4 Dynam

Programmation dynamique
A. Principe général
B. Application
Triangle de Pascal
Série mondiale
Multiplication chaînée de matrices
Les plus courts chemins
Principe général
• Souvent, pour résoudre un problème de taille n, on s'aperçoit qu'il

est composé de plusieurs sous problèmes identiques. Si on résout
chaque sous exemplaire séparément sans tenir compte de cette
duplication on obtient un algorithme très inefficace. Par contre, si
on résout chaque sous exemplaire différent une seule fois(en
sauvegardant les résultats) on obtient un algorithme performant.
• Idée de base :
Éviter de calculer deux fois la même chose, normalement en

utilisant une table de résultats déjà calculés, remplie au fur et à
mesure qu'on résout les sous problèmes.
Principe général
• Remarques
— C'est une méthode ascendante :On commence d'habitude par les

sous problèmes les plus petits et on remonte vers les sous
problèmes de plus en plus difficile.
— La programmation dynamique est souvent employée pour

résoudre des problèmes d'optimisation satisfaisant le principe
d'optimalité : " Dans une séquence optimale (de décisions ou de
choix), chaque sous-séquence doit aussi être optimale".
Application 1 : Calcul de Cnp
• Formules
Cnp = Cn-1p-1 + Cn-1p
C00 = Cn0 = Cnn = 1
• On peut donner un algorithme récursif.

Application 1 : Calcul de Cnp

• On peut aussi faire le calcul par programmation dynamique.
(triangle de Pascal)
0 1 2 3 4
0! 1
1! 1 1
2! 1 2 1
3! 1 3 3 1
4! 1 4 6 4 1
Application 2 : Série mondiale
• A et B disputent une série de matchs( au maximum 2n-1).
• L'équipe gagnante est celle qui reporte n victoires.
• La probabilité que A gagne est une partie = q1

• La probabilité que B gagne est une partie = q2
• On définit P(i, j) comme la probabilité que A remporte la série,

sachant qu'elle doit encore gagner i victoires contre B j victoires.
• On a ainsi :
P(0, j) = 1 ( A a déjà gagné la série et j > 0)

P(i, 0) = 0 ( A a déjà perdu la série et i > 0)
• P(0, 0) indéfini
• P(i, j) = q1*P(i-1, j) + q2*P(i, j-1) i, j > 0

• Algorithme récursif :
P(i, j) :
Si i = 0 et j > 0 :
P := 1
Sinon
Si i > 0 et j = 0 : P := 1
Sinon
Si i > 0 et j > 0 :
P:=q1*P(i-1,j) + q2*P(i, j-1)

• T(k) = temps d'exécution de P(i, j) avec k = i+j
• Équation de récurrence :
T(k) = 2T(k-1) + b
• Solution :
T(k) = C12k + C2
==> O(2k) = O(2i+j)
• P(n, n) = O(4n)

• Programmation dynamique
P(i, j)
Pour S = 1, i+j
P[0, S] := 1
P[S, 0] := 0
Pour k=1, S-1
P[k, S-k] := q1P[k-1, S-k] + q2P[k, S-k-1]
Finpour
Finpour
• C'est O(n2)

• Utilisation d'une table:
0 1 2 3 4
0 1 1 1 1
1 0 1/2 3/4 7/8 15/16
2 0 1/4 1/2 11/16 13/16
3 0 1/8 5/16 1/2 21/32
4 0 1/16 3/16 11/32 1/2
Application 3 : Les plus courts chemins (Algorithme de Floyd)
• Le problème consiste à trouver les plus courts chemins entre

chaque couple de sommets d’un graphe.
• C’est un problème d’optimisation et il vérifie le principe

d’optimalité :
Si le plus court chemin entre A et B passe par un sommet C, alors
les sous-chemins A-C et C-B sont aussi optimaux.
• Soit L la matrice associée à un graphe G, on a donc L[i,j]

représentant le coût de l’arc entre i et j. Si i=j on prendra L[i,j] = 0
et s’il n’y a pas d’arc entre les sommet i et j alors L[i,j] = ∞.

• Le principe de l’algorithme et de construire une matrice D
(initialisée à L) et qui contiendra après chaque itération k, les plus
courts chemins entre chaque paire de sommets (i,j), ne passant que
par les sommets appartenant à l’ensemble {1,2,3,..k}.
• Après l’itération n, D contiendra les plus courts chemins entre

chaque paire de sommets.
• A l’étape k on calcule les nouvelle valeurs de D pour chaque paire

de sommet de la façon suivante :
• Dk[i,j] = min ( Dk-1[i,j] , Dk-1[i,k] + Dk-1[k,j] )


Exemple :
• La matrice associée est L ( = D0) :
0 1 3
∞ 0 1
1 3 0
• - Étape 1 on vérifie si le sommet 1 peu améliorer les chemins

existant, on aura la matrice D1 :
0 1 3
∞ 0 1
1 2 0
• - Étape 2, construction de D2 :
0 1 2
∞ 0 1
1 2 0
• - Étape 3, construction de D3 :
0 1 2
2 0 1
1 2 0
Application 3 : Les plus courts chemins(Algorithme de Floyd)

• PROCEDURE Floyd ( L , var D )
D := L;
Pour k := 1 , n
Pour i := 1 , n
Pour j := 1 , n
D[i,j] := min ( D[i,j] , D[i,k] + D[k,j] )
Fpour
Fpour
Fpour
• Cet algorithme est en o(n3).

Application 4 : Multiplication chaînée de matrices

• On veut calculer le produit de n matrices données :
M = M1 * M2 * ... Mn
• Comme le produit matriciel est associatif, il y a plusieurs façon de

calculer ce produit :
M = (...(M1 * M2 )* M3)... Mn)

M = (M1 * M2 )*(M3 * M4) * ... Mn)
.........
M = (M1 * (M2 * ... (Mn-1 * Mn)...)
• Un produit de deux matrice A(p,q) et B(q,r) nécessite p*q*r

multiplications de scalaires et donne comme résultat une matrice
C(p,r)
• Il en découle que le nombre d’opérations élémentaires nécessaire

pour calculer M, dépend de la façon dont on a inséré les
parenthèses.

• Exemples : Soit à calculer M = A * B * C * D , A(13,5) B(5,89)
C(89,3) D(3,34)
• Il existe 5 façons de calculer M et pour chacune d’elles on donnera
le nombre de multiplications nécessaire :
— ((A B) C) D nécessite 10 582 mult.

— (A B) (C D) nécessite 54 201 mult.
— (A (B C)) D nécessite 2 856 mult.
— A ((B C) D) nécessite 4 055 mult.
— A (B (C D)) nécessite 26 418 mult.
• Le problème est de trouver la meilleur façon d’insérer les

parenthèses pour calculer M, c-a-d celle qui minimise le nombre
de multiplications élémentaires.
• Une méthode directe pour résoudre ce problème est de générer

tous les cas possibles et choisir le meilleur d’entre eux.

• Pour un produit de n matrices il existe T(n) manière d’insérer des
parenthèses,
n −1
T( n ) = ∑ T( i ) T( n − i )
i=1
n 1 2 3 4 10 15
T(n) 1 1 2 5 4862 2 674 440
Nombres de Catalan.
avec T(1) = 1 on a T(10) = 4 862 et T(15) = 2 674 440, en fait ce
nombre croît en Ω(4n/n2)
• Donc trouver la meilleure façon d’insérer des parenthèses dans un

produit de n matrices la méthode directe est très inefficace.

• On remarque que ce problème vérifie le principe d’optimalité :
• Si la meilleure façon d’insérer des parenthèses consiste à couper
entre la matrice Mi et Mi+1, c’est à dire M = Prod (M1,M2 ... Mi) *
Prod (Mi+1,...Mn); alors les deux sous produits doivent être
découpés de façon optimale.
• En procédant par programmation dynamique, on construit une

table m(i,j) (1 ≤ i ≤ j ≤ n)
• où chaque élément m[i,j] donnera le plus petit nombre de

multiplications nécessaire pour calculer le produit Mi * Mi+1 * ...
Mj

• Les dimensions des matrices Mj sont données dans un vecteur d(i)
(0 ≤ i ≤ n) tel que Mk est de dimension (d[k-1] , d[k] ).
• La construction de la matrice se fera diag / diag . La diagonale s
contient les m[i,j] tel que j-i=s.
• Pour s = 0 m[i,i] = 0
• Pour s = 1 m[i,i+1] = d[i-1] * d[i] * d[i+1]
• pour 1<s<n
m[i,i+s] = min (m[i,k]+m[k+1,i+s] + d[i-1]*d[k]*d[i+s])
≤ k ≤ i+s-1
i = 1, 2, …n-s

• Exemple
• d = ( 13, 5, 89, 3, 34 )
• pour s = 1
m12 = 5785 m23=1335 m34=9078
• pour s = 2
m13=min(m11+m23+13*5*3, m12+m33 +13*89*3 )
=min(1350, 9256) = 1530
m24=min(m22+m34+5*89*34, m23+m44+5*3*34)
=min(24208, 1845) = 1845

• pour s = 3
m14= min ( m11 + m24 + 13 * 5 * 34,
m12 + m34 + 13 * 89 * 34,
m13 + m44 + 13 * 3 * 34 )
= min (4055, 54201, 2856) = 2856

J=1 2 3 4
i= 1 0 5785 1530 2856
S=3
2 0 1335 1845
S=2
3 0 9078
S=1
4 0
S=0

4 Dynam

Transféré par

Droits d'auteur :

Formats disponibles

4 Dynam

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

4 Dynam

Transféré par

Droits d'auteur :

Formats disponibles

Programmation dynamique

• Souvent, pour résoudre un problème de taille n, on s'aperçoit qu'il

Éviter de calculer deux fois la même chose, normalement en

— C'est une méthode ascendante :On commence d'habitude par les

— La programmation dynamique est souvent employée pour

Application 1 : Calcul de Cnp

C00 = Cn0 = Cnn = 1

• On peut donner un algorithme récursif.

Application 1 : Calcul de Cnp

Application 2 : Série mondiale

• A et B disputent une série de matchs( au maximum 2n-1).

• L'équipe gagnante est celle qui reporte n victoires.

• La probabilité que A gagne est une partie = q1

Application 2 : Série mondiale

• On définit P(i, j) comme la probabilité que A remporte la série,

P(0, j) = 1 ( A a déjà gagné la série et j > 0)

Application 2 : Série mondiale

Application 2 : Série mondiale

Application 2 : Série mondiale

Application 2 : Série mondiale

Application 3 : Les plus courts chemins (Algorithme de Floyd)

• Le problème consiste à trouver les plus courts chemins entre

• C’est un problème d’optimisation et il vérifie le principe

Application 3 : Les plus courts chemins (Algorithme de Floyd)

• Soit L la matrice associée à un graphe G, on a donc L[i,j]

Application 3 : Les plus courts chemins (Algorithme de Floyd)

• Après l’itération n, D contiendra les plus courts chemins entre

• A l’étape k on calcule les nouvelle valeurs de D pour chaque paire

• Dk[i,j] = min ( Dk-1[i,j] , Dk-1[i,k] + Dk-1[k,j] )

Application 3 : Les plus courts chemins (Algorithme de Floyd)

Application 3 : Les plus courts chemins (Algorithme de Floyd)

• La matrice associée est L ( = D0) :

Application 3 : Les plus courts chemins (Algorithme de Floyd)

• - Étape 1 on vérifie si le sommet 1 peu améliorer les chemins

Application 3 : Les plus courts chemins (Algorithme de Floyd)

Application 3 : Les plus courts chemins (Algorithme de Floyd)

Application 3 : Les plus courts chemins(Algorithme de Floyd)

• Cet algorithme est en o(n3).

Application 4 : Multiplication chaînée de matrices

• Comme le produit matriciel est associatif, il y a plusieurs façon de

M = (...(M1 * M2 )* M3)... Mn)

Application 4 : Multiplication chaînée de matrices

• Un produit de deux matrice A(p,q) et B(q,r) nécessite p*q*r

• Il en découle que le nombre d’opérations élémentaires nécessaire

Application 4 : Multiplication chaînée de matrices

— ((A B) C) D nécessite 10 582 mult.

Application 4 : Multiplication chaînée de matrices

• Le problème est de trouver la meilleur façon d’insérer les

• Une méthode directe pour résoudre ce problème est de générer

Application 4 : Multiplication chaînée de matrices

• Donc trouver la meilleure façon d’insérer des parenthèses dans un

Application 4 : Multiplication chaînée de matrices

• En procédant par programmation dynamique, on construit une

• où chaque élément m[i,j] donnera le plus petit nombre de

Application 4 : Multiplication chaînée de matrices

Application 4 : Multiplication chaînée de matrices

Application 4 : Multiplication chaînée de matrices

= min (4055, 54201, 2856) = 2856

Application 4 : Multiplication chaînée de matrices

• Un produit de deux matrice A(p,q) et B(q,r) nécessite pqr