Mines 2021 - Marchons, marchons, marchons...
Le sujet
Épreuve d'informatique commune (MP, PC, PSI) du concours Mines-Ponts 2021, en 2 heures. Sujet original (PDF), © GIP CCMP, publié sous licence Creative Commons BY-NC-ND 3.0 France.
L'énoncé est reproduit tel quel. Les cellules de code, les vérifications et les données (le fichier suivi_rando.csv et la base de données) ont été ajoutés pour le traiter sur machine : les données sont fictives, les résultats ne sont donc pas ceux de l'énoncé.
Ce sujet propose d'appliquer des techniques informatiques à l'étude de trois marches de nature différente :
- une marche concrète (partie I - Randonnée)
- une marche stochastique (partie II - Mouvement brownien d'une petite particule)
- une marche auto-évitante (partie III - Marche auto-évitante)
Les trois parties sont indépendantes.
Partie I. Randonnée
Lors de la préparation d'une randonnée, une accompagnatrice doit prendre en compte les exigences des participants. Elle dispose d'informations rassemblées dans deux tables d'une base de données :
- la table
Randodécrit les randonnées possibles – la clef primaire entièrerid, son nom, le niveau de difficulté du parcours (entier entre 1 et 5), le dénivelé (en mètres), la durée moyenne (en minutes) :
| rid | rnom | diff | deniv | duree |
|---|---|---|---|---|
| 1 | La belle des champs | 1 | 20 | 30 |
| 2 | Lac de Castellane | 4 | 650 | 150 |
| 3 | Le tour du mont | 2 | 200 | 120 |
| 4 | Les crêtes de la mort | 5 | 1200 | 360 |
| 5 | Yukon Ho ! | 3 | 700 | 210 |
| ... | ... | ... | ... | ... |
- la table
Participantdécrit les randonneurs – la clef primaire entièrepid, le nom du randonneur, son année de naissance, le niveau de difficulté maximum de ses randonnées :
| pid | pnom | ne | diff_max |
|---|---|---|---|
| 1 | Calvin | 2014 | 2 |
| 2 | Hobbes | 2015 | 2 |
| 3 | Susie | 2014 | 2 |
| 4 | Rosalyn | 2001 | 4 |
| ... | ... | ... | ... |
Donner une requête SQL sur cette base pour :
Q1
Compter le nombre de participants nés entre 1999 et 2003 inclus.
Loading editor...
Q2
Calculer la durée moyenne des randonnées pour chaque niveau de difficulté.
Loading editor...
Q3
Extraire le nom des participants pour lesquels la randonnée n°42 est trop difficile.
Loading editor...
Q4
Extraire les clés primaires des randonnées qui ont un ou des homonymes (nom identique et clé primaire distincte), sans redondance.
Loading editor...
L'accompagnatrice a activé le suivi d'une randonnée par géolocalisation satellitaire et souhaite obtenir quelques propriétés de cette randonnée une fois celle-ci effectuée. Elle a exporté les données au format texte CSV (comma-separated values – valeurs séparées par des virgules) dans un fichier nommé suivi_rando.csv : la première ligne annonce le format, les suivantes donnent les positions dans l'ordre chronologique.
Voici le début de ce fichier pour une randonnée partant de Valmorel, en Savoie, un bel après-midi d'été :
lat(°),long(°),height(m),time(s)
45.461516,6.44461,1315.221,1597496965
45.461448,6.444426,1315.702,1597496980
45.461383,6.444239,1316.182,1597496995
... Le module math de Python fournit les fonctions asin, sin, cos, sqrt et radians. Cette dernière convertit des degrés en radians. La documentation donne aussi des éléments de manipulation de fichiers textuels :
fichier = open(nom_fichier, mode)ouvre le fichier, en lecture simodeest"r".ligne = fichier.readline()récupère la ligne suivante defichierouvert en lecture avecopen.lignes = fichier.readlines()donne la liste des lignes suivantes.fichier.close()fermefichier, ouvert avecopen, après son utilisation.ligne.split(sep)découpe la chaîne de caractèresligneselon le séparateursep: silignevaut"42,43,44", alorsligne.split(",")renvoie la liste["42", "43", "44"].
On souhaite exploiter le fichier de suivi d'une randonnée – supposé préalablement placé dans le répertoire de travail – pour obtenir une liste coords des listes de 4 flottants (latitude, longitude, altitude, temps) représentant les points de passage collectés lors de la randonnée.
Q5
Implémenter la fonction importe_rando(nom_fichier) qui réalise cette importation en retournant la liste souhaitée, par exemple en utilisant certaines des fonctions ci-dessus.
Loading editor...
# import Python à compléter...
# importation du fichier d'une randonnée
def importe_rando(nom_fichier):
pass # À compléter...
coords = importe_rando("suivi_rando.csv")On suppose maintenant l'importation effectuée dans coords, avec au moins deux points d'instants distincts.
Q6
Implémenter la fonction plus_haut(coords) qui renvoie la liste (latitude, longitude) du point le plus haut de la randonnée.
Loading editor...
# donne le point (latitude, longitude) le plus haut de la randonnée
def plus_haut(coords):
pass # À compléter...
print("point le plus haut", plus_haut(coords))Q7
Implémenter la fonction deniveles(coords) qui calcule les dénivelés cumulés positif et négatif (en mètres) de la randonnée, sous forme d'une liste de deux flottants. Le dénivelé positif est la somme des variations d'altitude positives sur le chemin, et inversement pour le dénivelé négatif.
Loading editor...
# calcul des dénivelés positif et négatif de la randonnée
def deniveles(coords):
pass # À compléter...
print("dénivelés", deniveles(coords))On souhaite évaluer de manière approchée la distance parcourue lors d'une randonnée. On suppose la Terre parfaitement sphérique de rayon
On prendra en compte l'altitude moyenne de l'arc, que l'on complètera pour la variation d'altitude par la formule de Pythagore, en assimilant la portion de cercle à un segment droit perpendiculaire à la verticale.
Q8
Implémenter la fonction distance(c1, c2) qui calcule avec cette approche la distance en mètres entre deux points de passage. On décomposera obligatoirement les formules pour en améliorer la lisibilité.
Loading editor...
RT = 6371 # rayon moyen volumétrique de la Terre en km
# distance entre deux points
def distance(c1, c2):
pass # À compléter...
print("premier intervalle", distance(coords[0], coords[1]), "m")Q9
Implémenter la fonction distance_totale(coords) qui calcule la distance en mètres parcourue au cours d'une randonnée.
Loading editor...
# distance totale de la randonnée
def distance_totale(coords):
pass # À compléter...
print("distance parcourue", distance_totale(coords), "m")Pour aller plus loin
Tracez la randonnée (longitude en abscisse, latitude en ordonnée) avec matplotlib, puis le profil d'altitude en fonction du temps.
Loading editor...
Partie II. Mouvement brownien d'une petite particule
De petites particules en suspension dans un liquide se déplacent spontanément sous l'effet de l'agitation thermique du milieu environnant, donnant ainsi naissance à des trajectoires apparemment chaotiques et peu régulières. Ce phénomène est à la base de la vie : l'agitation incessante des protéines permet aux réactions biochimiques de se produire à l'intérieur de nos cellules. Il a été observé expérimentalement en 1827 sur des grains de pollen en suspension dans l'eau par le botaniste Robert Brown, d'où le nom de mouvement brownien. Son étude théorique par Albert Einstein en 1905 a permis au physicien Jean Perrin d'estimer la valeur du nombre d'Avogadro dans une série d'expériences menées entre 1907 et 1909.
Dans cette partie, on s'intéresse à un modèle du mouvement brownien proposé par Paul Langevin en 1908. Dans ce modèle, la particule étudiée est supposée soumise à deux actions de la part du fluide :
- une force de frottement fluide
; - une force
aléatoire simulant l'action désordonnée des molécules d'eau sur la particule.
Le mouvement de cette particule est donc régi par l'équation différentielle :
Pour faire une simulation en deux dimensions, on prend une particule de masse
On simule le vecteur d'état
L'instruction assert expression de Python vérifie la véracité d'une expression booléenne et interrompt brutalement l'exécution du programme si ce n'est pas le cas. Elle permet de vérifier très simplement une précondition ou un invariant, comme illustré dans le canevas ci-dessous.
Le module random fournit la fonction uniform(bi, bs) qui renvoie un flottant aléatoire entre les valeurs bi et bs incluses en utilisant une densité de probabilité uniforme ainsi que la fonction gauss(mu, sigma) qui renvoie un flottant aléatoire en utilisant une densité de probabilité gaussienne d'espérance mu et d'écart-type sigma.
Le module math fournit enfin les fonctions cos et sin (en radians), la fonction sqrt et la constante pi. La fonction abs est directement disponible.
Loading editor...
# import Python à compléter... from random import uniform, gauss from math import cos, sin, sqrt, pi # paramètres physiques MU = 0.0 # N SIGMA = 1E-8 # N M = 1E-6 # kg ALPHA = 1E-5 # kg/s # vérification des hypothèses sur les paramètres assert MU >= 0 and SIGMA > 0 and M > 0 and ALPHA > 0
Q10
Implémenter la fonction vma(v1, a, v2) (multiplication-addition sur des vecteurs) avec v1 et v2 des listes de flottants et a un scalaire flottant, qui renvoie une nouvelle liste de flottants correspondant à :
La fonction vérifiera que les deux listes en entrée sont de même longueur avec assert.
Loading editor...
# multiplication-addition vectorielle
def vma(v1, a, v2):
pass # À compléter...Q11
Implémenter la fonction derive(E) qui renvoie la dérivée du vecteur d'état passé en paramètre d'après l'équation différentielle décrite en introduction de la partie.
Loading editor...
# dérivée du vecteur d'état
def derive(E):
pass # À compléter...Q12
Implémenter la fonction euler(E0, dt, n) pour résoudre numériquement l'équation différentielle par la méthode d'Euler avec E0 le vecteur d'état initial, dt le pas d'intégration et n le nombre de pas de la simulation. La fonction renvoie la liste des
Loading editor...
# intégration par la méthode d'Euler
def euler(E0, dt, n):
Es = [ E0 ]
# À compléter...
return Es
# simulation
DT = 0.002 # durée du pas en secondes
N = 5000 # nombre de pas
Es = euler([ 0.0, 0.0, 0.0, 0.0 ], DT, N)À titre d'exemple, voici le tracé de la trajectoire obtenue par cette méthode :
Loading editor...
import matplotlib.pyplot as plt
plt.clf()
plt.plot([E[0] for E in Es], [E[1] for E in Es])
plt.axis("equal")
plt.show()Partie III. Marche auto-évitante
Une marche auto-évitante est un processus au cours duquel un point décrit un chemin auto-évitant, c'est-à-dire qui ne se recoupe jamais lui-même. Ce modèle peut servir lors de la modélisation d'une chaîne polymère. En effet, deux monomères distincts de la chaîne ne peuvent pas se trouver à deux positions identiques pour des raisons d'encombrement stérique.
Dans ce sujet, on appellera chemin auto-évitant (CAE) de longueur
Chaque point du chemin sera représenté par une liste à deux éléments entiers précisant les deux coordonnées (par exemple [5,-4]). Le chemin lui-même est constitué de la liste des points, dans l'ordre dans lequel ils sont atteints. Les codes Python produits dans cette partie devront manipuler exclusivement des coordonnées entières.
La fonction tracer_chemin(chemin) (ajoutée, elle n'est pas dans le sujet) dessine un chemin :
On s'intéresse dans un premier temps à une méthode naïve pour générer un chemin auto-évitant de longueur
- Le premier point est choisi à l'origine :
. - En chaque position atteinte par le chemin, on recense les positions voisines accessibles pour le pas suivant et on en sélectionne une au hasard. En l'absence de positions accessibles l'algorithme échoue.
- On itère l'étape 2 jusqu'à ce que le chemin possède la longueur désirée ou échoue.
Le module random fournit la fonction randrange(a, b) qui renvoie un entier compris entre a et b − 1 inclus, ainsi que la fonction choice(L) qui renvoie l'un des éléments de la liste L, dans les deux cas choisis aléatoirement avec une probabilité uniforme.
L'expression x in L est une expression booléenne qui vaut True si x est l'un des éléments de L et False dans le cas contraire. On supposera que la méthode employée pour évaluer cette expression sur une liste est une recherche séquentielle.
La valeur spéciale None est utilisée en Python pour représenter une valeur invalide, inconnue ou indéfinie. L'expression booléenne v is None indique si la valeur de v est cette valeur spéciale.
Q13
Implémenter la fonction positions_possibles(p, atteints) qui construit la liste des positions suivantes possibles à partir du point p. La liste atteints contient les points déjà atteints par le chemin.
Loading editor...
# import Python à compléter...
# positions auto-évitantes suivantes possibles
def positions_possibles(p, atteints):
possibles = []
# À compléter...
return possiblesQ14
Mettre en évidence graphiquement un exemple de CAE le plus court possible pour lequel, à une étape donnée, la fonction positions_possibles va renvoyer une liste vide. En prenant en compte les symétries, combien de tels chemins distincts existent pour cette longueur minimale ?
Loading editor...
Q15
Implémenter la fonction genere_chemin_naif(n) qui construit la liste des points représentant le chemin auto-évitant de longueur n et renvoie le résultat, ou bien renvoie la valeur spéciale None si à une étape positions_possibles renvoie une liste vide.
Loading editor...
# génération gloutonne d'un chemin de longueur n
# renvoie None en cas d'échec
def genere_chemin_naif(n):
chemin = [ [ 0, 0 ] ] # on part de l'origine
# À compléter...
return chemin
N = 10
print("chemin", genere_chemin_naif(N))Q16
Évaluer avec soin la complexité temporelle asymptotique dans le pire des cas de la fonction genere_chemin_naif(n) en fonction de None.
Une personne curieuse et patiente a écrit le code suivant (on a réduit N et M, pour que le calcul ne prenne que quelques secondes) :
Loading editor...
N, M, L, P = 300, 81, [], []
for n in range(1, M):
nb = 0
for i in range(N):
chemin = genere_chemin_naif(n)
if chemin is None:
nb += 1
L.append(n)
P.append(nb / N)
import matplotlib.pyplot as plt
plt.clf()
plt.plot(L, P)
plt.grid()
plt.show()Q17
Décrire ce que représente ce graphique et interpréter sa signification pour la méthode naïve.
Afin d'éviter les inconvénients de la méthode précédente, on s'intéresse à une solution différente nommée méthode du pivot, proposée par Moti Lal en 1969. Son principe est le suivant :
- On part d'un chemin auto-évitant arbitraire de longueur
. Ici, on choisira une initialisation très simple, le chemin droit [ [0, 0], [1, 0], [2, 0], ..., [n, 0] ]. - On sélectionne au hasard un point, nommé pivot, entre le second et l'avant-dernier point du chemin, et un angle aléatoire de rotation parmi
, et . - On laisse les points avant le pivot inchangés et on fait subir à l'ensemble des points situés strictement après le pivot une rotation ayant pour centre le pivot et pour angle, l'angle choisi à l'étape 2 ci-dessus.
- Si le chemin ainsi obtenu est auto-évitant, on le garde. Sinon, on reprend à l'étape 2 la sélection d'un pivot et d'un angle, jusqu'à en trouver une paire qui conviennent.
- On répète les étapes 2 à 4 un certain nombre de fois. Le choix du nombre minimal de rotations à effectuer pour obtenir un chemin non corrélé au chemin initial est laissé de côté dans ce sujet.
Cette méthode permet de générer de manière efficace des marches auto-évitantes de plusieurs milliers de points.
Dans cet algorithme, une étape importante est la vérification qu'un chemin donné est auto-évitant. Pour vérifier cela on pourrait bien sûr s'y prendre comme dans la fonction positions_possibles, mais on adopte une méthode différente avec une fonction est_CAE(chemin) qui trie les points du chemin puis met à profit ce tri pour vérifier efficacement que le chemin est auto-évitant.
On utilise pour cela la fonction sorted qui renvoie une nouvelle liste triée par ordre croissant. Elle fonctionne sur tout type d'éléments disposant d'une relation d'ordre, y compris des listes pour lesquelles l'ordre lexicographique (ordre du premier élément, en cas d'égalité du second, etc.) est appliqué. On suppose de plus que la complexité temporelle asymptotique dans le pire des cas de cette fonction est la meilleure possible.
Q18
Rappeler, sans la justifier, la complexité temporelle asymptotique dans le pire des cas attendue de sorted en fonction de la longueur de la liste à trier. Donner le nom d'un algorithme possible pour son implémentation.
Q19
Implémenter la fonction est_CAE(chemin) qui vérifie si un chemin est auto-évitant en se basant sur sorted et renvoie un résultat booléen. Elle devra ne pas être de complexité temporelle asymptotique dans le pire des cas supérieure à la fonction sorted : vous prouverez ce dernier point.
Loading editor...
# vérifie si un chemin est CAE
def est_CAE(chemin):
pass # À compléter...Q20
Implémenter la fonction rot(p, q, a) qui renvoie le point image du point q par la rotation de centre p et d'angle défini par la valeur de a : 0 pour 1 pour 2 pour
Loading editor...
# calcule la rotation de q autour de p selon a :
# Pi si a vaut 0, Pi/2 si a vaut 1, -Pi/2 si a vaut 2
def rot(p, q, a):
pass # À compléter...Q21
Implémenter la fonction rotation(chemin, i_piv, a) qui renvoie un nouveau chemin identique à chemin jusqu'au pivot d'indice i_piv, et ayant subi une rotation de a autour du pivot (même codage que la fonction précédente) sur la partie strictement après le pivot.
Loading editor...
# renvoie le chemin dont les points après i_pivot
# ont subi une rotation a codé comme précédemment
def rotation(chemin, i_pivot, a):
pass # À compléter...Q22
Implémenter la fonction genere_chemin_pivot(n, n_rot) permettant de générer un chemin auto-évitant de longueur n en appliquant n_rot rotations. L'application d'une rotation peut nécessiter plusieurs tentatives.
Loading editor...
# génère un chemin de longueur n (donc n+1 points)
def genere_chemin_pivot(n, n_rot):
pass # À compléter...
N, A = 300, 2.3
tracer_chemin(genere_chemin_pivot(N, int( A * N )))Q23
On considère un pivot, son point précédent et son point suivant. Quel est l'impact prévisible sur les rotations admissibles ? Suggérer un moyen de prendre en compte cette propriété pour améliorer l'algorithme.
Entrez le code donné en cours pour accéder à la solution :