Publications

1999

• Visualisation tridimensionnelle de la fonction Gamma dans (-20.0,+20.0)x(-20.0,+20.0) (vue aérienne)
  
  • Colonna Jean-François
  , 1999. Tridimensional display of the Gamma function inside (-20.0,+20.0)x(-20.0,+20.0) (bird's-eye view) (Visualisation tridimensionnelle de la fonction Gamma dans (-20.0,+20.0)x(-20.0,+20.0) (vue aérienne)
• Visualisation tridimensionnelle de la fonction Gamma dans (-20.0,+20.0)x(-20.0,+20.0)
  
  • Colonna Jean-François
  , 1999. Tridimensional display of the Gamma function inside (-20.0,+20.0)x(-20.0,+20.0) (Visualisation tridimensionnelle de la fonction Gamma dans (-20.0,+20.0)x(-20.0,+20.0))
• Visualisation tridimensionnelle de la fonction Zeta de Riemann dans (-10.0,+60.0)x(-35.0,+35.0) (vue aerienne)
  
  • Colonna Jean-François
  , 1999. Tridimensional display of the Riemann Zeta function inside (-10.0,+60.0)x(-35.0,+35.0) (bird's-eye view) (Visualisation tridimensionnelle de la fonction Zeta de Riemann dans (-10.0,+60.0)x(-35.0,+35.0) (vue aerienne))
• Visualisation tridimensionnelle de la fonction Zeta de Riemann dans (-10.0,+20.0)x(-15.0,+15.0)
  
  • Colonna Jean-François
  , 1999. Tridimensional display of the Riemann Zeta function inside (-10.0,+60.0)x(-35.0,+35.0) (Visualisation tridimensionnelle de la fonction Zeta de Riemann dans (-10.0,+20.0)x(-15.0,+15.0))
• Visualisation tridimensionnelle de la fonction Zeta de Riemann dans (-10.0,+20.0)x(-15.0,+15.0) (vue aérienne)
  
  • Colonna Jean-François
  , 1999. Tridimensional display of the Riemann Zeta function inside (-10.0,+20.0)x(-15.0,+15.0) (bird's-eye view) (Visualisation tridimensionnelle de la fonction Zeta de Riemann dans (-10.0,+20.0)x(-15.0,+15.0) (vue aérienne))
• Visualisation tridimensionnelle de la fonction Zeta de Riemann dans (-10.0,+20.0)x(-15.0,+15.0)
  
  • Colonna Jean-François
  , 1999. Tridimensional display of the Riemann Zeta function inside (-10.0,+20.0)x(-15.0,+15.0) (Visualisation tridimensionnelle de la fonction Zeta de Riemann dans (-10.0,+20.0)x(-15.0,+15.0))
• Visualisation tridimensionnelle de la fonction Zeta de Riemann dans (-10.0,+20.0)x(-15.0,+15.0)
  
  • Colonna Jean-François
  , 1999. Tridimensional display of the Riemann Zeta function inside (-10.0,+20.0)x(-15.0,+15.0) (Visualisation tridimensionnelle de la fonction Zeta de Riemann dans (-10.0,+20.0)x(-15.0,+15.0))
• Visualisation tridimensionnelle de la fonction Zeta de Riemann dans (-10.0,+20.0)x(-15.0,+15.0) (vue aerienne)
  
  • Colonna Jean-François
  , 1999. Tridimensional display of the Riemann Zeta function inside (-10.0,+20.0)x(-15.0,+15.0) (bird's-eye view) (Visualisation tridimensionnelle de la fonction Zeta de Riemann dans (-10.0,+20.0)x(-15.0,+15.0) (vue aerienne))
• Front fractal de diffusion dans un milieu bidimensionnel obtenu grâce à des particules identiques en interaction
  
  • Colonna Jean-François
  , 1999. Fractal diffusion front in a bidimensional medium obtained by means of identical interacting particles (Front fractal de diffusion dans un milieu bidimensionnel obtenu grâce à des particules identiques en interaction)
• Agrégat fractal tridimensionnel avec une dimension fractale variable -allant en augmentant du premier au dernier plan
  
  • Colonna Jean-François
  , 1999. Tridimensional fractal aggregate with variable fractal dimension -increasing from front to back- (Agrégat fractal tridimensionnel avec une dimension fractale variable -allant en augmentant du premier au dernier plan)
• Agregat fractal tridimensionnel avec une dimension fractale variable -allant en augmentant du premier au dernier plan
  
  • Colonna Jean-François
  , 1999. Tridimensional fractal aggregate with variable fractal dimension -increasing from front to back- (Agregat fractal tridimensionnel avec une dimension fractale variable -allant en augmentant du premier au dernier plan-)
• Agregat fractal tridimensionnel avec une dimension fractale variable -allant en augmentant du premier au dernier plan
  
  • Colonna Jean-François
  , 1999. Tridimensional fractal aggregate with variable fractal dimension -increasing from front to back- (Agregat fractal tridimensionnel avec une dimension fractale variable -allant en augmentant du premier au dernier plan-)
• Nuages bidimensionnels ou champ de cote
  
  • Colonna Jean-François
  , 1999. Bidimensional clouds or height field (Nuages bidimensionnels ou champ de cote)
• Points noirs (à l'intérieur de carres blancs aléatoires) sur un réseau carré
  
  • Colonna Jean-François
  , 1999. Black dots (inside random white squares) on a square lattice (Points noirs (à l'intérieur de carrés blancs aléatoires) sur un réseau carre)
• Ver circulaire
  
  • Colonna Jean-François
  , 1999. Circular worm (Ver circulaire)
• Le crible d'Eratosthène montrant 10x10 nombres entiers
  
  • Colonna Jean-François
  , 1999. The Eratosthene sieve displaying 10x10 numbers (Le crible d'Eratosthene montrant 10x10 nombres entiers)
• Le crible d'Eratosthène montrant 100x100 nombres entiers
  
  • Colonna Jean-François
  , 1999. The Eratosthene sieve displaying 100x100 numbers (Le crible d'Eratosthène montrant 100x100 nombres entiers)
• La spirale d'Archimède montrant 1000 nombres entiers
  
  • Colonna Jean-François
  , 1999. The Archimedes spiral displaying 1000 numbers (La spirale d'Archimede montrant 1000 nombres entiers)
• La spirale d'Archimede montrant 100 nombres entiers
  
  • Colonna Jean-François
  , 1999. The Archimedes spiral displaying 100 numbers (La spirale d'Archimede montrant 100 nombres entiers)
• Evolutionary Algorithms as fitness function debuggers
  
  • Mansanne Frédéric
  • Carrère Frédéric
  • Ehinger Andréas
  • Schoenauer Marc
  , 1999, 1609, pp.639-647. All Evolutionary Algorithms experienced practitioners emphasize the need for a careful design of the fitness function. It is commonly heard~ for instance, that "If there is a bug in your fitness function, the EA will find it". This paper presents a case study of such a situation in the domain of geophysical underground identification: some weird solutions are found by the Evolutionary Algorithm, obviously physically absurd, but fulfilling almost perfectly the geophysical criterion. (10.1007/BFb00910.1007/BFb00951535153)
  DOI : 10.1007/BFb00910.1007/BFb00951535153
• On the minimization of the energy of a free-electron gas with constrained density function
  
  • Bokanowski Olivier
  • Schindler Ian
  • Zidani Hasnaa
  Nonlinear Analysis: Theory, Methods and Applications, Elsevier, 1999, 35 (8), pp.1073-1090. One of the aims of density functional theory is to obtain properties of (ground) states of large systems, in particular their energy, by solving a nonlinear equation, involving only the parameters of a single electron. The oldest such theory is the Thomas-Fermi approach. Major developments are due to Hohenberg, Kohn and Sham in the mid-1960s and the present article discusses an approximate nonlinear equation arising within the context of the Kohn-Sham approach [P. Hohenberg and W. Kohn, Phys. Rev. (2) 136 (1964), B864-B871; MR0180312 (31 #4547); W. Kohn and L. J. Sham, Phys. Rev. (2) 140 (1965), A1133-A1138; MR0189732 (32 #7154)]. It is connected to the exchange contribution to the Kohn-Sham functional. The latter arises from taking into account the Fermi-Dirac statistics and complicates the application of a variational procedure significantly. Thus it is often replaced by an approximate term and the authors discuss the existence of a solution for this situation. They make a few physically reasonable assumptions and are then able to demonstrate the existence of a proper solution.
• Rigorous hitting times for binary mutations
  
  • Garnier Josselin
  • Kallel L.
  • Schoenauer Marc
  Evolutionary Computation, Massachusetts Institute of Technology Press (MIT Press), 1999, 7 (2), pp.167-203. In the binary evolutionary optimization framework, two mutation operators are theoretically investigated. For both the standard mutation, in which all bits are flipped independently with the same probability, and the 1-bit-flip mutation, which flips exactly one bit per bitstring, the statistical distribution of the first hitting times of the target are thoroughly computed (expectation and variance) up to terms of order l (the size of the bitstrings) in two distinct situations: without any selection, or with the deterministic (1+1)-ES selection on the OneMax problem. In both cases, the 1-bit-flip mutation convergence time is smaller by a constant (in terms of l) multiplicative factor. These results extend to the case of multiple independent optimizers.
• Sequencing Aircraft Landing by Genetic Algorithms
  
  • Oussedik Sofiane
  • Delahaye Daniel
  , 1999. no abstract