Algorithme d'Euclide

Objectif s: ◦ Définir une famille d’algorithmes, et encapsuler chacun et les rendre interchangeables tout en assurant que chaque algorithme puisse évoluer indépendamment des clients qui l’utilisent Raison d’utilisation : ◦ Un objet doit pouvoir faire varier une partie de son algorithme dynamiquement. Résultat : ◦ Le Design Pattern permet d'isoler les algorithmes appartenant à une même famille d'algorithmes. Diagramme de classes • On crée donc une interface de base, appelée ici « Strategy

9  v n+1 = 6 − vn Partie A 1. On souhaite écrire un algorithme affichant, pour un entier naturel n donné, tous les termes de la suite, du rang 0 au rang n. Parmi les trois algorithmes suivants, un seul convient. Préciser lequel en justifiant la réponse. Algorithme No 1 Variables : v est un réel i et n sont des entiers naturels Algorithme No 2 Variables : v est un réel i et n sont des entiers naturels Algorithme No 3 Variables : v est un réel i et n sont des entiers naturels

dans un deuxième temps. De nature diverse, les activités doivent entraîner les élèves à : - chercher, expérimenter, modéliser, en particulier à l'aide d'outils logiciels ; - choisir et appliquer des techniques de calcul ; - mettre en œuvre des algorithmes ; - raisonner et interpréter, valider, exploiter des résultats ; - expliquer oralement une démarche, communiquer un résultat par oral ou par écrit. Des éléments d'histoire des mathématiques, des sciences et des techniques peuvent s'insérer dans

Bases d’algorithmique Christophe ROSSIGNOL∗ Année scolaire 2013/2014 Table des matières 1 Un peu de vocabulaire 2 1.1 Qu’est-ce qu’un algorithme ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2 Variable, affectation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2 Des structures importantes 3 2.1 l’instruction conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . .

STRUCTURES CONDITIONNELLES 1/2 1 DAIGL BTS Informatique de gestion 1€re ann•e 1. Introduction Nous avons vu jusqu’‚ prƒsent des algorithmes avec des instructions qui s’encha„nent de fa…on sƒquentielles, c'est-‚-dire qui vont s’exƒcuter les unes apr†s les autres. Toutefois, cela n’est pas toujours satisfaisant. Exemple : on veut €crire un algorithme permettant d’afficher le montant d’une commande d’imprimantes. Le prix unitaire d’une imprimante est de 255 €. A partir de cinq imprimantes

compensées par le fait qu’il n’y avait pas beaucoup de code à écrire et que les éléments fournis représentaient une aide non négligeable pour écrire les modules manquants. En particulier, vous aviez la syntaxe de la double boucle pour gérer la matrice. Algorithme Voici la proposition de correction algorithmique des trois modules : /** * affichage d’une image à partir d’une matrice */ procedure afficheImage(image[0..N-1,0..N-1]:entier) x, y : entier fin // affichage des carrés correspondant aux pixels pour

résultat. 4. a. On souhaite écrire un algorithme affichant pur un entier naturel n donné, tous les termes de la suite du rang 0 au rang n. Parmi les trois algorithmes suivants, un seul convient. Préciser lequel. Algorithme 1 Variables : A, U , N sont des nombres Début de l’algorithme : Saisir la valeur de A N prend la valeur 0 U prend la valeur 50 000 Tant que U < A N prend la valeur N + 1 U prend la valeur 0,95U + 3000 Fin tant que Afficher N Fin algorithme Algorithme 2 Variables : U , I , N sont des

ligne 9 il manque l'instruction : i ← i+1 c. Cet algorithme parcourt la chaîne de caractères et compte le nombre de fois où le caractère « a » apparaît. d. avec message = « J'aime les ananas ! », la valeur affichée est 4. avec message= « Avez vous appris votre cours? », la valeur affichée est 1. e. La condition à évaluer devrait être : message[i]= « a » ou message[i]= « A ». f. On pourrait modifier l'algorithme A1 de la manière suivante : Algorithme : A2 Variables numériques : CPT (tableau de taille

en place des modèles prédictif L’objectif est de trouver le meilleur algorithme permettant de predire en fonction de nos 11 variables descriptives la variable « class » identifiant le mot qui a été prononcé. Pour ce faire, nous allons tester les algorithmes suivant : arbre de decision (C4.5) Réseaux de neurone simple Réseaux de neurones avec couches cachées Réseaux bayésiens Analyse discriminante Le ou les meilleurs algorithmes seront ensuite optimisés afin d’obtenir la meilleur prédiction possible

Adaptative Search Procedure), Elle est adaptée aux problèmes dont les solutions se construisent pas à pas, comme le problème d’ordonnancement de tâches, dont la solution consistera en une certaine suite d’opérations à ordonner sur des machines. Son algorithme contient deux phases :  une phase de construction d’une solution  une étape d’amélioration de la solution 21 Projet de Recherche Opérationnel • Procédure methode_GRASP () { s*← Æ Répeter s’ ← ConstruireSolution() Améliorer(s’)  Si f(s’)