Université de Sousse

Institut Supérieur des Sciences Appliquées

et de Technologie de Sousse

Algorithmique et compléxité

Dr. Amel NACEUR TURKI

MR-SPI-A1
amel_naceur@yahoo.fr
Amel Naceur Algorithmique et complexité 2
 A propos du module
 Qu’est-ce que l’algorithmique ?
 Algorithme: Un algorithme est une suite finie d’opérations
élémentaires constituant un schéma de calcul ou de résolution
d’un problème.
 Algorithmique : L’algorithmique désigne le processus de
recherche d’algorithme.
 Différences entre algorithmes et programmes : Un programme
est la réalisation (l’implémentation) d’un algorithme au moyen
d’un langage donné (sur une architecture donnée). Il s’agit de la
mise en œuvre du principe.

Amel Naceur Algorithmique et complexité 3

 A propos du module
 Préparer une présentation de 30 mn expliquant :
 Principe générale

 Description de l’algorithme

 Exemple de résolution sur un exemple (un problème)

Amel Naceur Algorithmique et complexité 4

 A propos du module
 Les sujets de présentations:
1. Les problèmes d’optimisation combinatoires et la
classification des méthodes de résolution: Les méthodes
exactes et les méthodes approchées
2. La recherche Tabou (Tabu Search)
3. Le recuit simulé (simulated annealing)
4. Les algorithmes génétiques (Genetic algorithm)
5. Les algorithmes de colonies de fourmis (Ant optimization
algorithm)
6. L’optimisation par essaim de particules (Particle Swarm
Optimization)
Amel Naceur Algorithmique et complexité 5
 Plan du module
 Chapitre 1: La récursivité et le paradigme « diviser pour régner »

 Chapitre 2: Les structures de données arborescentes

 Chapitre 3: Les algorithmes gloutons

 Chapitre 4: La programmation dynamique

 Chapitre 5: la complexité et NP-complétude

Amel Naceur Algorithmique et complexité 6

La récursivité et le paradigme
« diviser pour régner »
 La récursivité
 Récursivité
 Moyen simple et élégant de résoudre certain problème
 Tout objet est dit récursif s’il se définit à partir de lui-même
 On appelle récursive toute fonction ou procédure qui s’appelle elle
même.
 De même, une structure est récursive si un de ses attributs en est une
autre instance
Exemple

Amel Naceur Algorithmique et complexité 8

 La récursivité
 Exemple : Le calcul de la factorielle de N
 N != N*(N-1)*(N-2)*…*2*1 , on peut écrire ainsi N != N*(N-1)!
 La factorielle de N est définie en fonction de la factorielle de N-1
 La fonction a besoin d’elle-même pour donner un résultat. Pour
calculer N! il faut savoir calculer (N-1) ! et pour calculer (N-1) ! Il faut
savoir calculer (N-2) ! et ainsi jusqu’à 1! qui est égal à 1 et qui permet
à la récursivité de s’arrêter après une série d’auto appels.
 Il est impératif donc de prévoir une condition d’arrêt à la récursion
sinon le programme ne s’arrête jamais!
 A l’opposé de la récursion, l’itération utilise les structures de contrôle
répétitives comme POUR, TANT QUE, REPETER JUSQU'À

Amel Naceur Algorithmique et complexité 9

 La récursivité

Amel Naceur Algorithmique et complexité 10

 La récursivité

Amel Naceur Algorithmique et complexité 11

 La récursivité
 Dans un module récursif (procédure ou fonction) les
paramètres doivent être clairement spécifiés.
 Dans le corps du module il doit y avoir :
 un ou plusieurs cas particuliers: ce sont les cas simples
qui ne nécessitent pas d'appels récursifs.
 un ou plusieurs cas généraux: ce sont les cas complexes
qui sont résolus par des appels récursifs.
 L'appel récursif d'un cas général doit toujours mener vers un
des cas particuliers.

Amel Naceur Algorithmique et complexité 12

La récursivité : la pile d’exécution
 La Pile d’exécution est un emplacement mémoire destiner à
mémoriser les paramètres, les variables locales ainsi que les
adresses de retour des fonctions en cours d’exécution.
 Elle fonctionne selon le principe LIFO (Last-In-First-Out) : dernier
entré premier sorti.
 Attention ! La pile à une taille fixée, une mauvaise utilisation de la
récursivité peut entraîner un débordement de pile.
 L’exécution d’un appel récursif passe par deux phases, la
phase de descente et la phase de remontée.
 Dans la phase de descente, chaque appel récursif fait à son
tour un appel récursif.
 En arrivant à la condition terminale, on commence la phase de
remontée
Amel Naceur
qui se poursuit jusqu’à ce que l’appel initial soit
Algorithmique et complexité 13

terminé, ce qui termine le processus récursif.

La récursivité : la pile d’exécution

Amel Naceur Algorithmique et complexité 14

 La récursivité : la pile d’exécution
 Ordre des appels récursifs (exemple avec 3 appels récursifs)
Proc rec()
Proc rec()
1 { <inst pré>
si (cont) 2 { <inst pré> Proc rec()
rec() si (cont) { <inst pré>
rec() 3
<inst post> 6 si (cont)
<inst post> 5 rec()
}
} <inst post> 4
}

appel récursif : branchement

retour récursif : instruction suivante de la fonction appelante
Amel Naceur Algorithmique et complexité 15
 La récursivité : type
 Récursivité simple
 C’est une fonction qui contient dans son corps un seul appel récursif.

Amel Naceur Algorithmique et complexité 16

 La récursivité : type
 Récursivité multiple
 Une définition récursive peut contenir plus d’un appel récursif. Nous
voulons calculer ici les combinaisons Cnp en se servant de la relation
de Pascal :

Amel Naceur Algorithmique et complexité 17

 La récursivité : type
 Récursivité mutuelle
 Des définitions sont dites mutuellement récursives si elles dépendent
les unes des autres. Ça peut être le cas pour la définition de la parité :

Amel Naceur Algorithmique et complexité 18

 La récursivité : type
 Récursivité imbriquée
 La fonction d’Ackermann est définie comme suit :

Amel Naceur Algorithmique et complexité 19

 Récursivité terminale vs non
terminale
 Un module récursif est dit terminal si aucun traitement
n’est effectué après la remontée d’un appel récursif (sauf
le retour du module).
 Un module récursif est dit non terminal si le résultat de
l’appel récursif est utilisé pour réaliser un traitement (en
plus du retour du module).
 Exemple: fonction factorielle

Amel Naceur Algorithmique et complexité 20

 Récursivité terminale vs non
terminale

Amel Naceur Algorithmique et complexité 21

 Récursivité terminale vs non
terminale
 Une fonction récursive terminale est en théorie plus
efficace (mais souvent moins facile à écrire) que son
équivalent non terminale;
 il n'y a qu'une phase de descente et pas de phase de remontée.
 Il est possible de transformer de façon simple une
fonction récursive terminale en une fonction itérative :
c'est la dérécursivation.
 Dérécursiver, c’est transformer un algorithme récursif en
un algorithme équivalent ne contenant pas d’appels
récursifs.

Amel Naceur Algorithmique et complexité 22

 Le paradigme « diviser pour
régner »
 Principe:
 Spécifier la solution du problème en fonction de la (ou des) solution(s)
d’un (ou de plusieurs) sous-problème(s) plus simple(s) traité(s) de
façon récursive.
 Le paradigme « diviser pour régner » donne lieu à trois étapes
à chaque niveau de récursivité :
 Diviser : le problème en un certain nombre de sous-problèmes ;
 Régner : sur les sous-problèmes en les résolvant récursivement ou, si
la taille d’un sous-problème est assez réduite, le résoudre directement ;
 Combiner : les solutions des sous-problèmes en une solution complète
du problème initial.

Amel Naceur Algorithmique et complexité 23

 Le paradigme « diviser pour
régner »

Amel Naceur Algorithmique et complexité 24

 Le paradigme « diviser pour
régner »
Exemple 1: Recherche maximum
 Soit Tab un tableau à n éléments, écrire une fonction récursive
permettant de rechercher l’indice du maximum dans Tab en utilisant le
paradigme « diviser pour régner ».

Amel Naceur Algorithmique et complexité 25

 Le paradigme « diviser pour
régner »

Amel Naceur Algorithmique et complexité 26

 Le paradigme « diviser pour
régner »
Exemple 2: recherche dichotomique
 Soit Tab un tableau trié (ordre croissant) à n éléments.

 La recherche par dichotomie compare l’élément cherché x

avec l’élément en position m situé en position du milieu du
sous-tableau:
 Si Tab[m] = x alors on a trouvé l’élément x en position m.
 Si Tab[m] > x il est possible que x se trouve avant la position m du
tableau. Il reste à traiter uniquement la moitié inférieure du tableau.
 Enfin Si Tab[m] < x il est possible que x se trouve après la position m.
Il reste à traiter uniquement la moitié supérieure du tableau.
 On continue ainsi la recherche jusqu’à trouver l’élément ou
bien aboutir à un tableau de taille nulle, dans ce cas x n’est pas
présent et la recherche s’arrête.
Amel Naceur Algorithmique et complexité 27
 Le paradigme « diviser pour
régner »

Amel Naceur Algorithmique et complexité 28

 Le paradigme « diviser pour
régner »
Exemple 3: tri par fusion
 L’algorithme de tri par fusion est construit suivant le
paradigme « diviser pour régner » :
1. Il divise la séquence de n nombres à trier en deux sous-
séquences de taille n/2.
2. Il trie récursivement les deux sous-séquences.

3. Il fusionne les deux sous-séquences triées pour produire la

séquence complète triée.
 La récursion termine quand la sous-séquence à trier est de
longueur 1 car une telle séquence est toujours triée.

Amel Naceur Algorithmique et complexité 29

 Le paradigme « diviser pour
régner »

Amel Naceur Algorithmique et complexité 30

 Le paradigme « diviser pour
régner »

Amel Naceur Algorithmique et complexité 31

 Le paradigme « diviser pour
régner »

 Etant donné un tableau (ou une liste) de T [1, . . . , n] :

o si n = 1, retourner le tableau T
o sinon :
1. Trier le sous-tableau T[1 . . . n/2 ]
2. Trier le sous-tableau T[ n/2 + 1 . . . n]
3. Fusionner ces deux sous-tableaux.
 Il s’agit d’un algorithme « diviser pour régner ».

Amel Naceur Algorithmique et complexité 32

 Le paradigme « diviser pour
régner »
Procédure Tri_fusion (var T:tab; deb, fin: entier)
Var milieu : entier
Début
si (deb<fin) alors
milieu← (deb + fin)/2
Tri_fusion (T, deb, milieu)
Tri_fusion (T, milieu+1, fin)
Fusionner (T, deb, milieu, fin)
Finsi
Fin

Amel Naceur Algorithmique et complexité 33

 Le paradigme « diviser pour
régner »

Tri rapide …

Amel Naceur Algorithmique et complexité 34