Académique Documents
Professionnel Documents
Culture Documents
Hamilton & Optimisation
Hamilton & Optimisation
Compte-rendu DM4
Question 1
Dans le cadre de cet exercice, nous avons réalisé quatre cartes de parking différentes
générées aléatoirement. Les “0” correspondent aux places disponibles dans le parking et les
“1” aux places occupées par d’autres voitures.
La taille des parkings est fixée à 20.
Question 2
Voir l’implémentation sur le code. On a fixé D aléatoirement, donc à chaque nouvelle map
générée il est différent. La probabilité P est également aléatoire à chaque nouvelle
simulation ( P(trouver une place libre) = P(nombre de places libres) / P(nombre de places
total )). La position de la voiture garée est représentée dans le parking par un 8 et à chaque
trajet est associé un coût.
Ci-dessus les résultats que notre code affiche avec 4 simulations différentes.
Question 3
Ensuite en ce qui concerne la probabilité p, on observe que plus cette dernière est élevée,
plus on aura tendance à se garer dans les dernières places car on a plus de chances que
celles-ci soient libre (et également car p et q sont 2 facteurs influent de la stop condition
donc celle-ci sera atteinte plus tard) et c’est donc l’inverse quand p est plus petite on se gare
plus tôt car q=1-p est alors plus grande donc la stop condition est atteinte plus rapidement.
Maintenant en ce qui concerne les variation de N (c’est à dire du nombre de place dans le
parking) on observe toujours les mêmes phénomènes mais avec une tendance de coût qui
ne semble pas augmenter avec l’augmentation du nombre de places et au vu de nos
paramètres choisis (par exemple avec N=40 au lieu de N=20 avec des 0,40<p<0,60 et
100<D<300) le coût semble assez constant malgrés la variation de N (toujours entre 3$ et
8$).
En conclusion, nous pouvons voir que la plupart des variations que nous pouvons observer
sont cohérentes vis-à-vis du programme implémenté et que celui-ci semble fonctionner
correctement. Nous n’avons pas rencontré de difficultés majeures cette semaine.