Algorithmes gloutons

Abahchouch Youness

CPGE Guelmim
BAB ESSAHRA GUELMIM
Département d’informatique
abahchouch2@gmail.com

2022
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

C’est quoi ?

1/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Algorithme Glouton (Greedy algorithm)

Définition 1
Un algorithme glouton fait toujours le choix qui lui semble le meilleur "sur le
moment".
Autrement dit, il fait un choix localement optimal dans l’espoir que ce choix
mènera à une solution globalement optimale.
Ils n’offrent pas toujours une solution optimale, mais y arrivent souvent.

2/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Exemple

Prenons le tableau :

L’objectif de ce problème est de rejoindre la case “Début” à la case “Fin”

en ayant un coût de passage le plus faible (addition des chiffres dans les
cases). Les déplacements autorisés sont verticaux et horizontaux.

3/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Exemple

Prenons le tableau :

L’objectif de ce problème est de rejoindre la case “Début” à la case “Fin”

en ayant un coût de passage le plus faible (addition des chiffres dans les
cases). Les déplacements autorisés sont verticaux et horizontaux.
on pourrait construire l’algorithme glouton cherchant à chaque étape le
coût minimal.

3/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Exemple

Prenons le tableau :

L’objectif de ce problème est de rejoindre la case “Début” à la case “Fin”

en ayant un coût de passage le plus faible (addition des chiffres dans les
cases). Les déplacements autorisés sont verticaux et horizontaux.
on pourrait construire l’algorithme glouton cherchant à chaque étape le
coût minimal.
L’algorithme glouton ferait : Début → 2 → 1 → Fin.
3/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Exemple

Prenons le tableau :

4/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Exemple

Prenons le tableau :

L’algorithme glouton ferait : Début → 2 → 5 → Fin, avec un coût de 7.

Ce chemin n’est pas le chemin optima.

4/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Exemple

Prenons le tableau :

L’algorithme glouton ferait : Début → 2 → 5 → Fin, avec un coût de 7.

Ce chemin n’est pas le chemin optima.
Le chemin optimal est : Début → 3 → 1 → Fin, avec un coût de 4.

4/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Exemple

Prenons le tableau :

L’algorithme glouton ferait : Début → 2 → 5 → Fin, avec un coût de 7.

Ce chemin n’est pas le chemin optima.
Le chemin optimal est : Début → 3 → 1 → Fin, avec un coût de 4.
L’algorithme Glouton n’offrent pas toujours une solution optimale,
mais y arrivent souvent.

4/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Rendu de monnaie

Soit un système de monnaie S = {c1 , ..., cn } tel que : c1 < c2 < ... < cn .
On cherche le minimum de pièces de monnaie à rendre pour une somme
X en utilisant le système S.

5/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Formulation du problème

6/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Rendu de monnaie

7/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Rendu de monnaie

7/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Rendu de monnaie

7/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

l’approche Glouton

8/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

l’approche Glouton

Contre-exemple
Si l’on doit rendre la somme de 6 avec le système (1, 2, 5), la méthode
précédente fournit un résultat optimal à savoir une pièce de 5 puis une
pièce de 1, i.e. deux pièces.

9/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

l’approche Glouton

Contre-exemple
Si l’on doit rendre la somme de 6 avec le système (1, 2, 5), la méthode
précédente fournit un résultat optimal à savoir une pièce de 5 puis une
pièce de 1, i.e. deux pièces.
Par contre, pour rendre cette même somme avec le système (1, 3, 4) il n’y
a pas optimalité. En effet on rendra d’abord une pièce de 4, puis une
pièce de 1 et enfin une autre pièce de 1, c’est-à-dire trois pièces. Or on
pouvait rendre de façon plus performante deux pièces de 3.

9/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Algorithme glouton : Propriétés clés

Propriété du choix glouton :

10/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Algorithme glouton : Propriétés clés

Propriété du choix glouton :

Solution globale optimale à partir d’un choix au départ local optimal

10/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Algorithme glouton : Propriétés clés

Propriété du choix glouton :

Solution globale optimale à partir d’un choix au départ local optimal
Difficulté : démontrer que le choix effectué au niveau local engendre
une solution optimale au problème global.

10/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Algorithme glouton : Propriétés clés

Propriété du choix glouton :

Solution globale optimale à partir d’un choix au départ local optimal
Difficulté : démontrer que le choix effectué au niveau local engendre
une solution optimale au problème global.
Sous-structure optimale :

10/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Algorithme glouton : Propriétés clés

Propriété du choix glouton :

Solution globale optimale à partir d’un choix au départ local optimal
Difficulté : démontrer que le choix effectué au niveau local engendre
une solution optimale au problème global.
Sous-structure optimale :
La solution optimale du problème contient les solutions optimales des
sous-problèmes

10/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Le problème du Sac à dos

On considère un sac à dos de masse maximale m = 40kg dans lequel on

souhaite ranger les objets dont les caractéristiques sont données ci-dessous :

Quels objets faut-il sélectionner de façon à ce que la valeur totale, dans le sac
à dos, soit maximale ?

11/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Méthode de résolution exacte

il est possible d’établir la liste des combinaisons possibles des objets à l’aide
d’un arbre d’exploration binaire.
Par exemple, voici ce à quoi cet arbre ressemble lorsqu’on prend en compte
les trois premiers objets :

12/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

Méthode de résolution exacte

il est possible d’établir la liste des combinaisons possibles des objets à l’aide
d’un arbre d’exploration binaire.
Par exemple, voici ce à quoi cet arbre ressemble lorsqu’on prend en compte
les trois premiers objets :

Le coût de la méthode naïve est donc en O(2n ), c’est un coût exponentiel !. 12/13

Algorithmes gloutons
Introduction Rendu de monnaie Propriétés clés Le problème du Sac à dos

l’approche Glouton

Le principe de la stratégie gloutonne consiste à ajouter en priorité les objets «

Plus efficace » ne signifie pas « plus grande valeur » mais « plus grande
valeur comparativement à la masse ».

Tester l’algorithme sur [(6, 11),(8, 16),(1, 1),(5, 9),(9, 20),(4, 7)], W = 20

13/13

Algorithmes gloutons