Escolar Documentos
Profissional Documentos
Cultura Documentos
Estruturas de Dados II
Introduo
Antonio Alfredo Ferreira Loureiro
loureiro@dcc.ufmg.br
http://www.dcc.ufmg.br/~loureiro
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 1
Algoritmos, estruturas de dados e programas
Os algoritmos fazem parte do dia-a-dia das pessoas. Exemplos de algorit-
mos:
instrues para o uso de medicamentos;
indicaes de como montar um aparelho;
uma receita de culinria.
Seqncia de aes executveis para a obteno de uma soluo para um
determinado tipo de problema.
Segundo Dijkstra, um algoritmo corresponde a uma descrio de um padro
de comportamento, expresso em termos de um conjunto nito de aes.
Executando a operao a +b percebemos um padro de comportamento,
mesmo que a operao seja realizada para valores diferentes de a e b.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 2
Estruturas de dados
Estruturas de dados e algoritmos esto intimamente ligados:
No se pode estudar estruturas de dados sem considerar os algoritmos
associados a elas;
Assim como a escolha dos algoritmos em geral depende da representao
e da estrutura dos dados.
Para resolver um problema necessrio escolher uma abstrao da reali-
dade, em geral mediante a denio de um conjunto de dados que representa
a situao real.
A seguir, deve ser escolhida a forma de representar esses dados.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 3
Escolha da representao dos dados
A escolha da representao dos dados determinada, entre outras, pelas
operaes a serem realizadas sobre os dados.
Considere a operao de adio:
Para pequenos nmeros, uma boa representao por meio de barras
verticais (caso em que a operao de adio bastante simples).
J a representao por dgitos decimais requer regras relativamente com-
plicadas, as quais devem ser memorizadas.
Quando consideramos a adio de grandes nmeros mais fcil a repre-
sentao por dgitos decimais (devido ao princpio baseado no peso relativo
a posio de cada dgito).
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 4
Programas
Programar basicamente estruturar dados e construir algoritmos.
Programas so formulaes concretas de algoritmos abstratos, baseados em
representaes e estruturas especcas de dados.
Programas representam uma classe especial de algoritmos capazes de
serem seguidos por computadores.
Um computador s capaz de seguir programas em linguagem de mquina
(seqncia de instrues obscuras e desconfortveis).
necessrio construir linguagens mais adequadas, que facilitem a tarefa de
programar um computador.
Uma linguagem de programao uma tcnica de notao para programar,
com a inteno de servir de veculo tanto para a expresso do raciocnio
algortmico quanto para a execuo automtica de um algoritmo por um com-
putador.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 5
Tipos de dados
Caracteriza o conjunto de valores a que uma constante pertence, ou que
podem ser assumidos por uma varivel ou expresso, ou que podem ser ge-
rados por uma funo.
Tipos simples de dados so grupos de valores indivisveis (como os tipos
bsicos integer, boolean, char e real do Pascal).
Exemplo: uma varivel do tipo boolean pode assumir o valor verdadeiro
ou o valor falso, e nenhum outro valor.
Os tipos estruturados em geral denem uma coleo de valores simples, ou
um agregado de valores de tipos diferentes.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 6
Tipos abstratos de dados (TADs)
Modelo matemtico, acompanhado das operaes denidas sobre o mode-
lo.
Exemplo: o conjunto dos inteiros acompanhado das operaes de adio,
subtrao e multiplicao.
TADs so utilizados extensivamente como base para o projeto de algoritmos.
A implementao do algoritmo em uma linguagem de programao especca
exige a representao do TAD em termos dos tipos de dados e dos operado-
res suportados.
A representao do modelo matemtico por trs do tipo abstrato de dados
realizada mediante uma estrutura de dados.
Podemos considerar TADs como generalizaes de tipos primitivos e proce-
dimentos como generalizaes de operaes primitivas.
O TAD encapsula tipos de dados:
A denio do tipo e todas as operaes cam localizadas numa seo do
programa.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 7
Implementao de TADs
Considere uma aplicao que utilize uma lista de inteiros. Poderamos denir
o TAD Lista, com as seguintes operaes:
1. Faa a lista vazia;
2. Obtenha o primeiro elemento da lista; se a lista estiver vazia, ento retorne
nulo;
3. Insira um elemento na lista.
H vrias opes de estruturas de dados que permitem uma implementao
eciente para listas (por exemplo, o tipo estruturado arranjo).
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 8
Implementao de TADs
Cada operao do tipo abstrato de dados implementada como um procedi-
mento na linguagem de programao escolhida.
Qualquer alterao na implementao do TAD ca restrita parte encapsu-
lada, sem causar impactos em outras partes do cdigo.
Cada conjunto diferente de operaes dene umTADdiferente, mesmo atuem
sob um mesmo modelo matemtico.
A escolha adequada de uma implementao depende fortemente das oper-
aes a serem realizadas sobre o modelo.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 9
Medida do tempo de execuo de um programa
O projeto de algoritmos fortemente inuenciado pelo estudo de seus com-
portamentos.
Depois que um problema analisado e decises de projeto so nalizadas,
necessrio estudar as vrias opes de algoritmos a serem utilizados, con-
siderando os aspectos de tempo de execuo e espao ocupado.
Algoritmos so encontrados em todas as reas de Cincia da Computao.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 10
Tipos de problemas na anlise de algoritmos
Anlise de um algoritmo particular
Qual o custo de usar um dado algoritmo para resolver um problema espec-
co?
Caractersticas que devem ser investigadas:
anlise do nmero de vezes que cada parte do algoritmo deve ser execu-
tada,
estudo da quantidade de memria necessria.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 11
Tipos de problemas na anlise de algoritmos
Anlise de uma classe de algoritmos
Qual o algoritmo de menor custo possvel para resolver um problema par-
ticular?
Toda uma famlia de algoritmos investigada.
Procura-se identicar um que seja o melhor possvel.
Colocam-se limites para a complexidade computacional dos algoritmos per-
tencentes classe.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 12
Custo de um algoritmo
Determinando o menor custo possvel para resolver problemas de uma dada
classe, temos a medida da diculdade inerente para resolver o problema.
Quando o custo de um algoritmo igual ao menor custo possvel, o algoritmo
timo para a medida de custo considerada.
Podem existir vrios algoritmos para resolver o mesmo problema.
Se a mesma medida de custo aplicada a diferentes algoritmos, ento
possvel compar-los e escolher o mais adequado.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 13
Medida do custo pela execuo do programa em
uma plataforma real
Tais medidas so bastante inadequadas e os resultados jamais devem ser
generalizados:
os resultados so dependentes do compilador que pode favorecer algumas
construes em detrimento de outras;
os resultados dependem do hardware;
quando grandes quantidades de memria so utilizadas, as medidas de
tempo podem depender deste aspecto.
Apesar disso, h argumentos a favor de se obterem medidas reais de
tempo.
Por exemplo, quando h vrios algoritmos distintos para resolver um
mesmo tipo de problema, todos com um custo de execuo dentro de uma
mesma ordem de grandeza.
Assim, so considerados tanto os custos reais das operaes como os
custos no aparentes, tais como alocao de memria, indexao, carga,
dentre outros.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 14
Medida do custo por meio de um modelo
matemtico
Usa um modelo matemtico baseado em um computador idealizado.
Deve ser especicado o conjunto de operaes e seus custos de execues.
mais usual ignorar o custo de algumas das operaes e considerar apenas
as operaes mais signicativas.
Por exemplo, algoritmos de ordenao:
consideramos o nmero de comparaes entre os elementos do conjunto
a ser ordenado e ignoramos as operaes aritmticas, de atribuio e ma-
nipulaes de ndices, caso existam.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 15
Funo de complexidade
Para medir o custo de execuo de um algoritmo comum denir uma funo
de custo ou funo de complexidade f.
f(n) a medida do tempo necessrio para executar um algoritmo para um
problema de tamanho n.
Funo de complexidade de tempo: f(n) mede o tempo necessrio para
executar um algoritmo para um problema de tamanho n.
Funo de complexidade de espao: f(n) mede a memria necessria
para executar um algoritmo para um problema de tamanho n.
Utilizaremos f para denotar uma funo de complexidade de tempo daqui
para a frente.
Na realidade, a complexidade de tempo no representa tempo diretamente,
mas o nmero de vezes que determinada operao considerada relevante
executada.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 16
Exemplo: Maior elemento
Considere o algoritmo para encontrar o maior elemento de um vetor de in-
teiros A[1..n], n 1.
function Max (var A: Vetor): integer;
var i, Temp: integer;
begin
Temp := A[1];
for i:=2 to n do if Temp < A[i] then Temp := A[i];
Max := Temp;
end;
Seja f uma funo de complexidade tal que f(n) o nmero de compara-
es entre os elementos de A, se A contiver n elementos.
Logo f(n) = n 1, para n 1.
Vamos provar que o algoritmo apresentado no programa acima timo.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 17
Exemplo: Maior elemento
Teorema: Qualquer algoritmo para encontrar o maior elemento de um conjunto
com n elementos, n 1, faz pelo menos n 1 comparaes.
Prova: Cada um dos n 1 elementos tem de ser mostrado, por meio de com-
paraes, que menor do que algum outro elemento.
Logo n 1 comparaes so necessrias. 2
O teorema acima nos diz que, se o nmero de comparaes for utilizado
como medida de custo, ento a funo Max do programa anterior tima.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 18
Tamanho da entrada de dados
A medida do custo de execuo de um algoritmo depende principalmente do
tamanho da entrada dos dados.
comum considerar o tempo de execuo de um programa como uma funo
do tamanho da entrada.
Para alguns algoritmos, o custo de execuo uma funo da entrada parti-
cular dos dados, no apenas do tamanho da entrada.
No caso da funo Max do programa do exemplo, o custo uniforme sobre
todos os problemas de tamanho n.
J para um algoritmo de ordenao isso no ocorre: se os dados de en-
trada j estiverem quase ordenados, ento o algoritmo pode ter que trabalhar
menos.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 19
Melhor caso, pior caso e caso mdio
Melhor caso:
Menor tempo de execuo sobre todas as entradas de tamanho n.
Pior caso:
Maior tempo de execuo sobre todas as entradas de tamanho n.
Se f uma funo de complexidade baseada na anlise de pior caso, o
custo de aplicar o algoritmo nunca maior do que f(n).
Caso mdio (ou caso esperado):
Mdia dos tempos de execuo de todas as entradas de tamanho n.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 20
Melhor caso, pior caso e caso mdio
Na anlise do caso esperado, supe-se uma distribuio de probabilidades
sobre o conjunto de entradas de tamanho n e o custo mdio obtido com
base nessa distribuio.
A anlise do caso mdio geralmente muito mais difcil de obter do que as
anlises do melhor e do pior caso.
comum supor uma distribuio de probabilidades em que todas as entradas
possveis so igualmente provveis.
Na prtica isso nem sempre verdade.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 21
Exemplo: Registros de um arquivo
Considere o problema de acessar os registros de um arquivo.
Cada registro contm uma chave nica que utilizada para recuperar reg-
istros do arquivo.
O problema: dada uma chave qualquer, localize o registro que contenha esta
chave.
O algoritmo de pesquisa mais simples o que faz a pesquisa seqencial.
Seja f uma funo de complexidade tal que f(n) o nmero de registros
consultados no arquivo (nmero de vezes que a chave de consulta com-
parada com a chave de cada registro).
Melhor caso: f(n) = 1 (registro procurado o primeiro consultado);
Pior caso: f(n) = n (registro procurado o ltimo consultado ou
no est presente no arquivo);
Caso mdio: f(n) =
n+1
2
.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 22
Exemplo: Registros de um arquivo
No estudo do caso mdio, vamos considerar que toda pesquisa recupera um
registro.
Se p
i
for a probabilidade de que o i-simo registro seja procurado, e con-
siderando que para recuperar o i-simo registro so necessrias i compara-
es, ento
f(n) = 1 p
1
+2 p
2
+3 p
3
+ +n p
n
.
Para calcular f(n) basta conhecer a distribuio de probabilidades p
i
.
Se cada registro tiver a mesma probabilidade de ser acessado que todos os
outros, ento p
i
= 1/n, 1 i n.
Neste caso f(n) =
1
n
(1 +2 +3 + +n) =
1
n
_
n(n+1)
2
_
=
n+1
2
A anlise do caso esperado revela que uma pesquisa com sucesso examina
aproximadamente metade dos registros.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 23
Exemplo: Maior e menor elementos (1)
Considere o problema de encontrar o maior e o menor elemento de um vetor
de inteiros A[1..n], n 1.
Um algoritmo simples pode ser derivado do algoritmo apresentado no pro-
grama para achar o maior elemento.
procedure MaxMin1 (var A: Vetor; var Max, Min: integer);
var i: integer;
begin
Max := A[1]; Min := A[1];
for i := 2 to n do
begin
if A[i] > Max then Max := A[i]; {Testa se A[i] contm o maior elemento}
if A[i] < Min then Min := A[i]; {Testa se A[i] contm o menor elemento}
end;
end;
Seja f(n) o nmero de comparaes entre os elementos de A, se A tiver n
elementos.
Logo f(n) = 2(n 1), para n > 0, para o melhor caso, pior caso e caso
mdio.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 24
Exemplo: Maior e menor elementos (2)
MaxMin1 pode ser facilmente melhorado:
a comparao A[i] < Min s necessria quando o resultado da compara-
o A[i] > Max for falso.
procedure MaxMin2 (var A: Vetor; var Max, Min: integer);
var i: integer;
begin
Max := A[1]; Min := A[1];
for i := 2 to n do
if A[i] > Max
then Max := A[i]
else if A[i] < Min then Min := A[i];
end;
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 25
Exemplo: Maior e menor elementos (2)
Para a nova implementao temos:
Melhor caso: f(n) = n 1 (quando os elementos esto em ordem
crescente);
Pior caso: f(n) = 2(n 1) (quando os elementos esto em ordem
decrescente);
Caso mdio: f(n) =
3n
2
3
2
.
Caso mdio:
A[i] maior do que Max a metade das vezes.
Logo, f(n) = n 1 +
n1
2
=
3n
2
3
2
, para n > 0.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 26
Exemplo: Maior e menor elementos (3)
Considerando o nmero de comparaes realizadas, existe a possibilidade
de obter um algoritmo mais eciente:
1. Compare os elementos de A aos pares, separando-os em dois subcon-
juntos (maiores em um e menores em outro), a um custo de n/2| com-
paraes.
2. O mximo obtido do subconjunto que contm os maiores elementos, a
um custo de n/2| 1 comparaes.
3. O mnimo obtido do subconjunto que contm os menores elementos, a
um custo de n/2| 1 comparaes.
Contm o mnimo
...
...
Contm o mximo
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 27
Exemplo: Maior e menor elementos (3)
procedure MaxMin3(var A: Vetor;
var Max, Min: integer);
var i,
FimDoAnel: integer;
begin
{Garante uma qte par de elementos no vetor para evitar caso de exceo}
if (n mod 2) > 0
then begin
A[n+1] := A[n];
FimDoAnel := n;
end
else FimDoAnel := n-1;
{Determina maior e menor elementos iniciais}
if A[1] > A[2]
then begin
Max := A[1]; Min := A[2];
end
else begin
Max := A[2]; Min := A[1];
end;
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 28
Exemplo: Maior e menor elementos (3)
i:= 3;
while i <= FimDoAnel do
begin
{Compara os elementos aos pares}
if A[i] > A[i+1]
then begin
if A[i] > Max then Max := A[i];
if A[i+1] < Min then Min := A[i+1];
end
else begin
if A[i] < Min then Min := A[i];
if A[i+1] > Max then Max := A[i+1];
end;
i:= i + 2;
end;
end;
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 29
Exemplo: Maior e menor elementos (3)
Os elementos de A so comparados dois a dois e os elementos maiores so
comparados com Max e os elementos menores so comparados com Min.
Quando n mpar, o elemento que est na posio A[n] duplicado na
posio A[n +1] para evitar um tratamento de exceo.
Para esta implementao, f(n) =
n
2
+
n2
2
+
n2
2
=
3n
2
2, para n > 0,
para o melhor caso, pior caso e caso mdio.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 30
Comparao entre os algoritmos
MaxMin1, MaxMin2 e MaxMin3
A tabela abaixo apresenta uma comparao entre os algoritmos dos progra-
mas MaxMin1, MaxMin2 e MaxMin3, considerando o nmero de compara-
es como medida de complexidade.
Os algoritmos MaxMin2 e MaxMin3 so superiores ao algoritmo MaxMin1 de
forma geral.
O algoritmo MaxMin3 superior ao algoritmo MaxMin2 com relao ao pior
caso e bastante prximo quanto ao caso mdio.
Os trs f(n)
algoritmos Melhor caso Pior caso Caso mdio
MaxMin1 2(n 1) 2(n 1) 2(n 1)
MaxMin2 n 1 2(n 1) 3n/2 3/2
MaxMin3 3n/2 2 3n/2 2 3n/2 2
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 31
Limite inferior: Uso de um orculo
possvel obter um algoritmo MaxMin mais eciente?
Para responder temos de conhecer o limite inferior para essa classe de al-
goritmos.
Tcnica muito utilizada:
Uso de um orculo.
Dado um modelo de computao que expresse o comportamento do algo-
ritmo, o orculo informa o resultado de cada passo possvel (no caso, o resul-
tado de cada comparao).
Para derivar o limite inferior, o orculo procura sempre fazer com que o algo-
ritmo trabalhe o mximo, escolhendo como resultado da prxima comparao
aquele que cause o maior trabalho possvel necessrio para determinar a res-
posta nal.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 32
Exemplo de uso de um orculo
Teorema: Qualquer algoritmo para encontrar o maior e o menor elementos de
um conjunto com n elementos no ordenados, n 1, faz pelo menos 3n/2|
2 comparaes.
Prova: A tcnica utilizada dene um orculo que descreve o comportamento
do algoritmo por meio de um conjunto de ntuplas, mais um conjunto de regras
associadas que mostram as tuplas possveis (estados) que um algoritmo pode
assumir a partir de uma dada tupla e uma nica comparao.
Uma 4tupla, representada por (a, b, c, d), onde os elementos de:
a nunca foram comparados;
b foram vencedores e nunca perderam em comparaes realizadas;
c foram perdedores e nunca venceram em comparaes realizadas;
d foram vencedores e perdedores em comparaes realizadas.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 33
Exemplo de uso de um orculo
O algoritmo inicia no estado (n, 0, 0, 0) e termina com (0, 1, 1, n 2).
( , 0, 0, 0)
.
.
n (0, 1, 1, 2)
n
.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 34
Exemplo de uso de um orculo
Aps cada comparao a tupla (a, b, c, d) consegue progredir apenas se ela
assume um dentre os seis estados possveis abaixo:
1. (a 2, b +1, c +1, d) se a 2
Dois elementos de a so comparados.
2. (a 1, b +1, c, d) ou
3. (a 1, b, c +1, d) ou
4. (a 1, b, c, d +1) se a 1
Um elemento de a comparado com um de b ou um de c.
5. (a, b 1, c, d +1) se b 2
Dois elementos de b so comparados.
6. (a, b, c 1, d +1) se c 2
Dois elementos de c so comparados.
O primeiro passo requer necessariamente a manipulao do componente a.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 35
Exemplo de uso de um orculo
O caminho mais rpido para levar a at zero requer n/2| mudanas de es-
tado e termina com a tupla (0, n/2, n/2, 0) (por meio de comparao dos
elementos de a dois a dois).
A seguir, para reduzir o componente b at um so necessrias n/2|1 mu-
danas de estado (mnimo de comparaes necessrias para obter o maior
elemento de b).
Idem para c, com n/2| 1 mudanas de estado.
Logo, para obter o estado (0, 1, 1, n 2) a partir do estado (n, 0, 0, 0) so
necessrias
n/2| +n/2| 1 +n/2| 1 = 3n/2| 2
comparaes. 2
O teorema nos diz que se o nmero de comparaes entre os elementos de
um vetor for utilizado como medida de custo, ento o algoritmo MaxMin3
timo.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 36
Comportamento assinttico de funes
O parmetro n fornece uma medida da diculdade para se resolver o proble-
ma.
Para valores sucientemente pequenos de n, qualquer algoritmo custa pouco
para ser executado, mesmo os inecientes.
A escolha do algoritmo no um problema crtico para problemas de
tamanho pequeno.
Logo, a anlise de algoritmos realizada para valores grandes de n.
Estuda-se o comportamento assinttico das funes de custo (comporta-
mento de suas funes de custo para valores grandes de n).
O comportamento assinttico de f(n) representa o limite do comportamento
do custo quando n cresce.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 37
Dominao assinttica
A anlise de um algoritmo geralmente conta com apenas algumas operaes
elementares.
A medida de custo ou medida de complexidade relata o crescimento assin-
ttico da operao considerada.
Denio: Uma funo f(n) domina assintoticamente outra funo g(n)
se existem duas constantes positivas c e n
0
tais que, para n n
0
, temos
[g(n)[ c [f(n)[.
( ) g
cf n ( )
0
n
f , g
n
n
Exemplo:
Sejam g(n) = (n +1)
2
e f(n) = n
2
.
As funes g(n) e f(n) dominam assintoticamente
uma a outra, j que
[(n +1)
2
[ 4[n
2
[
para n 1 e
[n
2
[ [(n +1)
2
[
para n 0.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 38
Como medir o custo de execuo de um algoritmo?
Funo de Custo ou Funo de Complexidade
f(n) = medida de custo necessrio para executar um algoritmo para um
problema de tamanho n.
Se f(n) uma medida da quantidade de tempo necessrio para executar
um algoritmo para um problema de tamanho n, ento f chamada funo
de complexidade de tempo de algoritmo.
Se f(n) uma medida da quantidade de memria necessria para exe-
cutar um algoritmo para um problema de tamanho n, ento f chamada
funo de complexidade de espao de algoritmo.
Observao: tempo no tempo!
importante ressaltar que a complexidade de tempo na realidade no re-
presenta tempo diretamente, mas o nmero de vezes que determinada op-
erao considerada relevante executada
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 39
Custo assinttico de funes
interessante comparar algoritmos para valores grandes de n.
O custo assinttico de uma funo f(n) representa o limite do comporta-
mento de custo quando n cresce.
Em geral, o custo aumenta com o tamanho n do problema.
Observao:
Para valores pequenos de n, mesmo um algoritmo ineciente no custa
muito para ser executado.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 40
Notao assinttica de funes
Existem trs notaes principais na anlise assinttica de funes:
Notao
Notao O (O grande)
Notao
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 41
Notao
g
c
0
n
f , g
2
n
n
n
( )
( )
( )
c
n
g
f
1
f(n) = (g(n))
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 42
Notao
A notao limita a funo por fatores constantes.
Escreve-se f(n) = (g(n)), se existirem constantes positivas c
1
, c
2
e n
0
tais que para n n
0
, o valor de f(n) est sempre entre c
1
g(n) e c
2
g(n)
inclusive.
Neste caso, pode-se dizer que g(n) um limite assinttico rme (em ingls,
asymptotically tight bound) para f(n).
f(n) = (g(n)), c
1
> 0, c
2
> 0 e n
0
[
0 c
1
g(n) f(n) c
2
g(n), n n
0
g
c
0
n
f , g
2
n
n
n
( )
( )
( )
c
n
g
f
1
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 43
Notao : Exemplo
Mostre que
1
2
n
2
3n = (n
2
).
Para provar esta armao, devemos achar constantes c
1
> 0, c
2
> 0, n > 0,
tais que:
c
1
n
2
1
2
n
2
3n c
2
n
2
para todo n n
o
.
Se dividirmos a expresso acima por n
2
temos:
c
1
1
2
3
n
c
2
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 44
Notao : Exemplo
A inequao mais a direita ser sempre vlida para qualquer valor de n 1 ao
escolhermos c
2
1
2
.
Da mesma forma, a inequao mais a esquerda ser sempre vlida para qual-
quer valor de n 7 ao escolhermos c
1
1
14
.
Assim, ao escolhermos c
1
= 1/14, c
2
= 1/2 e n
0
= 7, podemos vericar que
1
2
n
2
3n = (n
2
).
Note que existem outras escolhas para as constantes c
1
e c
2
, mas o fato impor-
tante que a escolha existe.
Note tambm que a escolha destas constantes depende da funo
1
2
n
2
3n.
Uma funo diferente pertencente a (n
2
) ir provavelmente requerer outras
constantes.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 45
Notao : Exemplo
Usando a denio formal de prove que 6n
3
,= (n
2
).
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 46
Notao O
c
n
f , g
n
n
( )
( )
n
f
g
0
f(n) = O(g(n))
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 47
Notao O
A notao O dene um limite superior para a funo, por um fator constante.
Escreve-se f(n) = O(g(n)), se existirem constantes positivas c e n
0
tais
que para n n
0
, o valor de f(n) menor ou igual a cg(n). Neste caso,
pode-se dizer que g(n) um limite assinttico superior (em ingls, asymptot-
ically upper bound) para f(n).
f(n) = O(g(n)), c > 0 e n
0
[ 0 f(n) cg(n), n n
0
Escrevemos f(n) = O(g(n)) para expressar que g(n) domina assintotica-
mente f(n). L-se f(n) da ordem no mximo g(n).
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 48
Notao O: Exemplos
Seja f(n) = (n +1)
2
.
Logo f(n) O(n
2
), quando n
0
= 1 e c = 4, j que
(n +1)
2
4n
2
para n 1.
Seja f(n) = n e g(n) = n
2
. Mostre que g(n) no O(n).
Sabemos que f(n) O(n
2
), pois para n 0, n n
2
.
Suponha que existam constantes c e n
0
tais que para todo n n
0
, n
2
n)]
nlogn +kn +O(
nlogn).
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 54
Notao
c
n
f , g
n
n
( )
( )
n
g
f
0
f(n) = (g(n))
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 55
Notao
A notao dene um limite inferior para a funo, por um fator constante.
Escreve-se f(n) = (g(n)), se existirem constantes positivas c e n
0
tais
que para n n
0
, o valor de f(n) maior ou igual a cg(n).
Pode-se dizer que g(n) um limite assinttico inferior (em ingls, asymp-
totically lower bound) para f(n).
f(n) = (g(n)), c > 0 e n
0
[ 0 cg(n) f(n), n n
0
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 56
Notao
Quando a notao usada para expressar o tempo de execuo de um al-
goritmo no melhor caso, est se denindo tambm o limite (inferior) do tempo
de execuo desse algoritmo para todas as entradas.
Por exemplo, o algoritmo de ordenao por insero (n) no melhor
caso.
O tempo de execuo do algoritmo de ordenao por insero (n).
O que signica dizer que o tempo de execuo (i.e., sem especicar se
para o pior caso, melhor caso, ou caso mdio) (g(n))?
O tempo de execuo desse algoritmo pelo menos uma constante vezes
g(n) para valores sucientemente grandes de n.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 57
Notao : Exemplos
Para mostrar que f(n) = 3n
3
+ 2n
2
(n
3
) basta fazer c = 1, e ento
3n
3
+2n
2
n
3
para n 0.
Seja f(n) = n para n mpar (n 1) e f(n) = n
2
/10 para n par (n
0).
Neste caso f(n) (n
2
), bastando considerar c = 1/10 e n =
0, 2, 4, 6, . . .
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 58
Limites do algoritmo de ordenao por insero
O tempo de execuo do algoritmo de ordenao por insero est entre
(n) e O(n
2
).
Estes limites so assintoticamente os mais rmes possveis.
Por exemplo, o tempo de execuo deste algoritmo no (n
2
), pois o
algoritmo executa em tempo (n) quando a entrada j est ordenada.
No contraditrio dizer que o tempo de execuo deste algoritmo no pior
caso (n
2
), j que existem entradas para este algoritmo que fazem com
que ele execute em tempo (n
2
).
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 59
Teorema
Para quaisquer funes f(n) e g(n),
f(n) = (g(n))
se e somente se,
f(n) = O(g(n)), e
f(n) = (g(n))
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 60
Mais sobre notao assinttica de funes
Existem duas outras notaes na anlise assinttica de funes:
Notao o (O pequeno)
Notao
Estas duas notaes no so usadas normalmente, mas importante saber
seus conceitos e diferenas em relao s notaes O e , respectivamente.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 61
Notao o
O limite assinttico superior denido pela notao O pode ser assintotica-
mente rme ou no.
Por exemplo, o limite 2n
2
= O(n
2
) assintoticamente rme, mas o limite
2n = O(n
2
) no .
A notao o usada para denir um limite superior que no assintotica-
mente rme.
Formalmente a notao o denida como:
f(n) = o(g(n)), para qq c > 0 e n
0
[ 0 f(n) < cg(n), n n
0
Exemplo, 2n = o(n
2
) mas 2n
2
,= o(n
2
).
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 62
Notao o
As denies das notaes O (o grande) e o (o pequeno) so similares.
A diferena principal que em f(n) = O(g(n)), a expresso 0 f(n)
cg(n) vlida para todas constantes c > 0.
Intuitivamente, a funo f(n) tem um crescimento muito menor que g(n)
quando n tende para innito. Isto pode ser expresso da seguinte forma:
lim
n
f(n)
g(n)
= 0
Alguns autores usam este limite como a denio de o.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 63
Notao
Por analogia, a notao est relacionada coma notao da mesma forma
que a notao o est relacionada com a notao O.
Formalmente a notao denida como:
f(n) = (g(n)), para qq c > 0 e n
0
[ 0 cg(n) < f(n), n n
0
Por exemplo,
n
2
2
= (n), mas
n
2
2
,= (n
2
).
A relao f(n) = (g(n)) implica em
lim
n
f(n)
g(n)
= ,
se o limite existir.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 64
Comparao de programas
Podemos avaliar programas comparando as funes de complexidade, negli-
genciando as constantes de proporcionalidade.
Um programa com tempo de execuo O(n) melhor que outro com tempo
O(n
2
).
Porm, as constantes de proporcionalidade podem alterar esta consider-
ao.
Exemplo: um programa leva 100n unidades de tempo para ser executado e
outro leva 2n
2
. Qual dos dois programas melhor?
Depende do tamanho do problema.
Para n < 50, o programa com tempo 2n
2
melhor do que o que possui
tempo 100n.
Para problemas com entrada de dados pequena prefervel usar o pro-
grama cujo tempo de execuo O(n
2
).
Entretanto, quando n cresce, o programa com tempo de execuo O(n
2
)
leva muito mais tempo que o programa O(n).
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 65
Classes de Comportamento Assinttico
Complexidade Constante
f(n) = O(1)
O uso do algoritmo independe do tamanho de n.
As instrues do algoritmo so executadas um nmero xo de vezes.
O que signica um algoritmo ser O(2) ou O(5)?
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 66
Classes de Comportamento Assinttico
Complexidade Logartmica
f(n) = O(logn)
Ocorre tipicamente em algoritmos que resolvem um problema transfor-
mando-o em problemas menores.
Nestes casos, o tempo de execuo pode ser considerado como sendo
menor do que uma constante grande.
Supondo que a base do logaritmo seja 2:
Para n = 1000, log
2
10.
Para n = 1000000, log
2
20.
Exemplo:
Algoritmo de pesquisa binria.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 67
Classes de Comportamento Assinttico
Complexidade Linear
f(n) = O(n)
Em geral, um pequeno trabalho realizado sobre cada elemento de en-
trada.
Esta a melhor situao possvel para um algoritmo que tem que proces-
sar/produzir n elementos de entrada/sada.
Cada vez que n dobra de tamanho, o tempo de execuo tambm dobra.
Exemplos:
Algoritmo de pesquisa seqencial.
Algoritmo para teste de planaridade de um grafo.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 68
Classes de Comportamento Assinttico
Complexidade Linear Logartmica
f(n) = O(nlogn)
Este tempo de execuo ocorre tipicamente em algoritmos que resolvem
um problema quebrando-o em problemas menores, resolvendo cada um
deles independentemente e depois agrupando as solues.
Caso tpico dos algoritmos baseados no paradigma diviso-e-conquista.
Supondo que a base do logaritmo seja 2:
Para n = 1000000, log
2
20000000.
Para n = 2000000, log
2
42000000.
Exemplo:
Algoritmo de ordenao MergeSort.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 69
Classes de Comportamento Assinttico
Complexidade Quadrtica
f(n) = O(n
2
)
Algoritmos desta ordem de complexidade ocorrem quando os itens de da-
dos so processados aos pares, muitas vezes em um anel dentro do outro
Para n = 1000, o nmero de operaes da ordem de 1000000.
Sempre que n dobra o tempo de execuo multiplicado por 4.
Algoritmos deste tipo so teis para resolver problemas de tamanhos rela-
tivamente pequenos.
Exemplos:
Algoritmos de ordenao simples como seleo e insero.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 70
Classes de Comportamento Assinttico
Complexidade Cbica
f(n) = O(n
3
)
Algoritmos desta ordem de complexidade geralmente so teis apenas
para resolver problemas relativamente pequenos.
Para n = 100, o nmero de operaes da ordem de 1000000
Sempre que n dobra o tempo de execuo multiplicado por 8.
Algoritmos deste tipo so teis para resolver problemas de tamanhos rela-
tivamente pequenos.
Exemplo:
Algoritmo para multiplicao de matrizes.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 71
Classes de Comportamento Assinttico
Complexidade Exponencial
f(n) = O(2
n
)
Algoritmos desta ordem de complexidade no so teis sob o ponto de
vista prtico.
Eles ocorrem na soluo de problemas quando se usa a fora bruta para
resolv-los.
Para n = 20, o tempo de execuo cerca de 1000000.
Sempre que n dobra o tempo de execuo ca elevado ao quadrado.
Exemplo:
Algoritmo do Caixeiro Viajante
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 72
Classes de Comportamento Assinttico
Complexidade Exponencial
f(n) = O(n!).
Um algoritmo de complexidade O(n!) dito ter complexidade exponencial,
apesar de O(n!) ter comportamento muito pior do que O(2
n
).
Geralmente ocorrem quando se usa fora bruta na soluo do problema.
Considerando:
n = 20, temos que 20! = 2432902008176640000, um nmero com 19
dgitos.
n = 40 temos um nmero com 48 dgitos.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 73
Comparao de funes de complexidade
Funo Tamanho n
de custo 10 20 30 40 50 60
n
0,00001 0,00002 0,00003 0,00004 0,00005 0,00006
s s s s s s
n
2 0,0001 0,0004 0,0009 0,0016 0,0.35 0,0036
s s s s s s
n
3 0,001 0,008 0,027 0,64 0,125 0.316
s s s s s s
n
5 0,1 3,2 24,3 1,7 5,2 13
s s s min min min
2
n 0,001 1 17,9 12,7 35,7 366
s s min dias anos s
3
n 0,059 58 6,5 3855 10
8
10
13
s min anos s s s
Funo de Computador Computador 100 Computador 1000
custo de tempo atual vezes mais rpido vezes mais rpido
n t
1
100 t
1
1000 t
1
n
2
t
2
10 t
2
31, 6 t
2
n
3
t
3
4, 6 t
3
10 t
3
2
n
t
4
t
4
+6, 6 t
4
+10
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 74
Hierarquias de funes
A seguinte hierarquia de funes pode ser denida do ponto de vista assinttico:
1 loglogn logn n
n
c
n
logn
c
n
n
n
c
c
n
onde e c so constantes arbitrrias com 0 < < 1 < c.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 75
Hierarquias de funes: Exerccio 1
Usando MatLab, ou um outro pacote matemtico, desenhe os grcos dessas
funes, quando n
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 76
Hierarquias de funes: Exerccio 2
Onde as seguintes funes se encaixam nessa hierarquia? (Mostre a sua
soluo)
(a) (n) =
n
lnn
. Esta funo dene o nmero de primos menor ou igual a n.
(b) e
logn
.
Dica: e
f(n)
e
g(n)
lim
n
(f(n) g(n)) =
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 77
Hierarquias de Funes
Preliminares
A hierarquia apresentada est relacionada com funes que vo para o innito.
No entanto, podemos ter o recproco dessas funes j que elas nunca so
zero. Isto ,
f(n) g(n)
1
g(n)
1
f(n)
.
Assim, todas as funes (exceto 1) tendem para zero:
1
c
c
n
1
n
n
1
c
n
1
n
logn
1
n
c
1
n
1
logn
1
loglogn
1
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 78
Hierarquias de Funes
Soluo de (a)
(n) =
n
lnn
Temos que (note que a base do logaritmo no altera a hierarquia):
1
n
1
lnn
1
Multiplicando por n, temos:
n
n
n
lnn
n,
ou seja,
n
1
(n) n
Note que o valor 1 ainda menor que 1.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 79
Hierarquias de Funes
Soluo de (b)
e
logn
Dado a hierarquia:
1 lnlnn
lnn lnn
e elevando a e, temos que:
e
1
e
lnlnn
e
lnn
e
lnn
Simplicando temos:
e lnn e
lnn
n
n1
1
(n i) =
n(n1)
2
=
n
2
2
n
2
= O(n
2
)
Considerarmos o nmero de comparaes como a medida de custo relevante,
o programa faz (n
2
)/2 n/2 comparaes para ordenar n elementos.
Considerarmos o nmero de trocas, o programa realiza exatamente n 1
trocas.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 91
Algoritmos recursivos
Umobjeto recursivo quando denido parcialmente emtermos de si mesmo
Exemplo 1: Nmeros naturais
(a) 1 um nmero natural
(b) o sucessor de um nmero natural um nmero natural
Exemplo 2: Funo fatorial
(a) 0! = 1
(b) se n > 0 ento n! = n (n 1)!
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 92
Algoritmos recursivos
Exemplo 3: rvores
(a) A rvore vazia uma rvore
(b) se T
1
e T
2
so rvores ento T
t
um rvore
T
t
T
1
T
2
f
f
f
f
f
ff
0
s
f
f
f
f
f
ff
1
s
t
t
t
t
t
tt
2
s
1
s
f
f
f
f
f
ff
0
s
D
D
D
D
D
D
D
Dl
l
l
l
l
l
l
l
3
s
2
s
1
s
f
f
f
f
f
ff
0
s
f
f
f
f
f
ff
1
s
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 99
Soluo bvia
function Fib : integer;
var i, Temp, F, Fant : integer;
begin
i := 1; F := 1; Fant := 0;
while i < n do
begin
Temp := F;
F := F + Fant;
Fant := Temp;
i := i+1;
end;
Fib := F;
end; {Fib}
Complexidade de tempo: T(n) = n 1
Complexidade de espao: E(n) = O(1)
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 100
Procedimento recursivo
Pesquisa(n);
(1) if n 1
(2) then "inspecione elemento" e termine
else begin
(3) para cada um dos n elementos "inspecione elemento";
(4) Pesquisa(n/3);
end;
Para cada procedimento recursivo associada uma funo de complexidade
f(n) desconhecida, onde n mede o tamanho dos argumentos para o proce-
dimento.
Obtemos uma equao de recorrncia para f(n).
Equao de recorrncia: maneira de denir uma funo por uma expresso
envolvendo a mesma funo.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 101
Anlise do procedimento recursivo
Seja T(n) uma funo de complexidade que represente o nmero de inspe-
es nos n elementos do conjunto.
O custo de execuo das linhas (1) e (2) O(1) e da linha (3) O(n).
Usa-se uma equao de recorrncia para determinar o n
o
de chamadas
recursivas.
O termo T(n) especicado em funo dos termos anteriores T(1), T(2),
. . ., T(n 1).
T(n) = n +T(n/3), T(1) = 1 (para n = 1 fazemos uma inspeo).
Por exemplo, T(3) = T(3/3)+3 = 4, T(9) = T(9/3)+9 = 13, e assim
por diante.
Para calcular o valor da funo seguindo a denio so necessrios k 1
passos para computar o valor de T(3
k
).
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 102
Exemplo de resoluo de equao de recorrncia
Substitui-se os termos T(k), k < n, at que todos os termos T(k), k > 1,
tenham sido substitudos por frmulas contendo apenas T(1).
T(n) = n +T(n/3)
T(n/3) = n/3 +T(n/3/3)
T(n/3/3) = n/3/3 +T(n/3/3/3)
.
.
.
T(n/3/3 /3) = n/3/3 /3 +T(n/3 /3)
Adicionando lado a lado, temos
T(n) = n +n (1/3) +n (1/3
2
) +n (1/3
3
) + +(n/3/3 /3)
que representa a soma de uma srie geomtrica de razo 1/3, multiplicada por
n, e adicionada de T(n/3/3 /3), que menor ou igual a 1.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 103
Exemplo de resoluo de equao de recorrncia
T(n) = n +n (1/3) +n (1/3
2
) +n (1/3
3
) + + +(n/3/3 /3)
Se desprezarmos o termo T(n/3/3 /3), quando n tende para innito, ento
T(n) = n
i=0
(1/3)
i
= n
_
_
1
1
1
3
_
_
=
3n
2
Se considerarmos o termo T(n/3/3/3 /3) e denominarmos x o nmero de
subdivises por 3 do tamanho do problema, ento n/3
x
= 1, e n = 3
x
. Logo
x = log
3
n.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 104
Exemplo de resoluo de equao de recorrncia
Lembrando que T(1) = 1 temos
T(n) =
x1
i=0
n
3
i
+T(
n
3
x
)
= n
x1
i=0
(1/3)
i
+1
=
n(1 (
1
3
)
x
)
(1
1
3
)
+1
=
3n
2
1
2
Logo, o programa do exemplo O(n).
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 105
Comentrios sobre recursividade
Evitar o uso de recursividade quando existe uma soluo bvia por iterao!
Exemplos:
Fatorial
Srie de Fibonacci
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 106
Anlise de algoritmos recursivos
Comportamento descrito por uma equao de recorrncia
Enfoque possvel:
Usar a prpria recorrncia para substituir para T(m), m < n at que todos
os termos tenham sido substitudos por frmulas envolvendo apenas T(0)
ou o caso base
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 107
Anlise da funo fat
Seja a seguinte funo para calcular o fatorial de n:
function fat(n : integer}) : integer};
begin
if n <= 1
then fat := 1
else fat := n
*
fat(n-1);
end; {fat}
Seja a seguinte equao de recorrncia para esta funo:
T(n) =
_
d n = 1
c +T(n 1) n > 1
Esta equao diz que quando n = 1 o custo para executar fat igual a d.
Para valores de n maiores que 1, o custo para executar fat c mais o custo
para executar T(n 1)
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 108
Resolvendo a equao de recorrncia
Esta equao de recorrncia pode ser
expressa da seguinte forma:
T(n) = c +T(n 1)
= c +(c +T(n 2))
= c +c +(c +T(n 3))
.
.
. =
.
.
.
= c +c + +(c +T(1))
= c +c + +c
. .
n1
+d
Em cada passo, o valor do termo T
substitudo pela sua denio (ou
seja, esta recorrncia est sendo re-
solvida pelo mtodo da expanso). A
ltima equao mostra que depois da
expanso existem n 1 cs, corre-
spondentes aos valores de 2 at n.
Desta forma, a recorrncia pode ser
expressa como:
T(n) = c(n 1) +d = O(n)
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 109
Alguns somatrios teis
n
i=1
i =
n(n +1)
2
k
i=0
2
k
= 2
k+1
1
k
i=0
1
2
i
= 2
1
2
k
k
i=0
a
i
=
a
k+1
1
a 1
(a ,= 1)
n
i=1
i
2
=
n(n +1)(2n +1)
6
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 110
Algumas recorrncias bsicas: Caso 1
T(n) = T(
n
2
) +1 (n 2)
T(1) = 0 (n = 1)
Vamos supor que:
n = 2
k
k = logn
Resolvendo por expanso temos:
T(2
k
) = T(2
k1
) +1
= (T(2
k2
) +1) +1
= (T(2
k3
) +1) +1 +1
.
.
.
.
.
.
= (T(2) +1) +1 + +1
= (T(1) +1) +1 + +1
= 0 +1 + +1
. .
k
= k
T(n) = logn
T(n) = O(logn)
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 111
Algumas recorrncias bsicas: Caso 2
T(n) = 2T(
n
2
) +n (n 2)
T(1) = 0 (n = 1)
Vamos supor que n = 2
k
k = logn. Resolvendo por expanso temos:
T(2
k
) = 2T(2
k1
) +2
k
= 2(2T(2
k2
) +2
k1
) +2
k
= 2(2(2T(2
k3
) +2
k2
) +2
k1
) +2
k
.
.
.
.
.
.
= 2(2( (2(2T(1) +2
2
) +2
3
) + ) +2
k1
) +2
k
= (k 1)2
k
+2
k
= k2
k
T(n) = nlogn
T(n) = O(nlogn)
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 112
Teorema Mestre
Recorrncias da forma
T(n) = aT(n/b) +f(n),
onde a 1 e b > 1 so constantes e f(n) uma funo assintoticamente pos-
itiva podem ser resolvidas usando o Teorema Mestre. Note que neste caso no
estamos achando a forma fechada da recorrncia mas sim seu comportamento
assinttico.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 113
Teorema Mestre
Sejam as constantes a 1 e b > 1 e f(n) uma funo denida nos inteiros
no-negativos pela recorrncia:
T(n) = aT(n/b) +f(n),
onde a frao n/b pode signicar ]n/b| ou n/b|. A equao de recorrncia
T(n) pode ser limitada assintoticamente da seguinte forma:
1. Se f(n) = O(n
log
b
a
) para alguma constante > 0,
ento T(n) = (n
log
b
a
) .
2. Se f(n) = (n
log
b
a
), ento T(n) = (n
log
b
a
logn) .
3. Se f(n) = (n
log
b
a+
) para alguma constante > 0 e se af(n/b)
cf(n) para alguma constante c < 1 e para n sucientemente grande,
ento T(n) = (f(n)) .
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 114
Comentrios sobre o teorema Mestre
Nos trs casos estamos comparando a funo f(n) com a funo n
log
b
a
.
Intuitivamente, a soluo da recorrncia determinada pela maior das duas
funes.
Por exemplo:
No primeiro caso a funo n
log
b
a
a maior e a soluo para a recorrncia
T(n) = (n
log
b
a
).
No terceiro caso, a funo f(n) a maior e a soluo para a recorrncia
T(n) = (f(n)).
No segundo caso, as duas funes so do mesmo tamanho. Neste caso,
a soluo ca multiplicada por um fator logartmico e ca da forma T(n) =
(n
log
b
a
logn) = (f(n) logn).
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 115
Tecnicalidades sobre o teorema Mestre
No primeiro caso, a funo f(n) deve ser no somente menor que n
log
b
a
mas ser polinomialmente menor. Ou seja, f(n) deve ser assintoticamente
menor que n
log
b
a
por um fator de n
k1
i=0
A[i] 2
i
.
length[A] = k.
Para somar 1 (mdulo 2
k
) ao valor do contador, pode-se usar o procedimento
Increment(A).
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 147
Contador binrio: Cdigo
Increment(A)
i 0
while (i < length[A]) (A[i] = 1) do
begin
A[i] 0
i i + 1
end
if i < length[A]
then A[i] 1
EndIncrement
Essencialmente o mesmo algoritmo implementado pelo contador Ripple-
Carry em hardware.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 148
Mtodo agregado
Idia:
Conte o custo total para as n operaes.
Tcnica de contagem:
Ad hoc, ou seja, cada caso um caso.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 149
Contador binrio
Custo por linha varia.
Difcil de somar.
Soluo:
Conte por coluna, ou seja, quantas vezes o i-simo bit trocado.
Some os custos.
Exemplo: arranjo de 5 bits (k = 5).
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 150
Contador binrio
Bits Custo
0 0 0 0 0
0 0 0 0 1 1
0 0 0 1 0 2
0 0 0 1 1 1
0 0 1 0 0 3
.
.
.
1 1 1 1 1 1
0 0 0 0 0 5
2 4 8 16 32
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 151
Contador binrio
Custo:
Para uma seqncia de n incrementos (2
k
), temos:
Bit de ordem
2
4
2
3
2
2
2
1
2
0
2 4 8 16 32
ou seja, o bit de ordem 2
i
trocado 2
ki
vezes. Logo, o custo total de
trocas
k
i=1
2
i
= 2
k+1
2 = 2 2
k
2 = 2n 2 = O(n)
Custo amortizado por troca = O(n)/n = O(1).
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 152
Mtodo contbil
Estrutura de dados vem com uma conta bancria.
cada operao alocado um custo xo (custo amortizado).
Custos devem ser escolhidos cuidadosamente.
Se o custo real menor que o custo alocado, deposite a diferena na conta
bancria.
Se o custo real maior que o custo alocado, retire a diferena da conta
bancria para pagar pela operao.
Prove que o saldo nunca ca negativo.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 153
Mtodo contbil
Qual o signicado do saldo car negativo?
Para a seqncia de operaes at aquele momento, o custo amortizado
total no representa um limite superior para o custo real total.
Concluso:
Seqncia de n operaes custa no mximo n custo amortizado.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 154
Contador binrio
Custo amortizado para trocar 0 1 = 2 crditos.
Pague 1 crdito pela operao e deposite 1 crdito na conta.
Custo amortizado para trocar 1 0 = 0 crditos
Retire da conta 1 crdito para pagar pela operao.
Invariante:
Cada bit 1 no contador gerou um crdito.
Logo, sempre existe crdito para pagar pela operao de trocar 1 0.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 155
Anlise amortizada
Custo para resetar os bits no while pago pelos crditos dos bits que foram
setados.
No mximo um bit setado.
Custo da operao de incremento no mximo 2.
O nmero de bits 1 no contador nunca negativo.
Saldo nunca negativo.
Para n operaes de incremento, o custo amortizado total O(n), que um
limite para o custo real total.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 156
Mtodo potencial
Associa-se uma energia potencial a cada estrutura de dados.
Energia potencial o potencial para fazer um estrago.
Custo amortizado = Custo atual +
Novo potencial
Potencial anterior
Deve-se pagar para incrementar o potencial da estrutura de dados.
Se a operao tem um custo cumulativo alto mas reduz bastante o potencial,
ento o custo amortizado baixo.
Como encontrar o potencial?
Determine o que torna uma estrutura de dados ruim.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 157
Regras bsicas para funes potenciais
Devem ser sempre no negativas.
Devem comear de zero.
Implica uma seqncia de n operaes que custam no mximo n custo
amortizado.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 158
Contador binrio
Estrutura de dados ruim se tem vrios 1s.
Seja (Contador)= # 1s no contador.
Potencial aumenta quando h um incremento:
= # (0 1) # (1 0)
= 1 # (1 0)
Custo amortizado do incremento:
= Custo real (atual) + Aumento do potencial
= (1 + # (1 0) + (1 # (1 0)
= 2
Custo amortizado 2 e o custo de n incrementos no mximo 2n.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 159
A linguagem de programao Pascal
Os programas apresentados no livro-texto usam apenas as caractersticas
bsicas do Pascal.
So evitadas facilidades mais avanadas disponveis em alguns compi-
ladores.
No so apresentadas a linguagem na sua totalidade, apenas examinamos
algumas caractersticas.
Um programa Pascal dividido nas seguinte partes:
program {Cabealho do programa}
label {Declarao de rtulo para goto}
const {Definio de constantes}
type {Definio de tipos de dados}
var {Declarao de variveis}
procedure ou function {Declarao de subprogramas}
begin {Incio do corpo principal do programa}
.
.
. {Comandos do programa}
end {Fim do corpo principal do programa}
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 160
Tipos em Pascal
Regra geral:
Deve-se tornar explcito o tipo associado quando se declara uma constante,
varivel ou funo.
Isso permite testes de consistncia durante o tempo de compilao.
A denio de tipos permite ao programador alterar o nome de tipos exis-
tentes e criar um nmero ilimitado de outros tipos.
No caso do Pascal, os tipos podem ser:
simples,
estruturados e
apontadores.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 161
Tipos simples
So grupos de valores indivisveis (integer, boolean, char e real).
Tipos simples adicionais podem ser enumerados por meio de:
Listagem de novos grupos de valores como, por exemplo:
type cor = (vermelho, azul, rosa);
.
.
.
var c : cor;
.
.
.
c := rosa;
Indicao de subintervalos como, por exemplo:
type ano = 1900..1999;
type letra = A..Z;
.
.
.
var a : ano;
var b : letra;
As atribuies a:=1986 e b:=B so possveis, mas a:=2001 e b:=7 no o
so.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 162
Tipos estruturados
Denem uma coleo de valores simples, ou um agregado de valores de tipos
diferentes.
Existem quatro tipos estruturados primitivos:
Arranjos: tabela n-dimensional de valores homogneos de qualquer tipo.
Indexada por um ou mais tipos simples, exceto o tipo real.
Registros: unio de valores de tipos quaisquer, cujos campos podem ser
acessados pelos seus nomes.
Conjuntos: coleo de todos os subconjuntos de algum tipo simples, com
operadores especiais (interseco), + (unio), (diferena) e in (per-
tence a) denidos para todos os tipos conjuntos.
Arquivos: seqncia de valores homogneos de qualquer tipo. Geral-
mente associado com alguma unidade externa.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 163
Tipo estruturado arranjo: Exemplo
type cartao = array [1..80] of char;
type matriz = array [1..5, 1..5] of real;
type coluna = array [1..3] of real;
type linha = array [ano] of char;
type alfa = packed array [1..n] of char;
type vetor = array [1..n] of integer;
A constante n deve ser previamente declarada
const n = 20;
Dada a varivel
var x: coluna;
as atribuies x[1]:=0.75, x[2]:=0.85 e x[3]:=1.5 so possveis.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 164
Tipo estruturado registro: Exemplo
type data = record
dia : 1..31;
mes : 1..12;
end;
type pessoa = record
sobrenome : alfa;
primeironome : alfa;
aniversrio : data;
sexo : (m, f);
end;
Declarada a varivel
var p: pessoa;
valores particulares podem ser atribudos:
p.sobrenome := Ziviani;
p.primeironome := Patricia;
p.aniversrio.dia := 21;
p.aniversrio.ms := 10;
p.sexo := f;
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 165
Tipo estruturado conjunto: Exemplo
type conjint = set of 1..9;
type conjcor = set of cor;
type conjchar = set of char;
O tipo cor deve ser previamente denido como
type cor = (vermelho, azul, rosa);
Declaradas as variveis
var ci : conjint;
var cc : array [1..5] of conjcor;
var ch : conjchar;
Valores particulares podem ser construdos e atribudos:
ci := [1,4,9];
cc[2] := [vermelho..rosa];
cc[4] := [ ];
cc[5] := [azul, rosa];
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 166
Tipo estruturado conjunto: Exemplo
Prioridade: interseo precede unio e diferena, que precedem pertence
a.
Exemplos:
[1..5,7]
*
[4,6,8] [4]
[1..3,5] + [4,6] [1..6]
[1..3,5] - [2,4] [1,3,5]
2 in [1..5] verdadeiro
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 167
Tipo estruturado arquivo: Exemplo
type arquivopessoal = file of Pessoa;
O programa abaixo copia o contedo do arquivo Velho no arquivo Novo.
(Atribuio de nomes de arquivos externos ao programa varia de compilador
para compilador.)
program Copia (Velho, Novo); {Copia o arquivo Velho no arquivo Novo}
type Pessoa = record
Sobrenome : alfa; PrimeiroNome: alfa;
Aniversario : data; Sexo : (m, f);
end;
var Velho, Novo : file of Pessoa;
Registro : Pessoa;
begin
reset(Velho); rewrite(Novo);
while not eof(Velho) do
begin
read(Velho, Registro); write(Novo, Registro);
end;
end.
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 168
Tipo apontador
So teis para criar estruturas de dados encadeadas, do tipo listas, rvores
e grafos.
Um apontador uma varivel que referencia outra varivel alocada dinami-
camente.
Em geral, a varivel referenciada denida como um registro com um apon-
tador para outro elemento do mesmo tipo.
type Apontador = ^No;
type No = record
Chave: integer
Apont: Apontador;
end;
Dada uma varivel
var Lista: Apontador;
possvel criar uma lista como a ilustrada.
Lista 200 100 50 nil
...
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 169
Separador de comandos
O ponto e vrgula atua como um separador de comandos.
Quando mal colocado, pode causar erros que no so detectados em tempo
de compilao.
Exemplo: o trecho de programa abaixo est sintaticamente correto. Entre-
tanto, o comando de adio ser executado sempre, e no somente quando
o valor da varivel a for igual a zero.
if a = 0 then;
a := a + 1;
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 170
Passagem de parmetros
Por valor ou por varivel (ou referncia).
A passagem de parmetro por varivel deve ser utilizada se o valor pode
sofrer alterao dentro do procedimento, e o novo valor deve retornar para
quem chamou o procedimento.
Exemplo: SomaUm recebe o parmetro x por valor e o parmetro y por vari-
vel.
program Teste;
var a, b: integer;
procedure SomaUm (x: integer; var y: integer);
begin
x := x + 1; y := y + 1;
writeln(Procedimento SomaUm:, x, y);
end;
begin {Programa principal}
a := 0; b := 0; SomaUm(a,b);
writeln(Programa principal:, a, b);
end.
Resultado da execuo:
Procedimento SomaUm: 1 1
Programa principal: 0 1
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II 171