Parcours.

Slides:



Advertisements
Présentations similaires
Algorithmes et structures de données (avancées) Cours 1+2
Advertisements

La recherche de chemin optimal
Connexité.
Samedi 21 septembre 2013 Triathlon XS 12h Natation 450m Vélo 12 km (8 boucles) Course à pied 3 km (2 boucles)
Masters IIGLI et IGLII – Programmation générique et conception objet – – Claude Montacié 1 Cours n° 5 Structures de données abstraites.
Métabolisme révision décembre Révisions de métabolisme.
Algorithmes et structures de données
Algorithmes et structures de données avancées Cours 1+2+3
Structures de données et complexité
Structures de données et complexité LIFO – FILO – FIFO – etc…
Introduction à l’Algorithmique
1 1 Momentum. 2 2 Tout objet en mouvement continuera son mouvement tant que rien nentrave sa progression.
Le règne d’Augustes Il a régné de 44 avant J-C jusqu'en 14 après J-C.
UMLV 1 Problème G = (S, A) graphe (orienté) Calculer H = (S, B) où B est la clôture réflexive et transitive de A. Note : (s,t) B ssi il existe un chemin.
Algorithme et structure de données
A.Faÿ 1 Recherche opérationnelle Résumé de cours.
IN302 – Chapitre 3 Plus courts chemins. Existence De à : pas de chemin pas de plus court chemin.
Ordonnancement des mouvements de deux robots
Plus rapide chemin bicritère : un problème d’aménagement du territoire
Chapitre VIII. Introduction aux graphes
Structures Pyramidales Luc Brun L.E.R.I., Reims and Walter Kropatsch Vienna Univ. of Technology, Austria.
Chapitre 2 : Matrice de répartition (S)
IPA – Catherine Faron Zucke et Anne Marie Deryr. suite ordonnée d'éléments de taille variable ArrayList liste; liste = new ArrayList (); Ne peuvent contenir.
Récursivité.
La haute tour sombre 3 Des actions
LOGO Responsable du cours Mlle Amina GHRAB : 1 ère année IAG Institut Supérieur de Gestion de Tunis.
Les structures de données arborescentes
Algorithmes Branch & Bound
II. Chaînage, SDD séquentielles
Serveurs Partagés Oracle
Heuristiques A. Introduction B. Recherche d ’une branche
Module 4 : Parcours dans un graphe
Structures de données IFT-2000
Pr ZEGOUR Djamel Eddine
Informatique 2 Structure de données en programmation orientée objet
LES ARBRES IUP 2 Génie Informatique
Structures de données IFT-2000
Structures de données IFT-2000
Structures de données IFT-2000
Structures de données IFT-10541
Présentation Structures de Données et TDA



1 Algotel /05/04 Modélisation analytique des algorithmes dordonnancement GPS & WFQ BOCKSTAL Charles, GARCIA J.M. et BRUN Olivier.
Recherche Opérationnelle
MODULE 6 Optimisation de GRAPHES
IFT-2000: Structures de données Piles et files Dominic Genest, 2009.
Atelier de formation : MAT optimisation II (les graphes).

Coupes efficaces pour la relaxation lagrangienne
Algorithme de DIJKSTRA Recherche d’un chemin minimal.
Graphes 1. Introduction 2. Définition 3. Représentation mémoire
Ch. PAUL - Piles et Files à l'aide de listes chainées
LES PILES ET FILES.
Notions premières. x a b c d y z t G = (V,E) V sommets ou nœuds E arêtes ou liens.
Tutorat 7 - Introduction au Routage et OSPF
Discovery Kits: L’électricité.
Mathématiques Discrètes
Parcours, fouilles et vagues Franck Petit LaRIA Université de Picardie Jules Verne, Amiens
Chaînage et LSC : motivation et principe Manipuler la LSC : exemples Variantes : LDC, liste circulaire, … Etude de cas : réalisation d’un buffer clavier.
ETNA – 1ème année Guillaume Belmas –
IN302 – Chapitre 2 Arbres et arborescences. Isthmes Composantes connexes : 2.
Helen KASSEL (amphi), Herve BARBOT (TD, TP)
Intelligence Artificielle
Sixième étape : pondérer les graphes. Longueur d’une chaîne d’un graphe quelconque = nombre des arêtes qui la constituent. Distance entre deux sommets.
Chaînage et LSC : motivation et principe Manipuler la LSC : exemples Variantes : LDC, liste circulaire, … Etude de cas : réalisation d’un buffer clavier.
Les arbres Arbres binaires
Cycle, Cocycle, Arbre et Arborescence
Arbres et arborescences
Transcription de la présentation:

Parcours

x a b c d y z t

Données un graphe non pondéré, non orienté un sommet r , pris comme racine Résultat Un sous-graphe H=(X,T) qui est graphe partiel de la composante connexe de r Début X  { r } T   Tant Que w(X)   faire choisir e  w(X) {e relie x  X à y  X } T  T  { e } X  X  { y } finTantQue Fin

b x a c t z y d X = {a,b,c,t,d,x,y,z} X = {a,b,c,t,d} X = {a,b,c} F =  F = {1} F = {1,2,6,7} F = {1,2,6,7,8,12,13} F = {1,2,6,7,8} F = {1,2} F = {1,2,6} F = {1,2,6,7,8,12} b 8 x 13 1 10 6 4 a c t z 12 2 5 3 7 11 14 y d 9 w(X) = {1,2,3} w(X) = {2,3,4,6,8} w(X) = {3,5,6,8} w(X) = {3,5,7,8,10,11} w(X) = {8,9,10,11} w(X) = {13,14} w(X) = {9,11,12,13} w(X) = 

Parcours Prioritaire Plus courtes chaînes

Pour les plus courtes chaînes choix de e suivant une priorité Données un graphe pondéré, non orienté un sommet r , pris comme racine Résultat Un sous-graphe H=(X,T) qui est un graphe partiel de la composante connexe de r Début X  { r } T   Tant Que w(X)   faire choisir e  w(X) {e relie x  X à y  X } T  T  { e } X  X  { y } finTantQue Fin Pour les plus courtes chaînes choix de e suivant une priorité

X w(X) 6 4 4 5 6 8 8 9 5 5 3 3 8 3 2 2 5 5 9 4 4

Parcours Profondeur

k d m e f l i j g h c b a Pile (Last In First Out)

Parcours Largeur

File d’attente (First In First Out) b d f c e h i g k m j l

a . b d f b . a c d . a c e h f . a e i c . b d h e . d f g i h . c d g k m i . e f j l g . e h j k . h j m m . h k l j . g i k l l . i j m

a . b d f a b . a c c . b d h b f d d . a c e h e . d f g i c i f . a e i e h g . e h j h . c d g k m g j l k m i . e f j l j . g i k l k . h j m l . i j m m . h k l