Graphes et réseaux. Michel Bierlaire. EPFL - Laboratoire Transport et Mobilité - ENAC. Graphes et réseaux p.

Documents pareils
Resolution limit in community detection

Chapitre 5 : Flot maximal dans un graphe

INFO-F Algorithmique 3 et Recherche Opérationnelle

Programmation linéaire

Cours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. address: Nicolas.Thiery@u-psud.fr URL:

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation

Big Data et Graphes : Quelques pistes de recherche

OUTILS EN INFORMATIQUE

Coup de Projecteur sur les Réseaux de Neurones

Contrainte de flot pour RCPSP avec temps de transfert

FctsAffines.nb 1. Mathématiques, 1-ère année Edition Fonctions affines

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes

Pourquoi l apprentissage?

LE CARNET DE L ELEVE. La Maison du Développement Durable présente

Big Data et Graphes : Quelques pistes de recherche

Eléments de Théorie des Graphes et Programmation Linéaire

Optimisation for Cloud Computing and Big Data

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

4.2 Unités d enseignement du M1

CH.6 Propriétés des langages non contextuels

Atelier Transversal AT11. Activité «Fourmis» Pierre Chauvet.

Optimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h

Plus courts chemins, programmation dynamique

Jean-Philippe Préaux

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

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

Annexe 6. Notions d ordonnancement.

Cours de Master Recherche

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ

Programmation Linéaire - Cours 1

Première partie. Modélisation des problèmes en programmes linéaires notés PL

Contexte et motivations Les techniques envisagées Evolution des processus Conclusion

Eteindre. les. lumières MATH EN JEAN Mme BACHOC. Elèves de seconde, première et terminale scientifiques :

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur

Qualité du logiciel: Méthodes de test

Conception d'un réseau de transport d'électricité

L exclusion mutuelle distribuée

Programmation linéaire

Energie et morphologie : vers la perdurabilité de la forme urbaine? Généralités et transports. Luc Adolphe

Plan. 5 Actualisation. 7 Investissement. 2 Calcul du taux d intérêt 3 Taux équivalent 4 Placement à versements fixes.

Le data mining et l assurance Mai Charles Dugas Président Marianne Lalonde Directrice, développement des affaires

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1

Développement spécifique d'un système d information

Le gaz naturel, une voie d avenir pour le transport. Journée Transport 26 novembre 2013

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Introduction au Data-Mining

INGENIERIE DES SYSTEMES INFORMATIQUES - PARCOURS : MOBILITE ET CLOUD COMPUTING

Le jour et la nuit. Lecture : Le jour et la nuit, comment ça marche?, Collection les questions de Justine, BELIN

Programmation linéaire

Intégration de la dimension sémantique dans les réseaux sociaux

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1

Introduction à la théorie des graphes. Solutions des exercices

Cours de Génie Logiciel

ELEC2753 Electrotechnique examen du 11/06/2012

Evaluation des performances de programmes parallèles haut niveau à base de squelettes

Travaux dirigés n 1. Programmation linéaire

(51) Int Cl.: H04L 29/06 ( ) G06F 21/55 ( )

RECHERCHE OPERATIONNELLE

Ordonnancement robuste et décision dans l'incertain

Master Informatique Aix-Marseille Université

Résolution d équations non linéaires

Introduction au datamining

Chapitre 3. Les distributions à deux variables

PARTICIPER À UNE VENTE AUX ENCHÈRES D ŒUVRES D ART

Introduction au Data-Mining

SECTEUR 4 - Métiers de la santé et de l hygiène

Pourquoi l'écologie industrielle?

Congrès INFRA Montréal Plan d adaptation aux changements climatiques municipal

L utilisation d un réseau de neurones pour optimiser la gestion d un firewall

5255 Av. Decelles, suite 2030 Montréal (Québec) H3T 2B1 T: F:

L incidence des hausses de prix des produits de base sur la balance commerciale du Canada 1

Théorèmes de Point Fixe et Applications 1

Quelques algorithmes simples dont l analyse n est pas si simple

Information. BASES LITTERAIRES Etre capable de répondre à une question du type «la valeur trouvée respecte t-elle le cahier des charges?

I Stabilité, Commandabilité et Observabilité Introduction Un exemple emprunté à la robotique Le plan Problème...

MATHÉMATIQUES. Mat-4104

DOSSIER N 4: LES COUTS FIXES ET VARIABLES EN LOGISTIQUE

SEO Campus 2009 : Pagerank et optimisation

INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement. Bernard Fortz

Parallélisme et Répartition

Table des matières. 1 Programmation linéaire 1

Intelligence Artificielle Planification

ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE

SOMMAIRE ASSURANCE, DROITS, RESPONSABILITÉ 31

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

Modélisation et Simulation

Chapitre 2 Introduction aux objectifs des coûts. Pr. Zoubida SAMLAL-Doctorante en Risk Management MBA, CFA

TABLEAUX STATISTIQUES

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.

Gestion de projets logiciels. Xavier Dubuc

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

L ÉLECTRICITÉ C EST QUOI?

physicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178

4 Exemples de problèmes MapReduce incrémentaux

Thème 17: Optimisation

Principes d implémentation des métaheuristiques

La mondialisation i. Compétences terminales de. mathématiques. Enseignement secondaire 2 ème degré

L ÉNERGIE C EST QUOI?

Transcription:

Graphes et réseaux p. 1/44 Graphes et réseaux Michel Bierlaire michel.bierlaire@epfl.ch EPFL - Laboratoire Transport et Mobilité - ENAC

Graphes et réseaux p. 2/44 Réseaux Réseaux routiers

Graphes et réseaux p. 3/44 Réseaux Réseaux de transports en commun

Graphes et réseaux p. 4/44 Réseaux Réseaux de gaz

Graphes et réseaux p. 5/44 Réseaux Réseaux d eau

Graphes et réseaux p. 6/44 Réseaux Réseaux d ordinateurs

Graphes et réseaux p. 7/44 Réseaux Réseaux de neurones

Graphes et réseaux p. 8/44 Réseaux Réseaux sociaux

Graphes et réseaux p. 9/44 Réseaux Formalisation mathématique du concept de réseaux Graphe Un graphe orientég = (N,A) est constitué d un ensemblen de noeuds et d un ensemble A de paires de noeuds distincts, appelées arcs. 2 1 4 3

Graphes et réseaux p. 10/44 Réseaux Arête Une arête est un arc dont on ignore l orientation. Chaîne Une suite consécutive d arêtes est appelée une chaîne. Chemin Une suite consécutive d arcs est appelée un chemin. Graphe connexe Un graphe G = (N,A) est connexe si, quelque soit i,j N, il existe une chaîne deiàj. Graphe fortement connexe Un graphe G = (N,A) est fortement connexe si, quelque soit i,j N, il existe un chemin deiàj.

Graphes et réseaux p. 11/44 Graphe non connexe 2 3 1 6 4 5

Graphes et réseaux p. 12/44 Graphe connexe mais pas fortement 2 3 1 6 4 5

Graphes et réseaux p. 13/44 Graphe fortement connexe 2 3 1 6 4 5

Graphes et réseaux p. 14/44 Réseaux Cycle Une chaîne dont les deux sommets extrémités sont identiques est un cycle. 2 3 1 6 4 5 Circuit Un chemin dont les deux sommets extrémités sont identiques est un circuit. 2 3 1 6 4 5

Graphes et réseaux p. 15/44 Réseaux Forêt Un graphe sans cycle est appelé une forêt. 2 3 1 6 4 5

Graphes et réseaux p. 16/44 Réseaux Arbre Un graphe connexe sans cycle est appelé un arbre. 2 3 1 6 4 5

Graphes et réseaux p. 17/44 Réseaux On supposera qu il existe au plus un seul arc reliant deux noeuds dans une même direction. Dans ce cours, un graphe est un graphe orienté. Réseau Un réseau est un graphe, pour lequel des valeurs numériques ont été associées aux noeuds et/ou aux arcs. Longueur d une route. Capacité d un tuyau. Nombre de personnes habitants en un endroit. Flot de véhicules empruntant une autoroute. etc.

Graphes et réseaux p. 18/44 Flots Notations: Noeuds : i et j. Arc : (i,j). Flot sur l arc (i,j) : x ij. Si x ij < 0, le flot va à contre sens. Vecteur de flots: {x ij tel que (i,j) A}. Divergence : bilan des flots en un noeud i y i = j (i,j) A x ij j (j,i) A x ji, i N.

Graphes et réseaux p. 19/44 Flots x 12 = 1 2 x 24 = 2 1 x 13 = 0 x 32 = 0 x 23 = 1 x 34 = 2 4 3

Graphes et réseaux p. 20/44 Flots x 12 = 1 y 2 = 2 2 x 24 = 2 y 1 = 1 1 x 13 = 0 x 32 = 0 x 23 = 1 x 34 = 2 4 y 4 = 0 3 y 3 = 1

Graphes et réseaux p. 21/44 Flots x 12 = 1 y 2 = 2 2 x 24 = 2 y 1 = 1 1 x 13 = 0 x 32 = 0 x 23 = 1 x 34 = 2 4 y 4 = 0 Sources : y i > 0 Puits : y i < 0 3 y 3 = 1

Graphes et réseaux p. 22/44 Flots On a toujours y i = 0. i N Si y i = 0, i N, on dit que le vecteur de flots est une circulation.

Graphes et réseaux p. 23/44 Flots : exemple de circulation x 12 = 1 y 2 = 0 2 x 24 = 1 y 1 = 0 1 x 13 = 1 x 32 = 1 x 23 = 1 x 34 = 1 4 y 4 = 0 3 y 3 = 0

Graphes et réseaux p. 24/44 Problème de transbordement Une entreprise doit transporter ses produits de ses usines (lieux de production) vers ses clients. Elle désire minimiser ses coûts. Elle doit se plier aux contraintes de capacité du système de transport. Elle peut éventuellement transborder les marchandises en tout noeud du réseau.

Graphes et réseaux p. 25/44 Problème de transbordement Trouver un vecteur de flots : qui minimise une fonction de coût (linéaire), qui produise un vecteur de divergence donné, qui vérifie les contraintes de capacité.

Graphes et réseaux p. 26/44 Problème de transbordement Données a ij : coût unitaire de transport sur l arc (i,j), b ij : flot minimum sur l arc (i,j) (souvent 0), c ij : capacité de l arc (i,j), s i : divergences désirées. Si s i > 0 alors s i est l offre en i, c.-à-d. ce qui est produit par l usine située en i. Si s i < 0 alors s i est la demande en i, c.-à-d. ce qui est commandé par le client situé en i.

Graphes et réseaux p. 27/44 Problème de transbordement sous contraintes x ij j (i,j) A j (j,i) A min x (i,j) A a ij x ij x ji = s i i N offre/demande b ij x ij c ij (i,j) A capacités

Graphes et réseaux p. 28/44 Problème de transbordement Il s agit un problème d optimisation linéaire. Il peut donc être résolu par l algorithme du simplexe. Il généralise de nombreux problèmes dans les réseaux.

Graphes et réseaux p. 29/44 Le plus court chemin Le problème du plus court chemin consiste à déterminer le chemin de coût minimum reliant un noeud a à un noeud b. On peut le voir comme un problème de transbordement. Idée: on envoie une seule unité de flot de a à b.

Graphes et réseaux p. 30/44 Le plus court chemin Données a ij : longueur de l arc (i,j), b ij : 0, c ij : 1, s i : Origine : s a = 1. Destination : s b = 1. Autres noeuds : s i = 0, si i a et i b.

Graphes et réseaux p. 31/44 Affectation Je possède 4 chefs d oeuvre que je désire vendre Renoir Van Gogh Monet Bierlaire

Graphes et réseaux p. 32/44 Affectation J ai contacté quatre acheteurs qui ont fait des offres (en kchf) Van Gogh Renoir Monet Bierlaire Christie s 8000 11000 Drouot 9000 13000 12000 COOP 9000 11000 0.01 Metropolitan 14000 12000

Graphes et réseaux p. 33/44 Affectation Je désire vendre exactement une peinture à chaque acheteur. Quelle peinture dois je vendre à quel acheteur pour gagner un maximum? On peut le voir comme un problème de transbordement. Représentation en réseau.

Graphes et réseaux p. 34/44 Affectation Van Gogh Christies Renoir Drouot Monet COOP Bierlaire Metro

Graphes et réseaux p. 35/44 Affectation Données a ij : valeur de l offre, changée de signe, b ij : 0, c ij : 1. s i : Noeud i oeuvre : s i = 1. Noeud j acheteur : s j = 1.

Graphes et réseaux p. 36/44 Flot maximal Une société pétrolière désire envoyer un maximum de pétrole via un réseau de pipelines entre un lieu a et un lieu b. Combien de litres par heure pourra-t-elle faire passer par le réseau? Les capacités des pipelines (en kilolitres/heure) sont indiquées sur les arcs.

Graphes et réseaux p. 37/44 Flot maximal 3 c 13 = 4 c 3b = 1 c a1 = 2 c 12 = 3 c 2b = 2 a 1 2 b c a2 = 3

Graphes et réseaux p. 38/44 Flot maximal On peut le voir comme un problème de transbordement. Il faut ajouter un arc artificiel. Idée : chaque unité de flot qui a réussi à passer à travers le réseau est ramenée artificiellement à a, en rapportant des bénéfices (coût négatif).

Graphes et réseaux p. 39/44 Flot maximal 3 c 13 = 4 c 3b = 1 c a1 = 2 c 12 = 3 c 2b = 2 a 1 2 b c a2 = 3 c ba = +, a ba = 1

Graphes et réseaux p. 40/44 Flot maximal Données { a ij : 0 pour les arc réels 1 pour l arc artificiel b ij : 0, c ij : capacités, s i = 0 i: on désire une circulation.

Graphes et réseaux p. 41/44 Problème de transport Une société électrique possède trois générateurs pour fournir 4 villes en électricité. Les générateurs produisent resp. 35, 50 et 40 MKWh. Les villes consomment resp. 45, 20, 30 et 30 MKWh. Les coûts de transport d un MKWh d un générateur à une ville sont repris dans le tableau suivant. Ville 1 Ville 2 Ville 3 Ville 4 Gén. 1 8 6 10 9 Gén. 2 9 12 13 7 Gén. 3 14 9 16 5 Comment approvisionner les villes à moindre coût?

Graphes et réseaux p. 42/44 Problème de transport Ville 4 Gén. 3 9 16 5 7 Ville 3 Gén. 2 13 9 6 10 12 14 Ville 2 Gén. 1 8 9 Ville 1

Graphes et réseaux p. 43/44 Problème de transport Données a ij : prix entre générateur i et ville j, b ij : 0, c ij : +, s i : offre et demande { capacité de production s i = demande si i = générateur si i = ville

Graphes et réseaux p. 44/44 Résumé Le problème de transbordement généralise beaucoup de problèmes dans les réseaux. Il s agit d un problème d optimisation linéaire. L algorithme du simplexe peut être utilisé. Dans de nombreux cas, il est possible d exploiter mieux la structure du problème afin d obtenir un algorithme plus efficace. Exemple : problème du plus court chemin.