Análise de Algoritmos

Aula 1

Desenvolvimento de algoritmos
Gisele Alves Santana
 Resumo da aula
Nesta aula, você vai:
§ Revisar os conceitos básicos e lógicos utilizados
para a construção de algoritmos;
§ Entender as formas de representação dos
algoritmos, principalmente o pseudocódigo;
§ Conhecer a importância da análise de
algoritmos no contexto computacional;
§ Entender o conceito de
complexidade e como são
realizados os cálculos para
definir o tamanho
de um problema.
 Análise de algoritmos
Estuda alguns problemas computacionais que
surgem em vários contextos e aplicações.
Basicamente, a análise de um algoritmo
considera dois fatores:
§ Prova de que o algoritmo está correto;
§ Estimação do tempo de execução
que o algoritmo consome.
§ Em alguns casos também
é considerada a estimativa
do espaço de memória
utilizado pelo algoritmo.
 Análise de algoritmos
Objetivo geral
§ Permitir que, dado dois algoritmos que
resolvem um mesmo problema, decidir qual
deles é o mais eficiente;
§ A análise de complexidade é responsável pela
obtenção de estimativas de tempos de execução
de programas que implementam um algoritmo.
 Análise de algoritmos
Desejável: avaliar o desempenho de um algoritmo
independentemente da sua implementação
§ Levar em conta apenas o número de instruções
executadas para determinadas entradas;
§ São consideradas apenas as instruções principais
(operações básicas para a execução do algoritmo).
 Análise de algoritmos

É dependente da quantidade de dados que

são processados
§ Tamanho da entrada;
§ Por exemplo: busca por um registro em uma
lista com 250 registros é maior que em uma
lista com 20 reg.
 Análise de algoritmos
Operação de busca em uma lista linear não ordenada:
§ Número de comparações executadas varia muito,
pois a chave desejada pode estar armazenada no
início ou no fim da lista;
§ Complexidade: expressa em função
do tamanho da lista.
 Análise de algoritmos

Casos especiais:
§ Pior caso: ocorre quando o aumento do valor de
“n” (aumento das entradas) resulta em um
maior crescimento do número de operações;
§ Melhor caso: ocorre quando o aumento do valor
de “n” (aumento das entradas)
resulta em um menor crescimento
do número de operações;
 Análise de algoritmos

Casos especiais:
§ Caso médio: ocorre quando o algoritmo se
comporta de maneira mediana, ou seja, quando
se consideram todas as possíveis entradas
e respectivas probabilidades de ocorrência.
 Análise de algoritmos
Problemas e instâncias
§ Problema computacional: formado por uma
coleção de instâncias;
§ Instância: conjunto de dados
• Exemplo: problema de encontrar a média dos
elementos do vetor V[11 30 35 22 56 98] que
possui 6 elementos inteiros.
• Uma instância:
- Encontrar a média
dos elementos do vetor.
 Análise de algoritmos
Problemas e instâncias
§ Tamanho de uma instância: corresponde à
quantidade de dados utilizada para a descrição
da instância;
§ Problema que calcula a média dos elementos:
• Tamanho da instância [11 30 35 22 56 98] é = 6.
 Análise de algoritmos
Problemas e instâncias
§ Percebe-se que o tamanho de uma instância
geralmente corresponde ao número de
elementos n;
§ Porém, o tamanho pode corresponder ao número
total de dígitos decimais do vetor, neste caso, 12.
 Análise de algoritmos

Consumo de tempo
§ Para cada instância, o algoritmo consome uma
quantidade de tempo diferente;
§ Suponha que o algoritmo consome T(I) unidades
de tempo para processar a instância I;
§ A relação entre T(I) e o tamanho
de I oferece uma medida da
eficiência do algoritmo;
 Análise de algoritmos

Consumo de tempo
§ Geralmente, um problema tem muitas
instâncias diferentes de um mesmo tamanho,
exigindo a introdução dos conceitos de
“melhor caso” e “pior caso”.
 Análise de algoritmos
Consumo de tempo
§ Dado um algoritmo A para o problema e um número
n, sendo T1(n) o máximo de T(I) para todas as
instâncias I de tamanho n do problema;
Diz-se que:
• No pior caso – T1 mede o consumo de tempo de A.
§ Seja T2(n) o mínimo de T(I) para todas
as instâncias I de tamanho n.
Diz-se que:
• No melhor caso – T2 mede o
consumo de A.
Continuando...

Desenvolvimento de algoritmos
 Algoritmo
Pode ser comparado a uma receita que indica o
passo a passo dos métodos necessários para a
resolução de uma tarefa.
O algoritmo não é capaz de responder a pergunta
“o que fazer?”, mas sim “como fazer”.
Um algoritmo pode ser definido como uma sequência
lógica, finita e definida de instruções
que devem ser seguidas para
resolver um problema ou
executar uma tarefa.
 Algoritmo
Exemplo: trocar pneu do carro
 Algoritmo

Formas de representação
§ Descrição narrativa;
§ Pseudocódigo;
§ Fluxograma.
 Algoritmo
Descrição narrativa
Início
• Verificar se o interruptor está desligado;
• Procurar por uma lâmpada nova;
• Pegar uma escada;
• Levar a escada até o local;
• Posicionar a escada;
• Subir os degraus;
• Retirar a lâmpada queimada;
• Colocar a lâmpada nova;
• Descer da escada;
• Acionar o interruptor;
• Se a lâmpada não acender, então:
§ Retirar a lâmpada queimada;
§ Colocar outra lâmpada nova
• Senão
§ Tarefa terminada;
Fim
 Algoritmo
Fluxograma
 Algoritmo
Pseudocódigo
Algoritmo <nome do algoritmo>
<declaração de variáveis>
Início
<corpo do algoritmo>
Fim

Algoritmo Calcula_dobro
Variáveis Num, Dobro: real;
Início
Leia (Num);
Dobro <- 2*num;
Escreva (dobro);
Fim
 Algoritmo
Pseudocódigo Escreva(“Soma = “, resultado);
resultado <- num1 - num2;
Algoritmo Calculadora
Escreva(“Subtração = “, resultado);
Declaração de variáveis
resultado <- num1 * num2;
num1, num2, resultado: Real;
Escreva(“Multiplicação = “, resultado);
Inicio
resultado <- num1 / num2;
Escreva(“Digite um número: “);
Escreva(“Divisão = “, resultado);
Leia(num1);
Fim
Escreva(“Digite outro número: “);
Leia(num2);
resultado <- num1 + num2;
 Algoritmo

Pseudocódigo
§ Pontos importantes:
• Variável
- Espaço de memória alocado para
armazenamento de dados;
- No exemplo, foram criadas 3 variáveis.
 Algoritmo

• Símbolo "<-"
- Atribuição de valor a uma variável.
- Por exemplo, (resultado <= num1 + num2)
atribui à variável resultado, o valor da soma
dos valores armazenados nas
variáveis num1 e num2.
 Algoritmo
Pseudocódigo
§ Pontos importantes:
• Comando "Leia(num1)“
- Significa que o algoritmo está lendo o que o
usuário digitou e armazenando na
variável numero1.
• Comando “Escreva(resultado)”
- Exibe na tela o valor atual
da variável resultado.
Finalizando...

Desenvolvimento de algoritmos
 Medidas de complexidade
Complexidade
§ Espaço exigido e ao tempo de execução de um
algoritmo para determinada entrada de dados;
§ Cálculo da complexidade de um algoritmo:
• Máquina de Turing: modelo matemático simples
capaz de medir a quantidade de passos utilizados
para a execução de um algoritmo;
• Pode ser medida de acordo
com o número de segundos
consumidos na execução
do algoritmo.
 Medidas de complexidade

Não é conveniente calcular os tempos de

execução em máquinas específicas.
Assim, a maioria das análises de complexidade
considera apenas a quantidade de operações
elementares que são executadas.
Está relacionada ao crescimento assintótico da
contagem de operações.
 Medidas de complexidade

Complexidade assintótica
§ Determina o tamanho de problemas que
podem ser solucionados por um algoritmo;
§ Para um algoritmo que processa entradas de
tamanho “n” no tempo t*n2, onde t é uma
constante, diz-se que a complexidade de
tempo do algoritmo é: O(n2),
ou seja, “ de ordem n2”.
 Medidas de complexidade
Complexidade assintótica
§ Relacionada ao número de unidades de
tempo (UT) necessárias para processar uma
entrada de tamanho “n”;
§ Unidade de tempo: 1 milissegundo;
§ Assim: 1UT = 1 ms = 10-3 segundos;
§ Equação do cálculo do tamanho
de problemas:
T (n) = n *UT
T – tempo desejado;
UT – unidade de tempo (medida em 1 ms);
n – tamanho do problema.
 Medidas de complexidade
Exemplo
ALGORITMO COMPLEXIDADE DE TEMPO
X1 n
X2 n log2 n
X3 n2
X4 n3

Cálculo do tamanho do problema:

§ Para cada algoritmo;
§ 1 segundo, 1 minuto, 1 hora.
 Medidas de complexidade
Algoritmo X1
 Medidas de complexidade
Algoritmo X2
 Medidas de complexidade
Algoritmo X3
 Medidas de complexidade
Algoritmo X4
 Medidas de complexidade
Tabela: resumo com os cálculos
COMPLEXIDADE
ALGORITMO 1 SEGUNDO 1 MINUTO 1 HORA
DE TEMPO
X1 n 1.000 60.000 3.600.000
X2 n log2 n 140 4893 200.000
X3 n2 31,6 244,9 1.897,4
X4 n3 10 39,1 153,3
 Medidas de complexidade

Para a escolha de um determinado algoritmo

dentre vários que resolvem o mesmo problema,
pode-se optar por aquele que possui fácil
entendimento, depuração e codificação, ou ainda,
pode-se selecionar um algoritmo que usa
eficientemente os recursos do computador.