University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'éditeur
Setif:UFA |
Documents disponibles chez cet éditeur
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Titre : Simulation d'algorithmesauto- stabilsants dans les réseaux complexces Type de document : texte imprimé Auteurs : Amarchi,Nour el-houda, Auteur ; Benreguia,Baadreddine, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (41 f .) Format : 29 cm Langues : Français (fre) Langues originales : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique: réseaux complexces Résumé : Résumé
Notre objectif a été d’intégrer et d’implémenter le modèle Scale Free, et offrir une nouvelle vision à la communauté scientifique pour pouvoir tester des algorithmes auto-stabilisants sur des réseaux complexes proches de la réalité.
1. Les algorithmes auto-stabilisants fournissent une tolérance naturelle aux pannes transi-toires, et ce quelle que soit leur distribution. Le coût d'une telle propriété est l'existence d'une phase de stabilisation pendant laquelle les pannes peuvent influencer le système, se propager et produire un comportement incorrect. L'étude du comportement des algorithmes auto-stabilisants pendant cette phase de convergence, et la contrainte de ce comportement est donc un sujet particulièrement important de l'algorithmique auto-stabilisante.
2. Nous avons défini l’ensemble des modèles de graphes qui existent dans la littérature comme (Random, Small World et Scale Free networks), ainsi que la distribution de degré qui représente la probabilité qu’un noeud sélectionné aléatoirement possède k arêtes. La distribution de degré d’un graphe aléatoire suit la loi de poisson par contre les larges réseaux complexes suivent une loi de puissance.
3. À la fin, nous avons implémenté et simulé le modèle Scale Free, afin de le comparer vis-à -vis le modèle Random) par des tests benchmark sur trois algorithmes auto-stabilisants : Grundy Coloration, MIS et MDS. Nous avons déduit que le temps de convergence des algorithmes Grundy Coloration et MDS pour le modèle Scale Free est mieux que celui du modèle Random. De plus en matiére de cardinalité selon l’algorithme MIS Scale Free est bien meilleur.
Perspectives
L’auto-stabilisation dans les réseaux complexes est un domaine très prometteur pour l’avenir. Dans les futurs travaux, nous souhaiterions faire une étude détaillée sur les résultats obtenus après la simulation, et tester d’autres algorithmes auto-stabilisants sur des graphes proches de la réalité afin de les comparer.
40Note de contenu : Sommaire
Remerciement .............................................................................................................................. I
Dédicace ..................................................................................................................................... II
Table des matières ................................................................................................................... III
Introduction générale ................................................................................................................... 1
Chapitre 1: L'auto stabilisation
1.1. Introduction .................................................................................................................... 3
1.2. Qu’est-ce qu’un système distribué ? ............................................................................. 3
1.2.1. Propriété d’un système distribué : ......................................................................... 4
1.2.2. Avantages et inconvénients des systèmes distribués ............................................ 5
1.2.2.1. Avantages : ....................................................................................................... 5
1.2.2.2. Inconvénients .................................................................................................... 5
1.2.3. Comment modéliser un système distribué ? .......... Error! Bookmark not defined.
1.2.4. Problèmes classiques en algorithmes distribués :................................................. 6
1.2.4.1. Problèmes statiques ............................................................................................... 6
1.2.4.2. Problème dynamique ............................................................................................ 7
1.2.5. Modèles de communications : ................................................................................ 7
1.2.6. Tolérance aux pannes : ........................................................................................... 7
1.3. L’auto stabilisation : ....................................................................................................... 9
1.3.1. Avantages et limites de l’auto-stabilisation : ...................................................... 10
1.3.1.1. Avantages : ..................................................................................................... 10
1.3.1.2. Limites : .......................................................................................................... 10
1.3.2. Domaine d’application de l’auto-stabilisation :.................................................. 11
1.3.2.1. Ensemble dominant ....................................................................................... 11
1.3.2.2. Ensemble indépendant .................................................................................. 11
1.3.2.3. Coloration des sommets : .............................................................................. 12
1.3.3. Définitions formelles ............................................................................................. 13
1.3.3.1. Les Démons ........................................................................................................ 14
1.3.3.2. Distribution : .................................................................................................. 14
1.3.3.3. Équité : ............................................................................................................ 14
1.3.4. Mesures de complexité .......................................................................................... 15
1.4. Conclusion ..................................................................................................................... 15
Chapitre 2: Les modèles de graphes et la proposition d’un algorithme pour un générateur Scale Free
2.1. Introduction .................................................................................................................. 16
2.2. Coefficient de clustering : ............................................................................................ 16
2.3. Distribution de degré : ................................................................................................. 17
2.3.1. C’est quoi la loi de puissance ? ............................................................................. 17
2.3.2. C’est quoi la loi de poisson ? ................................................................................ 17
2.4. Les modèles de graphes théoriques « classiques » ..................................................... 18
2.4.1. Random network : ................................................................................................. 18
2.4.2. Small World network : ......................................................................................... 19
2.4.2.1. Le modèle Stenely Milgram: ......................................................................... 19
2.4.2.2. Le modèle Watts et Strogatz : ....................................................................... 20
2.4.3. Scale Free network : .............................................................................................. 22
2.4.3.1. Historique de Scale Free networks : ............................................................ 24
2.4.3.2. Comment crée un graphe Scale Free avec 11 noeuds et un degré attachement 2? 25
2.4.3.3. Pseudo code pour crée un graphe de modèle Scale free: ............................ 26
2.5. Conclusion : ................................................................................................................... 26
Chapitre 3: Simulation et résultats
3.1. Introduction .................................................................................................................. 27
3.2. Explication de l’algorithme : ....................................................................................... 27
3.2.1. La classe Graph : ................................................................................................... 27
3.2.1.1. Génération de graph du modèle Scale Free : .............................................. 27
3.2.1.2. La méthode : calculMDS() ............................................................................ 29
3.2.1.3. La méthode : calculMIS() .............................................................................. 29
3.2.2. La classe ColoringVertex : ................................................................................... 30
3.2.3. La classe DemonDialog ......................................................................................... 30
3.3. Étude comparative entre les graphes Random et Scale Free: .................................. 31
3.3.1. Simulation : ............................................................................................................ 31
3.3.2. Détail de la simulation : ........................................................................................ 31
3.3.3. Étude de performance : ........................................................................................
3.3.3.1. Grundy coloration algorithme : .................................................................... 32
3.3.3.2. MIS Algorithme : ........................................................................................... 34
3.3.3.3. MDS Algorithme : .......................................................................................... 36
3.3.4. Résultat de l’étude comparative : ........................................................................ 38
3.4. Conclusion : ................................................................................................................... 38
Conclusion générale .................................................................................................................. 39
Bibliographies ............................................................................................................................ 40
Webographie………………………………………………………………………………………………………………………………42
Côte titre : MAI/0268 En ligne : https://drive.google.com/file/d/1XRsieiHeRXnq_pe3rdYmeJ752g9blIt4/view?usp=shari [...] Format de la ressource électronique : Simulation d'algorithmesauto- stabilsants dans les réseaux complexces [texte imprimé] / Amarchi,Nour el-houda, Auteur ; Benreguia,Baadreddine, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (41 f .) ; 29 cm.
Langues : Français (fre) Langues originales : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique: réseaux complexces Résumé : Résumé
Notre objectif a été d’intégrer et d’implémenter le modèle Scale Free, et offrir une nouvelle vision à la communauté scientifique pour pouvoir tester des algorithmes auto-stabilisants sur des réseaux complexes proches de la réalité.
1. Les algorithmes auto-stabilisants fournissent une tolérance naturelle aux pannes transi-toires, et ce quelle que soit leur distribution. Le coût d'une telle propriété est l'existence d'une phase de stabilisation pendant laquelle les pannes peuvent influencer le système, se propager et produire un comportement incorrect. L'étude du comportement des algorithmes auto-stabilisants pendant cette phase de convergence, et la contrainte de ce comportement est donc un sujet particulièrement important de l'algorithmique auto-stabilisante.
2. Nous avons défini l’ensemble des modèles de graphes qui existent dans la littérature comme (Random, Small World et Scale Free networks), ainsi que la distribution de degré qui représente la probabilité qu’un noeud sélectionné aléatoirement possède k arêtes. La distribution de degré d’un graphe aléatoire suit la loi de poisson par contre les larges réseaux complexes suivent une loi de puissance.
3. À la fin, nous avons implémenté et simulé le modèle Scale Free, afin de le comparer vis-à -vis le modèle Random) par des tests benchmark sur trois algorithmes auto-stabilisants : Grundy Coloration, MIS et MDS. Nous avons déduit que le temps de convergence des algorithmes Grundy Coloration et MDS pour le modèle Scale Free est mieux que celui du modèle Random. De plus en matiére de cardinalité selon l’algorithme MIS Scale Free est bien meilleur.
Perspectives
L’auto-stabilisation dans les réseaux complexes est un domaine très prometteur pour l’avenir. Dans les futurs travaux, nous souhaiterions faire une étude détaillée sur les résultats obtenus après la simulation, et tester d’autres algorithmes auto-stabilisants sur des graphes proches de la réalité afin de les comparer.
40Note de contenu : Sommaire
Remerciement .............................................................................................................................. I
Dédicace ..................................................................................................................................... II
Table des matières ................................................................................................................... III
Introduction générale ................................................................................................................... 1
Chapitre 1: L'auto stabilisation
1.1. Introduction .................................................................................................................... 3
1.2. Qu’est-ce qu’un système distribué ? ............................................................................. 3
1.2.1. Propriété d’un système distribué : ......................................................................... 4
1.2.2. Avantages et inconvénients des systèmes distribués ............................................ 5
1.2.2.1. Avantages : ....................................................................................................... 5
1.2.2.2. Inconvénients .................................................................................................... 5
1.2.3. Comment modéliser un système distribué ? .......... Error! Bookmark not defined.
1.2.4. Problèmes classiques en algorithmes distribués :................................................. 6
1.2.4.1. Problèmes statiques ............................................................................................... 6
1.2.4.2. Problème dynamique ............................................................................................ 7
1.2.5. Modèles de communications : ................................................................................ 7
1.2.6. Tolérance aux pannes : ........................................................................................... 7
1.3. L’auto stabilisation : ....................................................................................................... 9
1.3.1. Avantages et limites de l’auto-stabilisation : ...................................................... 10
1.3.1.1. Avantages : ..................................................................................................... 10
1.3.1.2. Limites : .......................................................................................................... 10
1.3.2. Domaine d’application de l’auto-stabilisation :.................................................. 11
1.3.2.1. Ensemble dominant ....................................................................................... 11
1.3.2.2. Ensemble indépendant .................................................................................. 11
1.3.2.3. Coloration des sommets : .............................................................................. 12
1.3.3. Définitions formelles ............................................................................................. 13
1.3.3.1. Les Démons ........................................................................................................ 14
1.3.3.2. Distribution : .................................................................................................. 14
1.3.3.3. Équité : ............................................................................................................ 14
1.3.4. Mesures de complexité .......................................................................................... 15
1.4. Conclusion ..................................................................................................................... 15
Chapitre 2: Les modèles de graphes et la proposition d’un algorithme pour un générateur Scale Free
2.1. Introduction .................................................................................................................. 16
2.2. Coefficient de clustering : ............................................................................................ 16
2.3. Distribution de degré : ................................................................................................. 17
2.3.1. C’est quoi la loi de puissance ? ............................................................................. 17
2.3.2. C’est quoi la loi de poisson ? ................................................................................ 17
2.4. Les modèles de graphes théoriques « classiques » ..................................................... 18
2.4.1. Random network : ................................................................................................. 18
2.4.2. Small World network : ......................................................................................... 19
2.4.2.1. Le modèle Stenely Milgram: ......................................................................... 19
2.4.2.2. Le modèle Watts et Strogatz : ....................................................................... 20
2.4.3. Scale Free network : .............................................................................................. 22
2.4.3.1. Historique de Scale Free networks : ............................................................ 24
2.4.3.2. Comment crée un graphe Scale Free avec 11 noeuds et un degré attachement 2? 25
2.4.3.3. Pseudo code pour crée un graphe de modèle Scale free: ............................ 26
2.5. Conclusion : ................................................................................................................... 26
Chapitre 3: Simulation et résultats
3.1. Introduction .................................................................................................................. 27
3.2. Explication de l’algorithme : ....................................................................................... 27
3.2.1. La classe Graph : ................................................................................................... 27
3.2.1.1. Génération de graph du modèle Scale Free : .............................................. 27
3.2.1.2. La méthode : calculMDS() ............................................................................ 29
3.2.1.3. La méthode : calculMIS() .............................................................................. 29
3.2.2. La classe ColoringVertex : ................................................................................... 30
3.2.3. La classe DemonDialog ......................................................................................... 30
3.3. Étude comparative entre les graphes Random et Scale Free: .................................. 31
3.3.1. Simulation : ............................................................................................................ 31
3.3.2. Détail de la simulation : ........................................................................................ 31
3.3.3. Étude de performance : ........................................................................................
3.3.3.1. Grundy coloration algorithme : .................................................................... 32
3.3.3.2. MIS Algorithme : ........................................................................................... 34
3.3.3.3. MDS Algorithme : .......................................................................................... 36
3.3.4. Résultat de l’étude comparative : ........................................................................ 38
3.4. Conclusion : ................................................................................................................... 38
Conclusion générale .................................................................................................................. 39
Bibliographies ............................................................................................................................ 40
Webographie………………………………………………………………………………………………………………………………42
Côte titre : MAI/0268 En ligne : https://drive.google.com/file/d/1XRsieiHeRXnq_pe3rdYmeJ752g9blIt4/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0268 MAI/0268 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Simulation de la détection des rayonnements gamma par un détecteur en germanium Type de document : texte imprimé Auteurs : Azli,tarek ; Zine El Abidine Chaoui, Directeur de thèse Editeur : Setif:UFA Importance : 1 vol. (180 f.) Format : 29 cm Catégories : Thèses & Mémoires:Physique Mots-clés : Rayonnements gamma
Détecteur en germaniumRésumé :
Le code MCNPX a été utilisé pour réévaluer l'efficacité d'un détecteur de GeHP de type N, après deux
décennies de fonctionnement. En comptant sur une description détaillée des courbures des bords avant du
cristal, ainsi qu’une description inhomogène des couches mortes du détecteur ont montrés une meilleure
concordance entre les mesures et les calcules MCNPX. Le model optimisé (MCNPX) du détecteur a été validé,
en changeant à la fois, la densité et la forme de la source en même temps que la géométrie de mesure. Les
résultats montrent un bon accord entre la simulation (MCNPX) et l'expérimentale. Ce qui permet de valider le
model optimisé (MCNPX) du détecteur, et de l’utiliser par la suite dans le domaine inaccessible Ã
l’expérimentale. Les valeurs de l'efficacité MCNPX (modèle optimisé) ont été utilisées pour évaluer la
radioactivité naturelle dans des échantillons d’eaux prélevés à proximité du gisement de phosphate de Bir-El-
Atter à TébessaCôte titre : DPH/0190 En ligne : https://drive.google.com/file/d/1Xd5hn2Jm0pkf5zH306Vp8zarX_L6g4JW/view?usp=shari [...] Format de la ressource électronique : Simulation de la détection des rayonnements gamma par un détecteur en germanium [texte imprimé] / Azli,tarek ; Zine El Abidine Chaoui, Directeur de thèse . - [S.l.] : Setif:UFA, [s.d.] . - 1 vol. (180 f.) ; 29 cm.
Catégories : Thèses & Mémoires:Physique Mots-clés : Rayonnements gamma
Détecteur en germaniumRésumé :
Le code MCNPX a été utilisé pour réévaluer l'efficacité d'un détecteur de GeHP de type N, après deux
décennies de fonctionnement. En comptant sur une description détaillée des courbures des bords avant du
cristal, ainsi qu’une description inhomogène des couches mortes du détecteur ont montrés une meilleure
concordance entre les mesures et les calcules MCNPX. Le model optimisé (MCNPX) du détecteur a été validé,
en changeant à la fois, la densité et la forme de la source en même temps que la géométrie de mesure. Les
résultats montrent un bon accord entre la simulation (MCNPX) et l'expérimentale. Ce qui permet de valider le
model optimisé (MCNPX) du détecteur, et de l’utiliser par la suite dans le domaine inaccessible Ã
l’expérimentale. Les valeurs de l'efficacité MCNPX (modèle optimisé) ont été utilisées pour évaluer la
radioactivité naturelle dans des échantillons d’eaux prélevés à proximité du gisement de phosphate de Bir-El-
Atter à TébessaCôte titre : DPH/0190 En ligne : https://drive.google.com/file/d/1Xd5hn2Jm0pkf5zH306Vp8zarX_L6g4JW/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité DPH/0190 DPH/0190 Thèse Bibliothéque des sciences Français Disponible
DisponibleSimulation de la distribution de puissance du flux et du taux de combustion dans le réacteur nucléaire de recherche TRIGA-mark-II / Samra Nehaoua
Titre : Simulation de la distribution de puissance du flux et du taux de combustion dans le réacteur nucléaire de recherche TRIGA-mark-II Type de document : texte imprimé Auteurs : Samra Nehaoua ; Maamache,M, Directeur de thèse Editeur : Setif:UFA Année de publication : 2005 Importance : 1 vol (76 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Physique Mots-clés : Physique
Réacteur nucléaireIndex. décimale : 530 - Physique Côte titre : MPH/0068-0073 Simulation de la distribution de puissance du flux et du taux de combustion dans le réacteur nucléaire de recherche TRIGA-mark-II [texte imprimé] / Samra Nehaoua ; Maamache,M, Directeur de thèse . - [S.l.] : Setif:UFA, 2005 . - 1 vol (76 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Physique Mots-clés : Physique
Réacteur nucléaireIndex. décimale : 530 - Physique Côte titre : MPH/0068-0073 Exemplaires (6)
Code-barres Cote Support Localisation Section Disponibilité MPH/0068 MPH/0068-0073 Mémoire Bibliothéque des sciences Français Disponible
DisponibleMPH/0071 MPH/0068-0073 Mémoire Bibliothéque des sciences Français Disponible
DisponibleMPH/0070 MPH/0068-0073 Mémoire Bibliothéque des sciences Français Disponible
DisponibleMPH/0069 MPH/0068-0073 Mémoire Bibliothéque des sciences Français Disponible
DisponibleMPH/0072 MPH/0068-0073 Mémoire Bibliothéque des sciences Français Disponible
DisponibleMPH/0073 MPH/0068-0073 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Simulation Dosimétrique en Curiethérapie à l'Iridium -192 Par le Code MCNP5 Type de document : texte imprimé Auteurs : Amrane ,Manel, Auteur ; Fayçal Kharfi, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Importance : 1 vol (59 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Physique Mots-clés : Physique Index. décimale : 530 Physique Note de contenu : Sommaire
Introduction générale 1
Chapitre I : La Méthode Monte Carlo 3
I. 1 Définition de la méthode Monte Carlo 3
I.2 Historique de la méthode Monte Carlo 3
I.2.1 Aiguille du Comte de Buffon 3
I.2.2 Développement de la méthode Monte Carlo 3
I.2.3 Exemples d’application de la méthode de Monte Carlo 4
I.3 Principe de la méthode Monte Carlo 5
I.3.1 Les fonctions de densité de probabilité générées par Monte Carlo 6
I.3.2 Nombres aléatoires et pseudo -aléatoires 6
I.3.2.1 Nombres aléatoires 6
I.3.2.2 Nombres pseudo-aléatoires 6
I.4 Génération de nombres aléatoires 6
I.4.1 Exemple de génération de nombres aléatoires 7
I.5 Génération de nombres pseudo-aléatoires 7
I.5.1 Propriétés d'un générateur pseudo-aléatoire 8
I.5.2 Quelques générateurs de nombres pseudo-aléatoires 8
I.5.2.1 Le générateur de Von Neumann 8
I.5.2.2 Le générateur Mersenne twister 9
I.5.2.3 Le générateur congruentiel 10
I.6 Les méthodes d’échantillonnage 10
I.6.1Méthode directe 11
I.6.2 Méthode du rejet 11
I.6.3 Méthode mixte 12
I.7 Les estimateurs de la méthode de Monte Carlo 12
I.8 Les méthodes de réduction de la variance 14
I.8.1 Interaction forcée 14
I.8.2 Roulette Russe et Bremsstrahlung Splitting 15
I.83 Énergie de coupure 16
I.7.4 Espace des phases 16
Chapitre II : Interactions et Transport des Photons et des Electrons dans la Matière 17
ӀӀ.1 Théorie de l’interaction et du transport des photons et des électrons dans la matière 17
II.1.1 Les interactions et le transport des photons 17
II.1.1 .1 L’effet photoélectrique 18
II.1.1.2 L’effet Compton 18
II.1.1 .3 La création de paires 19
II.1.2 Estimation du parcours du photon 19
II.1.3 Choix du type d’interaction du photon 20
II.1.4 Les interactions et transport des électrons 21
II.1.4.1 Les interactions avec les autres électrons de la matière 21
II.1.4.2 Les interactions avec les noyaux 21
ӀӀ.2 Considérations particulières pour le transport des photons par MCNP5 22
Ó€Ó€.2.1 Le mode physique simple 22
ӀӀ.2.2 Le mode physique détaillée 22
ӀӀ.3 Les bibliothèques de section efficaces des interactions de photons 23
ӀӀ.4 Considérations pour Le transport des électrons par MCNP5 24
ӀӀ.4.1 Théories de diffusion multiple 24
ӀӀ.4.2 La théorie de Goudsmit-Saunderson 24
ӀӀ.4.3 Méthode d’histoire condensée 25
ӀӀ.5 Les bibliothèques de sections efficaces des interactions d’électrons 26
Chapitre III : Le Code MCNP 5 28
III.1Définition Du Code MCNP 28
III.2 Rappel historique 28
III.3 Principe du code MCNP5 29
III.3.1 Notion de section efficace et de libre parcours moyen 30
III.4 Fonctionnement du code et principaux paramètres 31
III.5 Structure du Fichier Input MCNP5 33
III.5.1 La Carte de Cellules 33
III.5.2 La carte de surfaces 34
III.5.3 La carte de la source 36
III.5.4 La carte de matières 37
III.5.5 Les Tallies 37
III.6 Estimation de la fiabilité du calcul MCNP 38
III.7 Réduction de la variance 39
III.7.1 Monte Carlo analogique et non analogique 39
III.7.2 Techniques de réduction de variance 40
III.7.2.1 Méthodes de troncature 40
III.7.2.2 Méthodes de contrôle de la population de particules 41
III.7.2.3 Méthodes de modification de l’échantillonnage 41
ӀIӀ.8 Applications médicales du Code MCNP 42
Chapitre IV : La Curiethérapie 43
IV.1 Définition et intérêt de la curiethérapie 43
IV.2 L’histoire de la curiethérapie 43
IV.3 Eléments pratiques de curiethérapie 44
IV.3.1 Les particules bêta 44
IV.2 Les particules alpha 44
IV.3.3 Les rayons gamma 44
IV.4 Les différents types de curiethérapie 44
IV.4.1 Techniques d'implantation 44
IV.4.1.1 La curiethérapie intracavitaire 45
I.V.4.1.2 La curiethérapieinterstitielle 45
IV.4.1.3 la curiethérapie intraluminale 45
IV.4.1.4 la curiethérapie superficielle 45
IV.4.2 Techniques de chargement à la source 46
IV.4.2.1 Le chargement à chaud 46
IV.4.2.2 post-chargement manuel 46
IV.4.2.3 post-chargement à distance 46
IV.4.3 Débit de dose 46
1. La curiethérapie de haut débit 46
2. La curiethérapie de moyen débit 46
3. La curiethérapie de faible débit 47
IV.4.4 Mode d’irradiation 47
IV.4.4.1 Irradiation continue 47
IV.4.4.2 Irradiation fractionnée 47
IV.5 Sources de curiethérapie 47
IV.6 Curiethérapie à l’Iridium 192 48
IV.6 .1 Caractéristiques de L'iridium 192 48
IV.6 .2 Technique d’implantation des sources 50
IV.6.2.1 Implants permanents 50
IV.6.2.2 Implants temporaires 50
IV.6.3 Choix de l’Iridium-192 50
IV.7 Les Grandeurs Dosimétriques 51
IV.7 .1 La Dose 51
IV.7 .2 Le Débit de dose 52
Chapitre V: Simulation d’un Cas du Curiethérapie à l’Iridium-192 par MCNP5.... ............................53
V.1 Objective de la Simulation MCNP..................................................................................................53
V.2 Cas pratique étudié 53
V.3 Modélisation du problème 54
V.3.1 Cas homogène 54
V.3.1.1 Préparation de l’input du cas homogène 55
V.3.1.2 Préparation des cellules 57
V.3.1.3 Préparation des surfaces 58
V.3.1.4 Préparation des matériaux 60
V.3.1.5 Préparation de la source 61
V.3.1.6 Spectre énergétique de la source d’Ir192 61
V.3.1.7 Position et dimensions de la source d’Ir-192 62
V.3.1.8 Préparation des tallies 63
V.3.2 Cas hétérogène 64
V.3.1 Caractéristiques des organes hétérogènes considérés 65
V.4 Résultats et discussions 68
V.4.1 Résultats pour le cas homogène 68
V.4.1.1 La distribution radiale de la dose 68
V.4.1.2 La distribution angulaire de la dose 70
V.4.2 Résultats pour le cas hétérogène 72
V.4.3 Interprétations et discussions des résultats 73
Conclusion générale 75
Annexe
Références
Côte titre : MAPH/0332 Simulation Dosimétrique en Curiethérapie à l'Iridium -192 Par le Code MCNP5 [texte imprimé] / Amrane ,Manel, Auteur ; Fayçal Kharfi, Directeur de thèse . - [S.l.] : Setif:UFA, 2019 . - 1 vol (59 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Physique Mots-clés : Physique Index. décimale : 530 Physique Note de contenu : Sommaire
Introduction générale 1
Chapitre I : La Méthode Monte Carlo 3
I. 1 Définition de la méthode Monte Carlo 3
I.2 Historique de la méthode Monte Carlo 3
I.2.1 Aiguille du Comte de Buffon 3
I.2.2 Développement de la méthode Monte Carlo 3
I.2.3 Exemples d’application de la méthode de Monte Carlo 4
I.3 Principe de la méthode Monte Carlo 5
I.3.1 Les fonctions de densité de probabilité générées par Monte Carlo 6
I.3.2 Nombres aléatoires et pseudo -aléatoires 6
I.3.2.1 Nombres aléatoires 6
I.3.2.2 Nombres pseudo-aléatoires 6
I.4 Génération de nombres aléatoires 6
I.4.1 Exemple de génération de nombres aléatoires 7
I.5 Génération de nombres pseudo-aléatoires 7
I.5.1 Propriétés d'un générateur pseudo-aléatoire 8
I.5.2 Quelques générateurs de nombres pseudo-aléatoires 8
I.5.2.1 Le générateur de Von Neumann 8
I.5.2.2 Le générateur Mersenne twister 9
I.5.2.3 Le générateur congruentiel 10
I.6 Les méthodes d’échantillonnage 10
I.6.1Méthode directe 11
I.6.2 Méthode du rejet 11
I.6.3 Méthode mixte 12
I.7 Les estimateurs de la méthode de Monte Carlo 12
I.8 Les méthodes de réduction de la variance 14
I.8.1 Interaction forcée 14
I.8.2 Roulette Russe et Bremsstrahlung Splitting 15
I.83 Énergie de coupure 16
I.7.4 Espace des phases 16
Chapitre II : Interactions et Transport des Photons et des Electrons dans la Matière 17
ӀӀ.1 Théorie de l’interaction et du transport des photons et des électrons dans la matière 17
II.1.1 Les interactions et le transport des photons 17
II.1.1 .1 L’effet photoélectrique 18
II.1.1.2 L’effet Compton 18
II.1.1 .3 La création de paires 19
II.1.2 Estimation du parcours du photon 19
II.1.3 Choix du type d’interaction du photon 20
II.1.4 Les interactions et transport des électrons 21
II.1.4.1 Les interactions avec les autres électrons de la matière 21
II.1.4.2 Les interactions avec les noyaux 21
ӀӀ.2 Considérations particulières pour le transport des photons par MCNP5 22
Ó€Ó€.2.1 Le mode physique simple 22
ӀӀ.2.2 Le mode physique détaillée 22
ӀӀ.3 Les bibliothèques de section efficaces des interactions de photons 23
ӀӀ.4 Considérations pour Le transport des électrons par MCNP5 24
ӀӀ.4.1 Théories de diffusion multiple 24
ӀӀ.4.2 La théorie de Goudsmit-Saunderson 24
ӀӀ.4.3 Méthode d’histoire condensée 25
ӀӀ.5 Les bibliothèques de sections efficaces des interactions d’électrons 26
Chapitre III : Le Code MCNP 5 28
III.1Définition Du Code MCNP 28
III.2 Rappel historique 28
III.3 Principe du code MCNP5 29
III.3.1 Notion de section efficace et de libre parcours moyen 30
III.4 Fonctionnement du code et principaux paramètres 31
III.5 Structure du Fichier Input MCNP5 33
III.5.1 La Carte de Cellules 33
III.5.2 La carte de surfaces 34
III.5.3 La carte de la source 36
III.5.4 La carte de matières 37
III.5.5 Les Tallies 37
III.6 Estimation de la fiabilité du calcul MCNP 38
III.7 Réduction de la variance 39
III.7.1 Monte Carlo analogique et non analogique 39
III.7.2 Techniques de réduction de variance 40
III.7.2.1 Méthodes de troncature 40
III.7.2.2 Méthodes de contrôle de la population de particules 41
III.7.2.3 Méthodes de modification de l’échantillonnage 41
ӀIӀ.8 Applications médicales du Code MCNP 42
Chapitre IV : La Curiethérapie 43
IV.1 Définition et intérêt de la curiethérapie 43
IV.2 L’histoire de la curiethérapie 43
IV.3 Eléments pratiques de curiethérapie 44
IV.3.1 Les particules bêta 44
IV.2 Les particules alpha 44
IV.3.3 Les rayons gamma 44
IV.4 Les différents types de curiethérapie 44
IV.4.1 Techniques d'implantation 44
IV.4.1.1 La curiethérapie intracavitaire 45
I.V.4.1.2 La curiethérapieinterstitielle 45
IV.4.1.3 la curiethérapie intraluminale 45
IV.4.1.4 la curiethérapie superficielle 45
IV.4.2 Techniques de chargement à la source 46
IV.4.2.1 Le chargement à chaud 46
IV.4.2.2 post-chargement manuel 46
IV.4.2.3 post-chargement à distance 46
IV.4.3 Débit de dose 46
1. La curiethérapie de haut débit 46
2. La curiethérapie de moyen débit 46
3. La curiethérapie de faible débit 47
IV.4.4 Mode d’irradiation 47
IV.4.4.1 Irradiation continue 47
IV.4.4.2 Irradiation fractionnée 47
IV.5 Sources de curiethérapie 47
IV.6 Curiethérapie à l’Iridium 192 48
IV.6 .1 Caractéristiques de L'iridium 192 48
IV.6 .2 Technique d’implantation des sources 50
IV.6.2.1 Implants permanents 50
IV.6.2.2 Implants temporaires 50
IV.6.3 Choix de l’Iridium-192 50
IV.7 Les Grandeurs Dosimétriques 51
IV.7 .1 La Dose 51
IV.7 .2 Le Débit de dose 52
Chapitre V: Simulation d’un Cas du Curiethérapie à l’Iridium-192 par MCNP5.... ............................53
V.1 Objective de la Simulation MCNP..................................................................................................53
V.2 Cas pratique étudié 53
V.3 Modélisation du problème 54
V.3.1 Cas homogène 54
V.3.1.1 Préparation de l’input du cas homogène 55
V.3.1.2 Préparation des cellules 57
V.3.1.3 Préparation des surfaces 58
V.3.1.4 Préparation des matériaux 60
V.3.1.5 Préparation de la source 61
V.3.1.6 Spectre énergétique de la source d’Ir192 61
V.3.1.7 Position et dimensions de la source d’Ir-192 62
V.3.1.8 Préparation des tallies 63
V.3.2 Cas hétérogène 64
V.3.1 Caractéristiques des organes hétérogènes considérés 65
V.4 Résultats et discussions 68
V.4.1 Résultats pour le cas homogène 68
V.4.1.1 La distribution radiale de la dose 68
V.4.1.2 La distribution angulaire de la dose 70
V.4.2 Résultats pour le cas hétérogène 72
V.4.3 Interprétations et discussions des résultats 73
Conclusion générale 75
Annexe
Références
Côte titre : MAPH/0332 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0332 MAPH/0332 Mémoire Bibliothéque des sciences Français Disponible
DisponibleSimulation d'une émergence de propagation des informations sur les réseaux sociaux par les SMA / Hosna.nour el houda
![]()
Titre : Simulation d'une émergence de propagation des informations sur les réseaux sociaux par les SMA Type de document : texte imprimé Auteurs : Hosna.nour el houda ; Abdelhafid Benaouda, Directeur de thèse Editeur : Setif:UFA Année de publication : 2017 Importance : 1 vol (69f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Ingénierie de Données
Technologies Web
système multi-agent
propagation
diffusion
information
réseaux sociaux
protocole gossip
SIR modèleIndex. décimale : 004 Informatique Résumé : Résumé
Les réseaux sociaux constituent actuellement le moyen le plus privilégié de partage des
informations sur Internet. Ces informations peuvent être fiables (authentiques) ou non fiables
(non fondées), ce qui constitue un phénomène récent dans la société.
Jusqu’à nos jour, ce phénomène est étudié principalement par les académiciens en sciences
sociales. Ces derniers ne se basent pas généralement sur une quantification des données. À
ce titre, nous nous intéressons dans ce projet, à la quantification de ces données véhiculées
sur le Net. Cela revient à l’étude de la propagation des informations dans le réseau social,
"twitter" dans notre cas.
Notre contribution consiste donc à proposer un modèle de simulation lié à ce phénomène.
Il s’agit d’une amélioration dans le modèle bio-inspiré SIR et le protocole Gossip combinés
et utilisés avec le paradigme des systèmes multi-agent.
Notre modèle a été implémenté sous Net-logo et les résultats sont satisfaisantes.Note de contenu : Sommaire
1 Réseaux sociaux 3
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Internet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Web . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.1 Définition du Web . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.2 Évolution du Web . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.3 Qu’est ce qu’un réseau social ? . . . . . . . . . . . . . . . . . . . . 5
1.4 Histoire des réseaux sociaux . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Structure des réseaux sociaux . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6 Typologies des réseaux sociaux . . . . . . . . . . . . . . . . . . . . . . . . 7
1.6.1 Les réseaux sociaux centralisés . . . . . . . . . . . . . . . . . . . 7
1.6.2 Les réseaux sociaux décentralisés . . . . . . . . . . . . . . . . . . 8
1.6.3 Les réseaux sociaux distribués . . . . . . . . . . . . . . . . . . . . 8
1.7 Les types des réseaux sociaux . . . . . . . . . . . . . . . . . . . . . . . . 8
1.8 Les réseaux sociaux populaires . . . . . . . . . . . . . . . . . . . . . . . . 9
1.8.1 Les réseaux sociaux professionnels . . . . . . . . . . . . . . . . . 12
1.8.2 Les réseaux sociaux visuels . . . . . . . . . . . . . . . . . . . . . 12
1.8.3 Les réseaux sociaux vidéos . . . . . . . . . . . . . . . . . . . . . . 14
1.8.4 Les réseaux sociaux de diaporamas . . . . . . . . . . . . . . . . . 16
1.8.5 Les réseaux sociaux de découverte de contenus . . . . . . . . . . . 17
1.8.6 Les réseaux sociaux géolocalisés . . . . . . . . . . . . . . . . . . . 17
1.8.7 Les réseaux sociaux musicaux . . . . . . . . . . . . . . . . . . . . 18
1.8.8 Les réseaux sociaux éphémères . . . . . . . . . . . . . . . . . . . 19
1.8.9 Les applications de messagerie sur mobile . . . . . . . . . . . . . . 19
1.8.10 Les réseaux sociaux de gaming . . . . . . . . . . . . . . . . . . . . 22
1.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2 Les systèmes multi-agents 23
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Les agents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1 Définition d’agent . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.2 Les caractéristiques d’agents . . . . . . . . . . . . . . . . . . . . . 24
2.3 Les systèmes multi-agents (SMA) . . . . . . . . . . . . . . . . . . . . . . 25
2.3.1 Définition des SMA . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3.2 Caractéristiques des SMA . . . . . . . . . . . . . . . . . . . . . . 26
2.4 Peut t-on modéliser un réseau social sur un SMA ? . . . . . . . . . . . . . 26
2.5 Revue de littérature sur la propagation des information dans les RS dans les
SMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3 SDIR, un modèle de propagation conditionnelle 29
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2 Description du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3 Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.4 La méthodologie utilisée pour atteindre nos objectifs . . . . . . . . . . . . 30
3.5 L’architecture proposée . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.5.1 Pourquoi Twitter ? . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.5.2 L’architecture générale . . . . . . . . . . . . . . . . . . . . . . . . 31
3.5.3 Le modèle Sensible-Infecté-Récupéré(SIR) . . . . . . . . . . . . . 31
3.5.4 L’amélioration dans le modèle SIR . . . . . . . . . . . . . . . . . . 32
3.5.5 Le Protocole Gossip . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.5.6 L’amélioration dans Protocole Gossip . . . . . . . . . . . . . . . . 33
3.5.7 Combinaison des deux améliorations . . . . . . . . . . . . . . . . 34
3.6 Algorithme proposée dans la contribution . . . . . . . . . . . . . . . . . . 41
3.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4 Implémentation et Résultats 43
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2 Outils de simulation des systèmes multi-agents . . . . . . . . . . . . . . . 43
4.3 Pourquoi le langage Net-logo ? . . . . . . . . . . . . . . . . . . . . . . . . 44
4.4 L’environnement de modélisation : Net-logo . . . . . . . . . . . . . . . . . 44
4.4.1 Les concepts d’agents . . . . . . . . . . . . . . . . . . . . . . . . 45
4.5 Implémentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.5.1 Définir ses propres variables . . . . . . . . . . . . . . . . . . . . . 45
4.6 Déploiement d’agents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.6.1 Paramètres initiaux de la simulation . . . . . . . . . . . . . . . . . 48
4.6.2 Observations et analyses des animations . . . . . . . . . . . . . . . 49
4.7 Interprétation des résultats . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Côte titre : MAI/0202 En ligne : https://drive.google.com/file/d/1aMuM8yUqMUbOkNvY9g0habDXMz4Jvles/view?usp=shari [...] Format de la ressource électronique : Simulation d'une émergence de propagation des informations sur les réseaux sociaux par les SMA [texte imprimé] / Hosna.nour el houda ; Abdelhafid Benaouda, Directeur de thèse . - [S.l.] : Setif:UFA, 2017 . - 1 vol (69f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Ingénierie de Données
Technologies Web
système multi-agent
propagation
diffusion
information
réseaux sociaux
protocole gossip
SIR modèleIndex. décimale : 004 Informatique Résumé : Résumé
Les réseaux sociaux constituent actuellement le moyen le plus privilégié de partage des
informations sur Internet. Ces informations peuvent être fiables (authentiques) ou non fiables
(non fondées), ce qui constitue un phénomène récent dans la société.
Jusqu’à nos jour, ce phénomène est étudié principalement par les académiciens en sciences
sociales. Ces derniers ne se basent pas généralement sur une quantification des données. À
ce titre, nous nous intéressons dans ce projet, à la quantification de ces données véhiculées
sur le Net. Cela revient à l’étude de la propagation des informations dans le réseau social,
"twitter" dans notre cas.
Notre contribution consiste donc à proposer un modèle de simulation lié à ce phénomène.
Il s’agit d’une amélioration dans le modèle bio-inspiré SIR et le protocole Gossip combinés
et utilisés avec le paradigme des systèmes multi-agent.
Notre modèle a été implémenté sous Net-logo et les résultats sont satisfaisantes.Note de contenu : Sommaire
1 Réseaux sociaux 3
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Internet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Web . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.1 Définition du Web . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.2 Évolution du Web . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.3 Qu’est ce qu’un réseau social ? . . . . . . . . . . . . . . . . . . . . 5
1.4 Histoire des réseaux sociaux . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Structure des réseaux sociaux . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6 Typologies des réseaux sociaux . . . . . . . . . . . . . . . . . . . . . . . . 7
1.6.1 Les réseaux sociaux centralisés . . . . . . . . . . . . . . . . . . . 7
1.6.2 Les réseaux sociaux décentralisés . . . . . . . . . . . . . . . . . . 8
1.6.3 Les réseaux sociaux distribués . . . . . . . . . . . . . . . . . . . . 8
1.7 Les types des réseaux sociaux . . . . . . . . . . . . . . . . . . . . . . . . 8
1.8 Les réseaux sociaux populaires . . . . . . . . . . . . . . . . . . . . . . . . 9
1.8.1 Les réseaux sociaux professionnels . . . . . . . . . . . . . . . . . 12
1.8.2 Les réseaux sociaux visuels . . . . . . . . . . . . . . . . . . . . . 12
1.8.3 Les réseaux sociaux vidéos . . . . . . . . . . . . . . . . . . . . . . 14
1.8.4 Les réseaux sociaux de diaporamas . . . . . . . . . . . . . . . . . 16
1.8.5 Les réseaux sociaux de découverte de contenus . . . . . . . . . . . 17
1.8.6 Les réseaux sociaux géolocalisés . . . . . . . . . . . . . . . . . . . 17
1.8.7 Les réseaux sociaux musicaux . . . . . . . . . . . . . . . . . . . . 18
1.8.8 Les réseaux sociaux éphémères . . . . . . . . . . . . . . . . . . . 19
1.8.9 Les applications de messagerie sur mobile . . . . . . . . . . . . . . 19
1.8.10 Les réseaux sociaux de gaming . . . . . . . . . . . . . . . . . . . . 22
1.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2 Les systèmes multi-agents 23
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Les agents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1 Définition d’agent . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.2 Les caractéristiques d’agents . . . . . . . . . . . . . . . . . . . . . 24
2.3 Les systèmes multi-agents (SMA) . . . . . . . . . . . . . . . . . . . . . . 25
2.3.1 Définition des SMA . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3.2 Caractéristiques des SMA . . . . . . . . . . . . . . . . . . . . . . 26
2.4 Peut t-on modéliser un réseau social sur un SMA ? . . . . . . . . . . . . . 26
2.5 Revue de littérature sur la propagation des information dans les RS dans les
SMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3 SDIR, un modèle de propagation conditionnelle 29
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2 Description du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3 Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.4 La méthodologie utilisée pour atteindre nos objectifs . . . . . . . . . . . . 30
3.5 L’architecture proposée . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.5.1 Pourquoi Twitter ? . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.5.2 L’architecture générale . . . . . . . . . . . . . . . . . . . . . . . . 31
3.5.3 Le modèle Sensible-Infecté-Récupéré(SIR) . . . . . . . . . . . . . 31
3.5.4 L’amélioration dans le modèle SIR . . . . . . . . . . . . . . . . . . 32
3.5.5 Le Protocole Gossip . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.5.6 L’amélioration dans Protocole Gossip . . . . . . . . . . . . . . . . 33
3.5.7 Combinaison des deux améliorations . . . . . . . . . . . . . . . . 34
3.6 Algorithme proposée dans la contribution . . . . . . . . . . . . . . . . . . 41
3.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4 Implémentation et Résultats 43
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2 Outils de simulation des systèmes multi-agents . . . . . . . . . . . . . . . 43
4.3 Pourquoi le langage Net-logo ? . . . . . . . . . . . . . . . . . . . . . . . . 44
4.4 L’environnement de modélisation : Net-logo . . . . . . . . . . . . . . . . . 44
4.4.1 Les concepts d’agents . . . . . . . . . . . . . . . . . . . . . . . . 45
4.5 Implémentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.5.1 Définir ses propres variables . . . . . . . . . . . . . . . . . . . . . 45
4.6 Déploiement d’agents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.6.1 Paramètres initiaux de la simulation . . . . . . . . . . . . . . . . . 48
4.6.2 Observations et analyses des animations . . . . . . . . . . . . . . . 49
4.7 Interprétation des résultats . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Côte titre : MAI/0202 En ligne : https://drive.google.com/file/d/1aMuM8yUqMUbOkNvY9g0habDXMz4Jvles/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0202 MAI/0202 Mémoire Bibliothéque des sciences Français Disponible
DisponiblePermalinkSimulation Monte-Carlo de l’effet du fluide de refroidissement sur le dopage des lingots de silicium / Amira Lebbad
![]()
PermalinkSimulation Monte Carlo du passage d’électrons énergétiques dans l’ADN et l’eau / Nabila Yasmina Aouina
![]()
PermalinkSIMULATION MONTE CARLO DES RENDEMENTS EN PROFONDEURS ET DES PROFILS DE DOSES LATERAUX DE FAISCEAU DE PHOTONS CONTAMINES PAR DES ELECTRONS DE LA SOURCE AUTOUR D’UN ACCELERATEUR LINEAIRE TYPIQUE DE RADIOTHERAPIE / Bourenane, Aissa
![]()
PermalinkSimulation Monte Carlo en spectrométrie gamma, mesure d’échantillon de l’environnement / Fatima Zohra Chetioui
![]()
PermalinkSimulation Monte Carlo de la technique d’homogénéisation du flux neutronique pour le dopage du Silicium / Feriel ALIA
![]()
PermalinkPermalinkSimulation numérique d'un problème de transmission elliptique en dimension deux par la méthode des volumes finis et frefem++ / Houssem Herbadji
![]()
PermalinkPermalinkSimulation du profil de concentration atomique après implantation des ions N+ et O+ à faible énergie sur C-Si et étude particulière de la pulvérisation par les ions He+ et Ar+ / Houria Gueddaoui
Permalink