background preloader

Théorie de la complexité (informatique théorique)

Théorie de la complexité (informatique théorique)
Un article de Wikipédia, l'encyclopédie libre. La théorie de la complexité est un domaine des mathématiques, et plus précisément de l'informatique théorique, qui étudie formellement la quantité de ressources (en temps et en espace) nécessaire pour la résolution de problèmes au moyen de l'exécution d'un algorithme. Il s'agit donc d'étudier la difficulté intrinsèque de problèmes posés mathématiquement. Un algorithme répond à un problème. Il est composé d'un ensemble d'étapes simples nécessaires à la résolution, dont le nombre varie en fonction du nombre d'éléments à traiter. La théorie de la complexité s'attache à connaître la difficulté (ou la complexité) d'une réponse par algorithme à un problème, dit algorithmique, posé de façon mathématique. Un problème algorithmique est un problème posé de façon mathématique, c'est-à-dire qu'il est énoncé rigoureusement dans le langage des mathématiques – le mieux étant d'utiliser le calcul des prédicats. Un exemple de problème de décision est: Related:  informatique/numérique/nouvelles technologiesOPERATIONAL RESEARCH

Fab lab Un fab lab (contraction de l'anglais fabrication laboratory, « laboratoire de fabrication ») est un tiers-lieu de type makerspace[1] cadré par le Massachusetts Institute of Technology (MIT) et la FabFoundation[2] en proposant un inventaire minimal[3] permettant la création des principaux projets fab labs, un ensemble de logiciels et solutions libres et open-sources, les Fab Modules[4], et une charte de gouvernance, la Fab Charter[5]. Pour être identifié en tant que fab lab par la FabFoundation, il faut passer par plusieurs étapes[6] et il est possible de suivre une formation à la Fab Academy[7]. Les fab labs sont réunis en un réseau mondial très actif, d'après son initiateur Neil Gershenfeld[8]. Historique[modifier | modifier le code] Neil Gershenfeld a commencé en explorant comment le contenu de l'information renvoie à sa représentation physique, et comment une communauté peut être rendue plus créative et productive si elle a - au niveau local - accès à une technologie.

Evolutionary algorithm Evolutionary algorithms often perform well approximating solutions to all types of problems because they ideally do not make any assumption about the underlying fitness landscape; this generality is shown by successes in fields as diverse as engineering, art, biology, economics, marketing, genetics, operations research, robotics, social sciences, physics, politics and chemistry[citation needed]. In most real applications of EAs, computational complexity is a prohibiting factor. In fact, this computational complexity is due to fitness function evaluation. Fitness approximation is one of the solutions to overcome this difficulty. A possible limitation [according to whom?] Implementation of biological processes[edit] Evolutionary algorithm types[edit] Similar techniques differ in the implementation details and the nature of the particular applied problem. Related techniques[edit] Swarm algorithms, including: [edit] See also[edit] References[edit] Bibliography[edit] External links[edit]

fablabo Bienvenue sur le wiki Fablabo, animé par l'association PiNG ! Vous trouverez ici les projets partagés par les usagers de Plateforme C et de l'Atelier Partagé du Breil, ainsi que des ressources techniques et documentaires autour des fablabs. Projets à la une Derniers projets modifiés Voir tous les Projets Derniers tutoriels modifiés Voir tous les Tutoriels Ressources Metaheuristics Network Les Ateliers: Esthétiques numériques Les logiciels de modélisation 3D permettent de représenter des surfaces et des volumes avec des logiques issues des mathématiques et de l'informatique. Mais comme tout outil, leur usage a tendance à orienter/formater notre imaginaire. Nous représentons souvent ce que le logiciel nous laisse modéliser sans trop de difficulté, et l'esthétique du projet émane alors aussi de l'outil. Notre objectif ce semestre est d'aborder la modélisation 3D comme un potentiel de création et d'élaborer des méthodes de recherches dans l'outil lui même, notamment en évitant la dualité dessin manuel versus modélisation. Voici quelques exemples de ces démarches : 1. utilisation de logiciels paramétriques afin de créer des formes « auto-adaptables » à des géomtries très différentes : FOC - Macedonia Panels : 2. détournement d'un logiciel de calcul de structure, pour générer dynamiquement des pièces de mobilier : 5.

Evolutionary art Artificial Evolution of the Cyprus Problem (2005) is an artwork created by Genco Gulan Evolutionary art is created using a computer. The process starts by having a population of many randomly generated individual representations of artworks. Each representation is evaluated for its aesthetic value and given a fitness score. The individuals with the higher fitness scores have a higher chance of remaining in the population while individuals with lower fitness scores are more likely to be removed from the population. This is the evolutionary principle of Survival of the fittest. Evolutionary art is a branch of Generative art, which system is characterized by the use of evolutionary principles and natural selection as generative procedure. In common with natural selection and animal husbandry, the members of a population undergoing artificial evolution modify their form or behavior over many reproductive generations in response to a selective regime. See also[edit] Further reading[edit]

IRI - Institut de recherche et d’innovation du centre pompidou, Accueil Recherche tabou Un article de Wikipédia, l'encyclopédie libre. La recherche tabou est une métaheuristique d'optimisation présentée par Fred Glover en 1986. On trouve souvent l'appellation recherche avec tabous en français. Cette méthode est une métaheuristique itérative qualifiée de recherche locale au sens large. Principe[modifier | modifier le code] L'idée de la recherche tabou consiste, à partir d'une position donnée, à en explorer le voisinage et à choisir la position dans ce voisinage qui minimise la fonction objectif. Il est essentiel de noter que cette opération peut conduire à augmenter la valeur de la fonction (dans un problème de minimisation) : c'est le cas lorsque tous les points du voisinage ont une valeur plus élevée. Le risque cependant est qu'à l'étape suivante, on retombe dans le minimum local auquel on vient d'échapper. Les positions déjà explorées sont conservées dans une file FIFO (appelée souvent liste tabou) d'une taille donnée, qui est un paramètre ajustable de l'heuristique.

Bradley Manning Un article de Wikipédia, l'encyclopédie libre. Bradley (Chelsea) Manning Bradley Manning en 2012. Biographie[modifier | modifier le code] Petite enfance[modifier | modifier le code] Manning est né à Crescent dans l'Oklahoma, de Susan Fox, originaire du pays de Galles, et son mari, Brian Manning. Casey — il a 11 ans à la naissance de Bradley — a témoigné à la cour martiale que leurs deux parents étaient alcooliques, et que leur mère avait été soûle sans arrêt alors qu'elle était enceinte du capitaine Manning. Le père de Manning travaille en tant que chef de projet en technologie de l'information pour une agence de location de voitures, et est souvent en déplacement. Divorce des parents et déménagement au pays de Galles[modifier | modifier le code] Très indépendant dans son enfance, il est athée ouvertement opposé aux religions, ce qu'il démontre à plusieurs reprises en restant silencieux durant la partie du Serment d'allégeance au drapeau des États-Unis qui se réfère à Dieu.

Catégorie:Algorithmique Une page de Wikipédia, l'encyclopédie libre. 88 articles L'algorithmique est la science des algorithmes. Sous-catégories Cette catégorie comprend les 7 sous-catégories suivantes. Pages dans la catégorie « Algorithmique » Cette catégorie contient les 88 pages suivantes. Home Métaheuristique Un article de Wikipédia, l'encyclopédie libre. Il existe un grand nombre de métaheuristiques différentes, allant de la simple recherche locale à des algorithmes complexes de recherche globale. Ces méthodes utilisent cependant un haut niveau d’abstraction, leur permettant d’être adaptées à une large gamme de problèmes différents. Les métaheuristiques (M) sont souvent des algorithmes utilisant un échantillonnage probabiliste. Généralités[modifier | modifier le code] Terminologies[modifier | modifier le code] On parle de méta, du grec μετά « au-delà » (comprendre ici « à un plus haut niveau »), heuristique, du grec εὑρίσκειν / heuriskein, qui signifie « trouver ». Une terminologie légèrement différente considère que les méta-heuristiques sont une forme d’algorithmes d’optimisation stochastique, hybridés avec une recherche locale. Nomenclature[modifier | modifier le code] L’ensemble des solutions possibles forme l’espace de recherche. Concepts généraux[modifier | modifier le code]

Internet Corporation for Assigned Names and Numbers Un article de Wikipédia, l'encyclopédie libre. Internet Corporation for Assigned Names and Numbers Internet Corporation for Assigned Names and Numbers (ICANN, en français, la Société pour l'attribution des noms de domaine et des numéros sur Internet) est une autorité de régulation de l'Internet. C'est une société de droit californien à but non lucratif ayant pour principales missions d'administrer les ressources numériques d'Internet, tels que l'adressage IP et les noms de domaines de premier niveau (TLD), et de coordonner les acteurs techniques[1]. Missions[modifier | modifier le code] Par le contrôle qu'elle exerce sur l'affectation des noms de domaines de premier niveau, l'ICANN délivre en pratique un droit de délégation sur la vente des noms de domaines à différentes organisations, comme VeriSign pour les domaines .com et .net ou l'AFNIC pour le domaine .fr. Le 30 octobre 2009, l'ICANN vote la fin de l'exclusivité de l'alphabet latin pour la rédaction des noms de domaine Internet.

Binary search algorithm In computer science, a binary search or half-interval search algorithm finds the position of a specified input value (the search "key") within an array sorted by key value.[1][2] For binary search, the array should be arranged in ascending or descending order. In each step, the algorithm compares the search key value with the key value of the middle element of the array. If the keys match, then a matching element has been found and its index, or position, is returned. Otherwise, if the search key is less than the middle element's key, then the algorithm repeats its action on the sub-array to the left of the middle element or, if the search key is greater, on the sub-array to the right. If the remaining array to be searched is empty, then the key cannot be found in the array and a special "not found" indication is returned. A binary search halves the number of items to check with each iteration, so locating an item (or determining its absence) takes logarithmic time. Overview[edit] .

Related: