Apérisentation Sur les graphes évolutifs Mardi 22 novembre 16h30.

Slides:



Advertisements
Présentations similaires
Introduction à la Théorie des graphes
Advertisements

La recherche de chemin optimal
Le hasard et la 0-connaissance Université Paris II Michel de Rougemont Algorithme et hasard Protocoles interactifs et.
1Deug 1 Systèmes d Information : 7a Michel de Rougemont Université Paris II Les tableurs : Excel.
Antoneta Iuliana BRATCU
Algorithmes et structures de données avancés
Graphes et Applications Thème de léquipe « Combinatoire et Algorithmique » LaBRI – janvier 2008.

Introduction à la Théorie des graphes
Choix des Taches et des Compétences associées
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.
Bloc1 : Théorie des graphes et problèmes d’ordonnancement
Equipe optimisation TempoSoft
Visualisation d’information interactive 5 : Graphes
LES GRAPHES.
Tableur.
Problème de génération : Illustration & Méthodes
Journées Graphes & Algorithmes, Novembre 2006, Orléans
"Recherche de scénarios redoutés à partir d'un modèle réseau de Petri"
A.Faÿ 1 Recherche opérationnelle Résumé de cours.
Ordonnancement des mouvements de deux robots
Plus rapide chemin bicritère : un problème d’aménagement du territoire
Houssein ALAEDDINE Kamal SERRHINI
Celso C. Ribeiro Universidade Federal Fluminense Brésil
Plus courts chemins On présente dans ce chapitre un problème typique de cheminement dans les graphes : la recherche d'un plus court chemin entre deux sommets.
Problème des 4 couleurs, graphes planaires.
GPA750 – Ordonnancement des systèmes de production aéronautique
Optimisation et Complexité
Détection de co-évolution de gènes Master 2 : Informatique à Finalité Professionnelle et Recherche Unifiée (IFPRU) Parcours Ingénierie de lIntelligence.
Exemple (Chapitre 9) Étape suivante 
Pr ZEGOUR Djamel Eddine
LES ARBRES IUP 2 Génie Informatique
Structures de données IFT-2000
Méthode des Ensembles de Niveaux par Eléments Finis P1
B F F CCC - 0 fils - 1 ancêtre max CCC C FeuilleTop - 0 fils - 2 ancêtre min Branche C B F C B B* - 1 fils branche/feuille - 0 frère ayant le même fils.



1 Licence dinformatique Algorithmique des graphes Problèmes dordonnancement. Utilisation de ce document strictement réservée aux étudiants de l IFSIC dans.
Algorithmes d ’approximation
Deux méthodes incrémentales pour le maintien dun arbre de connexion Nicolas Thibault Christian Laforest
Optimisation dans les réseaux
Programmation linéaire et Recherche opérationnelle
Recherche Opérationnelle
Page de garde présentation
Extraction Automatique de formes complexes : Application à la création de modèle anatomique de la tête J. Piovano, T. Papadopoulo Séminaire Odyssee 9,
GPA750 – Gestion de Projets
Pour le chemin le plus court pour tous les couples
L’adaptativité pour un solveur de l’équation de Vlasov
Structures de données IFT-2000 Abder Alikacem Arbres de recouvrement minimum Département dinformatique et de génie logiciel Édition Septembre 2009 JFK.

Structure du cours Introduction générale Notions de géodésie
Graphes 1. Introduction 2. Définition 3. Représentation mémoire
Dév. d’application interactive III Recherche de chemin.
D.E ZEGOUR Ecole Supérieure d’Informatique
Programmation dynamique
Tutorat 7 - Introduction au Routage et OSPF
Bin packing/covering avec contrainte de Distance : application au calcul volontaire et au placement de réplicats Hubert Larchevêque, Olivier Beaumont,
Complexité des Problèmes Combinatoires Module IAD/RP/RO/Complexité Philippe Chrétienne.
LE FLOT MAXIMAL et LA COUPE MINIMALE
Licence d’informatique Algorithmique des graphes
Optimisation pour la Conception de Systèmes Embarqués
Protocoles de routage M6 module réseaux Mars 2003.

Algorithmique et Complexité
Structures de données avancées : Arbres B+ avec expansion partielle D. E ZEGOUR Institut National d ’Informatique.
Réseaux de Petri et suivi du joueur
A propos du “Minimal Controllability Problem” C. Commault Département Automatique Gipsa-Lab Grenoble –FRANCE 1 Séminaire GIPSA-Lab 22 octobre 2015.
CSI2510 Structures de données et algorithmes Plus court chemin
Transcription de la présentation:

Apérisentation Sur les graphes évolutifs Mardi 22 novembre 16h30

Graphes dynamiques Servent à modéliser des réseaux qui changent avec le temps

Graphes dynamiques 1 minute 10 minutes

Graphes dynamiques Réseaux satellites LEO Réseaux de radios mobiles Réseaux de radios fixes, avec planification des temps de veille Réseaux routiers avec feux de circulation Réseaux statiques avec congestion

Graphes dynamiques Modèle général: graphe G représentant toutes les connexions possibles Pour chaque arc, délai d(t) et bande passante c(t) délai d(t) capacité c(t)

Graphes dynamiques ++ modèle très général (il existe des algorithmes pour sur ce modèle) -- modèle continu taille des données ? accès à d(t), c(t) ?

Graphes espace-temps t = 1 t = 2 t = 3 + le temps est éliminé du modèle => algorithmes classiques sur les graphes - taille pseudo-polynomiale en t

Graphes évolutifs Graphe sous-jacent G de toutes les communications possibles Chaque élément (sommet, arc) garde la liste des évènements le concernant –apparition/disparition, changement de délai La taille des listes s’appelle la dynamicité

Graphes évolutifs Vision compacte du graphe espace-temps. –même espace de solutions Discrétisation des graphes dynamiques –coût d’accès à d(t), c(t) = log(dynamicité) –taille des données = taille du graphe + nombre d’évènements

Chemins on peut mesurer: – la distance parcourue – le temps d’arrivée t 2 – le temps de trajet t 2 – t 1 B A t 0 < t 1 t2t2

Chemins au plus tôt min t = min { d i (t i ) } (mêmes propriétés que les distances additives) On peut appliquer l’algorithme de Dijkstra t2t2 t3t3 y:ty:t t1 source x 2: x 3: x 1:

Chemins les plus courts Réduction à SUBSET SUM (Σ d i = u ?) Algorithme pseudo-polynomial en d disponible jusqu’à t= n+u délai : 1 distance: d i + 1 délai : d i + 1 distance: 1

Composantes connexes réduction de clique à max CC BC A disponible: [0;1]disponible: [2;3] transitivité: non

Composantes connexes AB BC CA C B A AB BC CA C B A AB BC CA C B A AB BC CA C B A

Composantes connexes max CC est polynomial si le graphe sous- jacent est un arbre. max CC est NP-difficile sur ces graphes:

Minimum spanning tree E = c 1 + c 2 * r^2 stations radios statiques phases de veille/écoute dynamiques MST sert aux approximations pour le minimum energy broadcasting

Minimum spanning tree source A B {1,2,3} C {1,2,3} D E [0,1]: source,B1 et C1 [2,3]: source,A,B3,C3,D et E [4,5]: B1, B2, C1 et C2 [6,7]: B1, B3, C1 etC3

Minimum spanning tree Calculer un minimum spanning tree et aussi difficile que de calculer un arbre de Steiner Il est par contre très facile de minimiser l’énergie maximale dépensée