail

Cours 1: Introduction à l algorithmique

Cours 1: Introduction à l algorithmique 1 Cours 1: Introduction à l algorithmique Olivier Bournez bournez@lix.polytechnique.fr LIX, Ecole Polytechnique 2011-12 Algorithmique 2 Aujourd hui Calcul de x n Maximum Complexité d un problème Problème

Plus en détail

I. Qu est-ce qu une probabilité?

I. Qu est-ce qu une probabilité? I. Qu est-ce qu une probabilité? 1. Première approche : Une probabilité en mathématique est un chiffre compris entre 0 et 1. Ce chiffre représente une évaluation du caractère probable d un événement. Si

Plus en détail

Bienvenue sur Annecy-loc.com. Guide d utilisation des services du site A l attention des. Propriétaires

Bienvenue sur Annecy-loc.com. Guide d utilisation des services du site A l attention des. Propriétaires Bienvenue sur Annecy-loc.com Guide d utilisation des services du site A l attention des Propriétaires Dans ce guide, vous trouverez des réponses complètes pour savoir 1. Introduction...Page 2 1. Pourquoi

Plus en détail

Routage compact. 1 Préambule. 2 Détail du sujet. Sujet proposé par Gilles Schaeffer Gilles.Schaeffer@lix.polytechnique.fr. 2.1 Un modèle de routage

Routage compact. 1 Préambule. 2 Détail du sujet. Sujet proposé par Gilles Schaeffer Gilles.Schaeffer@lix.polytechnique.fr. 2.1 Un modèle de routage Routage compact Sujet proposé par Gilles Schaeffer Gilles.Schaeffer@lix.polytechnique.fr URL de suivi : http://www.enseignement.polytechnique.fr/profs/informatique/ Gilles.Schaeffer/INF431/projetX06.html

Plus en détail

Calculs de probabilités conditionelles

Calculs de probabilités conditionelles Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile

Plus en détail

Organisation des cours

Organisation des cours Utilisation du site de formation 1 sur 7 Utilisation du site de formation Introduction L avantage d une formation par correspondance, et à fortiori par un site de formation, c est que chacun va à sa convenance.

Plus en détail

Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques. Elec 2311 : S7

Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques. Elec 2311 : S7 Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques Elec 2311 : S7 1 Plan du cours Qu est-ce l optimisation? Comment l optimisation s intègre dans la conception?

Plus en détail

PORTAIL E-ENFANCE. Application périscolaire Guide utilisateur

PORTAIL E-ENFANCE. Application périscolaire Guide utilisateur PORTAIL E-ENFANCE Application périscolaire Guide utilisateur SOMMAIRE Comment vous connecter? Accéder à l application Page d accueil Périscolaire La page de vos enfants Gestion des ser vices liés à l un

Plus en détail

Quel format de fichiers pour vos photos?

Quel format de fichiers pour vos photos? Quel format de fichiers pour vos photos? Les formats de fichiers sont aujourd hui principalement utilisés dans la photographie numérique : le format JPEG, le format TIFF et le format RAW. Il n est pas

Plus en détail

Les fichiers batch. 1 Introduction

Les fichiers batch. 1 Introduction Les fichiers batch 1 Introduction Les fichiers batch ont pour intérêt de pouvoir automatiser des tâches répétitives. En utilisant la fonction EDIT sous CMD, ou tout simplement le Notepad (bloc note), vous

Plus en détail

1 Programmation Client/Serveur basée sur TCP/IP

1 Programmation Client/Serveur basée sur TCP/IP Outils Informatique pour l ingénieur TD 1 Réseau et Web IP, Client/serveur 1 Programmation Client/Serveur basée sur TCP/IP 1.1 Buts de cette réalisation Ce TP sur la programmation client/serveur a pour

Plus en détail

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Master Modélisation et Simulation / ENSTA TD 1 2012-2013 Les méthodes dites de Monte-Carlo consistent en des simulations expérimentales de problèmes

Plus en détail

Combien de fois faut-il battre un jeu de cartes?

Combien de fois faut-il battre un jeu de cartes? Combien de fois faut-il battre un jeu de cartes? Ce texte est tiré d un article de D. Bayer et P. Diaconis Trailing the dovetail shuffle to its lair Ann. Appl. Prob. 992, vol 2, No 2, 294-33. Introduction

Plus en détail

Atelier de programmation en python

Atelier de programmation en python Atelier de programmation en python Kévin Chewie Sztern et Christophe Sagane Vermorel Contents Introduction 2 L environnement de développement 2 Démarrer l IDE............................... 2 Premiers

Plus en détail

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2) Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter

Plus en détail

Campagnes d e-mailings v.1.6

Campagnes d e-mailings v.1.6 Campagnes d e-mailings v.1.6 Sommaire Objet Page I Préparation de la campagne 3 I 1 / Le compte de messagerie pour l envoi des emails 3 I 2 / Configurer le modèle de l email 4 I 3 / La préparation des

Plus en détail

Projet d informatique M1BI : Compression et décompression de texte. 1 Généralités sur la compression/décompression de texte

Projet d informatique M1BI : Compression et décompression de texte. 1 Généralités sur la compression/décompression de texte Projet d informatique M1BI : Compression et décompression de texte Le but de ce projet est de coder un programme réalisant de la compression et décompression de texte. On se proposera de coder deux algorithmes

Plus en détail

I. Cas de l équiprobabilité

I. Cas de l équiprobabilité I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus

Plus en détail

Raisonnement probabiliste

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

Plus en détail

Couplages et colorations d arêtes

Couplages et colorations d arêtes Couplages et colorations d arêtes Complément au chapitre 5 «Une employée mécontente» et au chapitre 9 «L apprentie sudokiste» Considérons n équipes de hockey qui doivent s affronter lors d un tournoi.

Plus en détail

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités

Plus en détail

Comment effectuer la mise à jour ou la mise à niveau du micrologiciel sur mon appareil Brother?

Comment effectuer la mise à jour ou la mise à niveau du micrologiciel sur mon appareil Brother? Description du problème 1000000253604 Comment effectuer la mise à jour ou la mise à niveau du micrologiciel sur mon appareil Brother? Description de la solution 200000025360 - Utilisateurs Windows - Utilisateurs

Plus en détail

Désinstallation des versions antérieures

Désinstallation des versions antérieures Nous vous recommandons de lire ce document avant de commencer l installation d Universalis 2011 sur Windows. Vous y trouverez une description de la procédure d installation, ainsi que les réponses aux

Plus en détail

UTILISATION DU COURRIER ÉLECTRONIQUE AVEC HOTMAIL

UTILISATION DU COURRIER ÉLECTRONIQUE AVEC HOTMAIL Centres d accès communautaire Internet (CACI) des Îles UTILISATION DU COURRIER ÉLECTRONIQUE AVEC HOTMAIL Table des matières Introduction 1- La connexion au compte Hotmail 2 5 mins 2- Les fonctions de base

Plus en détail

CONNAISSEZ LES FAITS!

CONNAISSEZ LES FAITS! GÉREZ votre JEU C EST PAYANT DE SAVOIR CONNAISSEZ LES FAITS! VOTRE GUIDE POUR QUE LE JEU RESTE UN JEU depasserseslimites.ca olg.ca 1 sur 32, alors qu elles sont d environ 1 sur 14 millions pour le gros

Plus en détail

Cisco Certified Network Associate

Cisco Certified Network Associate Cisco Certified Network Associate Version 4 Notions de base sur les réseaux Chapitre 6 01 Regardez le schéma d adressage IP illustré. Quel préfixe réseau y est adapté? /24 /16 /20 /27 /25 /28 02 Parmi

Plus en détail

Université René Descartes Faculté de Pharmacie - Master Professionnel Dimension Économique des Produits de Santé 14 décembre 2005

Université René Descartes Faculté de Pharmacie - Master Professionnel Dimension Économique des Produits de Santé 14 décembre 2005 Université René Descartes Faculté de Pharmacie - Master Professionnel Dimension Économique des Produits de Santé 14 décembre 2005 Prise en Compte de l Incertitude dans l Évaluation des Technologies de

Plus en détail

Complexité des algorithmes

Complexité des algorithmes Complexité des algorithmes par Robert Rolland R. Rolland, Aix Marseille Université, Institut de Mathématiques de Marseille I2M Luminy Case 930, F13288 Marseille CEDEX 9 e-mail : robert.rolland@acrypta.fr

Plus en détail

Probabilités. Chapitre 2 : Le modèle probabiliste - Indépendance d évènements. Julian Tugaut. 15 janvier 2015

Probabilités. Chapitre 2 : Le modèle probabiliste - Indépendance d évènements. Julian Tugaut. 15 janvier 2015 Indépendance de deux évènements Chapitre 2 : Le modèle probabiliste - Indépendance d évènements 15 janvier 2015 Sommaire 1 Indépendance de deux évènements 2 Indépendance de deux évènements Approche intuitive

Plus en détail

MAJ 08/07/2013. INSTALLATION RAPIDE Version 1.3

MAJ 08/07/2013. INSTALLATION RAPIDE Version 1.3 INSTALLATION RAPIDE Version 1.3 1 Home Confort / installation rapide Préface PREFACE Vous venez de faire l acquisition d un kit de surveillance vidéo HOME CONFORT et nous vous remercions de cet excellent

Plus en détail

Génie Logiciel Industriel - Travaux pratiques

Génie Logiciel Industriel - Travaux pratiques - Travaux pratiques TP1 : Recherche par dichotomie I. Introduction. L objectif de ce TP est de mettre en pratique des notions de base du langage C (entrées/sorties, structure de contrôle, fonctions, ).

Plus en détail

Guide d installation UNIVERSALIS 2014

Guide d installation UNIVERSALIS 2014 Guide d installation UNIVERSALIS 2014 (Mac) Nous vous recommandons de lire ce document avant de commencer l installation d UNIVERSALIS 2014 sur Mac OS X. Vous y trouverez la description de la procédure

Plus en détail