[PDF] Chapitre 2 Complexité algorithmique



Previous PDF Next PDF







Calcul de coût d’algorithme - imag

Pour calculer le coût d’un algorithme on utilise les règles de composition suivantes : Le coût d’une itération est égal à la somme des coûts de chaque terme de l’itération; Le coût d’une instruction conditionnelle est majoré par le maximum des coûts de chacune des



Chapitre 2 Complexité algorithmique

Le cout^ d’une op eration el ementaire est egale a 1 Exemple 1 : Que vaut le cout^ de l’algorithme A somme = n + 1 #instr1 somme = somme n#instr2 somme = somme=2#instr3 Cout(^A)=Cout(^inst1)+Cout(^instr2)+Cout(^instr3)=3 Programmation en Python{2 eme ann ee MP3{ CPGE GSR 2014-201510/ 30



Plan - xavierduprefr

3 coût de l'algorithme Le coût d'un algorithme est une estimation du nombre d'opérations élémentaires effectué par un algorithme Cette estimation dépend du nombre de ses entrées et de leurs dimensions Un opération élémentaires est une affection, un calcul, une comparaison som = 0 pour i allant de 1 à n inclus



Problème du plus court chemin : Algorithmes et complexité

ALGORITHME de DIJKSTRA (Reaching ; label-setting) Trouver des plus courts chemins de s vers tout autre noeud (c-à-d un arbre des plus courts chemins) dans un réseau qui ne contient pas d’arc de coût négatif L’algorithme maintient une distance di pour chaque noeud i avec un statut permanent (=plus court chemin) ou temporaire (=borne sup sur



Optimisation linéaire - EPFL

Algorithme du simplexe Michel Bierlaire 21 Développement de la méthode du simplexe • On veut aller le plus loin possible le long de d, en restant admissible • On cherche θ* tel que θ* = max { θ≥0 ¦ x+ θd ∈P} • Comment calculer θ* ? • Comme d est admissible, la seule manière de



Algorithme de Dijkstra : terminaison, correction et complexité

plexité d’un algorithme 1 Présentation de l’algorithme 2 Preuve de sa terminaison 3 Preuve de sa correction 4 Étude de sa complexité Remarques sur le développement 2 Étude de l’algorithme de Dijkstra Présentation de l’algorithme a Objectif : chemin le plus court à origine unique Pour a 2V, on veut calculer d : V f+¥gtel que



COURS ALGORITHMIQUE ET PROGRAMMATION INFORMATIQUE

• On souhaite calculer et afficher , à partir d’un prix hors taxe saisi, la TVA ainsi que le prix TTC • Le montant TTC dépend de : • Du prix HT • Du taux de TVA de 20,6 MAP - UNS 17 EXEMPLE D’ÉNONCÉ D’UN PROBLÈME • On souhaite calculer et afficher , à partir d’un prix hors taxe saisi, la TVA ainsi que le prix TTC



zNotations asymptotiques : 0 et Θ zComplexité des algorithmes

Complexités d’un algorithme zUn algorithme à partir d’une donnée établit un résultat zLa taille de la donnée est mesurée par un entier n {complexité temporelle une fonction de n qui mesure le temps de calcul pour une donnée de taille n {complexité en mémoire une fonction de n qui mesure la place mémoire



Complexité Techniques de calcul et de réduction

Lilian BUZER version b année 2003-2004 Complexité

[PDF] taux de rendement production trp

[PDF] trp production definition

[PDF] taux de rendement de production

[PDF] calcul trp production

[PDF] trp calcul

[PDF] faire des statistiques sur excel 2010

[PDF] calculer les cotés d'un triangle rectangle avec les angles

[PDF] longueur mediane triangle equilateral

[PDF] calcul mental 5eme

[PDF] séquence mesure de longueur cm1

[PDF] grandeurs et mesures cm1

[PDF] calcule mentale rapide

[PDF] calcul mental cm1 ? imprimer

[PDF] calcul mental cm1 pdf

[PDF] progression calcul mental cm2

Chapitre 2 Complexité algorithmique

Introduction

Notion de complexite

Complexite et notationO

Comment mesurer la complexite d'un algorithme

Dierentes nuances de complexiteChapitre 2

Complexite algorithmique

Programmation en Python{2eme annee MP3{

E-mail

mlahby@gmail.com

22 octobre 2014

Programmation en Python{2eme annee MP3{CPGE GSR 2014-20151/ 30

Introduction

Notion de complexite

Complexite et notationO

Comment mesurer la complexite d'un algorithme

Dierentes nuances de complexitePlan

1Introduction

2Notion de complexite

Denition de la complexite d'un algorithme

Types de complexite

3Complexite et notationOLa notationOClasses de complexite les plus usuelles

Comparaison de temps d'execution

4Comment mesurer la complexite d'un algorithme

Le co^ut des instructions elementaires/composees

Evaluer la complexite d'un algorithme

Des exemples de calculs de complexite

Le module timeit

5Dierentes nuances de complexite

Programmation en Python{2eme annee MP3{CPGE GSR 2014-20152/ 30

Introduction

Notion de complexite

Complexite et notationO

Comment mesurer la complexite d'un algorithme

Dierentes nuances de complexiteIntroduction

Exercice

Ecrire en python une fonction qui prend en argument une cha^ne de caracteres et determine si le caractere 'a' est present dans la cha^ne (on retourne soit True soit

False).Analysons plusieurs solutions

1.

Premi eresolution

def contienta1(chaine) : k = 0

N = len(chaine)

result = False while (result == False and kIntroduction

Notion de complexite

Complexite et notationO

Comment mesurer la complexite d'un algorithme

Dierentes nuances de complexiteIntroduction

2.

Deuxi emesolution :

def contienta2(chaine) : for i in range(len(chaine)) if chaine[i] == 'a' : return True return False 3.

T roisiemeso lution:

def contienta3(chaine) : n = chaine.count('a') return bool(n) 4.

Quatri emesolution :

def contienta4(chaine) : return ('a' in chaine)Quelques questions :

1que remarquez vous concernant cet exercice?

2Le code le plus court! Est-il meilleur?

3Comment peut-on designer le meilleur code parmi ces quatre solutions?

Programmation en Python{2eme annee MP3{CPGE GSR 2014-20154/ 30

Introduction

Notion de complexite

Complexite et notationO

Comment mesurer la complexite d'un algorithme

Dierentes nuances de complexiteDenition de la complexite d'un algorithme Types de complexiteDenition de la complexite d'un algorithme

Denition

La complexite d'un probleme mathematique P est une mesure de la quantite de

ressources necessaires a la resolution du probleme P.Cette mesure est basee sur une estimation du nombre d'operations de base

eectuees par l'algorithme en fonction de la taille des donnees en entree de l'algorithme.Generalement, pour le m^eme probleme P, on peut trouver plusieurs algorithmes (Alg1;Alg2;::;Algn).L'objectif de la complexite est d'evaluer le co^ut d'execution de chaque algorithme an de choisir le meilleur. .Probleme : Comment evaluer le co^ut d'execution d'un algorithme donne? Programmation en Python{2eme annee MP3{CPGE GSR 2014-20155/ 30

Introduction

Notion de complexite

Complexite et notationO

Comment mesurer la complexite d'un algorithme

Dierentes nuances de complexiteDenition de la complexite d'un algorithme

Types de complexiteTypes de complexite

En fonction des ressources utilisees pour evaluer la complexite d'un algorithme, on sera amene a dsitinguer deux types de complexite : complexite temporelle et complexite spatiale.Complexite temporelle (en temps) La complexite temporelle d'un algorithme est le nombre d'operations elementaires

(aectations, comparaisons, operations arithmetiques) eectuees par un algorithme.Complexite spatiale (en espace)

La complexite en memoire donne le nombre d'emplacements memoires occupes lors de l'execution d'un programme.Remarque Dans ce cours, nous nous interessons uniquement a la complexite temporelle. Programmation en Python{2eme annee MP3{CPGE GSR 2014-20156/ 30

Introduction

Notion de complexite

Complexite et notationO

Comment mesurer la complexite d'un algorithme

Dierentes nuances de complexiteLa notationO

Classes de complexite les plus usuelles

Comparaison de temps d'executionLa notationODenition Soit T(n) une fonction qui designe le temps de calcul d'un algorithme A. On dit que T(n) est en grand O de f(n) :T(n) =O(f(n)) si et seulement si :9(n0;c) telle queT(n)<=cf(n)8n>=n0 .Exemples

1Exemple 1 :

siT(n) = 3n+ 6 alorsT(n) =O(n)

Demonstration :

En eet, pourn>= 2, on a 3n+ 6<= 9n; la quantite 3n+ 6 est donc bornee, a partir d'un certain rang, par le produit denet d'une constante.2Exemple 2 : siT(n) =n2+ 3nalorsT(n) =O(n2)

Demonstration :

En eet, pourn>= 3, on an2+ 3n<= 2n2; la quantiten2+ 3nest donc

bornee, a partir d'un certain rang, par le produit den2et d'une constante.Programmation en Python{2eme annee MP3{CPGE GSR 2014-20157/ 30

Introduction

Notion de complexite

Complexite et notationO

Comment mesurer la complexite d'un algorithme

Dierentes nuances de complexiteLa notationO

Classes de complexite les plus usuelles

Comparaison de temps d'executionClasses de complexite les plus usuelles On voit souvent appara^tre les complexites suivantes :

ComplexiteNom courantDescription

O(1)constanteLe temps d'execution ne depend pas des donnees

traitees, ce qui est assez rare!O(log(n))logarithmiqueaugmentation tres faible du temps d'execution quand

le parametre croit.O(n)lineaireaugmentation lineraire du temps d'execution quand le parametre croit (si le parametre double, le temps double).O(nlog(n))quasi-lineaireaugmentation un peu superieure a O(n) O(n2)quadratiquequand le parametre double, le temps d'execution est multiplie par 4. Exemple : algorithmes avec deux boucles imbriquees.O(nk)polyn^omialeici,nkest le terme de plus haut degre d'un polyn^ome en n; il n'est pas rare de voir des complexites enO(n3) ouO(n4).O(kn)exponentiellequand le parametre double, le temps d'execution est

eleve a la puissancekaveck>1.O(n!)factorielleasymptotiquement equivalente annProgrammation en Python{2eme annee MP3{CPGE GSR 2014-20158/ 30

Introduction

Notion de complexite

Complexite et notationO

Comment mesurer la complexite d'un algorithme

Dierentes nuances de complexiteLa notationO

Classes de complexite les plus usuelles

Comparaison de temps d'executionComparaison de temps d'execution Prenons un ordinateur (tres rapide), dont la vitesse du microprocesseur est

1GHz(cad il execute un milliard d'operations par seconde), et imaginons des

algorithmes qui eectuent un traitement donne dans un tempsT(N)Nous donnons ci-dessous tableau des ordres de grandeur des temps d'execution

que l'on peut esperer pourNelements suivant la complexite de l'algorithme. .ComplexiteTemps d'execution en fonction du nombre d'operations

N51015201001000

log N3:109s4:109s5:109s7:109s10

8s3:109s2N10

8s2:108s3:108s4:108s2:107s2:106sN log N1;2:108s3:108s6:108s10

7s7:107s10

5sN

22;5:108s10

7s2;3:107s4:107s10

5s10 3sN

53:106s10

4s7;2:104s3:103s10s11jours2

N3;2:108s10

6s3;3:105s10

500sN

N3:106s10s13ans3:109ans3:10183ans10

300sTab.:Ordres de grandeur des temps d'ex ecutionProgrammation en Python{2eme annee MP3{CPGE GSR 2014-20159/ 30

Introduction

Notion de complexite

Complexite et notationO

Comment mesurer la complexite d'un algorithme

Dierentes nuances de complexiteLe co^ut des instructions elementaires/composees

Evaluer la complexite d'un algorithme

Des exemples de calculs de complexite

Le module timeitLe co^ut des instructions elementaires

Operation elementaire

On appelle operation de base, ou operation elementaire, toute :

1Aectation;

2Test de comparaison :==;<;<=;>=;! =;3Operation de lecture (input) et ecriture (print);

4Operation arithmetique :+;;;=;%;5Operation d'incrementation :a=a+1,(pas 1) a=a+n (pas n);

6Operation de decrementation :a=a-1,(pas 1) a=a-n (pas n);

Le co^ut d'une operation elementaire est egale a 1.

Exemple 1 :Que vaut le co^ut de l'algorithmeA

somme=n+ 1 #instr1 somme=sommen#instr2

somme=somme=2#instr3Co^ut(A)=Co^ut(inst1)+Co^ut(instr2)+Co^ut(instr3)=3Programmation en Python{2eme annee MP3{CPGE GSR 2014-201510/ 30

Introduction

Notion de complexite

Complexite et notationO

Comment mesurer la complexite d'un algorithme

Dierentes nuances de complexiteLe co^ut des instructions elementaires/composees

Evaluer la complexite d'un algorithme

Des exemples de calculs de complexite

Le module timeitLe co^ut des instructions composees

Operation composee

On appelle operation composee, toute instruction contenant :

1L'execution d'un instruction conditionnelle : SiPest une instruction

conditionnelle du type SibalorsQ1 sinonQ2 nsi, le nombre d'operations est :

Co^ut(P)<= Co^ut(test) + max(Co^ut(Q1), Co^ut(Q2))2L'execution d'une boucle : le temps d'une boucle est egal a la

multiplication de nombre de repetition par la somme du co^ut de chaque instructionxidu corps de la boucle;

Co^ut(boucle for) =PCo^ut(xi)

Co^ut(boucle while) =P(Co^ut(comparaison) + Co^ut(xi))3L'appel d'une fonction : Lorsqu'une fonction ou une procedure est

appelee, le co^ut de cette fonction ou procedure est le nombre total d'operations elementaires engendrees par l'appel de cette fonction. Programmation en Python{2eme annee MP3{CPGE GSR 2014-201511/ 30

Introduction

Notion de complexite

Complexite et notationO

Comment mesurer la complexite d'un algorithme

Dierentes nuances de complexiteLe co^ut des instructions elementaires/composees

Evaluer la complexite d'un algorithme

Des exemples de calculs de complexite

Le module timeitLe co^ut des instructions composees

Exemple 2 :Que vaut le co^ut de l'algorithmeB

if i%2==0 : Texte n=i//2 else : Texte i=i+1 Texte n=i//2 Co^ut(B)=Co^ut(i%2 == 0)+ max(Co^ut(n=i==2),Co^ut(i=i+ 1;n=i==2)) =1+max(1,2) =3Exemple 3 :Que vaut le co^ut de l'algorithmeC whilei<=n: Texte somme=som me+i Texte i=i+1 Co^ut(C)=Co^ut(i<=n)+Co^ut(somme=somme+i)+Co^ut(i=i+ 1) =n+n+n =3n Programmation en Python{2eme annee MP3{CPGE GSR 2014-201512/ 30

Introduction

Notion de complexite

Complexite et notationO

Comment mesurer la complexite d'un algorithme

Dierentes nuances de complexiteLe co^ut des instructions elementaires/composees

Evaluer la complexite d'un algorithme

Des exemples de calculs de complexite

Le module timeitComment mesurer la complexite d'un algorithme Principe pour calculer la complexite d'un algorithme La mesure de complexite d'un algorithme consiste a evaluer le temps

d'execution de cet algorithme.Dans l'evaluation de ce temps d'execution (co^ut), on sera amene a suivre les

etapes suivantes :1Determiner les operations elementaires (OE) a prendre en consideration : co^ut T(OE).2Calculer le nombre d'instructions eectuees par les operations composees (OC) : co^ut T(OC).3Preciser les instructions a negliger.

4Le co^ut de l'algorithme T(Alg) est la somme des deux co^uts T(OE) et

T(OC).

T(Alg) =T(OE) +T(OC)

Programmation en Python{2eme annee MP3{CPGE GSR 2014-201513/ 30

Introduction

Notion de complexite

Complexite et notationO

Comment mesurer la complexite d'un algorithme

Dierentes nuances de complexiteLe co^ut des instructions elementaires/composees

Evaluer la complexite d'un algorithme

Des exemples de calculs de complexite

Le module timeitDes exemples de calculs de complexite

Exemple 1 : la fonction append

Le code ci-dessous consiste a

programmer la fonction append def AjoutFin(L,a) :

L=L+[a]

return LExemple >>>L= [1;2] >>>AjoutFin(L;3) [1;2;3]Le nombre d'operations est : 3 (concatenation, aectation et return);Quelque soit la taille de liste, le nombre d'operations est constant;Temps de calcul est constant

Complexite :O(1)

.Exemple 2 : la fonction insert

Le code ci-dessous consiste a

programmer la fonction insert : def AjoutElement(L,a,i) :

L[i :i]=[a]

return LExemple >>>L= [1;2] >>>AjoutElement(L;3;1) [1;3;2]Le nombre d'operations est : 2 (aectation et return);Quelque soit la taille de liste, le nombre d'operations est constant;Temps de calcul est constant

Complexite :O(1)

Programmation en Python{2eme annee MP3{CPGE GSR 2014-201514/ 30

Introduction

Notion de complexite

Complexite et notationO

Comment mesurer la complexite d'un algorithme

Dierentes nuances de complexiteLe co^ut des instructions elementaires/composees

Evaluer la complexite d'un algorithme

Des exemples de calculs de complexite

Le module timeitDes exemples de calculs de complexite

Exemple 3 : boucle simple

for i in range(n) : print(\Bonjour")#une instruction sDans la boucle for,on a une seule instruction : printTemps de calcul de print :Tsest constantTs=CNombre de fois d'execution de cette instruction estnLe nombre total d'operations est n1 =nTemps de calcul total :T(n) =nTsComplexite :O(n) .Exemple 4 : remplir un tableauquotesdbs_dbs28.pdfusesText_34