SlideShare une entreprise Scribd logo
Enseignants: Dr. Atef MASMOUDI & Dr. Ameur CH’HAYDER
AU: 2015-2016
17/12/2015 1Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
https://www.facebook.com/groups/informatique.prepas
L thé i d l l ité l ith i i à La théorie de la complexité algorithmique vise à:
◦ classer les problèmes selon leur difficulté,
classer les algorithmes selon leur efficacité◦ classer les algorithmes selon leur efficacité,
◦ comparer les algorithmes résolvant un même problème.
Proposer en Python deux programmes différentsProposer en Python deux programmes différents
pour vérifier la primalité d’un entier n?
Proposer en Python deux programmes différents
pour calculer xn?pour calculer xn?
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
2
https://www.facebook.com/groups/informatique.prepas
 Pour mesurer le temps d'exécution d’un programme en
Python nous pouvons simuler un chronomètre :
◦ on le déclenche juste avant le début du programmeon le déclenche juste avant le début du programme,
◦ on l'arrête juste après la fin du programme,
◦ le temps écoulé entre les deux pressions est la durée qui nous
intéresse.
 En Python, on peut simuler un chronomètre grâce au
module time ;
Exemple:
f i i *from time import *
debut = time() # on déclenche le chronomètre
# votre programmeot e p og a e
fin = time() # on arrête le chronomètre
print(’Temps écoulé:’, fin - debut, ’ secondes’)
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
3
https://www.facebook.com/groups/informatique.prepas
Ecrire un programme Python pour vérifier la
i lité d ?primalité de n?
Programme naïf: vérifier si n possède un diviseur dans
l’intervalle [2,n-1]
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 4
https://www.facebook.com/groups/informatique.prepas
Ecrire un programme Python pour vérifier la
primalité de n?primalité de n?
Programme rapide: vérifier si n possède un diviseur dans
l’intervalle [2 n]l intervalle [2,n],
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
5
https://www.facebook.com/groups/informatique.prepas
Ecrire un programme Python pour calculer xn?
Méthode classique:
Xn x*x* *xXn=x*x*………….*x
n foisn fois
17/12/2015
6
Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
https://www.facebook.com/groups/informatique.prepas
Exponentiation rapide
17/12/2015 7Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
https://www.facebook.com/groups/informatique.prepas
D l’ét d d l ité d’ l ithDans l’étude de complexité d’un algorithme on ne mesure pas
la durée en heures, minutes, secondes, ...:
◦ cela impliquerait d'implémenter les algorithmes qu'oncela impliquerait d implémenter les algorithmes qu on
veut comparer ;
◦ de plus, ces mesures ne seraient pas pertinentes car le
même algorithme sera plus rapide sur une machine plus
puissante ;
L’étude de complexité consiste donc à utiliser
des unités de temps abstraites proportionnellesdes unités de temps abstraites proportionnelles
au nombre d'opérations effectuées ;
On pourra par la suite adapter ces quantités enOn pourra par la suite adapter ces quantités en
fonction de la machine sur laquelle l'algorithme
s'exécute ;
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
8
s exécute ;
https://www.facebook.com/groups/informatique.prepas
 La complexité temporelle d'un algorithme
consiste à calculer le nombre d'opérationsconsiste à calculer le nombre d opérations
élémentaires (affectations, comparaisons,
opérations arithmétiques,…) effectuées par unp q , ) p
algorithme.
 Ce nombre s'exprime en fonction de la taille n
des données.
 On s'intéresse:
◦ La complexité au pire: temps d'exécution maximum,
dans le cas le plus défavorable.
◦ La complexité au mieux: temps d'exécution minimumLa complexité au mieux: temps d exécution minimum,
dans le cas le plus favorable.
◦ La complexité moyenne: temps d'exécution dans un cas
édi d t d' é timédian, ou moyenne des temps d'exécution.
 Le plus souvent, on calcule la complexité au pire,
car on veut borner le temps d'exécutioncar on veut borner le temps d exécution
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
9
https://www.facebook.com/groups/informatique.prepas
 Calculer le coût d’un programme revient à calculer le Calculer le coût d un programme revient à calculer le
nombre d’opérations effectuées en fonction de la taille
des données
 Pour déterminer le coût d’un algorithme, on se fonde en
général sur le modèle de complexité suivant :
ff l’é l d’◦ Une affectation, une comparaison ou l’évaluation d’une
expression arithmétique (+,-,/,*,//,%,**) ayant en
général un faible temps d’exécution considéré commegénéral un faible temps d exécution considéré comme
l’unité de mesure du coût d’un algorithme.
◦ Le coût des instructions p et q en séquence est laLe coût des instructions p et q en séquence est la
somme des coûts de l’instruction p et de l’instruction q.
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 10
https://www.facebook.com/groups/informatique.prepas
◦ Le coût d’un test if◦ Le coût d un test if
if b:
p
else:
q
Le coût d’un test est égal au maximum des coûts des instructionsLe coût d’un test est égal au maximum des coûts des instructions
p et q, plus le temps d’évaluation de l’expression b.
◦ Le coût d’une boucle for
for i in range(n):
p
L û d’ b l f é l b d é é i iLe coût d’une boucle for est égal au nombre de répétitions
multiplié par le coût du bloc d’instructions p.
Quand le coût de p dépend de la valeur de i, le coût total de laQ p p ,
boucle est la somme des coûts de p pour chaque valeur de i.
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
11
https://www.facebook.com/groups/informatique.prepas
◦ Le cas d’une boucle while◦ Le cas d une boucle while
while condition:
pp
Le cas d’une boucle while est plus complexe à traiterp p
puisque le nombre de répétitions n’est en général pas
connu a priori.
On peut majorer le coût de l’exécution de la boucle par
l b d é étiti ff t éle nombre de répétitions effectuées.
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
12
https://www.facebook.com/groups/informatique.prepas
 Exemple: Exemple:
◦ Calculer la factorielle d’un entier n
1 affectation
(n-1) itérations
1 affectation + 1 multiplication
1 renvoi
Le coût de l’algorithme = Nombre total d’opérationsLe coût de l algorithme = Nombre total d opérations
1 Affectation + (n-1) *( 1 affectation + 1 multiplication)+1 renvoi
f( ) 1+ ( 1)*2+1 2*
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 13
f(n)=1+ (n-1)*2+1=2*n
https://www.facebook.com/groups/informatique.prepas
 Exemple: Exemple:
◦ Vérifier la primalité d’un entier n
(n-2) itérations
1 reste + 1 comparaison1 reste + 1 comparaison
1 renvoi
1 renvoi
 
f1(n)=(n-2)*2+1
=2n-3
(n-1) itérations
1 reste + 1 comparaison
1 renvoi
1 renvoi
f2(n)=(n-1)*2+1n=2**31-1
f1( ) 4294967293
14
=2*n-1f1(n)= 4294967293
f2(n)= 92679
Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
https://www.facebook.com/groups/informatique.prepas
 Exemple: Calculer xn Exemple: Calculer x
1 affectation
n itérations
1 affectation + 1 multiplication
1 renvoi
f1(n)=1+n*2+1
2 2
1 affectation
(log2(n)) itérations
1 i
=2n+2
1 comparaison
1 reste + 1 comparaison
1 affectation + 1 multiplication
1 affectation + 1 division1 affectation + 1 division
1 affectation + 1 multiplication
1 renvoi
f2(n)=1+ (log2(n)+1) *(1+2+2+2)2
+ (log2(n)+1) *2+1
=9*log2(n)+11
La représentation binaire de n nécessite (log2(n)+1) bits
û l (l ( ) ) b 9 l ( )
15
Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
Le coût maximal sur (log2(n)+1) bits = 9*log2(n)+11
X=3 et n=2**20-1
f1(n)= 2097152 et f2(n)=182
https://www.facebook.com/groups/informatique.prepas
Calculer le coût des programmes suivantsp g
1 affectation
n itérations
1 affectation + 1 addition
1 renvoi
f1(n)=1+n*2+1
2 2=2n+2
1 affectation
n itérations
n itérations
1 affectation + 1 addition
+ 1 multiplication
1 renvoi
f2(n)=1+n*n*3+1
=3n2+2
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 16
https://www.facebook.com/groups/informatique.prepas
Calculer le coût des programmes suivantsp g
1 affectation
n itérations
i itérationsi itérations
1 affectation + 1 addition
+ 1 multiplication
1 renvoi
f1(n)=1+(n*(n+1)/2)*3+1
=(3/2)n2+(3/2)n+2
1 affectation
log2(n)  itérations
1 affectation + 1 multiplication
1 condition
1 condition
1 renvoi
l ( ) 
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 17
f2(n)=1+log2(n) *3+1+1
=3*log2(n) +3
https://www.facebook.com/groups/informatique.prepas
 Généralement, la complexité d'un algorithme
est une mesure de sa performance
asymptotique dans le pire cas ;
 Que signifie ‘asymptotique’ ?
◦ on s'intéresse à des données très grandes ;
 Que signifie ‘dans le pire cas’ ?
◦ on s'intéresse à la performance de l'algorithme dans
les situations où le problème prend le plus de temps.
 Pourquoi ?
ê û◦ pour être sûr que l'algorithme ne prendra jamais plus
de temps que ce qu'on a estimé. Ce qui correspond à
donner une majoration du nombre d’opérationsdonner une majoration du nombre d opérations
effectuées par l’algorithme.
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
18
https://www.facebook.com/groups/informatique.prepas
 On dit que la complexité de l'algorithme est
O(g(n)) ou g est d'habitude une
combinaison de polynômes, logarithmes oup y g
exponentielles.
 Ce qui signifie que le nombre d'opérations Ce qui signifie que le nombre d opérations
effectuées, noté par f(n), est borné par
C*g(n) ou C est une constante lorsque nC g(n), ou C est une constante, lorsque n
tend vers l'infini.
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
19
https://www.facebook.com/groups/informatique.prepas
Si f et g sont deux fonctions positives réelles:
f(n) = O(g(n)) si et seulement si le rapport f/g estf(n) = O(g(n)) si et seulement si le rapport f/g est
borné a l'infini (f est dominée par g):
◦ ∃C>0 ∃n >0 n>n f(n) ≤ C*g(n)◦ ∃C>0, ∃n0>0, n>n0, f(n) ≤ C g(n)
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
20
https://www.facebook.com/groups/informatique.prepas
 La notation O dite notation de Landau vérifie La notation O, dite notation de Landau, vérifie
les propriétés suivantes :
 si f=O(g) et g=O(h) alors f=O(h)
i f O( ) t >0 l *f O( ) si f=O(g) et a>0, alors a*f=O(g)
 si f1=O(g1) et f2=O(g2) alors f1+f2 = O(g1+g2)
f ( ) f ( ) l f f ( ) si f1=O(g1) et f2=O(g2) alors f1*f2 = O(g1*g2)
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 21
https://www.facebook.com/groups/informatique.prepas
Si f et g sont deux fonctions positives réelles:
f(n) = (g(n)) ⇒ g est une borne inférieuref(n) = (g(n)) ⇒ g est une borne inférieure
asymptotique pour f:
◦ ∃C>0 ∃n >0 n>n C*g(n) ≤f(n)◦ ∃C>0, ∃n0>0, n>n0, C g(n) ≤f(n)
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
22
https://www.facebook.com/groups/informatique.prepas
Si f et g sont deux fonctions positives réelles:
 f(n) = Θ(g(n)) ⇒f et g ont le même ordre de grandeur : f(n) = Θ(g(n)) ⇒f et g ont le même ordre de grandeur :
◦ ∃c1,c2>0, ∃n0>0, n>n0, c1*g(n) ≤ f(n) ≤c2*g(n)
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
23
https://www.facebook.com/groups/informatique.prepas
 O(1) : complexité constante, pas d'augmentation du O(1) : complexité constante, pas d augmentation du
temps d'exécution quand le paramètre croit.
◦ Exemple: affectation, comparaison, …
 O(log(n)) : complexité logarithmique augmentation O(log(n)) : complexité logarithmique, augmentation
très faible du temps d'exécution quand le paramètre
croit.
◦ Exemple: conversion du décimal au binaireExemple: conversion du décimal au binaire
 O(n) : complexité linéaire, augmentation linéaire du
temps d'exécution quand le paramètre croit (si le
paramètre double le temps double)paramètre double, le temps double).
◦ Exemple: somme des n premiers entiers naturels
 O(n*log(n)) : complexité quasi-linéaire, augmentation
un peu supérieure a O(n)un peu supérieure a O(n).
 Exemple: calculer la somme des chiffres des n premiers entiers
naturels
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 24
https://www.facebook.com/groups/informatique.prepas
 O(n2) : complexité quadratique, quand le O(n ) : complexité quadratique, quand le
paramètre double, le temps d'exécution est
multiplie par 4.
◦ Exemple : algorithmes avec deux boucles imbriquées◦ Exemple : algorithmes avec deux boucles imbriquées.
 O(ni) : complexité polynomiale, quand le
paramètre double, le temps d'exécution est
lti li 2imultiplie par 2i.
◦ Exemple : algorithme utilisant i boucles imbriquées.
 O(an) : complexité exponentielle, quand le( ) p p , q
paramètre double, le temps d'exécution est élevé
à la puissance 2.
 O(n!) : complexité factorielle asymptotiquement O(n!) : complexité factorielle, asymptotiquement
équivalente à nn
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 25
https://www.facebook.com/groups/informatique.prepas
17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016
26
https://www.facebook.com/groups/informatique.prepas
On suppose qu’on dispose d’un ordinateur capable deOn suppose qu on dispose d un ordinateur capable de
réaliser 109 opérations/seconde
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 27
https://www.facebook.com/groups/informatique.prepas
 Les instructions de base (affectation, comparaison,p
opération arithmétique,) prennent un temps constant,
noté O(1)
 On additionne les complexités d'opérations en séquence :
Instruction p O(f1(n))
I i O(f2( ))Instruction q O(f2(n))
O(f1(n)) + O(f2(n)) = O(f1(n) + f2(n)) =O(max(f1(n), f2(n)))
L b h t diti l Les branchements conditionnels :
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 28
= O(max(f1(n) , f2(n), g(n)))
https://www.facebook.com/groups/informatique.prepas
 La complexité d’une boucle for est égal au nombre d’itérations
multiplié par la complexité de l’instruction p si ce dernier ne
dépend pas de la valeur de i.
O(n*f(n))
 La complexité d’une boucle while:
= O(m*max(g(n) , f(n)))
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 29
https://www.facebook.com/groups/informatique.prepas
 Pour calculer la complexité d'un programme :p p g
1. on calcule la complexité de chaque partie du
programme;
2. on combine ces complexités conformément aux règles
' i d iqu'on vient de voir ;
3. on simplifie le résultat grâce aux règles de
simplifications suivantes:simplifications suivantes:
◦ On remplace les constantes multiplicatives par 1,
◦ On annule les constantes additives ;◦ On annule les constantes additives ;
◦ On conserve le terme dominant.
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 30
https://www.facebook.com/groups/informatique.prepas
Exemple: g(n)=5n3-6n2+4p g
◦ On remplace les constantes multiplicatives par 1,
1n3-1n2+4
◦ On annule les constantes additives ;
◦ 1n3-1n2
◦ On conserve le terme dominant.
◦ n3-n2
l ( ) ( 3)◦ Solution g(n)=O(n3)
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 31
https://www.facebook.com/groups/informatique.prepas
O(1)
n-1 itérations O(n)
O(1)
 La complexité de la fonction:
O(1)
 La complexité de la fonction:
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 32
https://www.facebook.com/groups/informatique.prepas
O(n)
O(n)O(n)
O(n)
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 33
https://www.facebook.com/groups/informatique.prepas
O(log(n))
O(log(n))
O(log(n))
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 34
https://www.facebook.com/groups/informatique.prepas
O(n2)
O(n2)O(n2)
O(n*log(n))
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 35
https://www.facebook.com/groups/informatique.prepas
 Montrez que la complexité de la fonction suivante estq p
quadratique en n, c’est-à-dire en O(n2)
1 affectation
n itérationsn itérations
1 affectation
k itérations
1 affectation + 1 multiplication
1 affectation + 1 addition
+1 division
1 renvoi
f(n)=1+n+2*(n*(n-1)/2)+3*n+1
=n2+3*n+2
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 36
n +3 n+2
https://www.facebook.com/groups/informatique.prepas
 Que fait cette fonction ? calcul de exp(1)
 Donnez une version linéaire de cet algorithme, c’est-à-
dire en O(n)
1 affectation
1 affectation1 affectation
n itérations
1 affectation +1 Multiplication
+ 1 addition
1 affectation + 1 addition
+1 division
1 renvoi
f(n)=2+6*n+1
=6*n+3
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 37
6 n+3
https://www.facebook.com/groups/informatique.prepas
 Complétez le tableau suivant.
Il s’agit de calculer le nombre d’opérations nécessaire
pour exécuter le programme en fonction de sa
Complexité n=10 n=100 n=1000
complexité et de la taille du problème traité
p
n
n2n
n3
2n2
n
log(n)
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 38
log(n)
https://www.facebook.com/groups/informatique.prepas
 Complétez le tableau suivant.
é éIl s’agit de calculer le temps nécessaire pour exécuter
un problème en supposant qu’on dispose d’un
ordinateur capable de réaliser 109 opérations/seconde
Complexité n=10 n=100 n=1000
ordinateur capable de réaliser 109 opérations/seconde
n
n2
n3
2n2
n
log(n)
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 39
log(n)
https://www.facebook.com/groups/informatique.prepas
 Rangez les fonctions suivantes par ordre de Rangez les fonctions suivantes par ordre de
grandeur croissant :
n n*log(n) n log(n) n log2(n) n2 (3/2)n◦ n, n*log(n),n, log(n), n log2(n),n2, (3/2)n,
n10, log2(n)
 Calculer la complexité des programmes:
 Premier et premier_rapide
 Puissance et puissance_rapide
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 40
https://www.facebook.com/groups/informatique.prepas
 Dire si les affirmations suivantes sont vrais Dire si les affirmations suivantes sont vrais
ou fausses:
◦ 2n+3=O(n)◦ 2n+3=O(n)
◦ 2n+log(n)=O(n2)
◦ 2n7+5n4+3n2+1=O(n7)( )
◦ 5n3+3nlog(n)+6n=O(n3)
◦ 3log(n)+2=O(log(n))
◦ 2n+100log(n)=O(log(n))
◦ 2n+2=O(2n)
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 41
https://www.facebook.com/groups/informatique.prepas
 Quelle est la complexité de la fonction Quelle est la complexité de la fonction
suivante:
O(n2log(n))
17/12/2015
Dr. Atef MASMOUDI & Dr. Ameur
CH'HAYDER, IPEIS, AU:2015-2016 42
https://www.facebook.com/groups/informatique.prepas

Contenu connexe

Tendances

Manuel des TP : Atelier Web 2
Manuel des TP : Atelier Web 2Manuel des TP : Atelier Web 2
Manuel des TP : Atelier Web 2
Faycel Chaoua
 
Travaux dirigés 1: algorithme & structures de données (corrigés)
Travaux dirigés 1: algorithme & structures de données (corrigés)Travaux dirigés 1: algorithme & structures de données (corrigés)
Travaux dirigés 1: algorithme & structures de données (corrigés)
Ines Ouaz
 
CV de Fatma CHIHAOUI
CV de Fatma CHIHAOUICV de Fatma CHIHAOUI
CV de Fatma CHIHAOUI
Fatma CHIHAOUI
 
Présentation cloud computing
Présentation cloud computingPrésentation cloud computing
Présentation cloud computing
Cynapsys It Hotspot
 
02 correction-td smi-s3-algo2
02 correction-td smi-s3-algo202 correction-td smi-s3-algo2
02 correction-td smi-s3-algo2
L’Université Hassan 1er Settat
 
01 correction-td smia-s2-info2
01 correction-td smia-s2-info201 correction-td smia-s2-info2
01 correction-td smia-s2-info2
L’Université Hassan 1er Settat
 
Exercices_Python_Fenni_2023 -corrigé.pdf
Exercices_Python_Fenni_2023 -corrigé.pdfExercices_Python_Fenni_2023 -corrigé.pdf
Exercices_Python_Fenni_2023 -corrigé.pdf
salah fenni
 
Memoire licence informatique application gestion personnel par herma - zita...
Memoire licence  informatique application gestion personnel  par herma - zita...Memoire licence  informatique application gestion personnel  par herma - zita...
Memoire licence informatique application gestion personnel par herma - zita...
Soumia Elyakote HERMA
 
Introduction aux réseaux informatiques
Introduction aux réseaux informatiquesIntroduction aux réseaux informatiques
Introduction aux réseaux informatiques
sarah Benmerzouk
 
Rapport de stage d'initiation 2015 Mahmoudi Mohamed Amine
Rapport de stage d'initiation 2015 Mahmoudi Mohamed AmineRapport de stage d'initiation 2015 Mahmoudi Mohamed Amine
Rapport de stage d'initiation 2015 Mahmoudi Mohamed Amine
Mohamed Amine Mahmoudi
 
Chapitre 3 NP-complétude
Chapitre 3 NP-complétudeChapitre 3 NP-complétude
Chapitre 3 NP-complétude
Sana Aroussi
 
Chapitre i introduction et motivations
Chapitre i introduction et motivationsChapitre i introduction et motivations
Chapitre i introduction et motivations
Sana Aroussi
 
Usages pédagogiques des tic
Usages pédagogiques des ticUsages pédagogiques des tic
Usages pédagogiques des tic
didando_ballet
 
BigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-ReduceBigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-Reduce
Lilia Sfaxi
 
Rapport PFE ingénieur réseaux marwen SAADAOUI ( Juin 2018 )
Rapport PFE ingénieur réseaux marwen SAADAOUI ( Juin 2018 )Rapport PFE ingénieur réseaux marwen SAADAOUI ( Juin 2018 )
Rapport PFE ingénieur réseaux marwen SAADAOUI ( Juin 2018 )
Saadaoui Marwen
 
Introduction to Machine learning
Introduction to Machine learningIntroduction to Machine learning
Introduction to Machine learning
Quentin Ambard
 
Chapitre 2 plus court chemin
Chapitre 2 plus court cheminChapitre 2 plus court chemin
Chapitre 2 plus court chemin
Sana Aroussi
 
Présentation pfe Big Data Hachem SELMI et Ahmed DRIDI
Présentation pfe Big Data Hachem SELMI et Ahmed DRIDIPrésentation pfe Big Data Hachem SELMI et Ahmed DRIDI
Présentation pfe Big Data Hachem SELMI et Ahmed DRIDI
HaShem Selmi
 
Algorithmique et Structures de Données II
Algorithmique et Structures de Données IIAlgorithmique et Structures de Données II
Algorithmique et Structures de Données II
Riadh Bouslimi
 

Tendances (20)

Manuel des TP : Atelier Web 2
Manuel des TP : Atelier Web 2Manuel des TP : Atelier Web 2
Manuel des TP : Atelier Web 2
 
Travaux dirigés 1: algorithme & structures de données (corrigés)
Travaux dirigés 1: algorithme & structures de données (corrigés)Travaux dirigés 1: algorithme & structures de données (corrigés)
Travaux dirigés 1: algorithme & structures de données (corrigés)
 
CV de Fatma CHIHAOUI
CV de Fatma CHIHAOUICV de Fatma CHIHAOUI
CV de Fatma CHIHAOUI
 
Présentation cloud computing
Présentation cloud computingPrésentation cloud computing
Présentation cloud computing
 
02 correction-td smi-s3-algo2
02 correction-td smi-s3-algo202 correction-td smi-s3-algo2
02 correction-td smi-s3-algo2
 
01 correction-td smia-s2-info2
01 correction-td smia-s2-info201 correction-td smia-s2-info2
01 correction-td smia-s2-info2
 
Exercices_Python_Fenni_2023 -corrigé.pdf
Exercices_Python_Fenni_2023 -corrigé.pdfExercices_Python_Fenni_2023 -corrigé.pdf
Exercices_Python_Fenni_2023 -corrigé.pdf
 
Memoire licence informatique application gestion personnel par herma - zita...
Memoire licence  informatique application gestion personnel  par herma - zita...Memoire licence  informatique application gestion personnel  par herma - zita...
Memoire licence informatique application gestion personnel par herma - zita...
 
Introduction aux réseaux informatiques
Introduction aux réseaux informatiquesIntroduction aux réseaux informatiques
Introduction aux réseaux informatiques
 
Rapport de stage d'initiation 2015 Mahmoudi Mohamed Amine
Rapport de stage d'initiation 2015 Mahmoudi Mohamed AmineRapport de stage d'initiation 2015 Mahmoudi Mohamed Amine
Rapport de stage d'initiation 2015 Mahmoudi Mohamed Amine
 
Chapitre 3 NP-complétude
Chapitre 3 NP-complétudeChapitre 3 NP-complétude
Chapitre 3 NP-complétude
 
Chapitre i introduction et motivations
Chapitre i introduction et motivationsChapitre i introduction et motivations
Chapitre i introduction et motivations
 
Usages pédagogiques des tic
Usages pédagogiques des ticUsages pédagogiques des tic
Usages pédagogiques des tic
 
BigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-ReduceBigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-Reduce
 
Rapport PFE ingénieur réseaux marwen SAADAOUI ( Juin 2018 )
Rapport PFE ingénieur réseaux marwen SAADAOUI ( Juin 2018 )Rapport PFE ingénieur réseaux marwen SAADAOUI ( Juin 2018 )
Rapport PFE ingénieur réseaux marwen SAADAOUI ( Juin 2018 )
 
Introduction to Machine learning
Introduction to Machine learningIntroduction to Machine learning
Introduction to Machine learning
 
Chapitre 2 plus court chemin
Chapitre 2 plus court cheminChapitre 2 plus court chemin
Chapitre 2 plus court chemin
 
Présentation pfe Big Data Hachem SELMI et Ahmed DRIDI
Présentation pfe Big Data Hachem SELMI et Ahmed DRIDIPrésentation pfe Big Data Hachem SELMI et Ahmed DRIDI
Présentation pfe Big Data Hachem SELMI et Ahmed DRIDI
 
Algorithmique et Structures de Données II
Algorithmique et Structures de Données IIAlgorithmique et Structures de Données II
Algorithmique et Structures de Données II
 
Tp 1
Tp 1Tp 1
Tp 1
 

En vedette

7exercices loi-normale-et-corriges-www.coursdefsjes.com
7exercices loi-normale-et-corriges-www.coursdefsjes.com7exercices loi-normale-et-corriges-www.coursdefsjes.com
7exercices loi-normale-et-corriges-www.coursdefsjes.com
rachoo10
 
Intelligence somatique pour coachs et facilitateurs - Fiche pédagogique
Intelligence somatique pour coachs et facilitateurs - Fiche pédagogiqueIntelligence somatique pour coachs et facilitateurs - Fiche pédagogique
Intelligence somatique pour coachs et facilitateurs - Fiche pédagogique
Maud RABER
 
Algorithmique et programmation michael griffith
Algorithmique et programmation michael griffithAlgorithmique et programmation michael griffith
Algorithmique et programmation michael griffith
Bernhard Ndale
 
Algorithmique
AlgorithmiqueAlgorithmique
Algorithmique
ABID Mehdi
 
Les homophones grammaticaux
Les homophones grammaticauxLes homophones grammaticaux
Les homophones grammaticaux
zeinabdibhammoud
 
Le cryptage et le décryptage
Le cryptage et le décryptageLe cryptage et le décryptage
Le cryptage et le décryptage
SKYWARE COMPAGNY
 
Exercices triphase
Exercices triphaseExercices triphase
Exercices triphase
MOUHSSINE BEN HAMMOU
 
Algorithmique au cycle 3
Algorithmique au cycle 3Algorithmique au cycle 3
Algorithmique au cycle 3
eduscol
 
Algorithme DPLL
Algorithme DPLLAlgorithme DPLL
Algorithme DPLL
Elhem Sassi
 
TD La fonction logarithme exercices corrigés - SOUFIANE MERABTI
TD La fonction logarithme exercices corrigés -  SOUFIANE MERABTITD La fonction logarithme exercices corrigés -  SOUFIANE MERABTI
TD La fonction logarithme exercices corrigés - SOUFIANE MERABTI
soufiane merabti
 
Merise exercicesmcdcorriges-121007174045-phpapp01
Merise exercicesmcdcorriges-121007174045-phpapp01Merise exercicesmcdcorriges-121007174045-phpapp01
Merise exercicesmcdcorriges-121007174045-phpapp01
SaberCraft Zeriguine
 
Chap1 introduction à l'algoritmique
Chap1 introduction à l'algoritmiqueChap1 introduction à l'algoritmique
Chap1 introduction à l'algoritmique
Mohamed Lahby
 
Implémentation des principaux algorithmes de chiffrements en Java
Implémentation des principaux algorithmes de chiffrements en JavaImplémentation des principaux algorithmes de chiffrements en Java
Implémentation des principaux algorithmes de chiffrements en Java
Ibn Tofail University
 
Rapport Projet Module Complexité
Rapport Projet Module ComplexitéRapport Projet Module Complexité
Rapport Projet Module Complexité
Fatima Zahra Fagroud
 
7 exercices-remediations-jc jost
7 exercices-remediations-jc jost7 exercices-remediations-jc jost
7 exercices-remediations-jc jost
Académie de Dijon - Histoire-géo
 
Algorithme distribués pour big data saison 2 @DevoxxFR 2016
Algorithme distribués pour big data saison 2 @DevoxxFR 2016Algorithme distribués pour big data saison 2 @DevoxxFR 2016
Algorithme distribués pour big data saison 2 @DevoxxFR 2016
Duyhai Doan
 
Chapitre 2 problème de plus court chemin
Chapitre 2 problème de plus court cheminChapitre 2 problème de plus court chemin
Chapitre 2 problème de plus court chemin
Sana Aroussi
 
Algorithme de chiffrement RC4, A5/1 & A5/2
Algorithme de chiffrement RC4, A5/1 & A5/2Algorithme de chiffrement RC4, A5/1 & A5/2
Algorithme de chiffrement RC4, A5/1 & A5/2
Max Benana
 
Intelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de rechercheIntelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de recherche
Mohamed Heny SELMI
 
Niveau intermediaire vocabulaire progressif du francais
Niveau intermediaire vocabulaire progressif du francaisNiveau intermediaire vocabulaire progressif du francais
Niveau intermediaire vocabulaire progressif du francais
Pavi Belussi
 

En vedette (20)

7exercices loi-normale-et-corriges-www.coursdefsjes.com
7exercices loi-normale-et-corriges-www.coursdefsjes.com7exercices loi-normale-et-corriges-www.coursdefsjes.com
7exercices loi-normale-et-corriges-www.coursdefsjes.com
 
Intelligence somatique pour coachs et facilitateurs - Fiche pédagogique
Intelligence somatique pour coachs et facilitateurs - Fiche pédagogiqueIntelligence somatique pour coachs et facilitateurs - Fiche pédagogique
Intelligence somatique pour coachs et facilitateurs - Fiche pédagogique
 
Algorithmique et programmation michael griffith
Algorithmique et programmation michael griffithAlgorithmique et programmation michael griffith
Algorithmique et programmation michael griffith
 
Algorithmique
AlgorithmiqueAlgorithmique
Algorithmique
 
Les homophones grammaticaux
Les homophones grammaticauxLes homophones grammaticaux
Les homophones grammaticaux
 
Le cryptage et le décryptage
Le cryptage et le décryptageLe cryptage et le décryptage
Le cryptage et le décryptage
 
Exercices triphase
Exercices triphaseExercices triphase
Exercices triphase
 
Algorithmique au cycle 3
Algorithmique au cycle 3Algorithmique au cycle 3
Algorithmique au cycle 3
 
Algorithme DPLL
Algorithme DPLLAlgorithme DPLL
Algorithme DPLL
 
TD La fonction logarithme exercices corrigés - SOUFIANE MERABTI
TD La fonction logarithme exercices corrigés -  SOUFIANE MERABTITD La fonction logarithme exercices corrigés -  SOUFIANE MERABTI
TD La fonction logarithme exercices corrigés - SOUFIANE MERABTI
 
Merise exercicesmcdcorriges-121007174045-phpapp01
Merise exercicesmcdcorriges-121007174045-phpapp01Merise exercicesmcdcorriges-121007174045-phpapp01
Merise exercicesmcdcorriges-121007174045-phpapp01
 
Chap1 introduction à l'algoritmique
Chap1 introduction à l'algoritmiqueChap1 introduction à l'algoritmique
Chap1 introduction à l'algoritmique
 
Implémentation des principaux algorithmes de chiffrements en Java
Implémentation des principaux algorithmes de chiffrements en JavaImplémentation des principaux algorithmes de chiffrements en Java
Implémentation des principaux algorithmes de chiffrements en Java
 
Rapport Projet Module Complexité
Rapport Projet Module ComplexitéRapport Projet Module Complexité
Rapport Projet Module Complexité
 
7 exercices-remediations-jc jost
7 exercices-remediations-jc jost7 exercices-remediations-jc jost
7 exercices-remediations-jc jost
 
Algorithme distribués pour big data saison 2 @DevoxxFR 2016
Algorithme distribués pour big data saison 2 @DevoxxFR 2016Algorithme distribués pour big data saison 2 @DevoxxFR 2016
Algorithme distribués pour big data saison 2 @DevoxxFR 2016
 
Chapitre 2 problème de plus court chemin
Chapitre 2 problème de plus court cheminChapitre 2 problème de plus court chemin
Chapitre 2 problème de plus court chemin
 
Algorithme de chiffrement RC4, A5/1 & A5/2
Algorithme de chiffrement RC4, A5/1 & A5/2Algorithme de chiffrement RC4, A5/1 & A5/2
Algorithme de chiffrement RC4, A5/1 & A5/2
 
Intelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de rechercheIntelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de recherche
 
Niveau intermediaire vocabulaire progressif du francais
Niveau intermediaire vocabulaire progressif du francaisNiveau intermediaire vocabulaire progressif du francais
Niveau intermediaire vocabulaire progressif du francais
 

Similaire à cours de complexité algorithmique

Traitement des données massives (INF442, A2)
Traitement des données massives (INF442, A2)Traitement des données massives (INF442, A2)
Traitement des données massives (INF442, A2)
Frank Nielsen
 
2-Algo.ppt
2-Algo.ppt2-Algo.ppt
2-Algo.ppt
Megaouibbillel
 
Asd1
Asd1Asd1
TDD où l’art de développer à l’endroit
TDD où l’art de développer à l’endroitTDD où l’art de développer à l’endroit
TDD où l’art de développer à l’endroit
EspritAgile
 
Ippon: Doing multi-criteria queries on a Cassandra application (Français)
Ippon: Doing multi-criteria queries on a Cassandra application (Français)Ippon: Doing multi-criteria queries on a Cassandra application (Français)
Ippon: Doing multi-criteria queries on a Cassandra application (Français)
DataStax Academy
 
Requêtes multi-critères avec Cassandra
Requêtes multi-critères avec CassandraRequêtes multi-critères avec Cassandra
Requêtes multi-critères avec Cassandra
Julien Dubois
 
jeu dispersion 6 sigma
jeu dispersion 6 sigmajeu dispersion 6 sigma
jeu dispersion 6 sigma
CIPE
 
Methodes_de_maintenance_TPM_Totale_Produ.pdf
Methodes_de_maintenance_TPM_Totale_Produ.pdfMethodes_de_maintenance_TPM_Totale_Produ.pdf
Methodes_de_maintenance_TPM_Totale_Produ.pdf
TouhemiSyrina
 
Iut lyon 1 introduction à l'agilité - 20 juin 2012
Iut lyon 1   introduction à l'agilité - 20 juin 2012Iut lyon 1   introduction à l'agilité - 20 juin 2012
Iut lyon 1 introduction à l'agilité - 20 juin 2012
agnes_crepet
 
MyCv
MyCv MyCv
Polarion webinaire valeur(s) 2018 10 18
Polarion webinaire valeur(s) 2018 10 18Polarion webinaire valeur(s) 2018 10 18
Polarion webinaire valeur(s) 2018 10 18
Olaf de Hemmer Gudme
 
Gestion programme moussanada avec openerp
Gestion programme moussanada avec openerpGestion programme moussanada avec openerp
Gestion programme moussanada avec openerp
HORIYASOFT
 
jeu stratégie de maintenance
jeu stratégie de maintenancejeu stratégie de maintenance
jeu stratégie de maintenance
CIPE
 
Jeu gestion de projets distanciel
Jeu gestion de projets distancielJeu gestion de projets distanciel
Jeu gestion de projets distanciel
Nadia Gharbi
 
Cours 01.pptx
Cours 01.pptxCours 01.pptx
Cours 01.pptx
azzazrachid1
 

Similaire à cours de complexité algorithmique (20)

Traitement des données massives (INF442, A2)
Traitement des données massives (INF442, A2)Traitement des données massives (INF442, A2)
Traitement des données massives (INF442, A2)
 
2-Algo.ppt
2-Algo.ppt2-Algo.ppt
2-Algo.ppt
 
Nouvelles Acquisitions Décembre 2009
Nouvelles Acquisitions Décembre 2009Nouvelles Acquisitions Décembre 2009
Nouvelles Acquisitions Décembre 2009
 
rapport
rapportrapport
rapport
 
Asd1
Asd1Asd1
Asd1
 
TDD où l’art de développer à l’endroit
TDD où l’art de développer à l’endroitTDD où l’art de développer à l’endroit
TDD où l’art de développer à l’endroit
 
Ippon: Doing multi-criteria queries on a Cassandra application (Français)
Ippon: Doing multi-criteria queries on a Cassandra application (Français)Ippon: Doing multi-criteria queries on a Cassandra application (Français)
Ippon: Doing multi-criteria queries on a Cassandra application (Français)
 
Requêtes multi-critères avec Cassandra
Requêtes multi-critères avec CassandraRequêtes multi-critères avec Cassandra
Requêtes multi-critères avec Cassandra
 
jeu dispersion 6 sigma
jeu dispersion 6 sigmajeu dispersion 6 sigma
jeu dispersion 6 sigma
 
Methodes_de_maintenance_TPM_Totale_Produ.pdf
Methodes_de_maintenance_TPM_Totale_Produ.pdfMethodes_de_maintenance_TPM_Totale_Produ.pdf
Methodes_de_maintenance_TPM_Totale_Produ.pdf
 
Tp1 corr
Tp1 corrTp1 corr
Tp1 corr
 
Iut lyon 1 introduction à l'agilité - 20 juin 2012
Iut lyon 1   introduction à l'agilité - 20 juin 2012Iut lyon 1   introduction à l'agilité - 20 juin 2012
Iut lyon 1 introduction à l'agilité - 20 juin 2012
 
Tebessa mathfloss
Tebessa mathflossTebessa mathfloss
Tebessa mathfloss
 
MyCv
MyCv MyCv
MyCv
 
Polarion webinaire valeur(s) 2018 10 18
Polarion webinaire valeur(s) 2018 10 18Polarion webinaire valeur(s) 2018 10 18
Polarion webinaire valeur(s) 2018 10 18
 
Gestion programme moussanada avec openerp
Gestion programme moussanada avec openerpGestion programme moussanada avec openerp
Gestion programme moussanada avec openerp
 
Dynoptim
DynoptimDynoptim
Dynoptim
 
jeu stratégie de maintenance
jeu stratégie de maintenancejeu stratégie de maintenance
jeu stratégie de maintenance
 
Jeu gestion de projets distanciel
Jeu gestion de projets distancielJeu gestion de projets distanciel
Jeu gestion de projets distanciel
 
Cours 01.pptx
Cours 01.pptxCours 01.pptx
Cours 01.pptx
 

Dernier

Burkina Faso libraries newsletter for June 2024
Burkina Faso libraries newsletter for June 2024Burkina Faso libraries newsletter for June 2024
Burkina Faso libraries newsletter for June 2024
Friends of African Village Libraries
 
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
Editions La Dondaine
 
1eT Revolutions Empire Revolution Empire
1eT Revolutions Empire Revolution Empire1eT Revolutions Empire Revolution Empire
1eT Revolutions Empire Revolution Empire
NadineHG
 
Chap1 Généralités sur les réseaux informatiques.pdf
Chap1 Généralités sur les réseaux informatiques.pdfChap1 Généralités sur les réseaux informatiques.pdf
Chap1 Généralités sur les réseaux informatiques.pdf
TimogoTRAORE
 
Zineb Mekouar.pptx Écrivaine marocaine
Zineb Mekouar.pptx   Écrivaine  marocaineZineb Mekouar.pptx   Écrivaine  marocaine
Zineb Mekouar.pptx Écrivaine marocaine
Txaruka
 
MS-203 Microsoft 365 Messaging Study Guide to prepare the certification
MS-203 Microsoft 365 Messaging Study Guide to prepare the certificationMS-203 Microsoft 365 Messaging Study Guide to prepare the certification
MS-203 Microsoft 365 Messaging Study Guide to prepare the certification
OlivierLumeau1
 
Auguste Herbin.pptx Peintre français
Auguste   Herbin.pptx Peintre   françaisAuguste   Herbin.pptx Peintre   français
Auguste Herbin.pptx Peintre français
Txaruka
 
MARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptx
MARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptxMARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptx
MARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptx
Martin M Flynn
 
1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif
NadineHG
 
[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf
[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf
[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf
mcevapi3
 

Dernier (10)

Burkina Faso libraries newsletter for June 2024
Burkina Faso libraries newsletter for June 2024Burkina Faso libraries newsletter for June 2024
Burkina Faso libraries newsletter for June 2024
 
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
La Révolution Bénédictine Casadéenne du Livradois-Forez: De Charlemagne à Fra...
 
1eT Revolutions Empire Revolution Empire
1eT Revolutions Empire Revolution Empire1eT Revolutions Empire Revolution Empire
1eT Revolutions Empire Revolution Empire
 
Chap1 Généralités sur les réseaux informatiques.pdf
Chap1 Généralités sur les réseaux informatiques.pdfChap1 Généralités sur les réseaux informatiques.pdf
Chap1 Généralités sur les réseaux informatiques.pdf
 
Zineb Mekouar.pptx Écrivaine marocaine
Zineb Mekouar.pptx   Écrivaine  marocaineZineb Mekouar.pptx   Écrivaine  marocaine
Zineb Mekouar.pptx Écrivaine marocaine
 
MS-203 Microsoft 365 Messaging Study Guide to prepare the certification
MS-203 Microsoft 365 Messaging Study Guide to prepare the certificationMS-203 Microsoft 365 Messaging Study Guide to prepare the certification
MS-203 Microsoft 365 Messaging Study Guide to prepare the certification
 
Auguste Herbin.pptx Peintre français
Auguste   Herbin.pptx Peintre   françaisAuguste   Herbin.pptx Peintre   français
Auguste Herbin.pptx Peintre français
 
MARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptx
MARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptxMARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptx
MARTYRS DE HOLLANDE - La révolte hollandaise et les guerres de religion..pptx
 
1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif
 
[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf
[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf
[218_phot_d'Autriche-Hongrie_et_des_[...]Vaffier_Hubert_btv1b8594559c.pdf
 

cours de complexité algorithmique

  • 1. Enseignants: Dr. Atef MASMOUDI & Dr. Ameur CH’HAYDER AU: 2015-2016 17/12/2015 1Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 https://www.facebook.com/groups/informatique.prepas
  • 2. L thé i d l l ité l ith i i à La théorie de la complexité algorithmique vise à: ◦ classer les problèmes selon leur difficulté, classer les algorithmes selon leur efficacité◦ classer les algorithmes selon leur efficacité, ◦ comparer les algorithmes résolvant un même problème. Proposer en Python deux programmes différentsProposer en Python deux programmes différents pour vérifier la primalité d’un entier n? Proposer en Python deux programmes différents pour calculer xn?pour calculer xn? 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 2 https://www.facebook.com/groups/informatique.prepas
  • 3.  Pour mesurer le temps d'exécution d’un programme en Python nous pouvons simuler un chronomètre : ◦ on le déclenche juste avant le début du programmeon le déclenche juste avant le début du programme, ◦ on l'arrête juste après la fin du programme, ◦ le temps écoulé entre les deux pressions est la durée qui nous intéresse.  En Python, on peut simuler un chronomètre grâce au module time ; Exemple: f i i *from time import * debut = time() # on déclenche le chronomètre # votre programmeot e p og a e fin = time() # on arrête le chronomètre print(’Temps écoulé:’, fin - debut, ’ secondes’) 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 3 https://www.facebook.com/groups/informatique.prepas
  • 4. Ecrire un programme Python pour vérifier la i lité d ?primalité de n? Programme naïf: vérifier si n possède un diviseur dans l’intervalle [2,n-1] 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 4 https://www.facebook.com/groups/informatique.prepas
  • 5. Ecrire un programme Python pour vérifier la primalité de n?primalité de n? Programme rapide: vérifier si n possède un diviseur dans l’intervalle [2 n]l intervalle [2,n], 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 5 https://www.facebook.com/groups/informatique.prepas
  • 6. Ecrire un programme Python pour calculer xn? Méthode classique: Xn x*x* *xXn=x*x*………….*x n foisn fois 17/12/2015 6 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 https://www.facebook.com/groups/informatique.prepas
  • 7. Exponentiation rapide 17/12/2015 7Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 https://www.facebook.com/groups/informatique.prepas
  • 8. D l’ét d d l ité d’ l ithDans l’étude de complexité d’un algorithme on ne mesure pas la durée en heures, minutes, secondes, ...: ◦ cela impliquerait d'implémenter les algorithmes qu'oncela impliquerait d implémenter les algorithmes qu on veut comparer ; ◦ de plus, ces mesures ne seraient pas pertinentes car le même algorithme sera plus rapide sur une machine plus puissante ; L’étude de complexité consiste donc à utiliser des unités de temps abstraites proportionnellesdes unités de temps abstraites proportionnelles au nombre d'opérations effectuées ; On pourra par la suite adapter ces quantités enOn pourra par la suite adapter ces quantités en fonction de la machine sur laquelle l'algorithme s'exécute ; 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 8 s exécute ; https://www.facebook.com/groups/informatique.prepas
  • 9.  La complexité temporelle d'un algorithme consiste à calculer le nombre d'opérationsconsiste à calculer le nombre d opérations élémentaires (affectations, comparaisons, opérations arithmétiques,…) effectuées par unp q , ) p algorithme.  Ce nombre s'exprime en fonction de la taille n des données.  On s'intéresse: ◦ La complexité au pire: temps d'exécution maximum, dans le cas le plus défavorable. ◦ La complexité au mieux: temps d'exécution minimumLa complexité au mieux: temps d exécution minimum, dans le cas le plus favorable. ◦ La complexité moyenne: temps d'exécution dans un cas édi d t d' é timédian, ou moyenne des temps d'exécution.  Le plus souvent, on calcule la complexité au pire, car on veut borner le temps d'exécutioncar on veut borner le temps d exécution 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 9 https://www.facebook.com/groups/informatique.prepas
  • 10.  Calculer le coût d’un programme revient à calculer le Calculer le coût d un programme revient à calculer le nombre d’opérations effectuées en fonction de la taille des données  Pour déterminer le coût d’un algorithme, on se fonde en général sur le modèle de complexité suivant : ff l’é l d’◦ Une affectation, une comparaison ou l’évaluation d’une expression arithmétique (+,-,/,*,//,%,**) ayant en général un faible temps d’exécution considéré commegénéral un faible temps d exécution considéré comme l’unité de mesure du coût d’un algorithme. ◦ Le coût des instructions p et q en séquence est laLe coût des instructions p et q en séquence est la somme des coûts de l’instruction p et de l’instruction q. 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 10 https://www.facebook.com/groups/informatique.prepas
  • 11. ◦ Le coût d’un test if◦ Le coût d un test if if b: p else: q Le coût d’un test est égal au maximum des coûts des instructionsLe coût d’un test est égal au maximum des coûts des instructions p et q, plus le temps d’évaluation de l’expression b. ◦ Le coût d’une boucle for for i in range(n): p L û d’ b l f é l b d é é i iLe coût d’une boucle for est égal au nombre de répétitions multiplié par le coût du bloc d’instructions p. Quand le coût de p dépend de la valeur de i, le coût total de laQ p p , boucle est la somme des coûts de p pour chaque valeur de i. 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 11 https://www.facebook.com/groups/informatique.prepas
  • 12. ◦ Le cas d’une boucle while◦ Le cas d une boucle while while condition: pp Le cas d’une boucle while est plus complexe à traiterp p puisque le nombre de répétitions n’est en général pas connu a priori. On peut majorer le coût de l’exécution de la boucle par l b d é étiti ff t éle nombre de répétitions effectuées. 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 12 https://www.facebook.com/groups/informatique.prepas
  • 13.  Exemple: Exemple: ◦ Calculer la factorielle d’un entier n 1 affectation (n-1) itérations 1 affectation + 1 multiplication 1 renvoi Le coût de l’algorithme = Nombre total d’opérationsLe coût de l algorithme = Nombre total d opérations 1 Affectation + (n-1) *( 1 affectation + 1 multiplication)+1 renvoi f( ) 1+ ( 1)*2+1 2* 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 13 f(n)=1+ (n-1)*2+1=2*n https://www.facebook.com/groups/informatique.prepas
  • 14.  Exemple: Exemple: ◦ Vérifier la primalité d’un entier n (n-2) itérations 1 reste + 1 comparaison1 reste + 1 comparaison 1 renvoi 1 renvoi   f1(n)=(n-2)*2+1 =2n-3 (n-1) itérations 1 reste + 1 comparaison 1 renvoi 1 renvoi f2(n)=(n-1)*2+1n=2**31-1 f1( ) 4294967293 14 =2*n-1f1(n)= 4294967293 f2(n)= 92679 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 https://www.facebook.com/groups/informatique.prepas
  • 15.  Exemple: Calculer xn Exemple: Calculer x 1 affectation n itérations 1 affectation + 1 multiplication 1 renvoi f1(n)=1+n*2+1 2 2 1 affectation (log2(n)) itérations 1 i =2n+2 1 comparaison 1 reste + 1 comparaison 1 affectation + 1 multiplication 1 affectation + 1 division1 affectation + 1 division 1 affectation + 1 multiplication 1 renvoi f2(n)=1+ (log2(n)+1) *(1+2+2+2)2 + (log2(n)+1) *2+1 =9*log2(n)+11 La représentation binaire de n nécessite (log2(n)+1) bits û l (l ( ) ) b 9 l ( ) 15 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 Le coût maximal sur (log2(n)+1) bits = 9*log2(n)+11 X=3 et n=2**20-1 f1(n)= 2097152 et f2(n)=182 https://www.facebook.com/groups/informatique.prepas
  • 16. Calculer le coût des programmes suivantsp g 1 affectation n itérations 1 affectation + 1 addition 1 renvoi f1(n)=1+n*2+1 2 2=2n+2 1 affectation n itérations n itérations 1 affectation + 1 addition + 1 multiplication 1 renvoi f2(n)=1+n*n*3+1 =3n2+2 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 16 https://www.facebook.com/groups/informatique.prepas
  • 17. Calculer le coût des programmes suivantsp g 1 affectation n itérations i itérationsi itérations 1 affectation + 1 addition + 1 multiplication 1 renvoi f1(n)=1+(n*(n+1)/2)*3+1 =(3/2)n2+(3/2)n+2 1 affectation log2(n)  itérations 1 affectation + 1 multiplication 1 condition 1 condition 1 renvoi l ( )  17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 17 f2(n)=1+log2(n) *3+1+1 =3*log2(n) +3 https://www.facebook.com/groups/informatique.prepas
  • 18.  Généralement, la complexité d'un algorithme est une mesure de sa performance asymptotique dans le pire cas ;  Que signifie ‘asymptotique’ ? ◦ on s'intéresse à des données très grandes ;  Que signifie ‘dans le pire cas’ ? ◦ on s'intéresse à la performance de l'algorithme dans les situations où le problème prend le plus de temps.  Pourquoi ? ê û◦ pour être sûr que l'algorithme ne prendra jamais plus de temps que ce qu'on a estimé. Ce qui correspond à donner une majoration du nombre d’opérationsdonner une majoration du nombre d opérations effectuées par l’algorithme. 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 18 https://www.facebook.com/groups/informatique.prepas
  • 19.  On dit que la complexité de l'algorithme est O(g(n)) ou g est d'habitude une combinaison de polynômes, logarithmes oup y g exponentielles.  Ce qui signifie que le nombre d'opérations Ce qui signifie que le nombre d opérations effectuées, noté par f(n), est borné par C*g(n) ou C est une constante lorsque nC g(n), ou C est une constante, lorsque n tend vers l'infini. 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 19 https://www.facebook.com/groups/informatique.prepas
  • 20. Si f et g sont deux fonctions positives réelles: f(n) = O(g(n)) si et seulement si le rapport f/g estf(n) = O(g(n)) si et seulement si le rapport f/g est borné a l'infini (f est dominée par g): ◦ ∃C>0 ∃n >0 n>n f(n) ≤ C*g(n)◦ ∃C>0, ∃n0>0, n>n0, f(n) ≤ C g(n) 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 20 https://www.facebook.com/groups/informatique.prepas
  • 21.  La notation O dite notation de Landau vérifie La notation O, dite notation de Landau, vérifie les propriétés suivantes :  si f=O(g) et g=O(h) alors f=O(h) i f O( ) t >0 l *f O( ) si f=O(g) et a>0, alors a*f=O(g)  si f1=O(g1) et f2=O(g2) alors f1+f2 = O(g1+g2) f ( ) f ( ) l f f ( ) si f1=O(g1) et f2=O(g2) alors f1*f2 = O(g1*g2) 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 21 https://www.facebook.com/groups/informatique.prepas
  • 22. Si f et g sont deux fonctions positives réelles: f(n) = (g(n)) ⇒ g est une borne inférieuref(n) = (g(n)) ⇒ g est une borne inférieure asymptotique pour f: ◦ ∃C>0 ∃n >0 n>n C*g(n) ≤f(n)◦ ∃C>0, ∃n0>0, n>n0, C g(n) ≤f(n) 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 22 https://www.facebook.com/groups/informatique.prepas
  • 23. Si f et g sont deux fonctions positives réelles:  f(n) = Θ(g(n)) ⇒f et g ont le même ordre de grandeur : f(n) = Θ(g(n)) ⇒f et g ont le même ordre de grandeur : ◦ ∃c1,c2>0, ∃n0>0, n>n0, c1*g(n) ≤ f(n) ≤c2*g(n) 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 23 https://www.facebook.com/groups/informatique.prepas
  • 24.  O(1) : complexité constante, pas d'augmentation du O(1) : complexité constante, pas d augmentation du temps d'exécution quand le paramètre croit. ◦ Exemple: affectation, comparaison, …  O(log(n)) : complexité logarithmique augmentation O(log(n)) : complexité logarithmique, augmentation très faible du temps d'exécution quand le paramètre croit. ◦ Exemple: conversion du décimal au binaireExemple: conversion du décimal au binaire  O(n) : complexité linéaire, augmentation linéaire du temps d'exécution quand le paramètre croit (si le paramètre double le temps double)paramètre double, le temps double). ◦ Exemple: somme des n premiers entiers naturels  O(n*log(n)) : complexité quasi-linéaire, augmentation un peu supérieure a O(n)un peu supérieure a O(n).  Exemple: calculer la somme des chiffres des n premiers entiers naturels 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 24 https://www.facebook.com/groups/informatique.prepas
  • 25.  O(n2) : complexité quadratique, quand le O(n ) : complexité quadratique, quand le paramètre double, le temps d'exécution est multiplie par 4. ◦ Exemple : algorithmes avec deux boucles imbriquées◦ Exemple : algorithmes avec deux boucles imbriquées.  O(ni) : complexité polynomiale, quand le paramètre double, le temps d'exécution est lti li 2imultiplie par 2i. ◦ Exemple : algorithme utilisant i boucles imbriquées.  O(an) : complexité exponentielle, quand le( ) p p , q paramètre double, le temps d'exécution est élevé à la puissance 2.  O(n!) : complexité factorielle asymptotiquement O(n!) : complexité factorielle, asymptotiquement équivalente à nn 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 25 https://www.facebook.com/groups/informatique.prepas
  • 26. 17/12/2015Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 26 https://www.facebook.com/groups/informatique.prepas
  • 27. On suppose qu’on dispose d’un ordinateur capable deOn suppose qu on dispose d un ordinateur capable de réaliser 109 opérations/seconde 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 27 https://www.facebook.com/groups/informatique.prepas
  • 28.  Les instructions de base (affectation, comparaison,p opération arithmétique,) prennent un temps constant, noté O(1)  On additionne les complexités d'opérations en séquence : Instruction p O(f1(n)) I i O(f2( ))Instruction q O(f2(n)) O(f1(n)) + O(f2(n)) = O(f1(n) + f2(n)) =O(max(f1(n), f2(n))) L b h t diti l Les branchements conditionnels : 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 28 = O(max(f1(n) , f2(n), g(n))) https://www.facebook.com/groups/informatique.prepas
  • 29.  La complexité d’une boucle for est égal au nombre d’itérations multiplié par la complexité de l’instruction p si ce dernier ne dépend pas de la valeur de i. O(n*f(n))  La complexité d’une boucle while: = O(m*max(g(n) , f(n))) 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 29 https://www.facebook.com/groups/informatique.prepas
  • 30.  Pour calculer la complexité d'un programme :p p g 1. on calcule la complexité de chaque partie du programme; 2. on combine ces complexités conformément aux règles ' i d iqu'on vient de voir ; 3. on simplifie le résultat grâce aux règles de simplifications suivantes:simplifications suivantes: ◦ On remplace les constantes multiplicatives par 1, ◦ On annule les constantes additives ;◦ On annule les constantes additives ; ◦ On conserve le terme dominant. 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 30 https://www.facebook.com/groups/informatique.prepas
  • 31. Exemple: g(n)=5n3-6n2+4p g ◦ On remplace les constantes multiplicatives par 1, 1n3-1n2+4 ◦ On annule les constantes additives ; ◦ 1n3-1n2 ◦ On conserve le terme dominant. ◦ n3-n2 l ( ) ( 3)◦ Solution g(n)=O(n3) 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 31 https://www.facebook.com/groups/informatique.prepas
  • 32. O(1) n-1 itérations O(n) O(1)  La complexité de la fonction: O(1)  La complexité de la fonction: 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 32 https://www.facebook.com/groups/informatique.prepas
  • 33. O(n) O(n)O(n) O(n) 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 33 https://www.facebook.com/groups/informatique.prepas
  • 34. O(log(n)) O(log(n)) O(log(n)) 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 34 https://www.facebook.com/groups/informatique.prepas
  • 35. O(n2) O(n2)O(n2) O(n*log(n)) 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 35 https://www.facebook.com/groups/informatique.prepas
  • 36.  Montrez que la complexité de la fonction suivante estq p quadratique en n, c’est-à-dire en O(n2) 1 affectation n itérationsn itérations 1 affectation k itérations 1 affectation + 1 multiplication 1 affectation + 1 addition +1 division 1 renvoi f(n)=1+n+2*(n*(n-1)/2)+3*n+1 =n2+3*n+2 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 36 n +3 n+2 https://www.facebook.com/groups/informatique.prepas
  • 37.  Que fait cette fonction ? calcul de exp(1)  Donnez une version linéaire de cet algorithme, c’est-à- dire en O(n) 1 affectation 1 affectation1 affectation n itérations 1 affectation +1 Multiplication + 1 addition 1 affectation + 1 addition +1 division 1 renvoi f(n)=2+6*n+1 =6*n+3 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 37 6 n+3 https://www.facebook.com/groups/informatique.prepas
  • 38.  Complétez le tableau suivant. Il s’agit de calculer le nombre d’opérations nécessaire pour exécuter le programme en fonction de sa Complexité n=10 n=100 n=1000 complexité et de la taille du problème traité p n n2n n3 2n2 n log(n) 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 38 log(n) https://www.facebook.com/groups/informatique.prepas
  • 39.  Complétez le tableau suivant. é éIl s’agit de calculer le temps nécessaire pour exécuter un problème en supposant qu’on dispose d’un ordinateur capable de réaliser 109 opérations/seconde Complexité n=10 n=100 n=1000 ordinateur capable de réaliser 109 opérations/seconde n n2 n3 2n2 n log(n) 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 39 log(n) https://www.facebook.com/groups/informatique.prepas
  • 40.  Rangez les fonctions suivantes par ordre de Rangez les fonctions suivantes par ordre de grandeur croissant : n n*log(n) n log(n) n log2(n) n2 (3/2)n◦ n, n*log(n),n, log(n), n log2(n),n2, (3/2)n, n10, log2(n)  Calculer la complexité des programmes:  Premier et premier_rapide  Puissance et puissance_rapide 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 40 https://www.facebook.com/groups/informatique.prepas
  • 41.  Dire si les affirmations suivantes sont vrais Dire si les affirmations suivantes sont vrais ou fausses: ◦ 2n+3=O(n)◦ 2n+3=O(n) ◦ 2n+log(n)=O(n2) ◦ 2n7+5n4+3n2+1=O(n7)( ) ◦ 5n3+3nlog(n)+6n=O(n3) ◦ 3log(n)+2=O(log(n)) ◦ 2n+100log(n)=O(log(n)) ◦ 2n+2=O(2n) 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 41 https://www.facebook.com/groups/informatique.prepas
  • 42.  Quelle est la complexité de la fonction Quelle est la complexité de la fonction suivante: O(n2log(n)) 17/12/2015 Dr. Atef MASMOUDI & Dr. Ameur CH'HAYDER, IPEIS, AU:2015-2016 42 https://www.facebook.com/groups/informatique.prepas