1
Análise do desempenho de algoritmos de
caminhos mínimos
Alexandre Amaral Gonçalves, Michael Fagundes Marques, Valteir Fernandes da Silva Júnior,
1. INTRODUÇÃO
N ESTE artigo, serão apresentados os
algoritmos de busca e caminho mínimo,
A* e todas suas heurísticas de distância,
Bellman Ford e Dijikstra. Todos eles com suas
respectivas descrições, utilização na prática e
análises de complexidade e desempenho, que
será exposto em uma tabela comparativa.
2. DESCRIÇÃO DO PROBLEMA
Desenvolver programas que executem os
algoritmos propostos que mostrem o
desempenho médio de cada um deles para uma
massa de grafos grades para posteriormente
testar e fazer as comparações pedidas.
3. OBJETIVO
Esse artigo tem como idéia principal, testar
diversas vezes os algoritmos propostos e
analisar seu desempenho, fazendo uma
comparação entre eles, na tentativa de encontrar,
o melhor deles na situação e no ambiente em
que foi testado.
4. DESCRIÇÃO DOS ALGORITMOS
Foram propostos os três algoritmos a seguir:
Dijkstra
Algoritmo que leva o nome de seu criador
Edsger Dijkstra, consiste em buscar o menor
caminho em um grafo, dirigido, ou não, e onde
não existem arestas de peso negativo.
Assemelha-se a um algoritmo guloso busca em
largura, porém considerando a distância entre o
vértice inicial e todos os outros, ele vai
modificando essa distância com o andamento do
algoritmo, por isso não pode ser considerado um
algoritmo guloso.
Complexidade: Como as operações de inserção
de elementos na fila, remoção de arestas
utilizadas e atualização de medidas são O(log n),
o algoritmo todo tem uma complexidade O((e +
n)log n).
Bellman Ford
Mesma utilidade do algoritmo de Dijkstra, mas
leva um tempo maior para executar, sua grande
vantagem é sua possibilidade de trabalhar com
peso de arestas negativo, recurso não disponível
no algoritmo citado acima.
Complexidade: Bem parecido com o Dijkstra,
mas testando arestas negativas, o Bellman Ford
testa quase todas as possibilidades, sendo mais
lento que o Dijkstra e com complexidade O(|E|
|V|).
A*
Uma evolução do algoritmo de Dijkstra, o A*
estrela busca encontrar o menor caminho entre
dois pontos, testando qual o caminho do
próximo ponto até o ponto objetivo. Por isso ele
é sensível a diversas heurísticas de distância, o
que modifica seu desempenho. Ainda assim é o
melhor algoritmo, entre esses três, para buscar o
menor caminho.
Complexidade: Sua complexidade varia da
heurística de distância utilizada, sendo o pior
caso, um algoritmo exponencial, porém na
maioria das vezes ele é executado em O(log h *
(x)), onde h* é a heurística de distância do
vértice inicial até o vértice final.
Para este trabalho, foram utilizado as seguintes
heurísticas para o algoritmo de A*:
A - Distância Chebyshev
Métrica definida em um espaço vetorial aonde
calcula o máximo da diferença entre as
dimensões dos pontos analisados. Pode ser

representada e exemplificada a partir do nosso
trabalho pela equação abaixo:
DChebyshev(p,f) = max(| x p − x f |, | y p − y f |)
B - Distância Euclidiana
Também conhecida por Norma Euclidiana, é a
distância ordinária entre dois pontos no qual
poderia ser calculada com uma regra. É
calculada com a formula de Pitágoras. É
representada pela equação abaixo:
DEuclidiana(p, f) = (x p − x f ) 2 + ( y p − y f ) 2
C – Distância Mahalanobis
Medida de distância criada pelo matemático de
mesmo nome e é baseada nas correlações que
existem entre os atributos das amostras. É
representada pela equação abaixo:
DMahalanobis(p, f) = ( x − y ) t C −1 ( x − y )
D – Distância Manhattan
Métrica calculada a partir da soma dos valores
absolutos das diferenças das coordenadas. É
representada a partir da equação abaixo:
DManhattan(p, f) = | xp − x f | + | yp − y f |
E – Distância Angular entre 2 vetores
Distância calculada a partir do ângulo entre os
dois pontos, resumindo, quanto menor o ângulo
mais semelhantes eles são. É representada pela
equação abaixo:
pf
Dangular(p, f) = arccos
| p || f |
Aonde pf é o produto vetorial dos pontos
cartesianos entre p e f. Descoberto o cosseno a
partir dessa equação, podemos descobrir o
ângulo entre os pontos, cujo valor utilizamos em
nossa heurística.
acumulador para somar os tempos a cada
execução. No fim a razão entre o acumulador e
o número de execuções por algoritmo era a
média de tempo que cada algoritmo rodava.
Também é calculado o desvio padrão a partir da
média gerada para cada bloco de execuções.
2
5. METODOLOGIA UTILIZADA
Para a realização dos testes, foi desenvolvida
uma aplicação em C# 4.0 que lê os arquivos de
grafos disponibilizados, e executa todos os
algoritmos deste trabalho X vezes, todos esses
dados o usuário especifica na interface do
mesmo. Para automatizar o processo, foi
desenvolvido um método no programa que
executa todo o processo acima cinco vezes,
selecionando assim o algoritmo e arquivo
automaticamente, executando cada algoritmo
200 vezes e salvando o resultado em um arquivo
de texto.
Resumindo, com os grafos grade (35x35 até
40x40, 50x50 e 60x60) disponibilizados, os
algoritmos foram 200 vezes executados.
Uma observação deve ser feita que, para o valor
do resultado das heurísticas Distância
Mahalanobis, Distância Manhattan, Distância
Chebyshev e Distância Angular entre 2 vetores,
foi multiplicado por uma constante de valor 10
afim de obter uma diferença real na execução do
algoritmo de A*.
Abaixo segue a configuração do computador
que realizou os testes.
Processador: Core i5 M450 2.4Ghz
Memória RAM: 4GB
Sistema Operacional: Windows 7 Professional
O roteiro de testes foi testar somente um
algoritmo para os grafos escolhidos depois de
finalizados todos o grafo passava-se para o
próximo algoritmo até terminar.
Assim sendo, primeiro a ser testado foi o
Dijkstra, depois o Bellman Ford, depois o A*
com as heurísticas nesta ordem, Manhattan,
Euclidiana, Chebyshev, Mahalanobis e Angular
entre dois vetores.
Foi colocado um contador de tempo no inicio do
algoritmo e um quando terminava, e um
Após isso, os dados foram lançados na tabela, e
foi gerado o gráfico que pode ser visto em
Resultados Obtidos.
 5

6. EXECUÇÃO A* - Chebyshev A* - Euclidiana A* - Mahalanobis

35x35 0.0181(0.0007) 0.0192(0.0003) 0.019(0.0002)
Utilizando a metodologia acima, o passo final
36x36 0.0196(0.0007) 0.0216(0.0005) 0.0214(0.0003)
foi executá-los para podermos chegar a alguma
37x37 0.0218(0.0011) 0.0244(0.0004) 0.0251(0.0029)
conclusão.
38x38 0.0251(0.0015) 0.0261(0.0004) 0.0277(0.0045)
Cada algoritmo tem um diferente nível de 39x39 0.0294(0.0061) 0.0286(0.0004) 0.0286(0.0003)
complexidade, sendo assim, diferentes tempo de 40x40 0.0283(0.0003) 0.0314(0.0002) 0.0317(0.0003)
execução e diferentes reações ao ambiente. Um 50x50 0,065(0,0067) 0,0718(0,0006) 0,0722(0,0017)
screenshot do programa desenvolvido pode ser 60x60 0,1279(0,0017) 0,1455(0,0096) 0,1436(0,0049)
visto abaixo.

Tabela 2 – Resultados obtidos para o

algoritmo A* com as heurísticas de Chebyshev,
Euclidiana e Mahalanobis.

A* - Manhattan A* - Angular entre 2 vetores

35x35 0.0189(0.0005) 0.0192(0.0008)
36x36 0.0212(0.0003) 0.0204(0.0003)
37x37 0.024(0.0003) 0.0231(0.0003)
38x38 0.0263(0.0019) 0.0256(0.0006)
Figura 1 – Programa utilizado para testes
39x39 0.028(0.0003) 0.0274(0.0004)

7. RESULTADOS OBTIDOS 40x40 0.0311(0.0003) 0.0305(0.0003)

50x50 0,0712(0,0013) 0,0696(0,0063)
Para cada algoritmo, pegamos a média de tempo 60x60 0,1443(0,0039) 0,1395(0,0036)
junto com o desvio padrão, ambos os dados em
segundos com até 4 casas decimais. Como
resultados obtiveram as seguintes tabelas e Tabela 3 – Resultados obtidos para o
gráficos comparativos: algoritmo A* com as heurísticas de Manhattan
e Angular entre 2 vetores
Dijkstra Bellman-Ford
35x35 0.0383(0.0014) 0.3973(0.0356)
36x36 0.0423(0.0008) 0.4279(0.0156)
3,5
60x60
37x37 0.0473(0.001) 0.4799(0.0196)
3
38x38 0.0524(0.0006) 0.5497(0.0381) 2,5
39x39 0.0585(0.0012) 0.6013(0.0301) 2
40x40 0.0641(0.0008) 0.6561(0.0182)
1,5
1
50x50 0,1675(0,0128) 1,6556(0,2378) 0,5
60x60 0,3331(0,0164) 3,4359(0,1047) 0
A* - Angular entre 2…

Dijkstra
Bellman-Ford

60x60
A* - Chebyshev

A* - Mahalanobis

A* - Euclidiana
A* - Manhattan

Tabela 1 – Resultado dos algoritmos Dijkstra e

Bellman-Ford para os grafos especificados

Figura 2 – Comparativo de Tempo entre todos

os algoritmos para o grafo de dimensão 60
 4

3,5

Dijkstra

2,5 Bellman-Ford

A* - Chebyshev

2 A* - Euclidiana

A* - Mahalanobis

1,5
A* - Manhattan

A* - Angular entre 2
vetores
1

0,5

0
35x35 36x36 37x37 38x38 39x39 40x40 50x50 60x60

Figura 3 – Comparativo gráfico da evolução do desempenho dos algoritmos nos grafos testados.

8. CONCLUSÕES achar o menor caminho, e que o A* como uma

Como pode ser visto nos resultados, o algoritmo
A* mesmo com a variação de acordo com as
distâncias foi mais rápido para todos os grafos e
produziu um resultado melhor. O Dijkstra e o
Bellman Ford tiveram uma variação maior,
porém na maioria das vezes o Dijkstra foi mais
rápido. O que pode ser concluído é que os
algoritmos foram evoluindo na tentativa de
evolução dos outros dois teve um desempenho
melhor em todas as situações.
Identificamos também que apesar das
heurísticas selecionadas obtiver quase o mesmo
tempo, a Distância de Chebyshev uma leve
vantagem contra as outras heurísticas,
provavelmente por que entre todas as heurísticas,
ela é a mais simples de se executar.
 5

9. BIBLIOGRAFIA

[1] AVELINO, Neilor, "Algoritmo de Bellman-Ford",

Disponível HTTP: http://www.inf.uri.com.br/neilor/material/Alg3/bellman-ford-floyd-warshall.pdf (Maio 2011).

[2] "One Source Shortest Path: The Bellman-Ford Algorithm",

Disponível HTTP: http://compprog.wordpress.com/2007/11/29/one-source-shortest-path-the-bellman-ford-algorithm/
(Maio 2011).
[3] NONATO, Luis Gustavo, "Algoritmo de Dijkstra",
Disponível HTTP: http://www.lcad.icmc.usp.br/~nonato/ED/Dijkstra/node84.html (Maio 2011).

[4] MOORE, Andrew, "A-star Heuristic Search",

Disponível HTTP: http://www.autonlab.org/tutorials/astar.html (Maio 2011).
[5] TAVARES, Daniel, "Influência da Métrica Para o Classificador Baseado na Regra dos k-Vizinhos-Mais-Próximos",
Programa de Pós-Graduação em Engenharia Eletrônica - UFMG.