29 mar 2004 · Une méthode de factorisation absolue des polynomes en deux Réseaux de régulation génétique affines par morceaux Objets graphiques pour les mathématiques et l'informatique En vous souhaitant une excellente lecture, réalisables qui sont ordonnées en fonction de leur valeur objective
Previous PDF | Next PDF |
[PDF] Fonctions - Free
Lecture graphique : paraboles 6 Fonction affine par morceaux Donner l' expression de la fonction affine f dont la représentation graphique est la droite suivantes : la fonction carrée, cube, valeur absolue, inverse, racine et une fonction affine Un campeur arrive dans un camping et souhaite installer sa tente dans un
[PDF] Pour une mathématique vivante en seconde
tracé et lecture de graphiques, notation indicielle et fonctionnelle b) Règles de liée à la valeur absolue sur R Il s'agit de minimiser Un campeur décide de passer ses vacances au camping de 6) Toutes les fonctions affines sont décroissantes 7) Quel que en deux et on superpose les deux morceaux On déchire le
[PDF] Bilan 2010/2011 du GPS Mathématiques Altkirch - Académie de
5 mai 2011 · 6° Notion de fonction Lecture graphique, en particulier résolution La valeur absolue permet de parler facilement affine liée à la dérivée 1) Calculer, pour chaque offre, le prix pour 30 morceaux téléchargés par an Un campeur veut planter sa tente en un endroit situé au bord d'un sentier reliant le
[PDF] ´ECOLE JEUNES CHERCHEURS EN ALGORITHMIQUE ET
29 mar 2004 · Une méthode de factorisation absolue des polynomes en deux Réseaux de régulation génétique affines par morceaux Objets graphiques pour les mathématiques et l'informatique En vous souhaitant une excellente lecture, réalisables qui sont ordonnées en fonction de leur valeur objective
[PDF] Table des matières - CORE
2 déc 2008 · Tableau 2 2 – Fonctions et facettes de l'attachement à la marque – d'après chahuté et la remise en question de leur valeur ajoutée incessante, sur la première rencontre dans des champs disciplinaires variés, permettant d'affiner la La lecture du graphique confirme visuellement ces résultats
[PDF] page de TITRE (pas numérotée) - International Association for
(nécessité d'affiner l'étude, par le recours à des entretiens notamment ; étude Tableau 7 Répartition des énoncés en fonction du type d'éléments imposés et en dans les Lois de l'imitation (en 1890), pour qui la lecture des graphiques devait déterminer l'écart-moyen ils omettent de calculer la valeur absolue des
[PDF] Le cancer de la peau
[PDF] Le cancer et les divisions cellulaire s
[PDF] le cancer nutritionnel
[PDF] Le cancre - Prévert
[PDF] le cancre jacques prévert analyse
[PDF] le candidat déclare etre en instance d'examen
[PDF] le Canon
[PDF] Le caoutchouc naturel
[PDF] Le capitaine
[PDF] le capitaine du navire
[PDF] Le Capital humain
[PDF] le capital humain définition
[PDF] le capital marx intégral pdf
[PDF] le capital marx livre 1 pdf
´ECOLEJEUNESCHERCHEURS
ENALGORITHMIQUE
ETCALCULFORMEL
Grenoble29marsau2avril2004
Tabledesmatieres
Cours1
OptimisationCombinatoire
MarcDemange...........................3
Algorithmespourl'imagedesynthese
NathalieRevol.......................140
-Arithm´etiquedesordinateursArnaudTisserand......................182
-Arithm´etiqueexactePaulZimmerman......................234
SystemesHybrides
Expos´es269
i exp´erimentaleLarecherched'informationconceptuelle
Index279
iiAvant-Propos
mainesdel'algorithmiqueetducalculformel. deleurdiscipline. etinformatique: th´eoriedesGraphes. -Calculformeletapplications. -Codageetcryptographie. -Algorithmiquedutexteetdug´enome. hybrides. -Arithm´etiquedesordinateurs. -G´eom´etriealgorithmique. -Algorithmiquecombinatoire.Envoussouhaitantuneexcellentelecture,
Mars2004
Lecomit´ed'organisation
iiiComit´escientique
Jean-GuillaumeDumas,MCal'UJF,LMC
Jean-Guillaume.Dumas@imag.fr
DominiqueDuval,Professeural'UJF,LMC
Dominique.Duval@imag.fr
Christiane.Frougny@liafa.jussieu.fr
Jean-MichelMuller,DRCNRS,ENSLyon,LIP
Jean-Michel.Muller@ens-lyon.fr
NatachaPortier,MCal'ENSLyon,LIP
Natacha.Portier@ens-lyon.fr
Comit´ed'organisation
Jean-GuillaumeDumas,MCal'UJF,LMC
NatachaPortier,MCal'ENSLyon,LIP
Pageweb
EtienneFarcot,doctorantINPG,LMC
Gestionnanciere
CorinneKabsch,AILMC-CNRS
Afcheetski
Cl´ementPernet,doctorantUJF,LMC
Supportdecoursetexpos´es
AudeRondepierre,doctorantINPG,LMC
ivD´eroulementdel'´ecole
Coursetexpos´es:
chercheurs.MaisonJeanKuntzmann
110avenuedelaChimie
DomaineUniversitaire
SaintMartind'Heres-France
Repasdemidi
Bibliothèque
desSciences
Amphi WeilIEPE GETA
MJKUFR IMA
E NSI MAG IRMAVous etes ici^
Avenue de la bibliothèque
TRAM B
Rue de la Chimie
CICGTerminus du tram
Restaurant Diderot
Université Pierre Mendès France
Planningdelasemaine
Leplanningestlesuivant:
v viSoutiens
Universit´eJosephFourier,Grenoble
http://www.ujf-grenoble.fr/ http://www.imag.fr/CentreNationaldelaRechercheScientique
http://www.cnrs.fr/Algorithmique,LangageetProgrammation
http://www.liafa.jussieu.fr/%7Ealp/R´egionRhone-Alpes
http://www.cr-rhone-alpes.fr/ http://www.inria.fr/ viiAnn´eespr´ec´edentes
1996Nicehttp://www.essi.fr/ecole-AMI/
2002Lille,http://www.li.fr/ejc2002/
viiiConf´erences
sit´eJosephFourier,Grenoble)
LouisRoch,ENSIMAG,Grenoble)
CNRS,Grenoble)
Paris)
1 2OptimisationCombinatoire
Responsable:MarcDemange
Conf´erencier:MarcDemange
Sommaire
1Introduction5
2Voyageurdecommerce:unm´etierdifcile9
difciles124Approchedifcile:unproblemesauvage15
5 ?-MinTSP:approximationarapportconstant195.1Approcher
5.2ApprocherMinTSP
?????apartird'un2-couplageminimum....24 3 R´ef´erences46
4 voyageurdecommerceMarcDemange
ESSEC demange@essec.frResume
trouvefascinant.Avertissement
1Introduction
5 f1;:::;ngdetouteslessolutions qualite. fonctiondesproprietesd'approximation. brouillonalamain!1.1TSP:unehistoiredejalongue
ndesdonnees. 6 l'autre. dodecaedreregulier:leJeuicosien(source[37])
ch.10et[26],ch.1. a[26],ch.1eta[36].1.2TSP:sequencefascination
sommet. 71.3TSP:lafamille
seformuleainsi: (v1;v2;:::vn)etsavaleurestc(T)=Pn1 i=1c(vivi+1)+c(vnv1).Leproblemeconsiste alorsadetermineruntourdevaleurminimum. 8 bibliographiques.2Voyageurdecommerce:unmetierdicile
peutresoudreceprobleme.Ainsi,leparadigme hhpoetiquo-nafiidont(entreautres)laRe-2.1LaclasseNP-complet(NP-C):unbrefapercu
(reponseouiounon)comme (probleme) polynomialement unereductionpolynomiale/de touteinstanceI1estpositive.Lecaracterepolynomialdela
1tel quen1;c'estencesensque2
9 referernotammenta[18,31].2.2MinTSPetNP-C
leproblemeduCyclehamiltonien,noteHC. passantunefoisetuneseuleenchaquesommet.Theoreme2.1[18]
MinTSPdestNP-complet.
peut^etrerepresenteeentempspolynomial). 102.3NPO:problemesd'optimisationdeNP
testde 11 deproblemesdiciles obtention. objectifsetleursenjeux. 12 dicilesouentoutcasmalresolues. tionrealisablepourchaqueinstance. autresparametresdel'instance. l'algorithmepourleprobleme. 13 inversantlesensdel'optimisation. deminimisation:JDenitionI3.1Approximationstandard.
JDenitionI3.2Approximationdierentielle.
OnditqueAgarantitlerapportdierentielsi:
8I;(!(I)(I))=(!(I)(I))(I)
15,20,29,30]).
14 rapportconstantdierentde1: pourunproblemedeminimisation. p,onparledeschemacomplet.4Approchedicile:unproblemesauvage
Theoreme4.1
15 c(i;j)=1si(i;j)2E c(i;j)=nf(n)sinon del'instance. theoremeprecedentpermetd'etablirque: 16 max=wmin.UnPlus-Proche-Voisin
output:Cyclehamiltonien.Choisirunsommetinitialv;
Tantqu'ilrestedessommetsnonvisitesfaire
Analysedel'algorithmePlus-Proche-Voisin
sii=1.Leco^utdelasolutiongloutonneest=P n i=1c(i;i1).Consideronsalorsune c(s(j);s(j1))c(s(j);s(j)1).Onendeduit: 17Ennotanta
j=1aj=P n peutsupposerjJjn=2;onaalors: X j2J aj+jJjwmax(2)Parailleurs,d'apreslarelation(1)
nX j=1 c(s(j);s(j1))X j2J aj+jJjwmin(3)Parconsequent,commeP
et(3): w minn=2+jJjmax nwmin12+w max2wmin:
max=(2wmin)quivaut asymptotiquementw labornegarantiepartoutalgorithme. pourtouteinstance,lerapport(1")[1=2+w max=(2wmin)].3);j=1:::k2;(2k2;2k)gontpourvaleur1=w
minettouteslesautresar^etesontpour valeurM=w ([1=2+M=2]k1)=k(1")[1=2+w max=(2wmin)]pourk1=".Letheoremesuivantresumecetteanalyse:
Theoreme4.2
Plus-Proche-Voisingarantitlerapport1=2+w
max=(2wmin);l'analyseestasymptotiquement optimale. 185MinTSP:approximationarapportconstant
max=wmintellesEtantdonneeunecliqueK
graphepartielT=(V;E d'unarbredeG. 19 approchegarantissantlerapport2. ameliorerl'algorithmeinitial. 20CHRFD(AlgorithmedeChristofides)
output:Cyclehamiltonien. V0 fsommetsdedegreimpairdansTg;
Endeduireuncyclehamiltonien.
Analysedel'algorithmeCHTFD
valeurdececycle:~=c(T)+c(M)(4) c(T)(5)2c(M)(6)
=3=2(7) metriqueduvoyageurdecommerce: 21MinTSP.
Exemple:promenadeenFrance
Angers24650452154591295128778
Caen339353697292232183730
Calais112697593289519621
Lille685608222573522
Lyon634461770489
Nantes384115841
Paris349490
Rennes831
Strasbourg
Arbredevaleurminimum(valeur1905km)
2223
Cycleoptimal(valeur2578km)
5.2ApprocherMinTSP
1;2apartird'un2-couplageminimum.
MinTSP
ensembledecyclesM= assembleainsi indiquesurleschemaci-apres. 24Assembler-Cycles1,2
output:Cyclehamiltonien. 1;Pouri 2akfaire
Assembler(;i)
ouAssemblerestdenieparAssembler
input:Deuxcycles;0 output:Cycle.Effacerunear^etelapluslourdedeetde0;
Analysedel'algorithmeAssembler-Cycles12
utilisees.2-couplageM
Premierassemblage
25Secondassemblage
Dernierassemblage-Solution
ietantdetailleau contientaumoinsunear^etedevaleur2.Onnote1;:::;pl'etatdeapresp1assemblages
1;:::;p)Pp
i=1c(i)+p;de plussil'inegaliteestuneegalite,alors consideronsl'assemblageentre1;:::;petp+1.
Supposonsd'abordquec(
1;:::;p) i=1c(i)+p.Danscecas: c( 1;:::;p+1)c(1;:::;p)+c(p+1)+2<
p+1X i=1 c(i)+p+2 etdonc c( 1;:::;p+1)
p+1X i=1 c(i)+(p+1) 1;:::;p+1.
Simaintenant,c(
1;:::;p)=Pp
1;:::;p+1.
1;:::;k)=c(M)+n=3.Comme
26
1;2. Diculted'approximation
lemontreletheoreme4.1. d'approximation. 1;2(etdoncaussi
Lecaseuclidien`
27
lynomiale. hhscalingandroundingiide degeneralite. Phase(1)
lesquelles: (b)ladistanceentredeuxvillesestauplus64n +16. hhinstance approchee 88n
Lv2). (i)V0satisfaitlesconditions(a)et(b); solutiondevaleurL 8n(0=8+p2n)L8n(0=8+2n).
28
(V 0)88n L(V)+2n.
0;danscecas,pour
0(cas(ii))touslessommetsdeV
se garantirpourV Unschemad'approximationsurV
Phase(2)
PouruneinstanceV
coordonneespairesdansK.ParhypothesesurV 0,lesvillesavisitersontal'interieurdes
ville. isontdelongueur2 Ni. quatresegments,onplace2 Nip. V acetypedetours. 29
ab N2 niveau 1niveau 2niveau 3 Grilletranslateede(a;b)
enfaitlenoyaudelademonstration. salongueur. lignetraversee,asavoir2 soitdeniveauiest2 N2quotesdbs_dbs46.pdfusesText_46
1;:::;p+1)c(1;:::;p)+c(p+1)+2<
p+1X i=1 c(i)+p+2 etdonc c(1;:::;p+1)
p+1X i=1 c(i)+(p+1)1;:::;p+1.
Simaintenant,c(
1;:::;p)=Pp
1;:::;p+1.
1;:::;k)=c(M)+n=3.Comme
261;2.
Diculted'approximation
lemontreletheoreme4.1. d'approximation.1;2(etdoncaussi
Lecaseuclidien`
27lynomiale. hhscalingandroundingiide degeneralite.
Phase(1)
lesquelles: (b)ladistanceentredeuxvillesestauplus64n +16. hhinstance approchee 88nLv2). (i)V0satisfaitlesconditions(a)et(b); solutiondevaleurL
8n(0=8+p2n)L8n(0=8+2n).
28(V 0)88n
L(V)+2n.
0;danscecas,pour
0(cas(ii))touslessommetsdeV
se garantirpourVUnschemad'approximationsurV
Phase(2)
PouruneinstanceV
coordonneespairesdansK.ParhypothesesurV0,lesvillesavisitersontal'interieurdes
ville. isontdelongueur2 Ni. quatresegments,onplace2 Nip. V acetypedetours. 29ab N2 niveau 1niveau 2niveau 3