2 4 2 Résolution des récurrences avec second membre Types de Données et Algorithmes, le livre de Froidevaux, Gaudel et Soria [4], 1En cas de besoin urgent de compulser une référence sur les séries, Si donc il existait une fonction d'attribution optimale qui atteint nbMaxSucc = Math max (nbMaxSucc, temp);
Previous PDF | Next PDF |
[PDF] Algorithmique I - École normale supérieure de Lyon
2 4 2 Résolution des récurrences avec second membre Types de Données et Algorithmes, le livre de Froidevaux, Gaudel et Soria [4], 1En cas de besoin urgent de compulser une référence sur les séries, Si donc il existait une fonction d'attribution optimale qui atteint nbMaxSucc = Math max (nbMaxSucc, temp);
[PDF] COURS DE MATHÉMATIQUES PREMI`ERE ANNÉE (L1 - IMJ-PRG
les fonctions de plusieurs variables et dérivées partielles, d`es la premi`ere année n−1, et le second est en bijection avec l'ensemble des parties poss` ede un algorithme de calcul) tels que um + vn = 1, posons donc x0 := a + (b − a) La démonstration des autres énoncés est assez immédiate en appliquant le même
[PDF] M11 Mathématiques
6 sept 2017 · Calculer les expressions suivantes en fonction de x : C = 2xB − A, D = 2xC −B, E = 2xD −C Exercice 2 6
[PDF] Modèles de Recherche Opérationnelle - Département d
3 2 1 L'algorithme du simplexe dans le cas non-linéaire créa une besoin urgent d'allouer de manière efficace des ressources limitées aux Notre modèle mathématique consiste à minimiser cette fonction, dite fonction objectif par rapport aux variables Le second cas, avec une et seule solution, ne peut survenir
[PDF] Apprentissage Statistique - Institut de Mathématiques de Toulouse
Parallèlement, les méthodes et algorithmes issus de l'Intelligence Artifi- cielle ( e g réseaux blème de modélisation ou apprentissage supervisé : trouver une fonction f data mining, inference, and prediction, Springer, 2009, Second edition ploitation, il est urgent pour les responsables d'un syst`eme d'IA d' anticiper sur
[PDF] MATHÉMATIQUES - Numdam
thode de calcul des fonctions symétriques des racines de second ordre/" (x) est toujours positif ou toujours né- gatif On pourrait réduire sa théorie en un algorithme être disposées de telle sorte que la succession immédiate des lettres A
[PDF] Algorithme , conjecture , valeur 3ème Mathématiques
[PDF] Algorithme , manipulation de boucles Bac +1 Informatique
[PDF] Algorithme , manipulation de boucles Bac +1 Mathématiques
[PDF] Algorithme - Calcul du nombre d'arêtes d'un solide convexe 3ème Mathématiques
[PDF] Algorithme - Chaîne de caractères Bac +1 Informatique
[PDF] ALGORITHME /POURCENTAGE 1ère Mathématiques
[PDF] algorithme 1ere es exercices PDF Cours,Exercices ,Examens
[PDF] algorithme 1ere s cours PDF Cours,Exercices ,Examens
[PDF] algorithme 1ere s exercice PDF Cours,Exercices ,Examens
[PDF] algorithme 1ere s suite PDF Cours,Exercices ,Examens
[PDF] algorithme 2 questions 2nde Mathématiques
[PDF] Algorithme 2nd :) 2nde Mathématiques
[PDF] Algorithme 2nd Entrainement 2nde Mathématiques
[PDF] ALGORITHME 2NDE 2nde Mathématiques
AlgorithmiqueI-CoursetTravauxDiri g´es
L3,Ecol eNormaleSup´er ieuredeLyon
CoursAnneBe noit
TravauxDirig´es(200 8-2009)
BenjaminDepardon,Chris topheMouilleron,Cl´ement ResvoySeptembre2009
2Tabledesmati` eres
1In troduction:calculdex
n 9 1.1 Enonc´eduprobl`eme.. ..... ....................... ... .91.2Algorit hmena¨ıf............ ............... ... .. ... ..9
1.3M´et hodebinaire............. ................. ... ... 9
1.4M´et hodedesfacteurs......... ......... ................10
1.5Arbre deKnuth.... ...... .............. ... ... ... ... .10
1.6R´es ultatssurlacomplexit´e...... ......... ...... .........11
1.7Exe rcices.................... ... ... ... ... ... .. ... 12
1.8R´ef ´erencesbibliographiques.............. ................14
2D iviserpourr´egner15
2.1Algorit hmedeStrassen........ ...... ..................15
2.2Prod uitdedeuxpolynˆomes... ...... ............ .........17
2.3Maste rtheorem....... .................. ... .. ... ... .18
2.4R´es olutiondesr´ecurrences...... ........ ................19
2.4.1R´esol utiondesr´ecurrenceshomog`ene s........ ............19
2.4.2R´esolu tiondesr´ecurrencesavecsecon dmembre.. .............19
2.5Mult iplicationetinversiondematrices....... ...... ...........20
2.6Exer cices..................... .. ... ... ... ... ... ..21
2.7R´ef ´erencesbibliographiques.............. ................23
3P rogrammationdynamique25
3.1Pi`e cesdeMonnaies......... ...... .................. .. 25
3.2Leprob l`e medusac`ados............. ...... ..... ...... .26
3.2.1Englouton ...... ........... ... ... ... ... ... .. .26
3.2.2Parprogr ammationd ynamique................ ........26
3.3Quel quesexemplesdeprogrammationd ynamique................ ..27
3.3.1Chaˆın esdematrices............ ...... ............27
3.3.2Pluslon guesous-suite. ........... .................28
3.3.3Locationd eskis.......... ..... ............ ... ..30
3.4Exe rcices.................... ... ... ... ... ... ... .. 32
3.5R´ef ´erencesbibliographiques.............. ................34
4A lgorithmesgloutons35
4.1Exem pledugymnase.......... ...... .............. ... .35
4.2Route `asuivrepourl eglouton. ................. ........ ..36
4.3Colori aged'ungraphe...... ........... ............ ... .37
4.3.1Algorithm eglouton1.............. ............ ... 38
4.3.2Algorithm eglouton2.............. ............ .. .38
34.3.3Graphed 'intervalles.... ..........................39
4.3.4Algorithm edeBrelaz............ ...... ...........39
4.4Th´ eoriedesmatro¨ıdes..... ........ ....................41
4.4.1Matro¨ ıdes...................... ... ... ... ... ..41
4.4.2Algorith meglouton............... ........... ... ..42
4.5Ordon nancement........................... ... .. ... .42
4.6Exer cices..................... ... ... ... .. ... ... ..44
4.7R´ef ´erencesbibliographiques............. .................45
5Tri47
5.1Trif usion.... ............... .. ... ... ... ... ... ... .47
5.2Trip artas:Heapsort ...... ..... ... ............... .. ..47
5.2.1D´efini tions......................... ... ... ... .47
5.2.2Tripart as........ ..... ...... ... ... ... ... .. ..48
5.2.3Inser tiond'unnouvel´el´ement.. ............ ...........48
5.2.4Suppre ssiond'un´el´ementdutas........ ........... ....49
5.2.5Comple xit´edutripartas............... ...... ......49
5.3Trir apide.... ............... .. ... ... ... ... ... ... .49
5.3.1Coˆut. ............... .. ... ... ... ... ... ... .. .50
5.3.2M´edian eentempslin´eaire.... ...... .............. ...50
5.4Compl exit´edutri.................. ...... ........ ... .51
5.4.1Lesgrands th´eor` emes....... ......................51
5.4.2D´emons trationdesth´eor`emes.............. ........ ...52
5.4.3Peut-on atteindrelaborne?.. ....................... .54
5.5Exer cices..................... ... ... ... ... ... .. ..55
5.6R´ef ´erencesbibliographiques.............. ................57
6G raphes59
6.1D´efi nitions....................... ... ... ... ... .. ... 59
6.2Arbre s............. ... ... ... .. ... ... ... ... ... ... 59
6.2.1Caract´e risation............................. ... .59
6.2.2Parcours d'arbresbinaires... ..................... ...60
6.2.3Arbresb inairesderecherc he.................. ...... ..63
6.3Stru cturesdedonn´eespourlesgraphes... ...... ...............65
6.4Acce ssibilit´e............................ ... ... .. ... 69
6.4.1Rappel ssurlesrelationsbinai res..... ......... .........69
6.4.2Chemin sdanslesgraphes........ ......... ......... .70
6.4.3Fermet uretransitive.............. ................70
6.5Plus courtschemins .............. .................... 73
6.5.1D´efin itions........................ ... ... ... ..73
6.5.2Pr´es entationdespluscourtschemins....... ......... .....74
6.5.3Avecdes poidspositi fs...... ............ ...........74
6.5.4Chemin salg´ebriquesdanslesse mi-anneaux.................75
6.5.5Algorithm edeDijkstra......... ...... .............76
6.6Parcou rsenlargeur......... ..... ............... ... .. .78
6.7Parcou rsenprofondeur...... ..... .....................80
6.7.1Premi` ereversion................. ...............80
6.7.2Analysefi neduparcoursenprof ondeur... ...... ..........81
6.8Trit opologique.. .................... ... ... ... ... ... 82
6.9Forte connexit´e... .......................... ... .. ... 83
46.10Exer cices..................... ... ... ... ... .. ... ..83
6.11R´ef ´erencesbibliographiques............. .................88
7Tab lesdehachage89
7.1Rech ercheentable............... ...... ............ .. 89
7.2Table sdehachage....... ...... ............ ... .. ... ..89
7.3Colli sionss´epar´ees.......... .........................90
7.4Adre ssageouvert.......... .............. ... ... ... .. .91
7.5R´ef ´erencesbibliographiques.............. ................92
8A nalyseamortie93
8.1Compt eur................. ... ... ... ... ... .. ... ... 93
8.1.1M´etho dedesacomptes............ ......... ........93
8.1.2M´etho dedupotentiel........... ...... ............94
8.2Mallo cprimaire....... .................... ... ... .. ..94
8.2.1M´etho deglobale................. ............ .. .94
8.2.2M´etho dedesacomptes............ ......... ........94
8.2.3M´etho dedupotentiel........... ...... ............94
8.3Inse rtionETsuppression....... ...... ...................95
8.4Gest iondespartitions.... ........ .....................95
8.4.1Repr´e sentationenlisteschaˆın´ees............. ..... .....95
8.4.2Repr´ esentationenarbres....................... ....95
8.5R´ef ´erencesbibliographiques.............. ................96
9NP-Compl´etude97
9.1Probl `emesdeP.....................................97
9.1.1Pens´e edujour(PJ).......... ...... ......... .....97
9.1.2D´efini tion....................... ... ... ... ... .97
9.1.3Exempl es..................... ... ... ... ... .. .98
9.1.4Solution d'unprobl`eme..... ............ ...........99
9.2Probl `emesdeNP...................................99
9.2.1D´efini tion....................... ... ... .. ... ..99
9.2.2Probl`e mesNP-complets.............. ..............99
9.2.3Exempl esdeprobl`emesdansNP.......................100
9.2.4Probl`e mesded´ecisionvsoptimisation.. ...... ............100
9.2.5Exempl edeprobl`emesn'´etantp asforc´e mentdansNP...........100
9.2.6Probl` emespolynomiaux.............. ..............101
9.3M´e thodeder´eduction....... ...... ....................102
9.43-SAT ........... ... ... ... ... .. ... ... ... ... ... ..102
9.5Cliq ue................ .. ... ... ... ... ... ... .. ... .104
9.6Couve rtureparlessommets.......... ...... ........ ......105
9.7Cycl ehamiltonien.... .......................... ... ..106
9.8Colorat iondegraphes......... ..... ............... ... .106
9.8.1COLOR.. ............ .. ... ... ... ... ... ... .. .107
9.8.23-COLOR ............... ... .. ... ... ... ... ... .109
9.8.33-COLOR- PLAN..................... ... ... ... .. 110
9.9Exer cices..................... .. ... ... ... ... ... ..112
9.10R´ef ´erencesbibliographiques.............. ................114
510A lgorithmesd'approximation115
10.1D´efi nition..................... ... ... ... ... .. ... ..115
10.2Vert excover.......... .............. ... ... ... ... ... 115
10.2.1Version classique......... ....................... 115
10.2.2Version pond´er´ee........ ........................116
10.3Voyage urdecommerce:TSP... ..... .................... .116
10.3.1D´efini tion....................... ... ... ... ... .116
10.3.2Inappro ximabilit´edeTSP...........................117
10.3.32-approx imationdanslecaso`ucv´erifiel'in´egalit ´etriangul aire... ...117
10.4BinP acking:BP ................. ... ...... ... ... ... .118
10.4.1D´efini tion....................... ... ... ... ... .118
10.4.2NextFit ......... ........ ... ... ... ... ... .. ... 119
10.4.3DecFir stFit(DFF )............. ......... ........119
10.52-Part ition................... ... ... ... ... ... .. ... 120
10.5.1NP-compl ´etudeausensfaibleetausensfort......... ... ....120
10.5.2Approxi mationgloutonnes.................. .........120
10.5.3Une(1+ ?)-approximation....................... ... .121
10.5.4FPTASpou r2-Partition... ........ .................123
10.6Exe rcices.................... ... ... ... ... ... .. ... 125
10.7R´ef ´erencesbibliographiques.............. ................127
6Pr´eface
Lestradi tionschangentetlecoursd'algon 'estplustoujourslem ercred i`alam ˆemeheure, lesensei gnantsrajeunissent,etlepolyse d´eboguegrˆaceauxgentils´etudiants,TD-menet enseignants. Doncvoicila nouvelleversi ondupol yremis`aneuf,toujourspou rsatisfairevotreenvi ede savoir.Biensˆurilr estesansnuld outedenombreus eserre ursgliss´eesdans cespages,me rcide mefaire partdevostrouvai llesparcou rrier´ electr onique`aAnne.Benoit@ens-lyon.fr.Lyon,Juille t2007
AnneBenoit
Pr´efaced'YvesRobert
Cepolyc opi´erassemblelescoursettr avauxdirig´es(aveccorrig´ es)dumod uleAlgorithmique del'ENS Lyon.Al'origine pr´evupour lap remi`ereann´eeduMagist` ered'Informatique,l emodule s'int`egred´esormaisdanslatrois i`emeann´eedelaLicenced'In formatique .Etdir equepersonne nes'es trenducompteduc hangement! Celafait`ape inedixansq uej'en seignececours.Ad ´efautdech angerle contenu(pou r fairequoid'autr e?)oud'uti liserautrechosequeletableau et lacraie(idem?),jechangeles irr´esistiblestraitsd'humourquifonttoutlecharm edecess´eancesd uMercredi(l'horairene changepasnonplu s).Etj 'usetou teunebatteriedeTD- menandw omen,lesquelsont apport´e leurcontribut ionaufildesans,construisantouam´elioran tde ss´ean cesdetrav auxdirig´e s. Jelesr emercietou ssinc`erement,parordred'ap parition:Od ileMillet-Botta,TanguyRisset, AlainDarte,B runoDurand,Fr´e d´ericVivien,Jean -ChristopheDubacq,O livierBodini,DanielHirschko
ff ,Mat thieuExbrayat,NatachaPort ier,EmmanuelHyon,EricThier ry,MichelMorv an etYvesC aniou. Sansaucunep ressionoupresque, YvesCaniouetEricThierry ontr ´eussi`asemotiver pourrassemb lerlesTD.L'ann´eepr´ec´edent e,j'avaisr assembl´e lescours.Enfin,quand ondit rassembler,c' estsurtoutlesgen tils´etudiants-scr ibesquiras semblent,entapotantd eleursdoigts agileslaquint essenc edenotreenseignementin´egalable. Cepolyc opi´eestleconcurrentleplu ss´erieu xduCorm endanslemonde,oudumoinsdans lesept i`emearrondissementdeLyon!Maisr enon¸cant`adefabuleuxdroitsd'auteur,l'´e quipe p´edagogique(c'estnous)ad´ec id´edemettrecetouvr age`alalibred isp ositiondesnombreux´etudiantsassoi
ff ´esdesavoi r(c'es tvous).Enjoy!Etmer cidesignalererreu rsetomi ssionspar courrier´electronique` aYves.Robert@ens-lyon.fr.Lyon,Mai2005
YvesRobert
7Biblio
Voiciquelques pointeursbibliographiques(v oiraussilesr´ef´erencesdon n´ees`alafindechaque chapitre): IntroductiontoAlgorithmsdeT.H.C ormen,C .E. LeisersonetR.L.Rives t[2].L'ou - vrageder´e f´eren ceparexcellence,`aacheteretconserve rtoute savied'informaticien.Ilse murmurequ'unedeuxi`em e´editionestparue,a vecunauteurdeplus.Etunetradu ction fran¸caise. ComputersandIntractability, aGuide totheTheoryofNP-CompletenessdeM.R . GareyetD.S.Joh nson[5]. Essent ielle mentpoursonintrod uction`al aNP-compl´etudeau sensfort,etqu elquesjolies r´educ tions.Onrevienttoujours`as oncataloguedeprobl`em esNP-complets.
Theartof Compute rPr ogramming,le stroistomes deKnuth[6],e tbientˆotquatr e,pour leursexercices incroyablesSinon,j'aimebien:
-TypesdeDonn´eeset Algorit hmes,le livred eFroidevaux,Gaude letSori a[4],pourl'analyse finedesprob l`emesdet ri -leNP-com pendium,maintenusurleWeb(http://www.nada.kth.se/ viggo/problemlist/ compendium.html),pourl esr´esult atsd'appro ximation.Lelivrequicorrespond,Com- plexityandApproxim ation,de Ausiell oetal.[1]estvraimenttr` escompl et,ave cune bonneintroduc tionauxsch´emasd'approximation. -AlgorithmsandComplexity,le livred eWilf[12],dontlap remi`e re´edition,´e puis´ee, est wilf/.Une joliein troduction `alaNP -compl´ etude,avecunepreuveconciseduth´eor`emede Cook,pleind' algorithmes, del'h umour,dansunfichier.pdf`at ´el´echarge rabsolum ent -Comparedtowhat?:anintro ductio ntotheanalysiso fal gorith ms,le livred eRawlins[8], quicontien tunemined'exercicesor iginaux -IntroductiontoGraphTheory,de West[ 11],monlivrepr´ ef´er´ed egraphesEnfin,deuxlivre splusdi
ffi ciles,`ar´eserver auxplus aventureux:celuideKozen[7],Thedesign andanalys isofalgorithms,c ontientlesnotesdecourset exercice s(certainscorr ig´es )d'uncours denive auavanc´edonn´e`a Cornell,etceluideVaz irani[10],Approximationalgorithms,don tle titrer´esumebi enlecontenu. 8Chapitre1
Introduction:calculdex
n Cechap itresebasesurunpetitex emple facilepourd ´efinirl'al gorithm iqueetlanotionde complexit´ed'unprobl`eme. 1.1Enonc´eduprobl`eme
On´etu dieleprobl`emeducalcul dex
n ,´e tantdonn´esxetn(n´etan tunentierpositi f). Soulignonsquexn'estpasn´ecess airemen tunnombre,ilpeuts'agird'unematriceoud'un polynˆome`aplusieursind ´eter min´ees:silamultiplicationau nsens,ladivisionn'enapas!Onposey
0 =x,et onutili sel a"r`egledujeu"suivante: sij'aid ´ej`acalcul´ey 1 ,y 2 ,...,y i-1 jepeux calculery i commeproduit dedeuxr´esultatspr´ec ´edent sarbitraires: y i =y j ·y kLebu testd'atte indrex
n leplus vitepossible, i.e.detrouve rOpt(n)=min{i/y
i =x n1.2Algori thmena¨ıf
y i =y 0 ·y i-1 Onay n-1 =x n ,le coˆut estdoncden-1.1.3M´ethode binaire
Ontrouv efacilementunalgori thmepluse
ffi cace: x n x n/2 ·x n/2 sinestpair, x ?n/2? ·x ?n/2?·xsinestimpair.
Onpeut aussiformulerl 'algorithmedel afa¸consuivante.On´ecri tnen´ecr iturebinaire.Puis onre mplacechaque"1"parSXetchaq ue"0"parS,etonenl`e vel eprem ierSX( celuiq uiest`a gauche).Lemotobtenudonn eun efa¸cond ecalculerx n ,en traduis antSparl'op´erationmettre aucarr ´e(squaring),etXparl'op´erationmultiplierparx.Par exempl e,pourn=23( n=10111) , 9 lacha ˆıneobtenueestSXSSXSXS X,enenlevantlepremi erSX,onobti entSSXS XSX.O n calculedoncdansl'ordre x 2 ,x 4 ,x 5 ,x 10 ,x 11 ,x 22,etx 23
Lac orrectiondel'algorithmesejust ifiefac ilement`apartirdespropri´et´ esdusy st`emebinaire.
Leco ˆutestde:
?logn?+ν(n)-1, o`uν(n)re pr´esentelenombrede1dansl'´ecritu rebinai reden.Bi ensˆur,commed anstout ouvraged'informat iquequiserespecte,leslogarithmessonten base2. Cettem´ethodebi nairen'estpasoptimale:parexe mpleavecn=15,on obt ien tlachaˆıne SXSXSX,d'o`u6m ultiplicationalorsq uee nremarquantque15=3·5,ona bes oind e2 multiplicationspourtrouvery=x 3 (y=(x·x)·x)pu isde3autrespou rcalcu ler x 15 =y 5 (on appliquelam´ethodebin aire:y 2 ,y 4 ,y 51.4M´ethode desfacteurs
Lam´ ethodedesfacteursestbas´e esurlafact orisationden: x n (x p q sipestleplu spetit facteurpremie rden(n=p×q), x n-1·xsinestpr emier.
Exemple:x
15 =(x 3 5 =x 3 .(x 3 4 =.. .(5multip lication s). Remarque:Aveclespu issancesde 2,cettem´ethodeestidentique `alam´ et hodebinaire. Remarque:Cettem´ethoden' estpasoptimale,parexemplepou rn=33on a7m ult ipl ica- tionsaveclam ´ethodedesfac teurse tseulement6aveclam´etho debinaire . x 33=(x 3 11 =x 3 .(x 3 10 =x 3 .((x 3 2 5 =x 3 .y.y 4 avecy=(x 3 2 x 33
=x.x 2 5 Remarque:Ilexis teuneinfinit´edenom brespourle squelslam´ethodedesfacte urses t meilleurequelam´ethodebinai re(prendr en=15·2 k ),et r´eciproque ment(prendren=33·2 k Arnaque:Ilfaut soulignerqu elecoˆutdelarecherch edelad´ec ompositi ondenenfacte urs premiersn'estpasprisencom ptedansnotreformu lation.C 'estpourtantn ´ecess airepourquan- tifiercorrectemen tlecoˆutdelam´ethodedesfacteurs.Le probl` emeestqu'onnesait pas,`ac e jour,trouverla d´ecompositionentemp spolynom ialenn.Ce probl`e meestNP-complet(notions deNP-com pl´etudedanslasuiteducours).