Mathématiques HL AI Évaluation interne :

Une analyse graphique des options universitaires

Sujet : Diagrammes de Voronoï et théorie des graphes

Table des matières

Introduction :...............................................................................................................................2
Raison d'être :..............................................................................................................................2
Objectif :.....................................................................................................................................2
Exploration :................................................................................................................................3
Résoudre le problème du voyageur de commerce......................................................................9
Conclusion et évaluation :.........................................................................................................19
Bibliographie.............................................................................................................................20
Introduction :

Raison d'être :

En tant qu'élève en dernière année du diplôme de l'IB, l'excitation et la terreur de s'inscrire à

l'université est une pression constante au-dessus de ma tête. Plusieurs facteurs entrent en ligne

de compte, comme le désir de faire de son mieux à l'IB, d'obtenir certaines notes ou de rédiger

une déclaration personnelle. Cependant, le premier obstacle est de décider où vous souhaitez

poser votre candidature. Bien entendu, cela dépend de nombreuses variables, telles que le

niveau d'études et les objectifs de carrière. Pour moi, l'emplacement est un facteur important.

Comme ma famille continuera à vivre à l'étranger lorsque je m'installerai au Royaume-Uni, il

sera utile d'avoir de nombreux aéroports à proximité afin de pouvoir leur rendre visite

fréquemment, et vice versa. En outre, avant de choisir mon lieu d'études, il est important que

je me fasse une idée de chaque région et de chaque campus, et je dois donc visiter tous les

campus universitaires. En tant qu'étudiant au budget limité, je souhaite trouver le moyen le

plus économique de visiter chacun de ces campus.

Objectif :

L'objectif de cette enquête est de déterminer l'université optimale en fonction du nombre

d'aéroports les plus proches de chacune des 9 universités présélectionnées à l'aide d'un

diagramme de Voronoï. En outre, pour me donner une idée de la somme d'argent dont j'aurais

besoin pour visiter chaque campus une fois, cette enquête se rapproche également de la

solution du problème du voyageur de commerce en utilisant un graphique pondéré montrant

le prix des itinéraires directs en train vers chaque université. Bien qu'une gamme de valeurs

puisse être déterminée en trouvant une borne inférieure et une borne inférieure pour le cycle

hamiltonien de moindre poids, il faut établir qu'en raison de la nature du problème du

voyageur de commerce, qui est NP-hard (ce qui signifie qu'il n'y a pas d'algorithme efficace),

toute solution pour le problème du voyageur de commerce n'est qu'approximative.

Exploration :

Construction du diagramme de Voronoï:1

Pour construire un diagramme de Voronoï, j'ai d'abord superposé une carte de l'Angleterre sur
une grille quadrillée à l'aide de GeoGebra. La figure 1 a une échelle de 50 km par 2 unités et
présente les 9 universités présélectionnées sous la forme de différents sites [N, D, Lo, M, L, 0,
W, LS, E] dont les coordonnées sont indiquées dans le tableau 1.

Figure 1 : Carte des universités potentielles

1
Les cases bleu clair bordées de rouge sont utilisées pour cacher des informations personnelles et n'ont pas
d'importance mathématique.
Tableau 1 : Coordonnées des universités
Nom du site Coordonnateur du site
N (12.0, 19.9)
D (12.1, 18.8)
L (12.2,14.5)
M (10.4,13.0)
Lo (13.0,9.9)
0 (12.1,8.2)
W (12.9,5.6)
LS (15.9,4.6)
E (6.9,1.3)

Comme tous les points d'une bissectrice perpendiculaire sont équidistants des sites qu'ils

coupent, les bissectrices perpendiculaires sont utiles dans la construction des diagrammes de

Voronoï. Il faut donc trouver les bissectrices perpendiculaires entre chaque site, qui

constitueront les arêtes du diagramme de Voronoï.

Tout d'abord, la lisière entre les sites N(12.0,19.9) et D(12.1,18.8) a été construite. En tant que

La bissectrice perpendiculaire passe par le point médian, c'est ce qu'il faut calculer en
premier.

Point médian de [ND] = 8!!"!", $ !"$"9

12.0 + 12.1 19.9 + 18.8
2,2
= (12.05, 19.35)

La pente de la bissectrice perpendiculaire entre deux points est égale à l'inverse négatif de la

pente (m ) de la droite entre ces points.

m de !ND] =YY
"% !!!

18.8 - 19.9
=
12.1 - 12.0
 mof [ND] = -11

Gradient de la bissectrice perpendiculaire de [ND] = 1

A
La forme de l'équation linéaire est y = mx + c. Nous remplaçons donc les valeurs de

x et y à partir du point médian, et m pour trouver c et donc l'équation de la bissectrice

perpendiculaire.
y = mx + c
19.35 -11(12.05) + c
c = 19.35 12.05
11

c = 18.254
A y = x + 18,254
W
11
W
W
W
Cette forme linéaire représente la limite entre les sites N et D.
Ce processus est répété pour toutes les autres arêtes entre les sites. Pour rendre le

processus plus efficace, j'ai créé une feuille de calcul dans Excel pour trouver les points

médians et les gradients des autres bissectrices perpendiculaires. Pour ces valeurs, j'ai

choisi de ne pas les arrondir afin de garantir la précision du reste de mes calculs.
Sites X yi X2 Y2 m i Point Point c
-m médian médian y
X
DL 12.1 18.8 12.2 14.5 -43 0.02325581 12.15 16.65 16.3674419
LM 12.2 14.5 10.4 13 0.83333333 -1.2 11.3 13.75 27.31
MLo 10.4 13 13 9.9 -1.1923077 0.83870968 11.7 11.45 1.63709677
LoO 13 9.9 12.1 8.2 1.88888889 -0.5294118 12.55 9.05 15.6941176
OW 12.1 8.2 12.9 5.6 -3.25 0.30769231 12.5 6.9 3.05384615
WLS 12.9 5.6 15.9 4.6 -0.3333333 3 14.4 5.1 -38.1
LSE 15.9 4.6 6.9 1.3 0.36666667 -2.7272727 11.4 2.95 34.0409091
NL 12 19.9 12.2 14.5 -27 0.03703704 12.1 17.2 16.7518519
NM 12 19.9 10.4 13 4.3125 -0.2318841 11.2 16.45 19.0471014
NLo 12 19.9 13 9.9 -10 0.1 12.5 14.9 13.65
NON 12 19.9 12.1 8.2 -117 0.00854701 12.05 14.05 13.9470085
NW 12 19.9 12.9 5.6 -15.888889 0.06293706 12.45 12.75 11.9664336
NLS 12 19.9 15.9 4.6 -3.9230769 0.25490196 13.95 12.25 8.69411765
NE 12 19.9 6.9 1.3 3.64705882 -0.2741935 9.45 10.6 13.191129
DM 12.1 18.8 10.4 13 3.41176471 -0.2931034 11.25 15.9 19.1974138
DLo 12.1 18.8 13 9.9 -9.8888889 0.1011236 12.55 14.35 13.0808989
DO 12.1 18.8 12.1 8.2 Non défini Non défini 12.1 13.5 Non défini
DW 12.1 18.8 12.9 5.6 -16.5 0.06060606 12.5 12.2 11.4424242
DLS 12.1 18.8 15.9 4.6 -3.7368421 0.26760563 14 11.7 7.95352113
DE 12.1 18.8 6.9 1.3 3.36538462 -0.2971429 9.5 10.05 12.8728571
LLo 12.2 14.5 13 9.9 -5.75 0.17391304 12.6 12.2 10.0086957
LO 12.2 14.5 12.1 8.2 63 -0.015873 12.15 11.35 11.5428571
LW 12.2 14.5 12.9 5.6 -12.714286 0.07865169 12.55 10.05 9.06292135
LLS 12.2 14.5 15.9 4.6 -2.6756757 0.37373737 14.05 9.55 4.2989899
LE 12.2 14.5 6.9 1.3 2.49056604 -0.4015152 9.55 7.9 11.7344697
MO 10.4 13 12.1 8.2 -2.8235294 0.35416667 11.25 10.6 6.615625
MW 10.4 13 12.9 5.6 -2.96 0.33783784 11.65 9.3 5.36418919
MLS 10.4 13 15.9 4.6 -1.5272727 0.6547619 13.15 8.8 0.18988095
ME 10.4 13 6.9 1.3 3.34285714 -0.2991453 8.65 7.15 9.73760684

LoW 13 9.9 12.9 5.6 43 -0.0232558 12.95 7.75 8.05116279

LoLS 13 9.9 15.9 4.6 -1.8275862 0.54716981 14.45 7.25 -0.6566038

BdE 13 9.9 6.9 1.3 1.40983607 -0.7093023 9.95 5.6 12.6575581

MCO 12.1 8.2 15.9 4.6 -0.9473684 1.05555556 14 6.4 -8.3777778

OE 12.1 8.2 6.9 1.3 1.32692308 -0.7536232 9.5 4.75 11.9094203

WE 12.9 5.6 6.9 1.3 0.71666667 -1.3953488 9.9 3.45 17.2639535

Tableau 2 : Feuille de calcul pour trouver les bissectrices perpendiculaires

Pour la bissectrice perpendiculaire des sites D et O, en utilisant la formule : $"%$!, il y a un !"% !!

dénominateur de 0, ce qui signifie que la ligne a une pente indéfinie et donc que la bissectrice

perpendiculaire entre ces sites est horizontale.

Figure 2 : Diagramme de Voronoï

En utilisant ces valeurs pour X, y, c, m, j'ai créé la figure 3. Toutefois, il convient de noter
que seule une
Les sections des bissectrices perpendiculaires sont incluses en tant qu'arêtes dans ce diagramme
de Voronoï. Les arêtes représentent le lieu des points d'équidistance entre deux sites, mais elles
s'arrêtent lorsqu'un nouveau site devient plus proche de l'arête que des points qu'il coupe.
Analyse du diagramme de Voronoï pour déterminer la cellule qui contient le plus
d'incitations. d'incitations :
Comme je l'ai expliqué dans l'introduction, la localisation des aéroports est extrêmement

importante pour mon choix d'université. Pour déterminer quelle université a le plus d'aéroports
à proximité, il suffit d'ajouter la localisation des aéroports à la grille. Quelle que soit la cellule

dans laquelle se trouve l'aéroport, il sera le plus proche de l'université correspondante.

Figure 3 : Diagramme de Voronoï contenant les aéroports

J'ai donc reporté l'emplacement des principaux aéroports d'Angleterre sur le diagramme de

Voronoï illustré par les points rouges. La cellule dans laquelle se trouve le point représente

l'université dont l'aéroport doit être le plus proche. J'ai noté le nombre de points dans chaque

cellule, par inspection, et j'ai consigné mes résultats dans le tableau 3.

Dans le cas d'un aéroport situé à la limite entre deux cellules, je l'ai compté dans les deux

cellules en raison de l'équidistance entre un point situé à la limite et l'un ou l'autre site. C'est le

cas de l'aéroport situé à la limite entre les sites E et W

Tableau 3 : Nombre d'aéroports dans chaque cellule
Cellule Nombre d'aéroports
N 1
D 1
L 0
M 2
Lo 2
0 0
W 2
LS 4
E 3

Ces résultats permettent de déterminer que la cellule LS contient le plus grand nombre

d'aéroports et que le site LS est donc le plus proche du plus grand nombre d'aéroports.

Toutefois, cette conclusion est peut-être erronée car le diagramme ne tient compte que de la

distance par rapport aux coordonnées et ne prend pas en considération la taille des aéroports, la

disponibilité des transports vers les aéroports et le fait que l'aéroport accueille ou non des vols

internationaux.

Résoudre le problème du voyageur de commerce

Afin de déterminer quelle université me convient le mieux, il est nécessaire de se rendre sur le

campus de chacune d'entre elles. Cependant, comme je disposerai d'un budget étudiant serré, il

est important de trouver le cycle hamiltonien de moindre poids commençant et se terminant à

LS (le site ayant le plus grand nombre d'aéroports le plus proche). Pour ce faire, une solution

approximative du problème pratique du voyageur de commerce (TSP) sera élaborée. Pour

découvrir le meilleur itinéraire, j'ai créé un graphique pondéré montrant les coûts (en livres

sterling) des trains directs au départ des gares les plus proches des universités. Dans ce cas, le

coût des trains représente le poids des arêtes, et les différentes gares représentent les sommets.

Il convient de noter que les sommets de ce graphique ne représentent pas la situation

géographique des gares.

Figure 4 : Graphique pondéré des trains directs

Pour simplifier, j'ai utilisé le poids des arêtes entre chaque sommet pour construire une table

d'adjacence pondérée.

Tableau 4 : Table d'adjacence pondérée

Sommet E B O LS W LO M L D N
E 0 16.50 - 40.30 - - - 166.50 205.20 206.80
B 16.50 0 - 33.20 - - - - - -
O - - 0 10.40 - - 74.50 - - -
LS 40.30 33.20 10.40 0 16.00 66.50 49.20 46.00 50.50 59.00
W - - - 16.00 0 - - - - -
LO - - - 66.50 - 0 - - - -
M - - 74.50 49.20 - - 0 17.70 39.40 39.40
L 166.5 - - 46.00 - - 17.70 0 20.90 25.00
D 205.2 - - 50.50 - - 39.40 20.90 0 3.50
N 206.80 - - 59.00 - - 39.40 25.00 3.50 0

Le symbole "-" indique qu'il n'y a pas de liaison ferroviaire directe entre ces gares. Pour

résoudre le TSP classique, nous devons trouver un cycle hamiltonien (un circuit qui visite
chaque sommet exactement une fois avant de revenir au sommet de départ) de moindre poids

pour un graphe complet pondéré donné. Un graphe complet est un graphe simple, non orienté,

dans lequel chaque sommet est relié par une arête à tous les autres sommets. Comme l'indique

le tableau 3, plusieurs sommets ne sont pas reliés par une seule arête à tous les autres sommets

(par exemple, le sommet W n'est directement relié qu'au sommet LS) et la figure 4 n'est donc

pas un graphe complet. Par conséquent, le TSP classique ne peut pas être résolu et il faut plutôt

résoudre le TSP pratique.

Pour résoudre le TSP pratique pour un graphe pondéré donné, il faut trouver l'itinéraire de

moindre poids qui commence et finit au même sommet et qui visite chaque sommet au moins

une fois. Pour ce faire, nous pouvons convertir le TSP pratique en un TSP classique en ajoutant

ou en remplaçant des arêtes pour montrer le chemin de moindre poids entre les sommets qui

n'étaient pas connectés à tous les autres sommets. Par exemple, la route de moindre poids entre

le sommet E et le sommet O passe par le sommet LS.

E → LS → O = 40,30 + 10,40. Ainsi, le poids de l'arête ajoutée entre le sommet E et le

sommet O est de 50,70. Ce processus d'ajout d'une nouvelle arête reliant chaque sommet à

chaque autre sommet a permis de créer le graphe pondéré complet illustré à la figure 5, ainsi

que le tableau d'adjacence correspondant

Figure 5 : Graphique pondéré complet

Tableau 5 : Table d'adjacence pondérée pour un graphe complet

Sommet E B O LS W LO M L D N
E 0 16.50 50.70 40.30 57.30 106.80 89.50 166.50 205.20 206.80
B 16.50 0 43.60 33.20 49.20 99.70 82.40 79.20 83.70 92.20
O 50.70 43.60 0 10.40 26.40 76.90 74.50 56.40 60.90 69.40
LS 40.30 33.20 10.40 0 16.00 66.50 49.20 46.00 50.50 59.00
W 57.30 49.20 26.40 16.00 0 82.50 65.20 62.00 66.50 75.00
LO 106.80 99.70 76.90 66.50 82.50 0 115.70 112.50 117.00 125.00
M 89.50 82.40 74.50 49.20 65.20 115.70 0 17.70 39.40 39.40
L 166.5 79.20 56.40 46.00 62.00 112.50 17.70 0 20.90 25.00
D 205.2 83.70 60.90 50.50 66.50 117.00 39.40 20.90 0 3.50
N 206.80 92.20 69.40 59.00 75.00 125.00 39.40 25.00 3.50 0

Maintenant que nous avons transformé le graphe en un graphe complet, nous pouvons trouver

une approximation pour le TSP classique. Dans le cas d'un graphe plus petit avec un nombre

réduit de sommets, il peut être pratique de trouver tous les cycles hamiltoniens possibles en
inspectant le graphe et de déterminer le cycle de poids le plus faible. Pour ce faire, nous devons

trouver une borne supérieure et une borne inférieure pour le poids du cycle hamiltonien. Pour

trouver une limite supérieure, l'algorithme du plus proche voisin peut être utilisé. Cet

algorithme comporte 4 étapes :

• Étape 1 : Choisir un sommet de départ (pour les besoins de notre graphique, le sommet
de départ sera LS)

• Étape 2 : suivre l'arête de moindre poids jusqu'à un sommet non visité.

• Étape 3 : Répéter l'étape 2 jusqu'à ce que tous les sommets aient été visités.

• Étape 4 : revenir au sommet de départ en ajoutant l'arête correspondante.

En utilisant le tableau 5, nous pouvons suivre cet algorithme en créant un autre tableau (tableau

6) qui affiche les arêtes de moindre poids, leur poids et si un cycle a été formé. Si un cycle a été

formé, comme dans le cas de l'arête OLS, le poids de cette arête est ignoré et l'arête ayant le

deuxième poids le plus faible est trouvée à la place. Pour le reste du tableau, les arêtes de

moindre poids qui aboutissent à un cycle sont ignorées jusqu'à ce que chaque sommet ait été

visité une fois.

Tableau 6 : Algorithme du plus proche voisin

Arête de moindre Poids Sommet Y a-t-il un cycle ?
poids
N/A N/A LS N/A
LSO 10.40 O Non
MCO 10.40 LS Oui, donc
ignorer et
trouver l'arête
d'avant-dernier
OW 26.40 W Non
OB 49.20 B Non
BE 16.50 E Non
2
La même hypothèse a été faite pour toutes les autres arêtes qui formeraient un cycle, mais elles ne sont pas
représentées.
EM 89.50 M Non
ML 17.70 L Non
LD 20.90 D Non
DN 3.50 N Non
NLO 125.00 LO Non
NLS 59.00 LS Oui (cycle
terminé)

Ce cycle hamiltonien peut être écrit comme suit :

LS → O → W→ B → E → M → L → D → N → LO → LS

Cependant, comme certaines de ces arêtes ne sont pas directes, ce n'est pas la bonne solution.

Au lieu de cela, nous devons inclure tous les itinéraires ferroviaires qui passent par le sommet

LS.

LS → O → LS →W→ LS → B → E → LS → M → L → D → N → LS → LO → LS
Soit m le poids minimum (du graphe ? Cochez une note) (réécriture)

m < 10.40 + 26.40 + 49.20 + 16.50 + 89.50 + 17.70 + 20.90 + 3.50 + 125.00 + 59.00

m < £418.10
Maintenant que nous avons notre borne supérieure pour m, nous devons utiliser l'algorithme

des sommets supprimés pour trouver une borne inférieure pour m.

• Étape 1 : Supprimer un sommet et les arêtes qui lui sont connectées dans le graphe
original.

• Étape 2 : Trouver l'arbre de recouvrement minimal (MST) pour le graphe restant.

• Étape 3 : ajouter la longueur des deux arêtes supprimées les plus courtes au poids de
l'arbre minimal.

Le tableau ci-dessous représente le tableau 5 une fois que le sommet L a été supprimé du

tableau.

Tableau 7 : Tableau d'adjacence pondéré avec le sommet L supprimé

Sommet E B O LS W LO M D N
E 0 16.50 50.70 40.30 57.30 106.80 89.50 205.20 206.80
B 16.50 0 43.60 33.20 49.20 99.70 82.40 83.70 92.20
O 50.70 43.60 0 10.40 26.40 76.90 74.50 60.90 69.40
LS 40.30 33.20 10.40 0 16.00 66.50 49.20 50.50 59.00
W 57.30 49.20 26.40 16.00 0 82.50 65.20 66.50 75.00
LO 106.80 99.70 76.90 66.50 82.50 0 115.70 117.00 125.00
M 89.50 82.40 74.50 49.20 65.20 115.70 0 39.40 39.40
D 205.2 83.70 60.90 50.50 66.50 117.00 39.40 0 3.50
N 206.80 92.20 69.40 59.00 75.00 125.00 39.40 3.50 0

Les arêtes les plus courtes à partir du sommet supprimé L sont LM et LD, avec des poids

respectifs de 17,70 et 20,90 livres sterling. Ce sont les poids qui seront ajoutés au poids de

l'arbre minimal.

Le sommet L ayant été supprimé, nous pouvons maintenant trouver l'arbre minimal couvrant en

utilisant l'algorithme de Prim. L'algorithme de Prim peut être utilisé selon deux méthodes

différentes. Dans la première méthode, les arêtes les plus proches de chaque sommet sont

choisies par inspection du graphe. Cependant, étant donné que les sommets du graphe (illustré

y compris le sommet L dans la figure 4) ont tous un ordre de 9, je pense qu'il était trop

complexe d'utiliser l'inspection et qu'une autre méthode doit donc être utilisée. Dans cette

méthode, l'algorithme de Prim est appliqué à une table d'adjacence pondérée en suivant les

étapes suivantes :

• Étape 1 : Sélectionner un sommet au hasard.

• Étape 2 : Supprimer la ligne du sommet choisi

• Étape 3 : Numéroter la colonne du sommet choisi

• Étape 4 : Entourez la plus petite entrée non supprimée dans l'une des colonnes
numérotées. S'il y a plus d'un choix possible, choisissez-en un au hasard. La ligne de
l'entrée encerclée détermine le nouveau sommet choisi.

• Étape 5 : Répéter les étapes 2 à 4 jusqu'à ce que toutes les lignes soient supprimées. Les
entrées encerclées donnent les arêtes de l'arbre minimal.

Travailler :

Sommet E B O LS W LO M D N
 4 .50
A 16 un sur
on on
206.80
•______ 2 SO 70 Un 70 57 70 1 4 sur o0 SO
B 16.50 0 43.60 33.20 49.20 99.70 82.40 83.70 92.20
O 50.70 43.60 0 10 40 26.40 76.90 74.50 60.90 69.40
9a sur CQ f|f|
T C____ Une on 33.20 1 0 40 0 1 A 00 AA SO 40 sur SO so 59.00
09 54
82.50
W 57 en 4920 2640 1600 0 6520 6650 7500
LO 106.80 99.70 76.90 66.50 82.50 0 115.70 117.00 125.00
_____ 89.50
sur fr sur An 74 SO 49.20
82.40 AS sur 1 1 S 70 n sur 40 7Q j n
65.20 115.70 0
D 205.2 83.70 60.90 50.50 66.50 117.00 39.40 0Ah en 3.50
NT n om Un nm ZM Am Em An moi An i ne An om Am fl
N 206.80 92.20 69.40 59.00 75.00 125.00 39.40 3.50 0
5 4 2 1 3 9 6 7 8
L'arbre couvrant minimal a un poids = 10,40 + 16,00 + 33,20 + 16,50 + 49,20 +
39.40 + 3.50 + 66.50 = £234.70
Maintenant que le TMS a été trouvé, la longueur des deux arêtes supprimées les plus courtes
doit être ajoutée à £234.70 afin de compléter l'algorithme des sommets supprimés. Il s'agit des
bords LM et LD mentionnés précédemment, dont le poids combiné est de 38,50 livres
sterling. Cette réponse à l'algorithme du sommet supprimé est égale à la borne inférieure du
poids minimum pour résoudre le TSP.

£234.70 + £38.50 = £273.20 m > £273.20

A £273.20 <m< £418.10
Cependant...

(PLUS DE CHOSES À FAIRE :

EVALUATION : Implications des ordres des sommets peut-être ; implications de ce que

je découvre (quelques phrases)

Réflexion : ne représente pas nécessairement la facilité d'accès à certains endroits, car il

n'indique que les trains directs. En outre, les prix fluctuent et ce prix ne sera pas toujours

le prix minimum.

Les aéroports ne sont pas construits de la même manière - les aéroports d'Exeter ne

volent pas de la même manière qu'un aéroport de

Londres (n'affecte cependant pas la conclusion)

ALGORITHME DE PRIM
Dans l'algorithme de Prim, nous choisissons les arêtes une par une, en connectant à chaque étape un sommet
supplémentaire à l'arbre jusqu'à ce que tous les sommets soient connectés.

Étape 1 : Commencez par un sommet quelconque.

Étape 2 : joindre ce sommet au sommet le plus proche. Si deux sommets ou plus forment un arc à égale distance,
choisissez-en un au hasard.
Étape 3 : joindre le sommet le plus proche de l'un des sommets déjà connectés.
Étape 4 : continuer à relier les sommets connectés au sommet non connecté le plus proche jusqu'à ce que tous les
sommets soient connectés.

Exemple 4 mnemummemammmmeu - Tuteurpersonnel

 Étape I : Sélectionner un sommet au hasard, par
exemple le sommet E.
Étape 2 : Supprimer la ligne du sommet choisi.
Étape 3 : numéroter la colonne du sommet choisi.
Étape 4 : Entourez la plus petite entrée non supprimée
dans l'une des colonnes numérotées. S'il y a
plus d'un choix possible, choisissez-en un au
hasard.
La ligne de l'entrée encerclée nous donne le
nouveau sommet choisi.
Étape 5 : Répétez les étapes 2 à 4 jusqu'à ce que toutes les lignes soient supprimées.
Les entrées encerclées indiquent les arêtes de
l'arbre minimal.

Pourquoi j'utilise le TSP, quelle méthode. (par inspection, nous pouvons dire que ce chemin

n'est pas

Hamiltonien)

Notre graphe n'est pas complet et n'est pas euclidien (expliquez pourquoi à l'aide d'un

exemple) ; il faut donc utiliser des TSPx pratiques.

Nous devons transformer la pratique en classique

Convertir en tableau puis en matrice d'adjacence

Passer d'une pratique à une FST classique.
Utiliser ensuite la méthode TSP classique pour trouver les limites supérieures et inférieures.

Graphique :

http://graphonline.ru/en/?graph=NzBEdFqPOhtzPBGn

Conclusion et évaluation :

En conclusion

Cette enquête m'a été bénéfique en dehors des mathématiques. En faisant des recherches sur

l'emplacement des universités, j'ai fini par découvrir certaines caractéristiques des cellules

des universités dont j'ignorais l'existence.

Toutefois, cette enquête présente certaines limites. Tout d'abord, en raison de la grande

échelle de la carte, il était pratiquement impossible de localiser les sites avec une précision de

100 % et il y aura donc une erreur dans les calculs tels que le rayon. J'ai donc choisi

d'arrondir le rayon au kilomètre le plus proche, car il m'était impossible de connaître la

réponse à un niveau de précision plus élevé.

Bibliographie

www.geogebra.com. Date d'accès : 5 septembre 2021.

https://mpra.ub.uni-muenchen.de/53026/1/MPRA_paper_53026.pdf. Date d'accès 6 Sep

2021.

http://graphonline.ru/en/?graph=gwVmUZRnolTiamri
21