Algorithme de Monte-Carlo Wikipdia https://fr.wikipedia.

org/wiki/Algorithme_de_Monte-Carlo

Algorithme de Monte-Carlo
En algorithmique, un algorithme de Monte-Carlo est un algorithme randomis dont le temps d'excution est
dterministe, mais dont le rsultat peut tre incorrect avec une certaine probabilit (gnralement minime).
Autrement dit un algorithme de Monte-Carlo est un algorithme qui utilise une source de hasard, dont le temps de
calcul est connu ds le dpart (pas de surprise sur la dure du calcul), cependant dont la sortie peut ne pas tre la
rponse au problme pos, mais c'est un cas trs rare. Lintrt de tels algorithmes est d'avoir une probabilit
d'chec faible et d'tre rapide.

Deux autres types d'algorithmes probabilistes sont la famille des algorithmes de Las Vegas et la famille des
algorithmes d'Atlantic City (en). Les algorithmes de Las Vegas prennent un temps d'excution alatoire, mais
produisent toujours une rponse correcte. Les algorithmes d'Atlantic City donnent une rponse probablement
correcte dans un temps d'excution probablement rapide. Un algorithme de Monte-Carlo peut tre transform en
un algorithme de Las Vegas quand il existe une procdure capable de vrifier la correction du rsultat. En effet,
il suffit d'excuter l'algorithme de Monte-Carlo jusqu' lui faire produire une rponse correcte.

Accessoirement, le qualificatif Monte-Carlo fait rfrence la Principaut de Monaco et son clbre casino
appel Casino de Monte-Carlo, haut lieu des jeux de hasard.

Sommaire
1 Dfinition et intrt
2 Exemple
3 Biais ou non
4 Amplification
5 Classes de complexit
6 Exemples
6.1 En thorie algorithmique des nombres
6.2 En thorie des graphes
6.2.1 Problme du voyageur de commerce
6.2.2 Coupe minimum
7 Notes et rfrences
8 Bibliographie
9 Voir aussi

Dfinition et intrt
Un algorithme de Monte-Carlo a deux caractristiques : primo il est randomis, c'est--dire qu'il utilise un ala
au cours de son calcul, secundo son temps d'excution est dterministe. Sa nature alatoire se manifeste dans son
rsultat qui peut tre incorrect avec une certaine probabilit (gnralement minime), mais qui peut-tre
1
quantifie rigoureusement .

Exemple

1 of 4 6/4/17, 11:18 PM
Algorithme de Monte-Carlo Wikipdia https://fr.wikipedia.org/wiki/Algorithme_de_Monte-Carlo

Le test de primalit de Solovay-Strassen est un test qui dtermine si un nombre donn est premier. Il rpond
toujours vrai pour les nombres premiers, tandis que pour les nombres composs (c'est--dire non premiers), il
rpond faux avec une probabilit d'au moins et vrai avec une probabilit d'au plus . Ainsi, les rponses faux
de l'algorithme sont correctes, alors que les rponses vrai sont alatoires ; autrement dit l'algorithme est biais
vers le faux.

Biais ou non
Alors que la rponse renvoye par un algorithme dterministe est toujours exacte, ce n'est pas le cas pour les
algorithmes de Monte-Carlo qui peuvent ne l'tre que dans le cas d'un biais. Supposons qu'il s'agisse de rsoudre
un problme de dcision, ces algorithmes sont dits alors soit non biaiss, soit biaiss vers le faux, soit biaiss
vers le vrai. Un algorithme de Monte-Carlo biais vers le faux est toujours correct quand il retourne faux ; un
algorithme biais vers le vrai est toujours correct quand il retourne vrai. Quant aux algorithmes de Monte-Carlo
non biaiss, leur rponse (vrai ou faux) sera soit incorrecte, soit correcte avec une certaine probabilit borne.
1
En anglais, on parle de one-sided error et two-sided error .

Amplification
tant donn un algorithme de Monte-Carlo biais, sa probabilit d'chec peut tre rduite (et sa probabilit de
1
succs augmente) en l'excutant k fois . Considrons nouveau l'algorithme de Solovay-Strassen qui est biais
vers le faux. On peut l'excuter plusieurs fois lui faisant retourner faux s'il rpond faux lors des k itrations et
vrai autrement. Ainsi, si le nombre est premier, alors la rponse est vraiment correcte, et si le nombre est
composite, alors la rponse est correcte, avec une probabilit renforce au moins 1(1)k = 1;2k.

Pour les algorithmes de dcision de Monte-Carlo non biaiss, la probabilit d'erreur peut aussi tre rduite en
excutant l'algorithme k fois et en retournant la rponse qui correspond la majorit.

Classes de complexit
La classe de complexit BPP (pour bounded-error probabilistic polynomial time) dcrit les problmes de
dcision qui peuvent tre rsolus par un algorithme de Monte-Carlo non biais en temps polynomial, avec une
2
probabilit borne d'erreur .

La classe de complexit RP (pour randomized polynomial time) dcrit les problmes qui peuvent tre rsolus
avec une probabilit borne d'erreur par un algorithme de Monte-Carlo biais : si la bonne rponse est faux,
l'algorithme le dit, mais il peut rpondre faux dans des cas o la rponse correcte est vrai.

En revanche, la classe de complexit ZPP (pour zero-error probabilistic polynomial time) dcrit les problmes
solubles en temps polynomial par un algorithme de Las Vegas. On a ZPP RP BPP, mais on ne sait pas si ces
classes de complexit sont mutuellement distinctes. Autrement dit, les algorithmes de Monte-Carlo peuvent
avoir de meilleures performances que les algorithmes de Las Vegas, mais cela n'a pas t dmontr.

Une autre classe de complexit est PP (pour polynomial probabilistic) ; elle dcrit les problmes de dcision
rsolus en temps polynomial par un algorithme de Monte-Carlo qui donne une rsultat plus prcis qu'un simple
tirage pile ou face, mais dont la probabilit d'erreur ne peut tre ramene significativement en dessous de .

Exemples

2 of 4 6/4/17, 11:18 PM
Algorithme de Monte-Carlo Wikipdia https://fr.wikipedia.org/wiki/Algorithme_de_Monte-Carlo

En thorie algorithmique des nombres

Des algorithmes Monte-Carlo notables comprennent le test de primalit de Solovay-Strassen et le test de

primalit de Miller-Rabin, et certaines variantes rapides de l'algorithme de Schreier-Sims dans la thorie
computationnelle des groupes.

En thorie des graphes

Problme du voyageur de commerce

La rsolution du problme du voyageur de commerce est difficile, du fait de la complexit du problme, l'emploi
de mthodes d'optimisation probabilistes peut s'avrer efficace pour obtenir une approximation de la meilleure
solution, en un temps plus court que pour des mthodes dterministes.

Coupe minimum

3, 1
L'algorithme de Karger est un algorithme de Monte-Carlo pour le problme de la coupe minimum .

Notes et rfrences
(en) Cet article est partiellement ou en totalit issu de larticle de Wikipdia en anglais intitul Monte Carlo
algorithm (https://en.wikipedia.org/wiki/Monte_Carlo_algorithm?oldid=678611839) (voir la liste des auteurs
(https://en.wikipedia.org/wiki/Monte_Carlo_algorithm?action=history)).

1. (en) Rajeev Motwani et Prabhakar Raghavan, Randomized Algorithms, Cambridge ; New York, Cambridge University Press
(rimpr. 1997, 2000) (1re d. 1995), 476 p. (ISBN 9780521474658), chap. 1 ( Introduction ), p. 7-9
2. (en) Sanjeev Arora et Boaz Barak, Computational Complexity : A Modern Approach, Cambridge University Press, 2009
(ISBN 0-521-42426-7), chap. 7 ( Randomized Computation )
3. (en) David R. Karger et Clifford Stein, A new approach to the minimum cut problem , Journal of the ACM, vol. 43, no 4,
1996, p. 601 (DOI 10.1145/234533.234534 (http://dx.doi.org/10.1145%2F234533.234534), lire en ligne
(http://www.columbia.edu/~cs2035/courses/ieor6614.S09/Contraction.pdf))

Bibliographie
(en) Rajeev Motwani et Prabhakar Raghavan, Randomized Algorithms, New York, Cambridge University
Press, 1995 (ISBN 0-521-47465-5)
Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest et Clifford Stein (trad. de l'anglais),
Algorithmique : Cours avec 957 exercices et 158 problmes, Dunod, 2010, 3e d. (1re d. 1990), 1188 p.
(ISBN 978-2-10-054526-1)
(en)Kenneth A Berman et Jerome L. Paul, Algorithms: Sequential, Parallel, and Distributed, Boston, Course
Technology, 2005 (ISBN 0-534-42057-5), Ch 24. Probabilistic and Randomized Algorithms

Voir aussi
Hasard
Mthode de Monte-Carlo
Gnrateur de nombres pseudo-alatoires

3 of 4 6/4/17, 11:18 PM
Algorithme de Monte-Carlo Wikipdia https://fr.wikipedia.org/wiki/Algorithme_de_Monte-Carlo

Ce document provient de https://fr.wikipedia.org/w/index.php?title=Algorithme_de_Monte-Carlo&

oldid=133358069 .

Cette page a t modifie pour la dernire fois le 5 janvier 2017 15:54.

Droit d'auteur : les textes sont disponibles sous licence Creative Commons attribution, partage dans les mmes
conditions ; dautres conditions peuvent sappliquer. Voyez les conditions dutilisation pour plus de dtails, ainsi
que les crdits graphiques. En cas de rutilisation des textes de cette page, voyez comment citer les auteurs et
mentionner la licence.
Wikipedia est une marque dpose de la Wikimedia Foundation, Inc., organisation de bienfaisance rgie par le
paragraphe 501(c)(3) du code fiscal des tats-Unis.

4 of 4 6/4/17, 11:18 PM