Ce projet vise à adapter un modèle de conformation 3D des séquences d'ADN pour représenter des plasmides circulaires, comme ceux présents dans les bactéries. En utilisant un algorithme génétique développé en Python, il permet de simuler et d'optimiser la trajectoire tri-dimensionnelle de longues séquences génétiques. L'objectif est de mieux comprendre les interactions moléculaires et d'améliorer la modélisation des structures génétiques complexes, notamment pour des applications en biologie synthétique ou en génomique.

S2P-hd est une bibliothèque Python et un outil en ligne de commande qui implémente un pipeline stéréoscopique pour produire des modèles d'élévation à partir d'images capturées par des satellites optiques haute résolution. Il génère automatiquement des nuages de points 3D et des modèles numériques de surface à partir de paires ou de tri-stéréo d'images, sans intervention humaine. Le logiciel prend en charge divers algorithmes de corrélation stéréoscopique, optimisés pour des performances élevées.

Ce projet développe des algorithmes pour résoudre des problèmes d'optimisation combinatoire, notamment le bin packing. Il permet de déterminer comment regrouper des objets de différentes tailles dans un espace limité de manière optimale. Les solutions proposées incluent des méthodes de tri et des heuristiques pour améliorer l'efficacité des calculs.

Ce projet est une implémentation pédagogique d'algorithmes de tri classiques et de structures de données associées. Il permet d'étudier leur fonctionnement, leur complexité et leurs performances comparatives. Destiné à un contexte éducatif, il sert de support pour comprendre les bases de l'algorithmique et de l'optimisation.

Ce projet propose une implémentation de plusieurs algorithmes de tri classiques et avancés, tels que le tri par insertion, le tri fusion et le tri rapide. Ces outils sont conçus pour aider les développeurs à optimiser le classement de données dans leurs applications, en offrant des solutions performantes et adaptables à différents besoins de tri.

Ce projet gère des structures de données complexes, offrant une optimisation des performances algorithmiques et une implémentation de méthodes de tri et de recherche efficaces.

Projet académique visant à analyser et comparer les performances de différents algorithmes de tri (insertion, fusion, rapide, bulle) sur divers jeux de données. L'objectif est d'évaluer leur efficacité en termes de temps d'exécution et d'utilisation mémoire, tout en proposant des optimisations pour améliorer les algorithmes existants, notamment le tri rapide via le choix d'un pivot médian.

Ce projet a pour objectif l'étude et la comparaison de différentes méthodes de tri de données. Il permet d'analyser et d'optimiser les performances de ces algorithmes en fonction de divers critères.

Projet académique visant à analyser et comparer les performances de différents algorithmes de tri (insertion, fusion, rapide, bulle) sur divers jeux de données. L'objectif est d'évaluer leur efficacité en termes de temps d'exécution et d'utilisation mémoire, tout en identifiant les optimisations possibles, notamment pour le tri rapide. Les résultats sont visualisés sous forme de graphiques et de tableaux pour faciliter l'interprétation.

Ce projet participe à la compétition Google Hash Code 2021 en proposant des solutions algorithmiques pour optimiser la gestion des feux tricolores dans une ville. L'objectif est de réduire les temps d'attente des véhicules et d'améliorer la fluidité du trafic en analysant des plans de ville et des trajets prédéfinis. Les algorithmes développés permettent de calculer des séquences optimales pour les feux, maximisant ainsi le nombre de véhicules atteignant leur destination dans un délai imparti.