CPGE - AL QALAM - AGADIR MP-PSI

ALGORITHMES GLOUTONS

I-Introduction
Les méthodes algorithmiques peuvent être regroupées en familles, parmi lesquelles figurent des algorithmes dits gloutons.
Les algorithmes gloutons permettent de résoudre des problèmes d'optimisation.
Un problème d’optimisation est un problème algorithmique dans lequel l’objectif est de trouver la «meilleure» solution (selon
un critère donné) parmi un ensemble de solutions également valides mais potentiellement moins bonnes.

II- Algorithme glouton

1- Principe général:
L'algorithme glouton choisit la solution optimale qui se présente à lui à chaque instant, sans se préoccuper, ni du passé ni
de l'avenir. Il répète cette même stratégie à chaque étape jusqu'à avoir entièrement résolu le problème.

2- Définition
 Un algorithme glouton est un algorithme qui effectue à chaque instant, le meilleur choix possible sur le moment, sans
retour en arrière ni anticipation des étapes suivantes, dans l'objectif d'atteindre au final le résultat optimal.
 Les algorithmes gloutons sont parfois appelés algorithmes gourmands ou encore algorithmes voraces.
 La solution obtenue par un algorithme glouton n'est pas forcement optimale, mais reste acceptable quand on ne connait
pas d'algorithme exact efficace. Néanmoins, pour certains problèmes, on peut prouver l'optimalité.

Exemple: Il s'agit de trouver un chemin partant de la racine de l'arbre et dont la somme des étiquettes est la plus grande
possible.
Solution de l'algorithme glouton Solution optimale exacte

III- Exemples d'algorithmes gloutons

Exemple 1 : Le redu de monnaie
On dispose de pièces ou billets de monnaie en nombre illimité, de valeurs dans 𝑃 = [𝑣0 , … , 𝑣𝑛−1 ] (les 𝑣𝑖 sont différents deux à
deux), et on souhaite rendre une somme 𝑺 ∈ ℕ de façon optimale, c'est-à-dire avec le nombre minimal de pièces et billets ?
Exemple :
Pour P=[1, 2, 4]
 Si S=8, la solution optimale est de rendre 2 pièces de 4
 Si S=3, la solution optimale est de rendre une pièce de 2 et une pièce de 1
 Algorithme glouton:
 Trier la liste 𝑃 par ordre décroissant
 Pour chaque élément de P:
o Maximiser le nombre de pièces choisies
o Calculer la nouvelle somme restante
 Si la somme restante devienne nulle, on s'arrête
 Sinon, passer au type de pièces suivant
 Retourner la liste des pièces utilisées

Algorithmes gloutons 1 /4 M.GUEROIHI

 Implémentation
Version 1 Version 2 Version 3
def rendreMonnaie (P,S): def rendreMonnaie (P,S): def rendreMonnaie (P,S):
P.sort(reverse=True) P.sort(reverse=True) P.sort(reverse=True)
L=[] L=[]
L=[]
for x in P: i=0
if S>=x: for x in P: while S>0:
np= S//x while S>=x: if P[i]<=S:
L+=[x]*np L.append(x) L.append(P[i])
S=S%x S-=P[i]
if S==0: break S-=x else:
return L return L i+=1
return L
Exemple d'exécution:
>>> rendreMonnaie([1,2,4],15)
[4, 4, 4, 2, 1]
>>> rendreMonnaie([1,3,4],6)
[4, 1, 1]
Remarque:
Cet algorithme n'est pas toujours optimal pour tout système P. l'appel rendreMonnaie([1,3,4],6)a retourné la
solution [4, 1, 1] alors que la solution optimale est [3,3].
On appelle Système canonique un système de pièces ou billets P pour le quel cet algorithme glouton fournit toujours une
solution optimale quelle que soit la somme S à rendre.

Exemple 2 : Le problème du sac à dos

On se donne 𝒏 objets numérotés de 𝟎 à 𝒏 − 𝟏 ayant les valeurs 𝒗𝟎 , 𝒗𝟏 , … , 𝒗𝒏−𝟏 et des poids 𝒑𝟎 , 𝒑𝟏 , … , 𝒑𝒏−𝟏
Le but est de remplir un sac à dos avec des objets (sans répétition) sans dépasser la capacité maximale 𝑀 du sac à dos et en
maximisant la valeur totale des objets introduits (maximiser ∑ 𝑣𝑖 sous la contrainte ∑ 𝑝𝑖 ≤ 𝑀).
Un objet 𝒊 est représenté par le tuple (𝑣𝑖 , 𝑝𝑖 ), les objets sont stockés dans une liste de tuples 𝐿 = [(𝑣0 , 𝑝0 ), … (𝑣𝑛−1 , 𝑝𝑛−1 )]
 Algorithme glouton:
 Trier la liste 𝑳 des objets par ordre décroissant selon le rapport 𝒗𝒊 /𝒑𝒊
 A chaque fois on remplit le sac par le plus grand élément possible
Exemple:
Valeur 10 7 1 3 2
Valeur 3 7 1 2 10
Poids 9 12 2 7 5
Poids 7 12 2 5 9
Valeur/Poids 1.11 0.58 0.5 0.43 0.4
𝐿 = [(3 ,7 ), (7 ,12 ), (1 ,2 ), (2 ,5 ), (10 ,9 ) ]
On trie la liste 𝑆 des objets selon les 𝒗𝒊 /𝒑𝒊 décroissantes:
𝐿 = [(10 ,9 ), (7 ,12 ), (1 ,2 ), (3 ,7 ), (2 ,5 ) ]
𝑆𝑖 𝑴 = 𝟏𝟓, alors on prend les objets (𝟏𝟎 )
, 𝟗 𝑒𝑡 (𝟏 , 𝟐 ) et sa valeur est : 11
(On remarque que pour cet exemple la solution obtenue n'est pas optimale)
 Implémentation
def sac(L,M):
L.sort(key=lambda x : x[0]/x[1] , reverse=True)
S=[] #liste des objets sélectionnés
v=0 #valeur de la solution
for i in range(len(L)):
if L[i][1]<M:
S.append(L[i])
v+=L[i][0]
M-=L[i][1]
return S,v

Algorithmes gloutons 2 /4 M.GUEROIHI

 TD : Algorithmes gloutons

Exercice 1: Planification des activités

On considère un ensemble d'activités, chacune possédant une date de début 𝒅𝒊 et une date de fin 𝒇𝒊 .
Pour des raisons logistiques, on ne peut pas programmer des activités se déroulant en même temps.
La question est la suivante : quel est le nombre maximal d'activités que l'on va pouvoir planifier ?
Formalisme du problème
Formalisme du problème

 L'ensemble des 𝑛 activités peut être modélisé par une liste de tuples 𝑺 = [(𝒅𝟎 , 𝒇𝟎 ), (𝒅𝟏 , 𝒇𝟏 ), , . . . , (𝒅𝒏−𝟏 , 𝒇𝒏−𝟏 )] où
𝒅𝒊 représente la date de début de l'activité i et 𝒇𝒊 sa date de fin.
 On suppose que pour tout 𝒊 , 𝒅𝒊 < 𝒇𝒊 et que l'activité i se déroule pendant l'intervalle [𝒅𝒊 ; 𝒇𝒊 [
 Deux activités i et j sont dites compatibles si 𝒅𝒊 > 𝒇𝒋 ou alors 𝒅𝒋 > 𝒇𝒊
 La question peut alors se reformuler comme suit : on cherche un sous-ensemble d'activités compatibles dont le nombre
d'éléments est le plus grand possible.
La technique la plus basique pour résoudre ce type de problème consiste à énumérer de façon exhaustive toutes les solutions
possibles, puis à choisir la meilleure.
Cette approche dite par force brute, toujours possible, est couteuse, en effet dans notre cas on aura 2𝑛 sous-ensembles à
vérifier ce qui donne une complexité exponentielle. On cherche donc une stratégie plus rapide : un algorithme glouton.
Exemple:
S=[ (1,4) , (0,6) , (3,5) , (12,13) , (8,11) , (8,12) , (3,13) , (6,10) , (5,9) , (4,8) , (5,7) , (13,16) , (15,17) , (16,19)]

 Résolvons ce problème à la main en le

représentant par le schéma ci-contre:

 Vérifiez que le nombre maximal d'activités que

l'on peut planifier est 6.

 Pour des situations plus complexes, un schéma ne

nous aidera pas à trouver une solution, nous
devons faire appel à un algorithme.

Algorithme glouton.
1. Trier les activités 𝑺 selon un ordre et un critère
2. Initialiser une liste 𝑸 des activités choisies.
3. Parcourir dans l'ordre la liste 𝑺 des activités, et rajouter l'activité courante à 𝑸 si elle n'est pas incompatible avec celles déjà
présentes dans 𝑸
Sur quel critère faut-il trier la liste des activités?
Stratégie 1 : trier les activités par ordre croissant des durées 𝒇𝒊 − 𝒅𝒊
c d e
Cette approche ne donne pas toujours un résultat optimal.
𝑎 b Dans le cas de figure suivant, l'algorithme choisira les deux activités a
et b, à la place des trois activités c, d et e

Stratégie 2 : trier les activités par ordre croissant de leur date de début 𝒅𝒊
b c d Cette approche ne donne pas toujours un résultat optimal.
Dans le cas de figure suivant, l'algorithme choisira l'activité a à la
𝑎
place des trois activités b, c et d
Stratégie 3 : trier les activités par ordre croissant de leur date de fin 𝒇𝒊 (la bonne idée)
S = [(1,4),(3,5),(0,6),(5,7),(4,8),(5,9),(6,10),(8,11),(8,12),(12,13),(3,13),(13,16),(15,17),(16,19)]

 Ecrire la fonction activites_choisies(S) qui prend en entrée la liste des activités S et qui renvoie une liste d'activités à
programmer 𝑸 en utilisant la stratégie 3. Quel est sa complexité.
>>>activites_choisies(S)
[(1, 4), (5, 7), (8, 11), (12, 13), (13, 16), (16, 19)]

Algorithmes gloutons 3 /4 M.GUEROIHI

 Exercice 2: Stockage des fichiers
On se donne 𝒏 fichiers numérotés de 𝟎 à 𝒏 − 𝟏 ayant les noms 𝒏𝒐𝒎𝟎 , 𝒏𝒐𝒎𝟏 , … , 𝒏𝒐𝒎𝒏−𝟏 et des tailles 𝒕𝟎 , 𝒕𝟏 , … , 𝒕𝒏−𝟏

On souhaite enregistrer sur une mémoire de taille 𝑀 un groupe de fichiers F=[(𝑛𝑜𝑚0 , 𝑡0 ), … (𝒏𝒐𝒎𝒏−𝟏 , 𝒕𝒏−𝟏 )]. Supposons que
∑𝑡𝑖 > 𝑀 ∶ on ne peut pas enregistrer tous les fichiers. Il s’agit donc de choisir le sous ensemble 𝑄 des fichiers à enregistrer. On
pourrait souhaiter le sous-ensemble qui contient le plus grand nombre de fichiers.

Un algorithme glouton pour ce problème pourrait par exemple ranger les fichiers par ordre croissant des 𝒕𝒊 . Supposons que
les 𝐹𝑖 soient ordonnés par taille (𝒕𝟎 ≤ 𝒕𝟏 , … , ≤ 𝒕𝒏−𝟏 ).

1. Écrivez la fonction fichiers(F,M) utilisant la stratégie présentée ci-dessus qui permet de renvoyer une liste des
booléens 𝑺 de même taille que 𝑭, tel que 𝑆[𝑖] = 𝑇𝑟𝑢𝑒 si 𝐹𝑖 est dans 𝑸 et 𝑆[𝑖] = 𝐹𝑎𝑙𝑠𝑒 sinon. Quelle est sa complexité ?

>>>F=[("A",700),("B",1200),("C",200),("D",50),("E",900)]
>>> fichiers(F,1000)
[True, True, True, False, False]

2. Écrivez la fonction fichiers2(F,M) utilisant la stratégie présentée ci-dessus qui permet de renvoyer la liste Q des
fichiers enregistrés.

>>> fichiers2(F, 1000)

[('D', 50), ('C', 200), ('A', 700)]

Exercice 3: Les stations-services

 Un automobiliste souhaite se rendre en voiture d'une ville A de départ à une autre ville B d'arrivée.
 le réservoir de la voiture plein lui permet de rouler R Km
 L'automobiliste connait la liste des pompes à essence disponibles sur la route, donnée sous la forme : S=[d0,d1,...,dn-1]
Où chaque di donne la distance qui le sépare de son précédent :
S[0] est à d0 kilomètres du départ
S[1] est à d1 kilomètres de S[0] Etc.
On suppose 𝒅𝒊 ≤ 𝑹 pour 𝒊 = 𝟎. . 𝒏 − 𝟏, dn-1 symbolisant l'arrivée.
L'automobiliste souhaite faire le moins d'arrêts possibles
1. Donnez une condition nécessaire et suffisante pour que l’automobiliste puisse effectuer le parcours. On la supposera
réalisée par la suite.
2. Écrire la fonction stations(S,R) renvoyant la liste des indices des pompes à essence où l'on doit s'arrêter.
Une méthode consiste à toujours aller le plus loin possible sans faire le plein, c’est-à-dire à faire systématiquement le plein
à la dernière station avant la panne sèche...
Pour un réservoir de R=250 Km et la liste S=[120, 142, 90, 70, 130, 150, 84, 25, 110]
>>>S=[120, 142, 90, 70, 130, 150, 84, 25, 110]
>>>R=250
>>>Q=stations(S,R)
>>>print(Q)
[0, 2, 4, 6]
>>>print([S[i] for i in Q])
[120, 90, 130, 84]

Algorithmes gloutons 4 /4 M.GUEROIHI