madmc_project's Introduction
Toutes ces fonctions sont présentes dans le fichier main.py Décommentez la ligne que vous voulez lancer puis dans un terminal: $ python main.py ######################################################################################################### # créer n vecteurs avec tirage gaussien d'espérance m puis récupère les pareto non dominés selon 3 fonctions # deux naives et une optimisée en commencant par un tri ######################################################################################################### test_pareto_functions ######################################################################################################### # compare la vitesse d'exécution des différentes fonctions trouvant les pareto non dominés (naive 1 et celle avec le tri) ######################################################################################################### compare_and_plot_pareto_functions ######################################################################################################### # compare la vitesse d'exécution des différentes fonctions trouvant les pareto non dominés (les fonctions sont données dans la fonction) ######################################################################################################### test_all_pareto_functions ######################################################################################################### # calcule et affiche les solutions de la programmation dynamique pour n vecteurs de génération gaussienne # d'espérance m pour trouver les ensembles pareto non dominés de taille k (1<k<=n) # soit par pareto soit par l'I_dominance (I_dominance = True) # on peut aussi afficher la tableau complet de programmation dynamique (display_dynamic_array = True) ######################################################################################################### compute_and_display_solution_of_dynamic_programming ######################################################################################################### # compare le temps d'exécution pour trouver les pareto non dominés avec la technique Pareto ou I_dominance # avec tests le nombre de tests, n le nombre de vecteurs par tests, m l'espérance de génération gaussienne par vecteur # et k le cardinal de l'ensemble de pareto non dominés à trouver ######################################################################################################### display_result_tests
madmc_project's People
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.