Recherche Opérationnelle
|
|
- Madeleine Marie-Laure Bernard
- il y a 7 ans
- Total affichages :
Transcription
1 FSTM Recherche Opérationnelle Introduction à la méthode du simplexe Karam ALLALI
2 K. Allali 2
3 Méthode de résolution algébrique : l algorithme du simplexe - Pour des modèles linéaires continus dont les variables sont non négatives et dont les contraintes technologiques sont écrites sous forme d équations (i.e. avec un «=» au lieu d une inégalité du type «<» ou «>») - Remarque : dans le cours, on ne montre pas comment appliquer cette méthode «à la main». Il s agit plutôt de savoir utiliser les résultats dans le cadre d une analyse de sensibilité. Forme générale d un programme linéaire (PL) Max (Min) z = c 1 x 1 + c 2 x c n x n n variables m contraintes Sous les contraintes : a 11 x 1 + a 12 x a 1n x n a 21 x 1 + a 22 x a 2n x n... a m1 x 1 + a m2 x a mn x n x 1, x 2,, x n > 0 = = = b 1 b 2 b m Pour pouvoir utiliser cette méthode lorsque les contraintes comportent des inégalités, il faut introduire de nouvelles variables non négatives. Ces nouvelles variables permettront de transformer le modèle linéaire en un modèle équivalent où toutes les contraintes technologiques sont de type «=». K. Allali 3
4 Transformation d un modèle (PL) en un modèle (PL=) Variable d écart : Pour transformer une contrainte du type «<» en une contrainte du type «=». Quantité qu il faut ajouter au coté gauche de la contrainte pour atteindre l égalité. Variable d excédent : Pour transformer une contrainte du type «>» en une contrainte du type «=». Quantité qu il faut soustraire au coté gauche de la contrainte pour atteindre l égalité. Exemples : Contrainte1 : a 11 x 1 + a 12 x 2 < b 1 Introduction d une nouvelle variable non négative «e 1» : Contrainte 1 : a 11 x 1 + a 12 x 2 + e 1 = b 1 e 1 = b 1 (a 11 x 1 +a 12 x 2 ) (variable d écart) Contrainte2 : a 21 x 1 + a 22 x 2 > b 2 Introduction d une nouvelle variable non négative «e 2» : Contrainte 2 : a 21 x 1 + a 22 x 2 e 2 = b 2 e 2 = a 21 x 1 + a 22 x 2 - b 2 (variable d excédent) K. Allali 4
5 Programme linéaire standard (PLS) (Toutes les contraintes technologiques sont du type <) 1. Transformation du modèle (PLS) en modèle (PLS=) en ajoutant une variable d écart dans chaque contrainte technologique. 2. Obtenir une solution de base admissible initiale. La plus simple : poser x 1 = x 2 =.=x n = 0 (correspond au sommet 0) Ainsi : (x 1 ; x 2 ; ; x n ; e 1 ; e 2 ;. ; e m ) = (0 ; 0 ; ; 0 ; b 1 ; b 2 ; ; b m ) Cette solution ne sera pas probablement pas optimale. On le vérifie en examinant la contribution marginale de chaque variable hors base à la fonction objectif Z (coûts marginaux : c J - z J ). - Pour un problème de maximisation, la solution de base est optimale si tous les coûts marginaux sont < 0. - Pour un problème de minimisation, la solution de base est optimale si tous les coûts marginaux sont > Modifier la solution initiale de façon à se rapprocher de l optimum (augmenter ou diminuer Z selon qu on veut maximiser ou minimiser). L algorithme du simplexe est un procédé par itérations. Chaque itération correspond au passage d un sommet à un autre sommet qui lui est adjacent. K. Allali 5
6 Exemple Fonderie Rivière-bleue Variables de décision : x 1 = quantité de tuyauterie traitée (en tonnes) x 2 = quantité de gueuse traitée (en tonnes) Objectif : Maximiser le profit Max z = 1000x x 2 Sous les contraintes : (1) 10x 1 + 5x 2 < 200 (ébarbage) (2) 2x 1 + 3x 2 < 60 (peinture) (3) x 1 < 34 (demande tuyauterie) (4) x 2 < 14 (demande gueuses) x 1, x 2 > 0 (non négativité) Notez qu il s agit bien d un programme linéaire standard car toutes les contraintes technologiques sont du type «<». Résolution graphique : (1) 45 fonderie bleue (3) 35 x2 (2) (4) x1 K. Allali 6
7 Résolution algébrique : (selon méthode du simplexe) 1. Transformation du modèle (PLS) en (PLS=) Max z = 1000x x 2 Sous les contraintes : (1) 10x 1 + 5x 2 + e 1 = 200 (2) 2x 1 + 3x 2 + e 2 = 60 (3) x 1 + e 3 = 34 (4) x 2 + e 4 = 14 x 1, x 2, e 1, e 2, e 3, e 4 > 0 (Interprétation concrète des variables d écart dans le contexte.) 2. Déterminer une solution de base admissible initiale et construire le tableau initial: Poser x 1 = 0 et x 2 = 0 e 1 = 200 ; e 2 = 60 ; e 3 = 34 ; e 4 = 14 Tableau initial du simplexe : Tableau no. 0 (correspond au sommet (0,0)) BASE Coeff Variable x 1 x 2 e 1 e 2 e 3 e 4 valeur 0 e e e e z J Coût marginal c J - z J K. Allali 7
8 3. Déterminer s il s agit d une solution optimale : La solution de base admissible initiale n est pas optimale car z = 0. On peut aussi constater qu il existe des coûts marginaux c J z J positifs. Par exemple : - si on augmente x 1 d une unité et qu on laisse les autres variables fixes, cela se traduira par une augmentation de z de 1000 unités. - si on augmente x 2 d une unité et qu on laisse les autres variables fixes, cela se traduira par une augmentation de z de 1200 unités. Nous n entrons pas dans les détails de calcul de la méthode du simplexe dans le cours. Selon cette méthode, une nouvelle variable doit remplacer une des anciennes variables de la base, à chaque itération. Le tableau du simplexe sera recalculé à chaque étape. Le processus continuera jusqu à l obtention d une solution optimale. Tel que mentionné, chaque itération correspond au passage d un sommet de la région admissible à un autre sommet qui lui est adjacent. Les logiciels spécialisés en programmation linéaire sont programmés pour effectuer tous les calculs intermédiaires. La solution sera donnée dans le tableau final du simplexe. K. Allali 8
9 Voici, à titre indicatif, la séquence des tableaux correspondant à chaque itération pour l exemple Fonderie Rivière-Bleue: Seuls le tableau initial et le tableau final seront étudiés dans le cadre du cours. K. Allali 9
10 Reprenons le tableau final : correspond au sommet C : (15 ; 10) BASE Coeff Variable x 1 x 2 e 1 e 2 e 3 e 4 Valeur 0 e ,10-0, x ,15-0, e ,15 0, x ,10 0, z J c J - z J Solution : (15 ; 10 ; 0 ; 0 ; 19 ; 4) z = Les coûts marginaux des variables hors base e 1 et e 2 sont négatifs. Toute augmentation de ces variables résulterait en une diminution de Z. La solution est donc optimale. Plan optimal de production: 15 tonnes de tuyauterie 10 tonnes de gueuses Profit correspondant : 27000$ Contraintes : (1) e 1 = 0 L atelier d ébarbage est utilisé à pleine capacité. (2) e 2 = 0 L atelier de peinture est utilisé à pleine capacité. (3) e 3 = 19 Il manque 19 tonnes de tuyauterie pour satisfaire la demande maximale. (4) e 4 = 4 Il manque 4 tonnes de gueuses pour satisfaire la demande maximale. K. Allali 10
11 Analyse post-optimale : Qu advient-il de la solution optimale si on modifie la valeur des coefficients de la fonction objectif ou des contraintes? Revenons à l exemple Fonderie Rivière-Bleue et essayons de voir graphiquement ce qui se passe lorsqu on modifie les coefficients. Max z = 1000x x 2 sc. (1) 10x 1 + 5x 2 < 200 (ébarbage) x 1, x 2 > 0 (2) 2x 1 + 3x 2 < 60 (peinture) (3) x 1 < 34 (demande tuyauterie) (4) x 2 < 14 (demande gueuses) (non négativité) (1) 45 fonderie bleue (3) 35 x2 (4) (2) x1 K. Allali 11
12 Méthode algébrique : Modification du coefficient c 1 : c 1 = BASE Coeff Var x 1 x 2 e 1 e 2 e 3 e 4 valeur 0 e ,10-0, x ,15-0, e ,15 0, x ,10 0, z J c J - z J z J c J - z J K. Allali 12
13 Modification du coefficient c 2 : c 2 = BASE Coeff Var x 1 x 2 e 1 e 2 e 3 e 4 valeur 0 e ,10-0, x ,15-0, e ,15 0, x ,10 0, z J c J - z J z J c J - z J K. Allali 13
14 Modification du coefficient b 1 : b 1 = Contrainte de forme < et e 1 hors base. BASE Coeff Var x 1 x 2 e 1 e 2 e 3 e 4 valeur 0 e ,10-0, x ,15-0, e ,15 0, x ,10 0, z J c J - z J K. Allali 14
15 Modification du coefficient b 4 : b 4 = 14 + Contrainte < et e 4 dans la base. BASE Coeff Var x 1 x 2 e 1 e 2 e 3 e 4 valeur 0 e ,10-0, x ,15-0, e ,15 0, x ,10 0, z J c J - z J K. Allali 15
16 CAS GÉNÉRAL : Effet d une modification d un coefficient sur le tableau final du simplexe. 1. Modification d un coefficient c j dans la fonction objectif z. a) Modification du c j d une variable originale hors base : - Dans la ligne supérieure du tableau final, remplacer le coefficient c j par c j = c j +. - La modification apportée au tableau n affectera qu une seule autre entrée, celle du coût marginal de x j. Calculer ce coût marginal c j z j. - S il s agit d un problème de maximisation, la solution admissible de base restera optimale si c j z j < 0. - S il s agit d un problème de minimisation, la solution admissible de base restera optimale si c j z j > 0. (remarque : si le coût marginal d une variable hors base est nul, il existe une infinité de solutions) b) Modification du c j d une variable originale de base : - Dans la ligne supérieure du tableau final et dans la colonne des coefficients des variables de base du tableau final, remplacer le coefficient c j par c j = c j +. - La modification apportée au tableau affectera tous les coûts marginaux des variables hors base. Calculer les nouveaux z j et les nouveaux coûts marginaux c j z j. - S il s agit d un problème de maximisation, la solution admissible de base restera optimale si c j z j < 0. - S il s agit d un problème de minimisation, la solution admissible de base restera optimale si c j z j > 0. K. Allali 16
17 2. Modification du coefficient b i d une contrainte a) Contrainte de signe «<» : b i = b i + Variable e i hors base : Dans le tableau final, ajouter une colonne associée à à droite de la colonne «Valeur». Les entrées de cette colonne sont identiques à celles de e i. Les modifications apportées n affectent pas les coûts marginaux. Toutefois, les valeurs de certaines variables de bases pourraient changer. Déduire les équations d ajustement à partir des lignes du tableau modifié et recalculer la valeur des variables de base tout en s assurant de la non négativité de ces variables (b i doit rester dans un certain intervalle de variation. En dehors de cet intervalle, il faudrait utiliser un nouveau tableau optimal). Variable e i dans la base : Même principe sauf qu il n y aura qu une seule équation d ajustement. Si b i demeure dans son intervalle de variation, la base optimale et sa solution restent inchangées. b) Contrainte de signe «>» : attention : b i = b i - On a recours au signe «-» de façon à ce que les entrées de la colonne associée à dans le tableau final demeurent identiques aux entrées de la colonne e i. Pour le reste : mêmes indications que les cas précédents. K. Allali 17
18 Exercices S1) Ecrivez le problème PL suivant sous forme standard avec des M.d.D. non négatifs: Max z = 2x x x 3 s. c. x1 + x2 x3 5 ( 1) 6x1 + 7x2 9x3 4 ( 2) x1 + x2 + 4x3 = 10 ( 3) x1, x2 0 x sans restriction 3 Formulez son dual. S2) Considérons l ensemble de contraintes suivant: x x 2 + 3x x x 1 - x 2 + x x x x 2 - x 3 + x 4 10 Résolvez par la méthode du simplexe le problème obtenu lorsque la fonction objectif est donnée par: a) max z = 2x 1 + x 2-3x 3 + 5x 4 b) max z = - 2x 1 + 6x 2 + 3x 3-2x 4 c) max z = 3x 1 - x 2 + 3x 3 + 4x 4 d) min z = 5x 1-4x 2 + 6x 3 + 8x 4 e) min z = 3x 1 + 6x 2-2x 3 +4x 4 S3) Résolvez le problème suivant par la méthode du simplexe max z = 5x 1 + 4x 2 + 3x 3 s.c. 2 x x 2 + x x 1 + x x x x x 3 8 x 1, x 2, x 3 0 K. Allali 18
19 S4) Résolvez le problème suivant par simple inspection, puis par la méthode du simplexe max z = 5 x 1-6 x x 3-5 x x 5 s.c. x + 3x + 5x + 6x + 3x 90 x j S5) Résolvez le problème suivant par la méthode du simplexe : On doit organiser un pont aérien pour transporter 1600 personnes et 90 tonnes de bagages. Les avions disponibles sont de deux types: 12 du type A et 9 du type B. Le type A peut transporter, à pleine charge, 200 personnes et 6 tonnes de bagages. Le type B, 100 personnes et 6 tonnes de bagages. La location d un avion du type A coûte F; la location d un avion du type B coûte F. S6) Les dictionnaires ci-dessous ont été obtenus après exécution de quelques itérations de la méthode du simplexe sur différents problèmes. Quelles conclusions pouvez-vous tirer sur base de l information contenue dans ces dictionnaires? Les conclusions possibles sont par exemple:. la solution courante est optimale, et vaut...;. le problème est non borné parce que...;. le problème est non réalisable parce que...;. la solution courante n est pas optimale; dans ce cas, calculez la solution optimale. a) min z s. c. z x1 5x5 = 12 3x1 + x2 + 5x4 = 3 x1 + x3 + x4 4x5 = 6 4x1 x5 + x6 = 4 x, x, x, x, x, x K. Allali 19
20 b) max z s. c. z + x1 x4 2x5 = 20 3x1 + x2 5x4 = 3 x1 + x3 + 2x4 x5 = 6 4x1 2 x5 + x6 = 4 x, x, x, x, x, x c) max z s.c. z 5x2 + 3x5 = 12 2 x2 + x3 2x5 = 4 x1 x2 3x5 = 2 x2 + x4 x5 = 3 x, x, x, x, x K. Allali 20
21 Dualité & Sensibilité DS1) Suite de l exercice S6a). Quel est le coût réduit de chacune des variables du problème? DS2) Suite de l exercice S3). a) Si le coefficient de la variable x 2 dans la fonction objectif augmentait de 2 unités, quel serait l effet produit sur la solution optimale et la valeur optimale du problème? Et si cette augmentation était de 4 unités? b) Quel est le coût réduit de chacune des variables du problème? c) Quel est le prix dual de chacune des contraintes d inégalité du problème? DS3) Considérons le programme linéaire suivant, exprimé sous forme standard: min z = 2x 1 + x 2 s.c. 3x1 + x2 x3 = 3 4x1 + 3x2 x4 = 6 x1 + 2x2 + x5 = 3 x, x, x, x, x a) Calculer le dictionnaire associé à la base B définie par les variables de base x 1, x 2, x 5. 3 / 5 1 / 5 0 B 1 = 4 / 5 3 / b) La solution de base associée à B est-elle réalisable et optimale? DS4) Soit le problème (P): max z = 2x 1 + 4x 2 + 4x 3-3x 4 K. Allali 21
22 s. c. x + x + x = x + 4x + x = x, x, x, x La base optimale de (P) est B = et son inverse 0 1/ 4 B 1 = 1 1/ 4 a) Formulez le problème dual de (P). b) Sur base des informations fournies (et donc, sans utiliser la méthode du simplexe ni la méthode graphique), calculez la solution optimale de (P) et celle de son dual. Expliquez la méthode que vous utilisez. c) Si la fonction objectif de (P) est remplacée par max z = 3x 1 + 4x 2 + 4x 3-3x 4, la base B donnée ci-dessus reste-t-elle optimale? Justifiez votre réponse. DS5) Soit le problème suivant (P): max z = 100x x x 3 s. c. 5x1 + x2 + x3 + s1 = 25 ( 1) x1 + 2x2 + x3 + s2 = 25 ( 2) x1 + x2 + x3 + s3 = 10 ( 3) x1 + x2 + 5x3 + s4 = 50 ( 4) x, s 0 La base optimale de (P) est K. Allali 22
23 B = avec B = a) Ecrivez le dual de (P) b) Quelle est la solution optimale du programme (P) et celle de son dual? c) Dans quel intervalle peut varier le membre de droite de la contrainte (2) sans affecter l optimalité de B? DS6) Soit le problème de programmation linéaire max z = 60x x x 3 s. c. 8x + 6x + x 48 ( 1) x + 2x + 1, 5x 20 ( 2) x + 1, 5x + 0, 5x 8 ( 3) x, x, x La résolution de ce problème par la méthode du simplexe permet de calculer la base optimale B = 4 1, , , 5 1, 5 et son inverse B 1 = a) Calculez la solution optimale et la valeur optimale du problème. b) Calculez et interprétez le prix dual de la contrainte (2). DS7) Soit le problème de programmation linéaire max z = 30 x x 2 K. Allali 23
24 s. c. 5x + 4x 400 ( 1) x x, x, 1 2 x 2 60 ( 2) 75 ( 3) 0 a) Résolvez le problème graphiquement. b) Sur base de a), déterminez la base optimale B. c) Pourrait-on déduire les prix duaux sur base de cette information? DS8) Soit le problème de programmation linéaire (P): min z = 500x x x x x 5 s. c. x + x + x x + 4x + x + 3x x, x, x, x, x A l optimum de (P), on a x 1 = x 2 = x 3 = x 5 = 0 a) Trouvez la solution optimale et la matrice de base optimale pour (P). b) A partir de la matrice de base, calculez la valeur optimale des variables duales. c) Ecrivez le problème dual de (P). DS9) Soit le problème de programmation linéaire max z = 4x 1 + 5x 2 + 6x 3 3x1 + 4x2 + 5x3 11 s. c. x1, x2, x3 0 a) Formulez le dual et résolvez-le (par inspection) b) Utilisez a) et le théorème de dualité forte pour résoudre le primal. DS10) Soit le problème de programmation linéaire: K. Allali 24
25 min z = 2x 1 + 3x 2 s. c. 2x + 3x 30 x x 1 2 x, x, + 2x x K. Allali 25
26 Son dual s écrit max w = 30y y 2 s. c. 2y + y + y 2 3y + 2y y 3 y y , y Déterminez si les solutions suivantes sont réalisables et optimales: a) ( x 1 = 10, x 2 = 10/3; y 1 = 0, y 2 = 1, y 3 = 1) b) (x 1 = 20, x 2 = 10; y 1 = 1, y 2 = 4, y 3 = 0) c) (x 1 = 10/3, x 2 = 10/3; y 1 = 0, y 2 = 5/3, y 3 = 1/3) DS11) Considérons le programme linéaire suivant max z = 5x 1 + 2x 2 + 3x 3 s. c. x + 5x + 2x = x 5x 6x x, x, x La solution optimale est donnée par le dictionnaire final max z z + 23x2 + 7x3 = 150 x1 + 5x2 + 2x3 = 30 s. c. 10x2 8x3 + s2 = 10 x, s 0 a) Ecrivez le problème dual associé. b) Déterminez la matrice de base optimale B. Déduisez-en la solution optimale du dual. c) Dans quel intervalle peut varier c 1 (idem c 2, c 3 ) sans affecter l optimalité de la solution? K. Allali 26
27 d) Dans quel intervalle peut varier b 1 (idem b 2 ) sans affecter l optimalité de la base B? e) Déterminez les prix duaux. DS12) Considérons le problème de l exercice DS11. a) Supposons que le M. de D. des contraintes devienne (30 + θ, 40 - θ), où θ est un paramètre non négatif. Déterminez les valeurs de θ pour lesquelles la base B reste optimale. b) Pour chacune des fonctions objectif suivantes, trouvez la nouvelle solution optimale en utilisant la procédure d analyse de sensibilité. i) max z = 12x 1 + 5x 2 + 2x 3 ii) min z = 2x 2-5x 3 DS13) Voici la formulation d un petit problème de transport impliquant 3 entrepôts et 2 clients: min z = 3x x x 21 + x x x 32 x11 + x12 60 x 21 + x x 31 + x s. c x11 + x 21 + x 31 = 90 x12 + x 22 + x 32 = 60 x, x, x, x, x, x (remarquez que le problème est non équilibré). Ce problème a été mis sous forme standard en introduisant des variables d écart s 1, s 2 et s 3 dans les trois premières contraintes, puis résolu par un logiciel utilisant la méthode du simplexe. Voici quelques informations sur la solution optimale: les variables en base à l optimum sont x 11, x 12, x 22, x 31 et s 1 ; le coût réduit de x 21 et celui de x 32 sont égaux à 2; les prix duaux des contraintes sont donnés par (y 1, y 2, y 3, y 4, y 5 ) = (0, -1, -1, 3, 2). a) Mettez le problème sous forme standard (comme suggéré ci-dessus) et formulez son problème dual. b) Utilisez l information donnée plus haut pour calculer la solution optimale du problème et le coût de transport correspondant. K. Allali 27
28 c) Si le coût unitaire de transport entre l entrepôt 2 et le client 1 diminuait de 1 unité (passant ainsi de 4 à 3), quelle serait l incidence de ce changement sur la solution optimale et la valeur optimale calculées précédemment? d) Le gestionnaire du troisième entrepôt s aperçoit qu il a commis une erreur en évaluant ses stocks: il possède en fait 55 unités en stock. En supposant que la base optimale ne soit pas affectée, quel sera l effet de cette correction sur le coût de transport optimal? K. Allali 28
29 Solutions des exercices S2) d) Solution optimale: (z *, x *, s * )=(-40/3, 0, 10/3, 0, 0, 68/3, 34/3, 0). S3) Solution optimale: (z *, x *, s * )=(13, 2, 0, 1, 0, 1, 0). S4) Solution optimale: (z *, x *, s * )=(450, 90, 0, 0, 0, 0, 0). S5) Solution optimale: (z *, x *, s * )=(4600, 7/2, 9, 0, 22, 17/2, 0). S6) a) Il existe une infinité de solutions optimales; b) Dictionnaire non optimal; c) Dictionnaire non optimal. DS1) Coût réduit de x 1 =1, de x 5 =5; les autres sont nuls. DS2) a) i)pas de changement; ii) x 2 peut entrer en base. Nouvelle solution optimale: (z *, x *, s * )=(14, 0, 1, 2, 0, 6, 0); b) Coût réduit de x 2 =3; c) Prix duaux=1, 0, 1 resp. DS3) b) Oui. DS4) b) x * =(0, 2, 2, 0), y * =(4, 0); c) Oui. DS5) b) (x *, s * )=(15/4, 25/4, 0, 0, 35/4, 0, 40), y * =(25/2, 0, 75/2, 0); c) [65/4, + [. DS6) a) (z *, x * )=(280, 2, 0, 8, 24, 0, 0); b) y 2 * =10. DS7) b) x B =(x 1, x 2, s 3 ); c) y * =(5, 5, 0). DS8) a) x 4 * =150, s 1 * =0, s 2 * =0; b) y * =(300,0). DS9) a) y * =4/3; b) x 1 * =11/3. DS10) a) Réalisables; b) Pas réalisables; c) Réalisables et optimales. DS11) b) y * =(5, 0); c) c 1 [3/2, + [, c 2 ]-, 25], c 3 ]-,10]; d) b 1 [0, 40], b 2 [30, + [. DS12) a) θ [0,5]; b) i) La solution optimale est inchangée; ii) Faire entrer x 3 en base. DS13) b) z * =290, x B * =(40, 10, 50, 50, 10); c) Pas de changement; d) Valeur optimale: 285. K. Allali 29
Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en 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 Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailTravaux dirigés n 1. Programmation linéaire
Université de Reims Champagne Ardenne U.F.R. de Sciences Exactes et Naturelles MASTER 1 Informatique - 2014/2015 Pierre Delisle Travaux dirigés n 1 Programmation linéaire Exercice 1 (Résolution d'un programme
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailExcel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur
Excel Avancé Plan Outils de résolution La valeur cible Le solveur Interactivité dans les feuilles Fonctions de recherche (ex: RechercheV) Utilisation de la barre d outils «Formulaires» Outils de simulation
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailSujet 4: Programmation stochastique propriétés de fonction de recours
Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction
Plus en détailTP 2 Réseaux. Adresses IP, routage et sous-réseaux
TP 2 Réseaux Adresses IP, routage et sous-réseaux C. Pain-Barre INFO - IUT Aix-en-Provence version du 24/2/2 Adressage IP. Limites du nombre d adresses IP.. Adresses de réseaux valides Les adresses IP
Plus en détailRECHERCHE OPERATIONNELLE
RECHERCHE OPERATIONNELLE 0. Introduction. Ce cours a été enseigné jusqu en 2002, en année de licence, à la MIAGE de NANCY. L objectif principal de ce cours est d acquérir une connaissance approfondie de
Plus en détailCours de recherche opérationnelle I
1 Cours de recherche opérationnelle I Nadia Brauner Nadia.Brauner@imag.fr Grenoble, 2014-2015 Auteurs Ont participé à la rédaction de ce cours (par ordre d arrivée) Nadia Brauner Christophe Rapine Julien
Plus en détailL 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 détailTRACER LE GRAPHE D'UNE FONCTION
TRACER LE GRAPHE D'UNE FONCTION Sommaire 1. Méthodologie : comment tracer le graphe d'une fonction... 1 En combinant les concepts de dérivée première et seconde, il est maintenant possible de tracer le
Plus en détailCALCUL ET INTERPRETATION DES SOLDES
CALCUL ET INTERPRETATION DES SOLDES LE CALCUL DES SOLDES DES COMPTES EN T Le SOLDE d un compte correspond à la différence entre les sommes enregistrées au débit et au crédit de ce compte. Exemple : On
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
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 détailPratique des options Grecs et stratégies de trading. F. Wellers
Pratique des options Grecs et stratégies de trading F. Wellers Plan de la conférence 0 Philosophie et structure du cours 1 Définitions des grecs 2 Propriétés des grecs 3 Qu est ce que la volatilité? 4
Plus en détailII. REVOD Plongée à l ordinateur. Septembre 2010. Plan de l exposé
1 Décompression II. REVOD Plongée à l ordinateur Septembre 2010 Plan de l exposé Introduction Typologie de la décompression: No déco Déco légère Déco Lourde La planification Les profils de plongée Le palier
Plus en détailINFO-F-310 - Algorithmique 3 et Recherche Opérationnelle
INFO-F- - Algorithmique et Recherche Opérationnelle Yves De Smet Bernard Fortz - Table des matières I Introduction Aide à la décision et modèles mathématiques Quelques exemples de modèles mathématiques
Plus en 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 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 détailAnnexe 6. Notions d ordonnancement.
Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailJean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux
Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis
Plus en détailChapitre 2/ La fonction de consommation et la fonction d épargne
hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation
Plus en détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
Plus en détailFONCTION DE DEMANDE : REVENU ET PRIX
FONCTION DE DEMANDE : REVENU ET PRIX 1. L effet d une variation du revenu. Les lois d Engel a. Conditions du raisonnement : prix et goûts inchangés, variation du revenu (statique comparative) b. Partie
Plus en détailPrudence, Epargne et Risques de Soins de Santé Christophe Courbage
Prudence, Epargne et Rique de Soin de Santé Chritophe Courbage ASSOCIATION DE GENÈVE Introduction Le compte d épargne anté (MSA), une nouvelle forme d intrument pour couvrir le dépene de anté en ca de
Plus en détailReprésentation des Nombres
Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...
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 détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
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 détailPrincipe d optimisation. Optimisation technico-économique. Coût. Isolation thermique. Isolation optimale
Optimisation technico-économique Objectif : obtenir une certaine prestation à moindre coût Dans le domaine du bâtiment, cette optimisation peut s appliquer à trois niveaux différents : choix des composants
Plus en détailCONTROLE DE GESTION. DUT GEA, 2 èm e année option PMO 2005-2006
CONTROLE DE GESTION Une définition classique du contrôle de gestion le décrit comme «le processus par lequel les dirigeants s assurent que les ressources sont obtenues et utilisées avec efficacité et efficience
Plus en détailLES MÉTHODES DE POINT INTÉRIEUR 1
Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences
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 détailSOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE
SOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE 1 Factures de doit p. 9 Processus 1 2 Réductions sur factures de doit p. 11 Processus 1 3 Frais accessoires sur factures p. 13 Processus 1 4 Comptabilisation
Plus en détailJeux sous forme extensive (Jeux dynamiques)
(Jeux dynamiques) Plan du chapitre ( juillet 008) / éfinitions, exemples et équivalences Arbres de jeux, information et mémoire tratégies et réduction en forme normale Équilibre de Nash parfait en sous-jeux
Plus en détailSOFI Gestion+ Version 5.4. Echanges de données informatiques Spicers Sofi gestion+ Groupements. SOFI Informatique. Actualisé le 10.09.
SOFI Gestion+ SOFI Informatique Version 5.4 Echanges de données informatiques Spicers Sofi gestion+ Groupements Actualisé le 10.09.2004 Table des matières 1. Catalogue et tarifs... 4 1.1 Définition EDI...
Plus en détailCours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.
Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailÉtude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France
Étude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France Le 13 octobre 2014 Autorité des marchés financiers 17, place de la Bourse 75082 Paris cedex 02 Tél. : 01 53
Plus en détailArithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot
Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,
Plus en détailFaire un semi variograme et une carte krigée avec surfer
Faire un semi variograme et une carte krigée avec surfer Jérôme Mathieu http://www.jerome.mathieu.freesurf.fr avril 2004 Fichier de données Faire un fichier excel avec les données organisée en colonnes:
Plus en détailEVALUATION À 360 Demonstration MICHEL DUPONT RAPPORT PERSONNEL 360. rapport généré: 2010-01-05 http://compass360.net
Demonstration MIHEL DUPONT RAPPORT PERONNEL 360 rapport généré: 2010-01-05 http://compass360net TABLE DE MATIÈRE Michel Dupont Page 2 TABLE DE MATIÈRE omment utiliser votre rapport 3 GRILLE DE OMPETENE
Plus en détailSTRICTEMENT CONFIDENTIEL
MOIS / ANNEE ETUDE DE VALORISATION Société «EDIVAL» STRICTEMENT CONFIDENTIEL BUREAUX 31, Rue de Brest 69002 LYON Tél : +33 (0)8 71 55 11 98 SIÈGE SOCIAL 94, Rue Saint Lazare 75009 PARIS Tél : +33 (0)1
Plus en détailLagrange, où λ 1 est pour la contrainte sur µ p ).
Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailv3 2010 Sygic, a.s. All rights reserverd. Manuel utilisateur
v3 2010 Sygic, a.s. All rights reserverd. Manuel utilisateur I. Pour commencer... 1 Ecran de navigation... 1 Entrer une adresse... 1 Navigation pas à pas... 5 Acquisition de la position GPS... 6 II. Navigation
Plus en détailCours d initiation à la programmation en C++ Johann Cuenin
Cours d initiation à la programmation en C++ Johann Cuenin 11 octobre 2014 2 Table des matières 1 Introduction 5 2 Bases de la programmation en C++ 7 3 Les types composés 9 3.1 Les tableaux.............................
Plus en détailNombre de marches Nombre de facons de les monter 3 3 11 144 4 5 12 233 5 8 13 377 6 13 14 610 7 21 15 987 8 34 16 1597 9 55 17 2584 10 89
Soit un escalier à n marches. On note u_n le nombre de façons de monter ces n marches. Par exemple d'après l'énoncé, u_3=3. Pour monter n marches, il faut d'abord monter la première. Soit on la monte seule,
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 détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailSystème ASC unitaire triphasé. PowerScale 10 50 kva Maximisez votre disponibilité avec PowerScale
Système ASC unitaire triphasé 10 50 kva Maximisez votre disponibilité avec Protection de première qualité est un système ASC triphasé de taille moyenne qui offre une protection électrique remarquable pour
Plus en détailCours d électricité. Circuits électriques en courant constant. Mathieu Bardoux. 1 re année
Cours d électricité Circuits électriques en courant constant Mathieu Bardoux mathieu.bardoux@univ-littoral.fr IUT Saint-Omer / Dunkerque Département Génie Thermique et Énergie 1 re année Objectifs du chapitre
Plus en détailPrésentation... 2 Mise en place... 2. Fiche Article... 2 Commande Client... 3 Commande Fournisseur... 4. Gestion de la contremarque...
Sommaire Présentation... 2 Mise en place... 2 Fiche Article... 2 Commande Client... 3 Commande Fournisseur... 4 Gestion de la contremarque... 5 Suivi... 5 Etat... 7 Remarques... 8 Copyright WaveSoft 1/8
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 détailTD de supervision. J.P. Chemla. Polytech Tours Département productique 2ème année
TD de supervision J.P. Chemla Polytech Tours Département productique 2ème année 1 Présentation de l équipement On veut superviser une cuve dans un batiment. Les informations à visualiser sont les suivantes
Plus en détailSynopsis : Introduction : - L étude de la zone de chalandise doit tenir compte de la concurrence
S422-3 L ETUDE DE LA CONCURRENCE LOCALE S422 La relation commerciale et son marché S42 La relation commerciale la concurrence Identifier les caractéristiques de la concurrence locale. Caractériser les
Plus en détailMesurer les performances (CPU) sous Linux
Titre : Mesurer les performances (CPU) sous Linux Date : 22/07/2015 Page : 1/7 Mesurer les performances (CPU) sous Linux Résumé : Il existe des outils permettant de tracer les temps CPU utilisés (profiling).
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 détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailL Equilibre Macroéconomique en Economie Ouverte
L Equilibre Macroéconomique en Economie Ouverte Partie 3: L Equilibre Macroéconomique en Economie Ouverte On abandonne l hypothèse d économie fermée Les échanges économiques entre pays: importants, en
Plus en détailCHAPITRE 3. Application à la Mutualisation des Risques & à la Demande d Assurance
CHAPITRE 3 Application à la Mutualisation des Risques & à la Demande d Assurance Ce chapitre présente une première application des concepts développés dans la première partie de ce cours Il s agit de modéliser
Plus en détailSamuel Bassetto 04/2010
Industrialisation Lean manufacturing 4.2 Réalisé avec V. FIGENWALD - SIEMENS Samuel Bassetto 04/2010 Plan de la partie 2 : Vers une production Lean 1. Valeur Ajoutée et Gaspillages Muda walk 2. Temps de
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en détailavec des nombres entiers
Calculer avec des nombres entiers Effectuez les calculs suivants.. + 9 + 9. Calculez. 9 9 Calculez le quotient et le rest. : : : : 0 :. : : 9 : : 9 0 : 0. 9 9 0 9. Calculez. 9 0 9. : : 0 : 9 : :. : : 0
Plus en détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détailELEC2753 Electrotechnique examen du 11/06/2012
ELEC2753 Electrotechnique examen du 11/06/2012 Pour faciliter la correction et la surveillance, merci de répondre aux 3 questions sur des feuilles différentes et d'écrire immédiatement votre nom sur toutes
Plus en détailCH IV) Courant alternatif Oscilloscope.
CH IV) Courant alternatif Oscilloscope. Il existe deux types de courant, le courant continu et le courant alternatif. I) Courant alternatif : Observons une coupe transversale d une «dynamo» de vélo. Galet
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailCréation d un formulaire de contact Procédure
Création d un formulaire de contact Procédure Description : Cette procédure explique en détail la création d un formulaire de contact sur TYPO3. Outil Procédure CMS: TYPO3 Auteur : hemmer.ch SA Extension:
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailLes Turbos. Guide Pédagogique. Produits à effet de levier avec barrière désactivante. Produits présentant un risque de perte en capital
Les Turbos Guide Pédagogique Produits à effet de levier avec barrière désactivante Produits présentant un risque de perte en capital Les Turbos 2 Sommaire Introduction : Que sont les Turbos? 1. Les caractéristiques
Plus en détailL apport du HPC pour l optimisation. Eric Jacquet-Lagrèze. FORUM TERATEC 28 juin 2011
L apport du HPC pour l optimisation Eric Jacquet-Lagrèze FORUM TERATEC 28 juin 2011 Sommaire 1 / Recherche Opérationnelle et calcul scientifique 2 / Où se trouve la complexité et quels enjeux pour le HPC?
Plus en détailWARRANTS TURBOS CERTIFICATS. Les Warrants. Découvrir et apprendre à maîtriser l effet de levier
WARRANTS TURBOS CERTIFICATS Les Warrants Découvrir et apprendre à maîtriser l effet de levier 2 WARRANTS Qu est-ce qu un Warrant? Un warrant est une option cotée en Bourse. Emis par des établissements
Plus en détailAnnexe 1 au règlement Sporttip
Annexe 1 au règlement Sporttip Sporttip Set est l un des différents types de participation proposés par la Loterie Romande. Il s agit pour le participant de pronostiquer l issue, respectivement le résultat
Plus en détailMéthode : On raisonnera tjs graphiquement avec 2 biens.
Chapiittrre 1 : L uttiilliitté ((lles ménages)) Définitions > Utilité : Mesure le plaisir / la satisfaction d un individu compte tenu de ses goûts. (On s intéresse uniquement à un consommateur rationnel
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailThéorie et codage de l information
Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q
Plus en détailFête de la science Initiation au traitement des images
Fête de la science Initiation au traitement des images Détection automatique de plaques minéralogiques à partir d'un téléphone portable et atelier propose de créer un programme informatique pour un téléphone
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailChapitre 1 : Introduction au contrôle de gestion. Marie Gies - Contrôle de gestion et gestion prévisionnelle - Chapitre 1
Chapitre 1 : Introduction au contrôle de gestion Introduction 2 Contrôle de gestion : fonction aujourd hui bien institutionnalisée dans les entreprises Objectif : permettre une gestion rigoureuse et une
Plus en détailL oligopole ESCP 2012 2103
Structures de marché L oligopole Anne Yvrande Billon ESCP 2012 2103 1 Plan du cours (1/2) 1. Introduction : qu est ce qu un oligopole? 2. L oligopole de Cournot 3. Le «paradoxe de Bertrand» 2 1. Introduction
Plus en détailAnalyse financière par les ratios
Analyse financière par les ratios Introduction L outil utilisé dans les analyses financières est appelé ratio, qui est un coefficient calculé à partir d une fraction, c est-à-dire un rapport entre des
Plus en détailConcurrence imparfaite
Concurrence imparfaite 1. Le monopole 2. Concurrence monopolistique 3. Hotelling et Salop 4. Concurrence à la Cournot 5. Concurrence à la Bertrand 6. Concurrence à la Stackelberg Monopole Un monopole,
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 détail1 Année LMD-STSM Algorithmique et Programmation. Série de TD 2
Série de TD 2 Exercice 2.1 Quel résultat produit le programme suivant? Var val, double : entier ; Val := 231 ; Double := Val * 2 ; Ecrire (Val) ; Ecrire (Double) ;. Exercice 2.2 Ecrire un programme qui
Plus en détailCOURS 470 Série 04. Comptabilité Générale
COURS 470 Série 04 Comptabilité Générale Administration générale de l'enseignement et de la Recherche scientifique Direction de l'enseignement à distance REPRODUCTION INTERDITE Communauté française de
Plus en détailCorrection TD algorithmique
Affectation Correction TD algorithmique Exercice 1 algo affect1b b 5 a b+1 b 2 Il vaut faire passer la notion de variable et la notion de stockage mémoire. Une variable n a donc pas d historique et à un
Plus en détailModule 16 : Les fonctions de recherche et de référence
Module 16 : Les fonctions de recherche et de référence 16.0 Introduction L une des fonctions les plus importantes d Excel, c est la possibilité de chercher une valeur spécifique dans un grand nombre de
Plus en détailWEBINAIRE SUR LE SUIVI DE TENDANCES
WEBINAIRE SUR LE SUIVI DE TENDANCES Le 16/02/2012 à 21H Présenté par Gilles SANTACREU (Boursikoter.com) En partenariat avec CMC Markets 1 Gilles SANTACREU, 43 ans - Webmaster et fondateur du site Boursikoter.com
Plus en détailProgrammation linéaire
CHAPTER 1 Programmation linéaire 1.1. Qu'est-ce que la programmation linéaire 1.1.1. Exemple: le problème du régime de Polly [1, p.3]. Besoins journaliers: Énergie: 2000 kcal Protéines: 55g Calcium: 800
Plus en détailApplication de K-means à la définition du nombre de VM optimal dans un cloud
Application de K-means à la définition du nombre de VM optimal dans un cloud EGC 2012 : Atelier Fouille de données complexes : complexité liée aux données multiples et massives (31 janvier - 3 février
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détail