Plan Introduction Parcours de Graphe Optimisation et Graphes

Slides:



Advertisements
Présentations similaires
Théorie des graphes.
Advertisements


Bloc1 : Théorie des graphes et problèmes d’ordonnancement
A.Faÿ 1 Recherche opérationnelle Résumé de cours.
Optimisation et Complexité
Structures de données IFT-2000


Optimisation dans les réseaux
Recherche Opérationnelle
21 février 2006Cours de graphes 2 - Intranet1 Cours de graphes Les plus courts chemins, les chemins les plus légers : à laide de la vague, à laide de la.
Pour le chemin le plus court pour tous les couples
Ceci est un graphe valué Des arcs : 1-2, 1-4, 7-10,…..
1 Licence d’informatique Algorithmique des graphes Cours 7 : Graphes valués Chemins de valeur optimale Algorithme de Bellmann-Kalaba Utilisation de ce.
Les dessins techniques
USTL - Licence Informatique Les jeux à 2 joueurs 1 Conception Orientée Objet Les jeux à 2 joueurs Conception Orientée Objet Jean-Christophe Routier Licence.
Enseigner l’arithmétique en série L Réflexions sur les contenus et les exigences.
Université Lille 1 - Licence Informatique Les jeux à 2 joueurs 1 Conception Orientée Objet Les jeux à 2 joueurs Conception Orientée Objet Jean-Christophe.
7. Problème de flot à coût minimum. 7.1 Graphes, graphes orientés, réseaux Un graphe G =(V, E) est constitué d’un ensemble non vide fini de sommets V.
Information, Calcul, Communication
CEMTEC Comment scénariser l’éclairage d’un escalier ?
Information, Communication, Calcul
Coloration de graphe, backtracking, branch and bound
Chapitre 3 : Le courant électrique et ses dangers
V Graphes étiquetés Ce sont des graphes orientés où les arêtes sont affectées d’étiquettes. Lorsque les étiquettes sont des nombres, on dit que le graphe.
Chapitre 3: Esquisser le graphique d’une fonction
Université Abou Bakr Belkaid Faculté des Sciences Département d’informatique Algorithmique Avancée et Complexité Chap5: Les méthodes de résolution exactes.
Techniques d’Optimisation Chapitre 2: Problème de flôt
IFT 615 – Intelligence artificielle Recherche heuristique
Recherche plus court Chemin par A*
Pr ZEGOUR Djamel Eddine
Activités Mentales : Niveau 2nde
CEMTEC 4 Cycle4 Niveau 5eme
Plan Introduction Parcours de Graphe Optimisation et Graphes
La technique du pipeline
Université Abou Bakr Belkaid Faculté des Sciences Département d’informatique Algorithmique Avancée et Complexité Chap7: Les méthodes de résolution exactes.
Techniques du Data Mining
III Graphes orientés Exercice : Le graphe suivant représente un tournoi, où les sommets sont des joueurs, les arêtes des matchs, et les flèches signifiant.
Démarche de conception. Démarche didactique.
Plan Introduction Parcours de Graphe Optimisation et Graphes
Réseaux de neurones appliqués à la reconnaissance de caractères
Techniques du Data Mining
SDRP & MA Problème du rendez vous : un algorithme probabiliste et une analyse probabiliste 09/11/2018.
Ruoqi He & Chia-Man Hung
Généralités sur les fonctions
Cycle, Cocycle, Arbre et Arborescence
UMR 6012 ESPACE - Montpellier
Le diplôme national du brevet La fin d’un parcours scolaire
Élections locales probabilistes
La Dualité et l’Analyse sensitive et post-optimale en PL
II. Chaînage, SDD séquentielles
Langages de programmation TP11
Le code de Huffman: est une méthode de compression statistique de données qui permet de réduire la longueur du codage d'un alphabet. Le code de Huffman.
Définie ? Dérivable ? Continue ?
CSI 3505 / Automne 2005: Conception et Analyse des Algorithmes I.
IN302 – Chapitre 3 Plus courts chemins.
UMLV ã Plus courts chemins Toutes paires d'états
Mathématiques – Calcul mental
l’algorithme du simplexe
Multiplier par des multiples de 10, de 100
Sigle optionnel en français FBD
Mathématiques – Calcul mental
Mathématiques – Calcul mental
Elections locales probabilistes
Mathématiques – Calcul mental
Reconnaître les multiples de 3, de 9
Mathématiques – Calcul mental
Recherche de chemin et labyrinthe
La programmation dynamique
Transcription de la présentation:

Plan Introduction Parcours de Graphe Optimisation et Graphes Plus courts chemins Généralités De 1 vers n - Valuations positives - Algorithme de Dijkstra De 1 vers n - Valuations quelconques - Algorithme de Bellman-Ford Plus courts chemins de n vers n Problèmes de flots Changer le plan Introduction (Prévisions: C1) p8 Généralités C1 Quelques définitions C1 p15 Représentations informatiques C1 p28 Parcours de Graphes (Prévisions : C1 C2) p39 Principe du parcours C1 Parcours en profondeur C2 p50 Parcours en largeur C2 p56 Premiers problèmes de Graphes (C2, C3) p61 Connexité et Forte connexité C2 (et exercice graphe inverse à déplacer après CFC) Tri topologique C3, C3 p73 Chemins, Fermeture Transitive C3 p81 Optimisation et Graphes (C4, C5, C6, C7, C8) p91 Plus courts chemins C4 (Dijkstra avant variantes) C5 (fin Dijkstra, Bellman p114 et variantes, Floyd p126) Arbres C6 Flots C7, C8 p 132 C6 flot max

3.3. Plus courts chemins – Valuations quelconques Et pour des valuations quelconques L’algorithme de Dijkstra n’est plus correct Existence de chemins de cout minimal Pas de circuit de longueur négative Principe de programmation dynamique Initialisation Cost_0(s) = 0 Cost_0(x) =  Récurrence Cost_k(x) = MIN (Cost_k-1(x), Cost_k-1(y) + W(y, x) ), pour tout y prédécesseur de x

3.3. Plus courts chemins – Valuations quelconques Principe de la méthode Calcul incrémental de Cost_k(x) Arrêt : Les couts n’évoluent pas Un nombre maximal d’itérations est atteint En effet, si le graphe ne contient pas de circuit absorbant Un chemin solution comportera au plus n-1 arcs (arêtes) car on ne recherche que des chemins élémentaires Si le nombre d’itérations atteint n alors un circuit absorbant a été détecté

3.3. Plus courts chemins – Algorithme de Moore-Bellman-Ford : Exemple Exemple : PCC à partir de x1 1 itération : Parcours (et mise à jour) de tous les sommets x1 x2 x3 x4 x5 x6  x1 x2 x3 x4 x5 x6  4, x1 6,x1 7,x2 8,x4 10,x5 3,x4 7,x3 9, x5 x1 x2 x3 x4 x5 x6  4, x1 6,x1 7,x2 8,x4 10,x5 x1 x2 x3 x4 x5 x6  4, x1 6,x1 7,x2 8,x4 10,x5 3,x4 7,x3 9, x5 Arrêt : pas de mise à jour