Cours d'algorithmique 12 / Intranet 1 10 janvier 2007 Cours dAlgorithmique Exploration combinatoire...

Cours d'algorithmique 12 / IntranetCours d'algorithmique 12 / Intranet 1110 janvier 200710 janvier 2007

Cours d’AlgorithmiqueCours d’Algorithmique

Exploration combinatoire complèteExploration combinatoire complète

Branch-and-BoundBranch-and-Bound

Solutions approchéesSolutions approchées

10 janvier 200710 janvier 2007 Cours d'algorithmique 12 / IntranetCours d'algorithmique 12 / Intranet 22

• Trier et chercher, recherche textuelleTrier et chercher, recherche textuelle• Listes et arbresListes et arbres• Le back-track, Le back-track, solutions approchéessolutions approchées• Arbres équilibrésArbres équilibrés• Récursivité et induction sur la structureRécursivité et induction sur la structure• Divide and conquer, algorithmes gloutonsDivide and conquer, algorithmes gloutons• Minimax, alpha-betaMinimax, alpha-beta• DérécursionDérécursion• NP-complétude,NP-complétude, Branch-and-Bound Branch-and-Bound • Logique de HoareLogique de Hoare• Programmation dynamiqueProgrammation dynamique• Complexité et calculabilitéComplexité et calculabilité

Les grandes lignes du coursLes grandes lignes du cours

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

• Le « Voyageur de Commerce », en anglais Le « Voyageur de Commerce », en anglais « Traveling Salesman Problem » ( TSP ) :« Traveling Salesman Problem » ( TSP ) :

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

• « n » villes,« n » villes,

• un réseau routier complet entre ces villes avec un réseau routier complet entre ces villes avec les distances,les distances,

• « n » villes,« n » villes,

• un réseau routier complet entre ces villes avec un réseau routier complet entre ces villes avec les distances,les distances,

• La question :La question :

Quel est le coût du circuit (point de Quel est le coût du circuit (point de départdépart

= point d’arrivée) le moins cher qui visite= point d’arrivée) le moins cher qui visite chaque ville une et une seule fois ?chaque ville une et une seule fois ?

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

• Exemple :Exemple :

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

DD3030

20204545

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

DD3030

20204545

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

Un tour à coût 110 !Un tour à coût 110 !

DD3030

20204545

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

DD3030

20204545

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

Il suffit d’un inspecter tous les circuits !Il suffit d’un inspecter tous les circuits !

Seulement, il y en a n ! pour n villes !Seulement, il y en a n ! pour n villes !

• La matrice M des distances :La matrice M des distances :

DD3030

20204545

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

DD3030

20204545

++(( )) La diagonaleLa diagonaleà +à + ou à 0 ! ou à 0 !

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

DD3030

20204545

++(( ))AA

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

DD3030

20204545

++(( ))AA

3030 2020 3535

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

DD3030

20204545

++(( )) Par symétrie !Par symétrie !

3030 2020 3535

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

DD3030

20204545

++(( ))AA

3030 2020 3535

1717 1515

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

DD3030

20204545

++(( ))AA

3030 2020 3535

1717 1515Par symétrie !Par symétrie !

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

DD3030

20204545

++(( ))AA

3030 2020 3535

1717 1515

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

DD3030

20204545

++(( ))AA

3030 2020 3535

1717 1515

4545Par symétrie !Par symétrie !

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

• Pour avoir un circuit il faut sélectionner « n » Pour avoir un circuit il faut sélectionner « n » arêtes !arêtes !

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

• La représentation du problème :La représentation du problème :

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

– « c » est le nombre d’arêtes déjà choisies,« c » est le nombre d’arêtes déjà choisies,

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

– « E » est l’ensemble de ces arêtes,« E » est l’ensemble de ces arêtes,

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

– « s » est la somme des longueurs des arêtes de « s » est la somme des longueurs des arêtes de « E »,« E »,

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

– « s » est la somme des longueurs des arêtes de « s » est la somme des longueurs des arêtes de « E »,« E »,

– « M » est la matrice courante avec les arêtes « M » est la matrice courante avec les arêtes interdites ou déjà choisies mises à +interdites ou déjà choisies mises à +..

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

• Pour avoir un circuit il faut sélectionner « n » arêtes !Pour avoir un circuit il faut sélectionner « n » arêtes !

– « s » est la somme des longueurs des arêtes de « E »,« s » est la somme des longueurs des arêtes de « E »,

– « M » est la matrice courante avec les arêtes interdites ou « M » est la matrice courante avec les arêtes interdites ou déjà choisies mises à +déjà choisies mises à +..

• Le principe du back-track :Le principe du back-track :

– Nous choisissons une arête pour l’imposer ou l’interdire !Nous choisissons une arête pour l’imposer ou l’interdire !

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

• Lorsque nous avons sélectionné « n » arêtes,Lorsque nous avons sélectionné « n » arêtes,

– il faut rendre « s » comme résultat !il faut rendre « s » comme résultat !

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

• Sinon,Sinon,

– nous choisissons une arête ( a , b ) de poids fini !nous choisissons une arête ( a , b ) de poids fini !

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

• Sinon,Sinon,

– Si ce n’est pas possible, nous sommes dans une Si ce n’est pas possible, nous sommes dans une impasse et nous rendons +impasse et nous rendons +(pas de circuit !)(pas de circuit !)..

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

• Sinon,Sinon,

– Si ce n’est pas possible, nous sommes dans une Si ce n’est pas possible, nous sommes dans une impasse et nous rendons +impasse et nous rendons +(pas de circuit !)(pas de circuit !)..

• Si l’arête ( a , b ) ferme le circuit trop tôt,Si l’arête ( a , b ) ferme le circuit trop tôt,

– nous ne pouvons que l’interdire !nous ne pouvons que l’interdire !

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

Les arêtes sélectionnées !Les arêtes sélectionnées !

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

Nous pouvons compléter vers un circuit !Nous pouvons compléter vers un circuit !

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

Nous pouvons compléter vers un circuit !Nous pouvons compléter vers un circuit !

Nous ne pouvons plus compléter vers un circuit !Nous ne pouvons plus compléter vers un circuit !

• Interdire une arête revient à :Interdire une arête revient à :

– garder le même nombre « c » d’arêtes garder le même nombre « c » d’arêtes sélectionnées,sélectionnées,

– le même ensemble « E »,le même ensemble « E »,

– la même somme « s »,la même somme « s »,

– mettre l’entrée ( a , b ) de « M » à +mettre l’entrée ( a , b ) de « M » à + . .

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

• Interdire une arête revient à :Interdire une arête revient à :

– garder le même nombre « c » d’arêtes sélectionnées,garder le même nombre « c » d’arêtes sélectionnées,

– le même ensemble « E »,le même ensemble « E »,

– la même somme « s »,la même somme « s »,

– mettre l’entrée ( a , b ) de « M » à +mettre l’entrée ( a , b ) de « M » à + . .

• Notation :Notation :

– M [ ( a , b ) <M [ ( a , b ) <-- v , ( c , d ) < v , ( c , d ) <-- w ] : 2 entrées sont w ] : 2 entrées sont changées.changées.

– M [ ( a , _ ) <M [ ( a , _ ) <-- v ] : une ligne est modifiée. v ] : une ligne est modifiée.

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

• Lorsque l’arête ( a , b ) est de poids fini et Lorsque l’arête ( a , b ) est de poids fini et acceptable, nous pouvons décider deacceptable, nous pouvons décider de

– soit l’interdire, nous avons vu comment faire,soit l’interdire, nous avons vu comment faire,

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

– soit, la sélectionner. A ce moment :soit, la sélectionner. A ce moment :

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

– c <c <-- c + 1 c + 1

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

– c <c <-- c + 1 c + 1

– E <E <-- E v { ( a , b ) } E v { ( a , b ) }

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

– c <c <-- c + 1 c + 1

– E <E <-- E v { ( a , b ) } E v { ( a , b ) }

– s <s <-- s + M( a , b ) s + M( a , b )

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

– c <c <-- c + 1 c + 1

– E <E <-- E v { ( a , b ) } E v { ( a , b ) }

– s <s <-- s + M( a , b ) s + M( a , b )

– M <M <-- M[ ( a , _ ) < M[ ( a , _ ) <- +- + , ( _ , b ) < , ( _ , b ) <- +- + ] ]

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

Plus de départ depuis a ,Plus de départ depuis a ,plus d ’arrivée vers b !plus d ’arrivée vers b !

• Lorsque l’arête ( a , b ) est de poids fini et acceptable, Lorsque l’arête ( a , b ) est de poids fini et acceptable, nous pouvons décider denous pouvons décider de

– c <c <-- c + 1 c + 1

– e <e <-- E v { ( a , b ) } E v { ( a , b ) }

– s <s <-- s + M( a , b ) s + M( a , b )

– M <M <-- M[ ( a , _ ) < M[ ( a , _ ) <- +- + , ( _ , b ) < , ( _ , b ) <- +- + ] ]

– Ensuite, nous continuons l’exploration et nous rendons la Ensuite, nous continuons l’exploration et nous rendons la meilleure des deux solutions !meilleure des deux solutions !

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

• Lorsque l’arête ( a , b ) est de poids fini et acceptable, Lorsque l’arête ( a , b ) est de poids fini et acceptable, nous pouvons décider denous pouvons décider de

– c <c <-- c + 1 c + 1

– e <e <-- E v { ( a , b ) } E v { ( a , b ) }

– s <s <-- s + M( a , b ) s + M( a , b )

– M <M <-- M[ ( a , _ ) < M[ ( a , _ ) <- +- + , ( _ , b ) < , ( _ , b ) <- +- + ] ]

– Ensuite, nous continuons l’exploration et nous rendons la Ensuite, nous continuons l’exploration et nous rendons la meilleure des deux solutions !meilleure des deux solutions !

TSPTSP----------------------------------------------------------------------------------------------------------------------------------

E V I T O N S E V I T O N S

C E R T A I N SC E R T A I N S

C A L C U L S ! ! !C A L C U L S ! ! !

Branch and BoundBranch and Bound----------------------------------------------------------------------------------------------------------------------------------

• L’idée est la suivante :L’idée est la suivante :

– Si les arêtes que nous avons déjà choisies sont très Si les arêtes que nous avons déjà choisies sont très chères,chères,

– alors, même en continuant de la meilleure manière, alors, même en continuant de la meilleure manière, notre solution sera très chère, notre solution sera très chère,

– alors, même en continuant de la meilleure manière, alors, même en continuant de la meilleure manière, notre solution sera très chère,notre solution sera très chère,

– et même plus chère qu’une solution complète déjà et même plus chère qu’une solution complète déjà connue !connue !

– alors, même en continuant de la meilleure manière, alors, même en continuant de la meilleure manière, notre solution sera très chère,notre solution sera très chère,

– et même plus chère qu’une solution complète déjà et même plus chère qu’une solution complète déjà connue !connue !

• Le programme gère une variable Le programme gère une variable opt*opt* qui qui mémorise la longueur de la meilleure solution mémorise la longueur de la meilleure solution trouvée jusqu’à présent.trouvée jusqu’à présent.

• Nous explorons un arbre (problème) « A » à la Nous explorons un arbre (problème) « A » à la recherche de la meilleure solution locale : recherche de la meilleure solution locale : opt( A ) .opt( A ) .

• Nous espérons que opt( A ) soit meilleure que Nous espérons que opt( A ) soit meilleure que opt* .opt* .

• Avant d’explorer complètement A , nous Avant d’explorer complètement A , nous aimerions avoir une « petite idée » des solutions aimerions avoir une « petite idée » des solutions que nous risquons d’y trouver ! ! !que nous risquons d’y trouver ! ! !

• Le programme gère une variable Le programme gère une variable opt*opt* qui mémorise la qui mémorise la longueur de la meilleure solution trouvée jusqu’à longueur de la meilleure solution trouvée jusqu’à présent.présent.

• Nous explorons un arbre (problème) « A » à la Nous explorons un arbre (problème) « A » à la recherche de la meilleure solution locale : opt( A ) .recherche de la meilleure solution locale : opt( A ) .

• Nous espérons que opt( A ) soit meilleure que opt* .Nous espérons que opt( A ) soit meilleure que opt* .

• Avant d’explorer complètement A , nous aimerions Avant d’explorer complètement A , nous aimerions avoir une « petite idée » des solutions que nous avoir une « petite idée » des solutions que nous risquons d’y trouver ! ! !risquons d’y trouver ! ! !

• Supposons qu’une fonction « lb », pas trop compliquée Supposons qu’une fonction « lb », pas trop compliquée à calculer, nous donne un minorant de la meilleure à calculer, nous donne un minorant de la meilleure solution :solution :

lb( A ) <= opt( A )lb( A ) <= opt( A )

• Le programme gère une variable Le programme gère une variable opt*opt* qui mémorise la qui mémorise la longueur de la meilleure solution trouvée jusqu’à longueur de la meilleure solution trouvée jusqu’à présent.présent.

• Nous explorons un arbre (problème) « A » à la Nous explorons un arbre (problème) « A » à la recherche de la meilleure solution locale : opt( A ) .recherche de la meilleure solution locale : opt( A ) .

• Nous espérons que opt( A ) soit meilleure que opt* .Nous espérons que opt( A ) soit meilleure que opt* .

• Avant d’explorer complètement A , nous aimerions Avant d’explorer complètement A , nous aimerions avoir une « petite idée » des solutions que nous avoir une « petite idée » des solutions que nous risquons d’y trouver ! ! !risquons d’y trouver ! ! !

• Supposons qu’une fonction « lb », pas trop compliquée Supposons qu’une fonction « lb », pas trop compliquée à calculer, nous donne un minorant de la meilleure à calculer, nous donne un minorant de la meilleure solution :solution :

lb( A ) <= opt( A )lb( A ) <= opt( A )

• Nous allons comparer lb( A ) à opt* :Nous allons comparer lb( A ) à opt* :

• Si opt* <= lb( A )Si opt* <= lb( A )

• Si opt* <= lb( A ) alors opt* <= lb( A ) <= Si opt* <= lb( A ) alors opt* <= lb( A ) <= opt( A ) .opt( A ) .

– Ce n’est pas la peine d’explorer A ! ! !Ce n’est pas la peine d’explorer A ! ! !

– Le calcul lb( A ) est beaucoup plus rapide que celui de Le calcul lb( A ) est beaucoup plus rapide que celui de opt( A ).opt( A ).

– Tout bénef !Tout bénef !

• Si opt* > lb( A ) alors on ne peut rien en déduire.Si opt* > lb( A ) alors on ne peut rien en déduire.

• Si opt* <= lb( A ) alors opt* <= lb( A ) <= opt( A ) .Si opt* <= lb( A ) alors opt* <= lb( A ) <= opt( A ) .

– En effet, lb( A ) <= opt( A ) et lb( A ) < opt* , En effet, lb( A ) <= opt( A ) et lb( A ) < opt* , mais . . . ? ? ?mais . . . ? ? ?

– Le calcul lb( A ) est beaucoup plus rapide que celui de opt( A ).Le calcul lb( A ) est beaucoup plus rapide que celui de opt( A ).

– En effet, lb( A ) <= opt( A ) et lb( A ) < opt* , mais . . . ? ? ?En effet, lb( A ) <= opt( A ) et lb( A ) < opt* , mais . . . ? ? ?

– Le calcul lb( A ) ne sert à rien !Le calcul lb( A ) ne sert à rien !

– Le calcul lb( A ) est beaucoup plus rapide que celui de opt( A ).Le calcul lb( A ) est beaucoup plus rapide que celui de opt( A ).

– En effet, lb( A ) <= opt( A ) et lb( A ) < opt* , mais . . . ? ? ?En effet, lb( A ) <= opt( A ) et lb( A ) < opt* , mais . . . ? ? ?

– Le calcul lb( A ) ne sert à rien !Le calcul lb( A ) ne sert à rien !

• Principe du Branch-and-Bound ( Séparer et évaluer ) :Principe du Branch-and-Bound ( Séparer et évaluer ) :

• Nous connaissons opt* !Nous connaissons opt* !

• Nous calculons lb( A ) en « temps raisonnable » !Nous calculons lb( A ) en « temps raisonnable » !

• Si opt* <= lb( A ) , nous pouvons éliminer A !Si opt* <= lb( A ) , nous pouvons éliminer A !

• Si opt* > lb( A ) , nous explorons A normalement !Si opt* > lb( A ) , nous explorons A normalement !

• Le calcul spéculatif :Le calcul spéculatif :

• Si nous lui consacrons trop peu de temps, la borne Si nous lui consacrons trop peu de temps, la borne sera mauvaise et ne servira à rien !sera mauvaise et ne servira à rien !

• Si nous lui consacrons trop de temps, c’est contre-Si nous lui consacrons trop de temps, c’est contre-productif ! Augmenter, encore et encore, le temps productif ! Augmenter, encore et encore, le temps n’améliore pas nécessairement la borne !n’améliore pas nécessairement la borne !

• Si nous lui consacrons trop peu de temps, la borne sera Si nous lui consacrons trop peu de temps, la borne sera mauvaise et ne servira à rien !mauvaise et ne servira à rien !

• Si nous lui consacrons trop de temps, c’est contre-Si nous lui consacrons trop de temps, c’est contre-productif ! Augmenter, encore et encore, le temps productif ! Augmenter, encore et encore, le temps n’améliore pas nécessairement la borne !n’améliore pas nécessairement la borne !

• Tout est une question d’expérience, purement empirique Tout est une question d’expérience, purement empirique !!

• Si nous lui consacrons trop peu de temps, la borne sera mauvaise et Si nous lui consacrons trop peu de temps, la borne sera mauvaise et ne servira à rien !ne servira à rien !

• Si nous lui consacrons trop de temps, c’est contre-productif ! Si nous lui consacrons trop de temps, c’est contre-productif ! Augmenter, encore et encore, le temps n’améliore pas Augmenter, encore et encore, le temps n’améliore pas nécessairement la borne !nécessairement la borne !

• Tout est une question d’expérience, purement empirique !Tout est une question d’expérience, purement empirique !

• Pour le TSP, des bornes en complexité n^3 ont donné les meilleurs Pour le TSP, des bornes en complexité n^3 ont donné les meilleurs résultats, si n est grand.résultats, si n est grand.

• Pour notre TSP :Pour notre TSP :

• Nous avons « c » , « E » , « s » et « M » .Nous avons « c » , « E » , « s » et « M » .

• Donc, il y a « c » lignes complètement remplies avec Donc, il y a « c » lignes complètement remplies avec ++ . .

• Il y a « nIl y a « n--c » lignes contenant des valeurs finies !c » lignes contenant des valeurs finies !

• Dans chaque ligne, il faut choisir une valeur.Dans chaque ligne, il faut choisir une valeur.

• Donc, il y a « c » lignes complètement remplies avec +Donc, il y a « c » lignes complètement remplies avec + . .

• Cette valeur sera au moins aussi grande que la plus petite Cette valeur sera au moins aussi grande que la plus petite valeur finie dans la ligne.valeur finie dans la ligne.

• Cette valeur sera au moins aussi grande que la plus petite valeur finie dans Cette valeur sera au moins aussi grande que la plus petite valeur finie dans la ligne.la ligne.

• Nous obtenons une borne inférieure en sommant « s » et les « n-c » minima Nous obtenons une borne inférieure en sommant « s » et les « n-c » minima des lignes non complètement remplis de +des lignes non complètement remplis de + . .

• Cette valeur sera au moins aussi grande que la plus petite valeur finie dans Cette valeur sera au moins aussi grande que la plus petite valeur finie dans la ligne.la ligne.

• Nous obtenons une borne inférieure en sommant « s » et les « n-c » minima Nous obtenons une borne inférieure en sommant « s » et les « n-c » minima des lignes non complètement remplis de +des lignes non complètement remplis de + . .

++(( ))3030

1717 4545

++ ++ ++

s = 42s = 42

++(( ))3030

1717 4545

++ ++ ++

s = 42s = 42

++(( ))3030

1717 4545

++ ++ ++

s = 42s = 42

++(( ))3030

1717 4545

++ ++ ++

s = 42s = 42

L’idée :L’idée :

Il faudra bien partir de la seconde ville et cela coûteraIl faudra bien partir de la seconde ville et cela coûteraau moins 15, de même pour les autres villes !au moins 15, de même pour les autres villes !

++(( ))3030

1717 4545

++ ++ ++

s = 42s = 42

L’idée :L’idée :

Il faudra bien partir de la seconde ville et cela coûteraIl faudra bien partir de la seconde ville et cela coûteraau moins 15, de même pour les autres villes !au moins 15, de même pour les autres villes !

Notre raisonnement reste incomplet car il ne tientNotre raisonnement reste incomplet car il ne tientpas compte du fait que nous ne pourrons pas allerpas compte du fait que nous ne pourrons pas allerdeux fois vers la première ville !deux fois vers la première ville !

++(( ))3030

1717 4545

++ ++ ++

s = 42s = 42

Donc :Donc :

lb ( A ) = 102 =lb ( A ) = 102 = 42 42 + 15+ 15 + 10+ 10 + 35+ 35

++(( ))3030

1717 4545

++ ++ ++

s = 42s = 42

Donc :Donc :

lb ( A ) = 102 =lb ( A ) = 102 = 42 42 + 15+ 15 + 10+ 10 + 35+ 35

Mieux, nous diminuons chaque ligne de son minimumMieux, nous diminuons chaque ligne de son minimumet nous appliquons le même raisonnement aux colonnes !et nous appliquons le même raisonnement aux colonnes !

++(( ))1515

77 3535

++ ++ ++

s = 42s = 42

Donc :Donc :

lb ( A ) = 102 =lb ( A ) = 102 = 42 42 + 15+ 15 + 10+ 10 + 35+ 35

++(( ))1515

77 3535

++ ++ ++

s = 42s = 42

Donc :Donc :

lb ( A ) = 102 =lb ( A ) = 102 = 42 42 + 15+ 15 + 10+ 10 + 35+ 35

++(( ))1515

77 3535

++ ++ ++

s = 42s = 42

Donc :Donc :

lb ( A ) = 102 =lb ( A ) = 102 = 42 42 + 15+ 15 + 10+ 10 + 35+ 35

lb ( A ) = 109 = 102lb ( A ) = 109 = 102 + 7+ 7

++(( ))1515

77 3535

++ ++ ++

s = 42s = 42

Donc :Donc :

lb ( A ) = 102 =lb ( A ) = 102 = 42 42 + 15+ 15 + 10+ 10 + 35+ 35

lb ( A ) = 109 = 102lb ( A ) = 109 = 102 + 7+ 7

Cette borne inférieure correspondCette borne inférieure correspondpar chance à la longueur du pluspar chance à la longueur du pluscourt circuit : court circuit : A – C – B – D – A A – C – B – D – A

N O U S N O U S

R E N O N C O N S AR E N O N C O N S A

L ‘ O P T I M U M ! ! !L ‘ O P T I M U M ! ! !

Solutions approchéesSolutions approchées----------------------------------------------------------------------------------------------------------------------------------

• Nous renonçons à l’optimum !Nous renonçons à l’optimum !

• Une solution rapide et pas trop mauvaise fera Une solution rapide et pas trop mauvaise fera l’affaire !l’affaire !

• Calculons juste un réseau connexe de poids minimal !Calculons juste un réseau connexe de poids minimal !

Il n’est pas complet, mais ce n’est pas grave !Il n’est pas complet, mais ce n’est pas grave !

1212 1010

991111

1212 1010

Nous relions tout le monde au coût minimal !Nous relions tout le monde au coût minimal !

991111

• C’est un « arbre de recouvrement minimal » (ARM) !C’est un « arbre de recouvrement minimal » (ARM) !

• Son calcul est en O( n^2 ) .Son calcul est en O( n^2 ) .

• Une solution rapide et pas trop mauvaise fera l’affaire !Une solution rapide et pas trop mauvaise fera l’affaire !

• Nous allons en déduire un circuit, peut-être pas optimal ! Nous allons en déduire un circuit, peut-être pas optimal !

• Une solution rapide et pas trop mauvaise fera l’affaire !Une solution rapide et pas trop mauvaise fera l’affaire !

• Nous allons en déduire un circuit, peut-être pas optimal ! Nous allons en déduire un circuit, peut-être pas optimal !

• Mais, notre solution sera rapide à calculer !Mais, notre solution sera rapide à calculer !

1212 1010

991111

coût( ARM ) = 45coût( ARM ) = 45

1212 1010

991111

Nous doublonsNous doublonschaque arête etchaque arête etconstruisons unconstruisons uncircuit : CIRCcircuit : CIRC

1212 1010

991111

coût( CIRC ) = 90coût( CIRC ) = 90

1212 1010

991111

coût( ARM ) <= coût( TSP ) <= coût( CIRC ) = 2*coût( ARM )coût( ARM ) <= coût( TSP ) <= coût( CIRC ) = 2*coût( ARM )

1212 1010

991111

coût( ARM ) <= coût( TSP )coût( ARM ) <= coût( TSP ) <= coût( CIRC ) = 2*coût( ARM ) <= coût( CIRC ) = 2*coût( ARM )

Forcément !Forcément !

1212 1010

991111

coût( ARM ) <= coût( ARM ) <= coût( TSP ) <= coût( CIRC )coût( TSP ) <= coût( CIRC ) = 2*coût( ARM ) = 2*coût( ARM )

Le TSP est le meilleur circuit !Le TSP est le meilleur circuit !

1212 1010

991111

coût( ARM ) <= coût( TSP ) <= coût( ARM ) <= coût( TSP ) <= coût( CIRC ) = 2*coût( ARM )coût( CIRC ) = 2*coût( ARM )

Par construction !Par construction !

1212 1010

991111

Nous évitons de passerNous évitons de passerplusieurs fois dans unplusieurs fois dans unsommet en prenant unsommet en prenant unraccourci ! ! !raccourci ! ! !

1212 1010

991111

1212 1010

991111

1212 1010

991111

1212 1010

991111

1212 1010

991111

Si l’inégalité triangulaireSi l’inégalité triangulaireest vérifiée le circuitest vérifiée le circuit

SOL que nous trouvonsSOL que nous trouvonsest plus court que CIRC ! ! !est plus court que CIRC ! ! !

1212 1010

991111

coût( ARM ) <= coût( TSP ) <= coût( ARM ) <= coût( TSP ) <= coût( SOL )coût( SOL ) <= coût( CIRC ) = 2*coût( ARM ) <= coût( CIRC ) = 2*coût( ARM )

Si l’inégalité triangulaireSi l’inégalité triangulaireest vérifiée le circuitest vérifiée le circuit

SOL que nous trouvonsSOL que nous trouvonsest plus court que CIRC ! ! !est plus court que CIRC ! ! !

• Nous obtenons un circuit en temps O( n^2 ) !Nous obtenons un circuit en temps O( n^2 ) !

• Notre solution est au pire deux fois plus longue que le Notre solution est au pire deux fois plus longue que le circuit optimal !circuit optimal !

• C’est en fait très mauvais, dans le pire des cas !C’est en fait très mauvais, dans le pire des cas !

• En moyenne, nous sommes à 5% ou 10% de En moyenne, nous sommes à 5% ou 10% de l’optimum !l’optimum !

• En moyenne, nous sommes à 5% ou 10% de l’optimum !En moyenne, nous sommes à 5% ou 10% de l’optimum !

• Il y a des algorithmes approchés meilleurs que celui-ci .Il y a des algorithmes approchés meilleurs que celui-ci .

SynthèseSynthèse----------------------------------------------------------------------------------------------------------------------------------

Exploration combinatoire complèteExploration combinatoire complète

Branch-and-BoundBranch-and-Bound

Solutions approchéesSolutions approchées

• Trier et chercher, recherche textuelleTrier et chercher, recherche textuelle• Listes et arbresListes et arbres• Le back-track, solutions approchéesLe back-track, solutions approchées• Arbres équilibrésArbres équilibrés• Récursivité et induction sur la structureRécursivité et induction sur la structure• Divide and conquer, algorithmes gloutonsDivide and conquer, algorithmes gloutons• Minimax, alpha-betaMinimax, alpha-beta• DérécursionDérécursion• NP-complétude, Branch-and-Bound NP-complétude, Branch-and-Bound • Logique de HoareLogique de Hoare• Programmation dynamiqueProgrammation dynamique• Complexité et calculabilitéComplexité et calculabilité

Nous avons parlé de tout ceci :Nous avons parlé de tout ceci :

• Langages objetsLangages objets

Nous n’avons pas parlé de :Nous n’avons pas parlé de :

• Langages fonctionnelsLangages fonctionnels

• Langages logiquesLangages logiques

• GraphesGraphes

• Analyse numériqueAnalyse numérique

• GraphesGraphes

• Calcul parallèleCalcul parallèle

• GraphesGraphes

• Calcul répartiCalcul réparti

• GraphesGraphes

• Du Web et ses langagesDu Web et ses langages

• GraphesGraphes

• Traitement d’images, son, . . .Traitement d’images, son, . . .

• GraphesGraphes

• Optimisation combinatoireOptimisation combinatoire

• GraphesGraphes

• Optimisation combinatoire Optimisation combinatoire

• Génie logicielGénie logiciel

• GraphesGraphes

• Tests de programmesTests de programmes

• GraphesGraphes

• Tests de programmesTests de programmes

• . . . et bien d’autres !. . . et bien d’autres !

N O U SN O U SA L L O N SA L L O N S

E N C H A I N E RE N C H A I N E RA V E CA V E C

L E C O U R S D EL E C O U R S D EG R A P H E SG R A P H E S

B O N N E C H A N C EB O N N E C H A N C EA L ’ E X A M E N ! ! !A L ’ E X A M E N ! ! !

B O N N EB O N N EC O N T I N U A T I O C O N T I N U A T I O

N ! ! !N ! ! !

Cours d'algorithmique 12 / Intranet 1 10 janvier 2007 Cours dAlgorithmique Exploration combinatoire...

Documents

Transcript of Cours d'algorithmique 12 / Intranet 1 10 janvier 2007 Cours dAlgorithmique Exploration combinatoire...

ac-bordeaux.fr · Web viewRacine de 2, toute une histoire ! ACTIVITÉ 1 : Calculs approchées de 2 .La tablette YBC 7289 (Tablette de la collection Babylonienne de l’université

Jeu de dames Projet dAlgorithmique et Programmation.

Cours d'algorithmique des graphes du MPRIphilippe.gambette.free.fr/SCOL/Graphes.pdf · sur les graphes dans les ouvrages classiques d'algorithmique (cf. par exemple l'excellent Algo-

LES ORTHOGRAPHES APPROCHÉES : DE NOUVELLES IDÉES POUR FAVORISER L'APPRENTISSAGE DE L'ÉCRIT DES ÉLÈVES EN PREMIÈRE ANNÉE Annie Charron, Ph.D., UQAM Annie.

Cours d'algorithmique 10 / Intranet 1 19 décembre 2006 Cours dAlgorithmique Logique de Hoare (fin) : Les boucles et les invariants.

Cours et TD d'algorithmique en Pythonlycee.lagrave.free.fr/isn/python/polycopie_Python.pdfp est stocké sur 11 bits (y compris son signe). Ainsi, les nombres ottants sont compris entre

Notes de cours d'algorithmique ´Ecole de combinatoire et ...

Exercices et problèmes d'algorithmique - Adrien Poupa – … en C++... · 2016-06-29 · XRappels de cours XExercices et problèmes avec corrigés détaillés XSolutions en pseudo

Paroisses de larchidiocèse de Papeete Paroisse / église Chapelle rattachée Limites (approchées) des Communes et Communes Associées Île dépourvue déglise.

Cours d'algorithmique 8 - Intranet 1 4 décembre 2006 Cours dAlgorithmique Dérécursion (fin) : Équivalences entre programmes récursifs et programmes itératifs.

Cours d'algorithmique 7 - Intranet 1 27 novembre 2006 Cours dAlgorithmique Dérécursion (début) : Équivalences entre programmes récursifs et programmes.

Cours d'Algorithmique et de Langage C 2005 - v 3hebergement.u-psud.fr/iut-orsay/Pedagogie/MPHY/Algo-C/coursInfo.pdf · 2 Les bases de la programmation Algorithme C Programme Importance

Les écritures approchées

1 Manuel d'algorithmique de la Graph 35+E à la fx-CP400+E

Cours d'algorithmique 11 / Intranet 1 9 janvier 2006 Cours dAlgorithmique N P - complétude.

Cours d'Elements d'Algorithmiqueamicheli/Ens/EA3/cours.pdf · Cours d'Elements d'Algorithmique Les charges de TDs Juliusz Chroboczek Victor Lanvin Antonio Bucciarelli Info 4 Info

Les écritures approchées Comment les enfants « sapprennent-ils » à écrire ? Animation pédagogique – Octobre 2007 Circonscription de Saint-Maixent.

LE PROGRAMME D'ALGORITHMIQUE SANS ORDINATEUR

Exercices Et Problèmes Dalgorithmique(Www.livrebooks.eu)

Sujet + Corrigé - alainpiller.fr · Dans tout l'exercice on donnera, si nécessaire, des valeurs approchées au millième des résultats. Partie A 1.Construire un arbre pondéré