Analyse Statique de Programmes
|
|
- Pascale Larivière
- il y a 8 ans
- Total affichages :
Transcription
1 Analyse statique et application. Typage. Analyse de flots de données. Exemples de transformations simples de programmes au niveau source. Prépa Agreg de Maths, option Info - ENS Cachan-Bretagne Thomas Gazagnaire thomas.gazagnaire@irisa.fr 14 février 2006
2 Plan 1 Introduction Définition du problème de l analyse statique Génération des (in)équations Résolution des (in)équations Preuves de correction 2 Analyse Data-Flow Introduction Techniques mises en jeu Exemple détaillé : Liveness Analysis 3 Typage Introduction Techniques mises en jeu 4 Transformations Exemple de transformation de programme guidé par l analyse statique
3 Plan 1 Introduction Définition du problème de l analyse statique Génération des (in)équations Résolution des (in)équations Preuves de correction 2 Analyse Data-Flow Introduction Techniques mises en jeu Exemple détaillé : Liveness Analysis 3 Typage Introduction Techniques mises en jeu 4 Transformations Exemple de transformation de programme guidé par l analyse statique
4 Définition du problème de l analyse statique Analyse statique, kesako? L analyse statique d un programme consiste à analyser ce programme sans l exécuter (en opposition avec l analyse dynamique). Consiste à annoter le programme avec des informations supplémentaires Vérification : vérifie que les annotations sont cohérentes entre elles et les précisent pour qu elles soient plus pertinentes Optimisation : utilise les annotations pour améliorer le programme en le transformant
5 Définition du problème de l analyse statique Exemples d analyses statique Annotations Vérification Optimisation variable initialisée non-déterminisme accès à un tableau segfault tests de borne signe des variables code mort constante pré-calculs données typées sûreté
6 Définition du problème de l analyse statique Séparation en 2 phases Interprétation abstraite qui génére un système d équations ou de contraintes Définition d un domaine abstrait D pour les variables Génération d un système d (in)égalité C en parcourant une représentantation adaptée du programme Preuves de correction Trouver une solution (la seule, la meilleure, la plus petite,...) Décidabilité de l analyse statique Dans le cas général, le problème de l analyse statique est indécidable. On se restreint à des analyses spécifiques et décidables.
7 Génération des (in)équations Définition du domaine abstrait D Definition D est l ensemble des propriétés que certaines parties du programmes peuvent vérifier D est une abstraction du comportement normal qui se focalise sur certaines activités du programme. En général on se focalise sur des propriétés liées aux variables. Exemples : D = {< 0, > 0, = 0, } pour les signes des variables D = {, } pour la définition des variables D est souvent un treillis (pour les preuves) Utilisation du produit cartésien pour complexifier les domaines (ex : signes des variables définies)
8 Génération des (in)équations Principe général Definition A chaque (bloc d ) instruction(s) du programme on va associer une (in)équation de variables prenant valeur dans D Il existe deux grandes familles de méthodes : les équations flot de données les systèmes d inférence
9 Génération des (in)équations Equations Data-Flow On manipule des équations sur des ensembles En chaque point du programme, on va dire comment l ensemble que l on regarde évolue en fonction des exécutions dynamiques possibles du programme Exemple : analyse de la validité des définitions p : a b + c out(p) : définitions valides après le point p in(p) : définitions valides avant le point p out(p) = [in(p) \ {p i p i : a...}] {p} Plus de détails dans la 2 e partie
10 Génération des (in)équations Système de règles d inférence Approche symbolique qui s inspire des règles de sémantique opérationnelle En chaque point du programme, on ajoute des nouvelles règles de raisonnement qui ne dépendent que de la structure de l instruction courante Exemple : typage simple Γ a : int Γ b : int Γ plus : int int int Γ plus(a, b) : int Plus de détails dans la 3 e partie
11 Résolution des (in)équations Résolution des (in)équations Il existe deux familles de méthodes : Celles basées sur la résolution symbolique : possibles quand Cd n est pas trop complexe Celles basées sur des résolutions itératives : on part d un élément extrémal et on converge vers un point fixe
12 Preuves de correction Preuves Il faut montrer que l abstraction est correcte et complète. C est pour cela qu on utilise un treillis pour D car on sait dire des choses intelligentes grâce aux connections de Galois Il faut montrer que l algorithme itératif converge. Or on sait que si f, à valeur dans un treillis, est monotone alors f à un plus petit point fixe. Et si f est continue : lpf(f) = i=0 f n ( ). Si le treillis est fini, on sait que ça converge Structure de D Si D à une structure de treillis fini on est content : les preuves sont presque déjà toutes faites
13 Preuves de correction Conclusion Séparation en 2 phases : Génération d un système (in)équations C à valeur sur D Résolution de C Preuves de corrections en kit si D à une structure de treillis fini
14 Plan 1 Introduction Définition du problème de l analyse statique Génération des (in)équations Résolution des (in)équations Preuves de correction 2 Analyse Data-Flow Introduction Techniques mises en jeu Exemple détaillé : Liveness Analysis 3 Typage Introduction Techniques mises en jeu 4 Transformations Exemple de transformation de programme guidé par l analyse statique
15 Introduction Introduction On veut calculer en chaque point d exécution du programme un certain nombre de propriétés qui portent sur les variables On veut que ce soit efficace pour de très gros programmes : en général on code la propriété ensembliste à vérifier sous forme de champ de bits Exemple : On a n variables x 1... x n dans notre programme et on veut savoir à tout moment lesquelles sont utile pour la suite. On code cela dans {0, 1} n. On prend des plus gros grains d exécution (plusieurs instructions au lieu d une seule). L analyse est moins précise, mais on peut l approfondir pour certains blocs
16 Introduction Exemples classiques Une explication avec les mains des exemples classiques : Analyse de vivacité (liveness analysis) P(x) = {variables qui sont utilisées après le point x} Validité des définitions (Reaching Definitions) P(x) = {instructions qui ont définis des variables utilisables au point x} Disponibilité des expressions (Available Expressions) P(x) = {expressions utilisables au point x}
17 Techniques mises en jeu Définition des ensembles Le programme est sous forme de Graphe de Flot de Contrôle (CFG) On manipule 4 ensembles Gen est l ensemble des propriétés que le grain courant va rendre vrai Kill est l ensemble des propriétés que le grain courant va rendre faux In est l ensemble des propriétés qui sont vraies juste avant le grain courant Out est l ensemble des propriétés qui sont vraies juste après le grain courant
18 Techniques mises en jeu Génération des équations 1 opérateur de jonction qui indique comment fusionner les informations. On utilise en général des vecteurs de bits, avec un opérateur de jonction adapté. All Path : ou AND Any Path : ou OR 2 analyses possibles In(b) = Out(p) Forward : p:prédecesseurs dynamiques de b Out(b) = Gen(b) (In(b) \ Kill(b)) Out(b) = In(s) Backward : s:successeurs dynamiques de b In(b) = Gen(b) (Out(b) \ Kill(b))
19 Exemple détaillé : Liveness Analysis Présentation Vivacité v est une variable vivante si elle est définie et qu elle est potentiellement utilisée plus tard. ie, une variable v est vivante si elle est utilisée dans l instruction courante et si il existe un chemin dans le passé vers une instruction qui définit v Utilisé pour repartir les variables dans les registres réels. Graphe d Interférence : deux variables interfèrent si elles sont vivantes en même temps Utilisé pour éliminer le code mort : une variable définie et pas utilisée est inutile
20 Exemple détaillé : Liveness Analysis Formalisation du domaine Kill(s) = Def(s) = { variables affectées (définies) au noeud s} Gen(s) = Use(s) = { variables utilisées au noeud s} In(s) = { variables qui sont vivantes à l entrée du noeud s} Out(s) = { variables qui sont vivantes en sortie du noeud s} Domaine abstrait de l analyse de vivacité D = P(V) ordonné par inclusion
21 Exemple détaillé : Liveness Analysis Formalisation de la génération d équations On veut quantifier sur l existence ou non d un chemin vers une définition : on utilise l opérateur de jonction On veut quantifier dans le passé : on utilise les équations d analyse en-arrière Out(b) = In(s) s:succ(b) In(b) = Gen(b) (Out(b) \ Kill(b)) Génération d équations Pour chaque instruction du programme on génére 2 équations ensemblistes. Les constantes sont les ensembles Gen(s) et Kill(s) pour tout s, et les variables sont In(s) et Out(s). Correction et Complétude?
22 Exemple détaillé : Liveness Analysis Formalisation de la résolution du système d équations On résoud par itération successives en partant de l ensemble vide pour chaque In et Out L ordre de réduction ne change pas le résultat MAIS une stratégie partant des noeuds finaux pour remonter aux noeuds initiaux est beaucoup plus efficace en pratique Résolution du système d équations Résolution par itération jusqu à atteindre un plus petit point fixe. L algorithme converge car D est un treillis fini, f est monotone.
23 Exemple détaillé : Liveness Analysis Exemple On veut faire l analyse du code suivant : a = 0; L 1 b = a + 1 c = c + b a = b 2 if a < N goto L 1 return c
24 Exemple détaillé : Liveness Analysis Exemple : CFG On construit (au tableau) le CFG du programme B 1 : a = 0; B 2 : b = a + 1 c = c + b a = b 2 if a < N B 3 : return c B 1 B 2, B 2 B 3 et B 2 B 2
25 Exemple détaillé : Liveness Analysis Exemple : Résolution state use def 1 out 1 in 2 out 2 in 3 out 3 in 6 c c c c 5 a c ac ac ac ac ac 4 b a ac bc ac bc ac bc 3 bc c bc bc bc bc bc bc 2 a b bc ac bc ac bc ac 1 a ac c ac c ac c
26 Exemple détaillé : Liveness Analysis Conclusion D est une famille d ensembles var = {In(s), Out(s)} s et cst = {Gen(s), Kill(s)}. C = f(var, cst) Résolution : itération de F n (In(s), Out(s) ) Méthodes d accélération : opérations sur les codages plutôt que les ensembles
27 Plan 1 Introduction Définition du problème de l analyse statique Génération des (in)équations Résolution des (in)équations Preuves de correction 2 Analyse Data-Flow Introduction Techniques mises en jeu Exemple détaillé : Liveness Analysis 3 Typage Introduction Techniques mises en jeu 4 Transformations Exemple de transformation de programme guidé par l analyse statique
28 Introduction Les types, kesako? Renseignements sur les données du programme Abstraction (Curry) Spécification (Church) Associé à la valeur de la variable ou à son nom Reconnaissance des erreurs de typage Statiquement Lors de l exécution / Pas toujours Fortes garanties lors de l exécution
29 Introduction Exemples Nombreux systèmes de type type simple int, float,... types énumérés bool type somme en Caml types composés array, list pointeurs, fonctions, objets,...
30 Techniques mises en jeu Type-Checking D = {int, float, char, t t} Uniquement des contantes de type qui sont tous spécifiés par l utilisateur Vérification de l équivalence de type C = {t 1 = t 2 } Résolution simple car juste test d égalité de structures d autres techniques dures à faire entrer dans le cadre Conversions explicites (cast) Conversions implicites (coercion)
31 Techniques mises en jeu Type-Inference Constantes de type + Variables de type L utilisateur précise le moins de choses possibles, le compilateur doit deviner Le compilateur associe une variable de type T x à chaque variable x du programme Chaque constructeur génère de nouvelles contraintes sur les T x On veut savoir si le programme est typable, ie. trouver Φ : T x > c ste qui réalise C
32 Techniques mises en jeu Types monomorphes On associe à chaque variable x du programme une variable de type T x dans un environnement de typage Γ. On a un ensemble d équations C de type qu on génère en parcourant le terme à typer. Exemple : type de fun x -> x + 1 dans Γ = on type x + 1 dans Γ = {x : T x } et C = :? on type 1 dans Γ = {x : T x } et C = : int on type x dans Γ = {x : T x } et C = : T x on type x+1 dans Γ = {x : T x } et C = {T x = int} : int on type fun x -> x+1 dans Γ = et C = : int int Ici on a mélangé la génération et la résolution comme dans beaucoup d algo de résolution de système mais on peut faire plus propre
33 Techniques mises en jeu Unification La résolution des équations de type, c est le même algorithme que pour l unification en programmation logique! A 1 (int A 2 ) = (A 3 bool) A 1 se traduit en formule logique : fleche(a 1, fleche(int, A 2 ) = fleche(fleche(a 3, bool), A 1 ) Algo d unification une constante s unifie uniquement avec elle même 2 structures s unifient si elles ont le même nom, le même nombre d arguments et si les arguments s unifient entre eux une variable s unifie avec n importe quoi. Si l autre chose est une constante, la variable est instanciée. Si l autre chose est une variables, elles deviennent liées.
34 Techniques mises en jeu Type polymorphes on veut pouvoir typer : let f = fun x -> x in (f 5, f "toto") (qui est typable en caml) types polymorphes : on rajoute un niveau, les scémas de type t = cst var t t et s = var [t] vars Γ associe un schéma S x à chaque variable x algorithmes qui mélangent génération d équations et résolutions quand on rencontre un let (comme dans W,J,...) mais on peut aussi distinguer les 2 phases pour retomber sur le cadre général
35 Techniques mises en jeu Conclusion D = {t} C = { contraintes de type } Résolution : unification et itération avec différentes stratégies d évaluation
36 Plan 1 Introduction Définition du problème de l analyse statique Génération des (in)équations Résolution des (in)équations Preuves de correction 2 Analyse Data-Flow Introduction Techniques mises en jeu Exemple détaillé : Liveness Analysis 3 Typage Introduction Techniques mises en jeu 4 Transformations Exemple de transformation de programme guidé par l analyse statique
37 Exemple de transformation de programme guidé par l analyse statique On veut analyser et optimiser le bout de code suivant : int toto(int x, int y) { int u =1, v=1, z, w, k; while(v > 0) { z = 5; w = 10; x = y + w; k = 2*z; u = y; v = k + u; v = x - v; } printf("x=%s, k=%s",x,k); }
38 Exemple de transformation de programme guidé par l analyse statique On a un domaine (un peu résumé) : D = {v, c ste (int), c opy (v), e xpr (e)} Remarque : ce D est inventé pour l occasion, généralement on fait ça avec du data-flow mais c est pour l exemple v : variable dont on ne sait rien c ste (int) : constante, avec sa valeur c copy (v) : copie de la variable v (dont on ne sait rien) e xpr (e) : variable contenant une expression arithmétique, avec son expression symbolique (sous forme d arbre par exemple) Si on veut garder la consistance des types, il va falloir faire des calculs avant l exécution! x := y avec y : c ste (5) donnera x : c ste (5) et pas x : c opy (y) x := y + z avec y : c ste (5) et z : c ste (3) donnera x : c ste (8)
39 Exemple de transformation de programme guidé par l analyse statique void toto(int x, int y) { int u =1, v=1, z, w, k; while(v > 0) { z = 5; w = 10; x = y + \alert{10}; k = 2*z; u = y; v = k + u; v = w - v; } printf("x=%s k=%s",x,k); }
40 Exemple de transformation de programme guidé par l analyse statique void toto(int x, int y) { int u =1, v=1, z, w, k; while(v > 0) { z = 5; w = 10; x = y + 10; k = 2*\alert{5}; u = y; v = k + u; v = x - v; } printf("x=%s k=%s",x,k); }
41 Exemple de transformation de programme guidé par l analyse statique void toto(int x, int y) { int u =1, v=1, z, w, k; while(v > 0) { z = 5; w = 10; x = y + 10; k = \alert{10}; u = y; v = k + u; v = x - v; } printf("x=%s k=%s",x,k); }
42 Exemple de transformation de programme guidé par l analyse statique void toto(int x, int y) { int u =1, v=1, z, w, k; while(v > 0) { z = 5; w = 10; x = y + 10; k = 10; u = y; v = \alert{10 + y}; v = x - v; } printf("x=%s k=%s",x,k); }
43 Exemple de transformation de programme guidé par l analyse statique void toto(int x, int y) { int u =1, v=1, z, w, k; while(v > 0) { z = 5; w = 10; x = y + 10; k = 10; u = y; v = \alert{x}; v = x - v; } printf("x=%s k=%s",x,k); }
44 Exemple de transformation de programme guidé par l analyse statique void toto(int x, int y) { int u =1, v=1, z, w, k; while(v > 0) { z = 5; w = 10; x = y + 10; k = 10; u = y; v = x; v = \alert{0}; } printf("x=%s k=%s",x,k); }
45 Exemple de transformation de programme guidé par l analyse statique void toto(int x, int y) { int u =1, v=1, z, w, k; \alert{\* while(v > 0) { *\} z = 5; w = 10; x = y + 10; k = 10; u = y; v = x; v = 0; \alert{\* } \*} printf("x=%s k=%s",x,k); }
46 Exemple de transformation de programme guidé par l analyse statique void toto(int x, int y) { int u =1, v=1, z, w, k; z = 5; w = 10; x = y + 10; k = 10; u = y; v = x; v = 0; printf("x=%s k=%i",x,10); }
47 Exemple de transformation de programme guidé par l analyse statique Analyse de vie void toto(int x, int y) { x = y + 10; printf("x=%s k=%i",x,10); }
48 Exemple de transformation de programme guidé par l analyse statique Conclusion J ai juste marqué les transformations du programme, mais chaque transformation est dictée par une contrainte de type Les contraintes de type sont construites et immédiatement résolues On raisonne par itération, donc il se peut qu il faille entrelacer l analyse de type et l analyse de vivacité pour obtenir un point fixe (principe des compilateurs à plusieurs phases) On a du mal à reconnaître le programme initial : le compilateur prend beaucoup d initiatives (et encore on a pas tout vu)
49 Conclusion Belle théorie : un domaine abstrait D, des contraintes C générées dans une première phase, et résolution de C dans une seconde, avec des belles preuves Typage et Analyse Data-Flow : même principe venant de communautés différentes, qui permettent de faire plus ou moins la même chose (avec des preuves pour le typage, et des méthodes de résolution efficaces pour l analyse data-flow) En pratique, on mélange génération et résolution de C dans des algorithmes itératifs qui convergent plus ou moins rapidement vers un point fixe Ça ne sert à rien d optimiser à la main vos programmes, le compilateur va de toute façon complètement réécrire votre code à sa sauce : seul compte la complexité de l algorithme
50 Références HDR Analyse statique de programmes : fondements et applications de Thomas Jensen Cours de programmation Daniel Hirshckoff Cours de compilation de François Bodin Programming Language Pragmatics de Michael Scott Compilateurs de Grune, Bal et Jacobs
Analyse de sécurité de logiciels système par typage statique
Contexte Modélisation Expérimentation Conclusion Analyse de sécurité de logiciels système par typage statique Application au noyau Linux Étienne Millon UPMC/LIP6 Airbus Group Innovations Sous la direction
Plus en détailBases de programmation. Cours 5. Structurer les données
Bases de programmation. Cours 5. Structurer les données Pierre Boudes 1 er décembre 2014 This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0 License. Types char et
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 détailINITIATION AU LANGAGE C SUR PIC DE MICROSHIP
COURS PROGRAMMATION INITIATION AU LANGAGE C SUR MICROCONTROLEUR PIC page 1 / 7 INITIATION AU LANGAGE C SUR PIC DE MICROSHIP I. Historique du langage C 1972 : naissance du C dans les laboratoires BELL par
Plus en détailChapitre VI- La validation de la composition.
Chapitre VI- La validation de la composition. Objectifs du chapitre : Expliquer les conséquences de l utilisation de règles de typage souples dans SEP. Présenter le mécanisme de validation des connexions
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 détailSuivant les langages de programmation, modules plus avancés : modules imbriqués modules paramétrés par des modules (foncteurs)
Modularité Extensions Suivant les langages de programmation, modules plus avancés : modules imbriqués modules paramétrés par des modules (foncteurs) généricité modules de première classe : peuvent être
Plus en détailClasses et Objets en Ocaml.
Classes et Objets en Ocaml. Didier Rémy 2001-2002 http://cristal.inria.fr/ remy/mot/2/ http://www.enseignement.polytechnique.fr/profs/informatique/didier.remy/mot/2/ Cours Exercices Slide 1 1. Objets 2.
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 détailUE C avancé cours 1: introduction et révisions
Introduction Types Structures de contrôle Exemple UE C avancé cours 1: introduction et révisions Jean-Lou Desbarbieux et Stéphane Doncieux UMPC 2004/2005 Introduction Types Structures de contrôle Exemple
Plus en détailTP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile
TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile Dans ce TP, vous apprendrez à définir le type abstrait Pile, à le programmer en Java à l aide d une interface
Plus en détailExclusion Mutuelle. Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr. Université de Provence. 9 février 2011
Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr Université de Provence 9 février 2011 Arnaud Labourel (Université de Provence) Exclusion Mutuelle 9 février 2011 1 / 53 Contexte Epistémologique
Plus en détailIN 102 - Cours 1. 1 Informatique, calculateurs. 2 Un premier programme en C
IN 102 - Cours 1 Qu on le veuille ou non, les systèmes informatisés sont désormais omniprésents. Même si ne vous destinez pas à l informatique, vous avez de très grandes chances d y être confrontés en
Plus en détailJava 1.5 : principales nouveautés
Cours 6 - TEP - UPMC - 2008/2009 p. 1/34 Java 1.5 : principales nouveautés classes paramétrées : generics encapsulation des valeurs de types primitifs : auto[un]boxing itération sur les boucles types énumérés
Plus en détailCours intensif Java. 1er cours: de C à Java. Enrica DUCHI LIAFA, Paris 7. Septembre 2009. Enrica.Duchi@liafa.jussieu.fr
. Cours intensif Java 1er cours: de C à Java Septembre 2009 Enrica DUCHI LIAFA, Paris 7 Enrica.Duchi@liafa.jussieu.fr LANGAGES DE PROGRAMMATION Pour exécuter un algorithme sur un ordinateur il faut le
Plus en détailIntroduction au langage C
Introduction au langage C Cours 1: Opérations de base et premier programme Alexis Lechervy Alexis Lechervy (UNICAEN) Introduction au langage C 1 / 23 Les premiers pas Sommaire 1 Les premiers pas 2 Les
Plus en détailVérification formelle de la plate-forme Java Card
Vérification formelle de la plate-forme Java Card Thèse de doctorat Guillaume Dufay INRIA Sophia Antipolis Cartes à puce intelligentes Java Card : Environnement de programmation dédié. Dernières générations
Plus en détailLMI 2. Programmation Orientée Objet POO - Cours 9. Said Jabbour. jabbour@cril.univ-artois.fr www.cril.univ-artois.fr/~jabbour
LMI 2 Programmation Orientée Objet POO - Cours 9 Said Jabbour jabbour@cril.univ-artois.fr www.cril.univ-artois.fr/~jabbour CRIL UMR CNRS 8188 Faculté des Sciences - Univ. Artois Février 2011 Les collections
Plus en détailGénie Logiciel avec Ada. 4 février 2013
Génie Logiciel 4 février 2013 Plan I. Généralités II. Structures linéaires III. Exceptions IV. Structures arborescentes V. Dictionnaires I. Principes II. Notions propres à la POO I. Principes Chapitre
Plus en détailPour signifier qu'une classe fille hérite d'une classe mère, on utilise le mot clé extends class fille extends mère
L'héritage et le polymorphisme en Java Pour signifier qu'une classe fille hérite d'une classe mère, on utilise le mot clé extends class fille extends mère En java, toutes les classes sont dérivée de la
Plus en détailUtilisation des tableaux sémantiques dans les logiques de description
Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca
Plus en détailUE Programmation Impérative Licence 2ème Année 2014 2015
UE Programmation Impérative Licence 2 ème Année 2014 2015 Informations pratiques Équipe Pédagogique Florence Cloppet Neilze Dorta Nicolas Loménie prenom.nom@mi.parisdescartes.fr 2 Programmation Impérative
Plus en détailDE L ALGORITHME AU PROGRAMME INTRO AU LANGAGE C 51
DE L ALGORITHME AU PROGRAMME INTRO AU LANGAGE C 51 PLAN DU COURS Introduction au langage C Notions de compilation Variables, types, constantes, tableaux, opérateurs Entrées sorties de base Structures de
Plus en détailPrénom : Matricule : Sigle et titre du cours Groupe Trimestre INF1101 Algorithmes et structures de données Tous H2004. Loc Jeudi 29/4/2004
Questionnaire d'examen final INF1101 Sigle du cours Nom : Signature : Prénom : Matricule : Sigle et titre du cours Groupe Trimestre INF1101 Algorithmes et structures de données Tous H2004 Professeur(s)
Plus en détail1. Structure d un programme C. 2. Commentaire: /*..texte */ On utilise aussi le commentaire du C++ qui est valable pour C: 3.
1. Structure d un programme C Un programme est un ensemble de fonctions. La fonction "main" constitue le point d entrée pour l exécution. Un exemple simple : #include int main() { printf ( this
Plus en détailALGORITHMIQUE ET PROGRAMMATION En C
Objectifs ALGORITHMIQUE ET PROGRAMMATION Une façon de raisonner Automatiser la résolution de problèmes Maîtriser les concepts de l algorithmique Pas faire des spécialistes d un langage Pierre TELLIER 2
Plus en détailTable des matières PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS. Introduction
PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS Depuis SAS 9.2 TS2M3, SAS propose un nouveau langage de programmation permettant de créer et gérer des tables SAS : le DS2 («Data Step 2»). Ces nouveautés
Plus en 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 détailProgrammer en JAVA. par Tama (tama@via.ecp.fr( tama@via.ecp.fr)
Programmer en JAVA par Tama (tama@via.ecp.fr( tama@via.ecp.fr) Plan 1. Présentation de Java 2. Les bases du langage 3. Concepts avancés 4. Documentation 5. Index des mots-clés 6. Les erreurs fréquentes
Plus en détailCours de Programmation 2
Cours de Programmation 2 Programmation à moyenne et large échelle 1. Programmation modulaire 2. Programmation orientée objet 3. Programmation concurrente, distribuée 4. Programmation monadique 5. Les programmes
Plus en détailRecherche dans un tableau
Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6
Plus en détailTP3 : Manipulation et implantation de systèmes de fichiers 1
École Normale Supérieure Systèmes et réseaux Année 2012-2013 TP3 : Manipulation et implantation de systèmes de fichiers 1 1 Répertoire de travail courant Le but de l exercice est d écrire une commande
Plus en détailProgrammation en Java IUT GEII (MC-II1) 1
Programmation en Java IUT GEII (MC-II1) 1 Christophe BLANC - Paul CHECCHIN IUT Montluçon Université Blaise Pascal Novembre 2009 Christophe BLANC - Paul CHECCHIN Programmation en Java IUT GEII (MC-II1)
Plus en détailV- Manipulations de nombres en binaire
1 V- Manipulations de nombres en binaire L ordinateur est constitué de milliards de transistors qui travaillent comme des interrupteurs électriques, soit ouverts soit fermés. Soit la ligne est activée,
Plus en détailQuatrième partie IV. Test. Test 15 février 2008 1 / 71
Quatrième partie IV Test Test 15 février 2008 1 / 71 Outline Introduction 1 Introduction 2 Analyse statique 3 Test dynamique Test fonctionnel et structurel Test structurel Test fonctionnel 4 Conclusion
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 détailLes structures de données. Rajae El Ouazzani
Les structures de données Rajae El Ouazzani Les arbres 2 1- Définition de l arborescence Une arborescence est une collection de nœuds reliés entre eux par des arcs. La collection peut être vide, cad l
Plus en détailas Architecture des Systèmes d Information
Plan Plan Programmation - Introduction - Nicolas Malandain March 14, 2005 Introduction à Java 1 Introduction Présentation Caractéristiques Le langage Java 2 Types et Variables Types simples Types complexes
Plus en détailSSTIC 2009. Désobfuscation automatique de binaires. Alexandre Gazet. Yoann Guillot. Et autres idyles bucoliques...
Désobfuscation automatique de binaires Et autres idyles bucoliques... Alexandre Gazet Sogeti / ESEC R&D alexandre.gazet(at)sogeti.com Yoann Guillot Sogeti / ESEC R&D yoann.guillot(at)sogeti.com SSTIC 2009
Plus en détaillength : A N add : Z Z Z (n 1, n 2 ) n 1 + n 2
1 Univ. Lille1 - Licence info 3ème année 2013-2014 Expression Logique et Fonctionnelle... Évidemment Cours n o 1 : Introduction à la programmation fonctionnelle 1 Introduction La programmation fonctionnelle
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 détail3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes
PLAN CYCLE DE VIE D'UN LOGICIEL EXPRESSION DES BESOINS SPÉCIFICATIONS DU LOGICIEL CONCEPTION DU LOGICIEL LA PROGRAMMATION TESTS ET MISE AU POINT DOCUMENTATION CONCLUSION C.Crochepeyre Génie Logiciel Diapason
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 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 détailProjet 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 détailGénie Logiciel I. Cours VI - Typage statique / dynamique, fonctions virtuelles et classes abstraites, flots d entrées / sorties, et string
Génie Logiciel I Cours VI - Typage statique / dynamique, fonctions virtuelles et classes abstraites, flots d entrées / sorties, et string Nicolas Kielbasiewicz C.D.C.S.P./I.S.T.I.L./I.C.J. Filière M.A.M.
Plus en détailPlan du cours 2014-2015. Cours théoriques. 29 septembre 2014
numériques et Institut d Astrophysique et de Géophysique (Bât. B5c) Bureau 0/13 email:.@ulg.ac.be Tél.: 04-3669771 29 septembre 2014 Plan du cours 2014-2015 Cours théoriques 16-09-2014 numériques pour
Plus en détailIntroduction à la programmation orientée objet, illustrée par le langage C++ Patrick Cégielski cegielski@u-pec.fr
Introduction à la programmation orientée objet, illustrée par le langage C++ Patrick Cégielski cegielski@u-pec.fr Mars 2002 Pour Irène et Marie Legal Notice Copyright c 2002 Patrick Cégielski Université
Plus en détailIntroduction à la Programmation Parallèle: MPI
Introduction à la Programmation Parallèle: MPI Frédéric Gava et Gaétan Hains L.A.C.L Laboratoire d Algorithmique, Complexité et Logique Cours du M2 SSI option PSSR Plan 1 Modèle de programmation 2 3 4
Plus en détailClaude Delannoy. 3 e édition C++
Claude Delannoy 3 e édition Exercices Exercices C++ en en langage langage delc++ titre 4/07/07 15:19 Page 2 Exercices en langage C++ AUX EDITIONS EYROLLES Du même auteur C. Delannoy. Apprendre le C++.
Plus en détailGestion mémoire et Représentation intermédiaire
Gestion mémoire et Représentation intermédiaire Pablo de Oliveira March 23, 2015 I Gestion Memoire Variables locales Les variables locales sont stockées: Soit dans un registre,
Plus en détailThéorie de la Programmation
Théorie de la Programmation http://perso.ens-lyon.fr/daniel.hirschkoff/thpr hop Programmation, Théorie de la programmation Langages de programmation I il existe de nombreux langages de programmation I
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 détailCours 1 : La compilation
/38 Interprétation des programmes Cours 1 : La compilation Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr PPS - Université Denis Diderot Paris 7 2/38 Qu est-ce que la compilation? Vous avez tous déjà
Plus en détailCours d Algorithmique et de Langage C 2005 - v 3.0
Cours d Algorithmique et de Langage C 2005 - v 3.0 Bob CORDEAU cordeau@onera.fr Mesures Physiques IUT d Orsay 15 mai 2006 Avant-propos Avant-propos Ce cours en libre accès repose sur trois partis pris
Plus en détailHéritage presque multiple en Java (1/2)
Héritage presque multiple en Java (1/2) Utiliser deux classes ou plus dans la définition d'une nouvelle classe peut se faire par composition. class Etudiant{ int numero; Diplome d; float passeexamen(examen
Plus en détailEPREUVE OPTIONNELLE d INFORMATIQUE CORRIGE
EPREUVE OPTIONNELLE d INFORMATIQUE CORRIGE QCM Remarque : - A une question correspond au moins 1 réponse juste - Cocher la ou les bonnes réponses Barème : - Une bonne réponse = +1 - Pas de réponse = 0
Plus en détailCentre CPGE TSI - Safi 2010/2011. Algorithmique et programmation :
Algorithmique et programmation : STRUCTURES DE DONNÉES A. Structure et enregistrement 1) Définition et rôle des structures de données en programmation 1.1) Définition : En informatique, une structure de
Plus en détailPrincipes des langages de programmation INF 321. Eric Goubault
Principes des langages de programmation INF 321 Eric Goubault 24 mars 2014 2 Table des matières 1 Introduction 7 2 Programmation impérative 11 2.1 Variables et types........................... 11 2.2 Codage
Plus en détailAuto-évaluation Programmation en Java
Auto-évaluation Programmation en Java Document: f0883test.fm 22/01/2013 ABIS Training & Consulting P.O. Box 220 B-3000 Leuven Belgium TRAINING & CONSULTING INTRODUCTION AUTO-ÉVALUATION PROGRAMMATION EN
Plus en détailmodules & compilation
Programmation fonctionnelle avec OCaml 3ème séance, 19 mars 2015 modules & compilation samuel.hornus@inria.fr http ://www.loria.fr/ shornus/ocaml/ Modules Un module regroupe un ensemble de définitions
Plus en détailMachines virtuelles fonctionnelles (suite) Compilation ML Java
Machines virtuelles fonctionnelles (suite) Compilation ML Java Cours de Compilation Avancée (MI190) Benjamin Canou Université Pierre et Maire Curie Année 2011/2012 Semaine 3 Machines virtuelles fonctionnelles
Plus en détailRappel. Analyse de Données Structurées - Cours 12. Un langage avec des déclaration locales. Exemple d'un programme
Rappel Ralf Treinen Université Paris Diderot UFR Informatique Laboratoire Preuves, Programmes et Systèmes treinen@pps.univ-paris-diderot.fr 6 mai 2015 Jusqu'à maintenant : un petit langage de programmation
Plus en détailEncapsulation. L'encapsulation consiste à rendre les membres d'un objet plus ou moins visibles pour les autres objets.
Encapsulation L'encapsulation consiste à rendre les membres d'un objet plus ou moins visibles pour les autres objets. La visibilité dépend des membres : certains membres peuvent être visibles et d'autres
Plus en détailUniversité de Bangui. Modélisons en UML
Université de Bangui CRM Modélisons en UML Ce cours a été possible grâce à l initiative d Apollinaire MOLAYE qui m a contacté pour vous faire bénéficier de mes connaissances en nouvelles technologies et
Plus en détailLes processus légers : threads. Système L3, 2014-2015 1/31
Les processus légers : threads Système L3, 2014-2015 1/31 Les threads Les threads sont des processus légers exécutés à l intérieur d un processus L exécution des threads est concurrente Il existe toujours
Plus en détailProgrammation Objet Java Correction
INSA - 4 AE 2007 2008 Durée : 1H00 Contrôle Programmation Objet Java Correction Consignes Tous les documents sont autorisés, mais ils seront peu utiles. Indiquez vos nom et prénom sur chaque feuille. Le
Plus en détailAlgorithmique et Programmation Fonctionnelle
Algorithmique et Programmation Fonctionnelle RICM3 Cours 9 : Lambda-calcul Benjamin Wack Polytech 2014-2015 1 / 35 La dernière fois Typage Polymorphisme Inférence de type 2 / 35 Plan Contexte λ-termes
Plus en détailComposants génériques de calcul scientifique
Composants génériques de calcul scientifique T. Géraud et A. Duret-Lutz RAPPORT TECHNIQUE 9901 MARS 1999 Laboratoire de Recherche et Développement d EPITA 14-16, rue Voltaire 94276 Le Kremlin-Bicêtre cedex
Plus en détailCours de Programmation Impérative: Zones de mémoires et pointeurs
Cours de Programmation Impérative: Zones de mémoires et pointeurs Julien David A101 - david@lipn.univ-paris13.fr Julien David (A101 - david@lipn.univ-paris13.fr) 1 / 1 Z`o n`e s `d`e m`é m`o i r`e Julien
Plus en détailNotes du cours 4M056 Programmation en C et C++ Vincent Lemaire et Damien Simon
Notes du cours 4M056 Programmation en C et C++ Vincent Lemaire et Damien Simon 13 janvier 2015 2 Table des matières Organisation générale du cours 7 1 Notions générales d algorithmique et de programmation
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailTP, première séquence d exercices.
TP, première séquence d exercices. Benoît Valiron benoit.valiron@lipn.univ-paris13.fr 7 novembre 2010 Introduction Vous écrirez les réponses aux questions courtes sur une feuille à rendre à la fin de la
Plus en détailCours de C++ François Laroussinie. 2 novembre 2005. Dept. d Informatique, ENS de Cachan
Cours de C++ François Laroussinie Dept. d Informatique, ENS de Cachan 2 novembre 2005 Première partie I Introduction Introduction Introduction Algorithme et programmation Algorithme: méthode pour résoudre
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détail1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles)
1/4 Objectif de ce cours /4 Objectifs de ce cours Introduction au langage C - Cours Girardot/Roelens Septembre 013 Du problème au programme I passer d un problème exprimé en français à la réalisation d
Plus en détailArchitecture des ordinateurs
Architecture des ordinateurs Cours 4 5 novembre 2012 Archi 1/22 Micro-architecture Archi 2/22 Intro Comment assembler les différents circuits vus dans les cours précédents pour fabriquer un processeur?
Plus en détailRaisonnement 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 détailPolymorphisme, la classe Object, les package et la visibilité en Java... 1
Polymorphisme, la classe Object, les package et la visibilité en Java. Polymorphisme, la classe Object, les package et la visibilité en Java.... 1 Polymorphisme.... 1 Le DownCast... 4 La Classe Object....
Plus en détailConventions d écriture et outils de mise au point
Logiciel de base Première année par alternance Responsable : Christophe Rippert Christophe.Rippert@Grenoble-INP.fr Introduction Conventions d écriture et outils de mise au point On va utiliser dans cette
Plus en détailPrésentation du langage et premières fonctions
1 Présentation de l interface logicielle Si les langages de haut niveau sont nombreux, nous allons travaillé cette année avec le langage Python, un langage de programmation très en vue sur internet en
Plus en détailCours d Algorithmique-Programmation 2 e partie (IAP2): programmation 24 octobre 2007impérative 1 / 44 et. structures de données simples
Cours d Algorithmique-Programmation 2 e partie (IAP2): programmation impérative et structures de données simples Introduction au langage C Sandrine Blazy - 1ère année 24 octobre 2007 Cours d Algorithmique-Programmation
Plus en 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 détailIntroduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
Plus en détailJava Licence Professionnelle CISII, 2009-2010. Cours 2 : Classes et Objets
Licence Professionnelle CISII, 2009-2010 Cours 2 : Classes et Objets 1 Classes et Objets Objectifs des LOO : - Manipuler des objets - Découper les programmes suivant les types des objets manipulés - Regrouper
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 détail# let rec concat l1 l2 = match l1 with [] -> l2 x::l 1 -> x::(concat l 1 l2);; val concat : a list -> a list -> a list = <fun>
94 Programmation en OCaml 5.4.8. Concaténation de deux listes Définissons maintenant la fonction concat qui met bout à bout deux listes. Ainsi, si l1 et l2 sont deux listes quelconques, concat l1 l2 constitue
Plus en détailJava Licence Professionnelle CISII, 2009-2010
Licence Professionnelle CISII, 2009-2010 Cours 1 : Introduction à Java A. Belaïd abelaid@loria.fr Cours disponible sur le site : http://www.loria.fr/~abelaid puis Teaching 1 Fonctionnement 12 séances :
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 détailProgrammation MacOSX / ios
Programmation MacOSX / ios Master Ingénierie Informatique 2011-2012 Jean-Baptiste.Yunès@liafa.jussieu.fr deux extensions objets de C : C++ (Stroustrup) Objective-C (Cox & Love) ajout de constructions à
Plus en détailCours 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 détailIFT2255 : Génie logiciel
IFT2255 : Génie logiciel Chapitre 6 - Analyse orientée objets Section 1. Introduction à UML Julie Vachon et Houari Sahraoui 6.1. Introduction à UML 1. Vers une approche orientée objet 2. Introduction ti
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détail2. Comprendre les définitions de classes
Conception objet en Java avec BlueJ une approche interactive 2. Comprendre les définitions de classes Analyser le contenu des classes David J. Barnes, Michael Kölling version française: Patrice Moreaux
Plus en détailStructurer ses données : les tableaux. Introduction à la programmation
Structurer ses données : les tableaux Introduction à la programmation Plan du document Introduction Introduire la notion de type Types primitifs Types composés Tableaux de type primitif Page 2 Notion de
Plus en détailLangage et Concepts de ProgrammationOrientée-Objet 1 / 40
Déroulement du cours Introduction Concepts Java Remarques Langage et Concepts de Programmation Orientée-Objet Gauthier Picard École Nationale Supérieure des Mines de Saint-Étienne gauthier.picard@emse.fr
Plus en détailAlgorithmique I. Augustin.Lux@imag.fr Roger.Mohr@imag.fr Maud.Marchal@imag.fr. Algorithmique I 20-09-06 p.1/??
Algorithmique I Augustin.Lux@imag.fr Roger.Mohr@imag.fr Maud.Marchal@imag.fr Télécom 2006/07 Algorithmique I 20-09-06 p.1/?? Organisation en Algorithmique 2 séances par semaine pendant 8 semaines. Enseignement
Plus en détailExpression des contraintes. OCL : Object C o n t r a i n t L a n g u a g e
P r o b l é m a t i q u e OCL : O b j e c t C o n s t r a i n t L a n g u a g e Le langage de contraintes d UML Les différents diagrammes d UML permettent d exprimer certaines contraintes graphiquement
Plus en détailLe langage VHDL. Eduardo Sanchez EPFL
Le langage VHDL Eduardo Sanchez EPFL Livres conseillés: John F. Wakerly Digital design (4th edition) Prentice Hall, 2005 Peter J. Ashenden The designer's guide to VHDL (3rd edition) Morgan Kaufmann, 2008
Plus en détailStructure d un programme et Compilation Notions de classe et d objet Syntaxe
Cours1 Structure d un programme et Compilation Notions de classe et d objet Syntaxe POO 1 Programmation Orientée Objet Un ensemble d objet qui communiquent Pourquoi POO Conception abstraction sur les types
Plus en détail