Análisis de Algoritmos (Tema I)

Estructura de datos
Tema I. Análisis de
algoritmos
Departamento de Lenguajes y Sistemas Informáticos e Ingeniería de Software

UNIVERSIDAD PONTIFICIA DE SALAMANCA EN MADRID
Índice
 Análisis de algoritmos
 Evaluación de la memoria
 Evaluación del tiempo
 NOTACION O()
 Concepto de Notación O ()
 Ejemplos
 Propiedades de la Notación O()
 Complejidad de las sentencias de pascal
 EJEMPLOS
 Consideraciones sobre la eficiencia de un
programa
© Paloma Centenera
Departamento de Lenguajes y Sistemas Informáticos e Ingeniería del Software
Análisis de algoritmos
 1. El algoritmo cumple la especificación
dada y funciona para cualquier posible
valor de los datos que maneje.
 2. El algoritmo es fácil de codificar y
depurar incluso por personas que no sean
el diseñador.
 3. No existe otro algoritmo que resuelva el
problema utilizando menos recursos.
© Paloma Centenera
Evaluación de la memoria
Decidir cuanta memoria utiliza

nuestro programa
Estática
Variables declaradas
Dinámica
Variables dinámicas
Llamadas dinámicas
© Paloma Centenera
Evaluación del tiempo
 Depende del computador concreto que usemos.
 Supondremos un computador hipotético (con tiempos de
ejecución ficticios) pero semejante en resultados a la
realidad.
 T(n): Función de tiempo, llamada complejidad
 n hace referencia a una medida de los datos
numero de datos en el input,
grado de un polinomio,
tamaño de un fichero,
dimensiones de una matriz,
nodos de un grafo, etc.
© Paloma Centenera
La medida de los datos
 Ejemplo 1: Algoritmo que determina la paridad de un

número restando 2 sucesivamente mientras el
resultado sea mayor que 1 para finalmente comprobar
el resultado.
El problema tendrá n DIV 2 restas (depende de n).
 Ejemplo 2: Algoritmo de suma lenta
while b>0 do begin

a:=a+1;
b:=b-1;
end;
En este caso T=T(b).
© Paloma Centenera
Evaluación del tiempo
 Dos medidas para T(n):
 1. Se puede computar T(n) como el tiempo
para el peor caso de los posibles. T(n) indica
el tiempo peor que podemos emplear.
 2. Se puede computar T(n) como el tiempo
medio para todos los casos posibles.
© Paloma Centenera
Peor, mejor, tiempo medio
 En este algoritmo se
FUNCTION Busquedasec pueda dar las siguientes
(v:tvector;elem:telem) situaciones:
begin
i:=0;  Caso mejor: el elemento
este en la primera
repeat posición.
i:=i+1;
until(v[i]>=elem) or(i=N);  Caso peor: Se tenga que
ifv[i]=elemthen recorrer todo el vector.
Busquedasecord:=i
else  Caso promedio o
Busquedasecord:=0 esperado:Puesto que
End todas la posiciones son
equiprobablesel tiempo
será n/2 pasos.
© Paloma Centenera
NOTACION O()
 Concepto de Notación O ()
 Decimos que una función f(n) esta en O(g(n)) si se
cumple que existe una constante c > O y un
numero no (que no dependen de n) tal que
 f (n) / g(n) <= c
 Nótese que sí
Lim f (n) /g(n) es acotado
n->∞
Entonces f(n) є O(g(n))
 Decidir que T(n) es O(g(n)) supone que f(n) es
una cota superior del tiempo de ejecución del
algoritmo. Es decir, que para ningún caso el
tiempo excede de cierta proporcionalidad de f(n).
© Paloma Centenera
Notación O
 Ejemplos
* Si T(n) = 4n3 + 2n2 tenemos que T(n) es O(n3)
ya que tomando c = 5 y n0 = 2 obtenemos:
(4n3 + 2n2) / n3 < 5 para todo n > n0
© Paloma Centenera
Propiedades de la Notación O()
c*O(f(n)) є O(f(n))
O(f(n)) + O(f(n)) є O(f(n))
O(f(n)) + O(g(n)) є O(f(n) +
g(n))
O(f(n))*O(g(n)) є O(f(n)*g(n))
O(O(f(n)) є O(f(n))
© Paloma Centenera
Complejidad de las sentencias
 Asignaciones, lecturas, escrituras y comparaciones: O(1)

 Secuencia {}: La suma de las complejidades de cada
instrucción.
 Selección (if/switch): La complejidad de evaluar la condición
mas el máximo entre las complejidades de las instrucciones
alternativas (en el caso del if, la instrucción del then y la
instrucción del else; en el caso del switch cada una de las
opciones).
 Bucles: La suma para cada iteración de la complejidad de las
instrucciones dentro del bucle. En cuanto al calculo del
numero de iteraciones en un repeat/while se estimara el
numero de ejecuciones correspondiente al peor caso posible.
 Llamadas a procedimientos y funciones: Se evalúa cada
cuerpo independientemente siguiendo las reglas anteriores,
salvo en el caso de los subprogramas recursivos.
© Paloma Centenera
Instrucciones simples
 Se considera que se ejecuta en tiempo constante:

 La evaluación de las expresiones aritméticas siempre que
los datos sean de tamaño constante así como las
comparaciones de datos simples.
 Las operaciones de asignación, lectura y escritura de
datos simples.
 Las operaciones de acceso a una componente de un
array, a un campo de un registro y a la siguiente posición
de un registro de un archivo.
 Todas estas operaciones se consideran de Θ(1).
© Paloma Centenera
Composición de instrucciones
 Si suponemos que las instrucciones I1e

I2poseen complejidades temporales, en el
peor de los casos de T1(n) y T2(n)
respectivamente entonces el coste de la
composición de ambas instrucciones será:
 TI1,I2(n)=T1(n)+T2(n)
 Que aplicando la regla de la suma es el
máximo de ambos.
© Paloma Centenera
Instrucciones de selección
 If (<condición>){I1} else {I2}
Tselección(n)=Tcondición(n)+max(T1(n),T2(n))
 switch (<expresión>)
{
case <constante>: {I1}
case <constante>: {I2}
...
case <constante>: {Ij}
}
Tselección(n)=Texpresión(n)+max(T1(n),....,Tj(n))
© Paloma Centenera
Instrucciones de iteración: bucles
 for (i=1 ; i<= m ;i++) {Ij}
 Donde m representa las ‘m’ veces que se

incrementa i y la comprobación de si está
entre los extremos inferior y superior.
 Si el campo interior consume un tiempo
constante entonces la ecuación anterior se
escribe de la siguiente forma:
 Los bucles while y repeat no poseen una

norma general
© Paloma Centenera
Subprogramas
 El coste de un subprograma se deriva de las

reglas anteriores. Si el subprograma es
recursivo entonces hay que distinguir entre
los casos base y recurrentes
© Paloma Centenera
Subprogramas
 int Fac( int n)
{
if (n=0)
Fac=1;
else
Fac=n*Fac(n-1)
}
 El caso base posee un coste constante: Tfac (0)=1
 Para los casos recurrentes:
© Paloma Centenera
Consideraciones sobre la eficiencia
de un programa (i)
 O(1) ‑ complejidad es constante.
 O(log n) ‑ complejidad es logarítmica.
 O(n) ‑ complejidad es lineal.
 O(n*log n) ‑ Nótese que todos los
logaritmos (en cualquier base) son del
mismo O
 O(n2) ‑ Complejidad cuadrática.
 O(n3) ‑ Complejidad cubica.
© Paloma Centenera
Consideraciones sobre la eficiencia
de un programa (ii)
 O(nk) ‑ En este caso general hablaremos de
complejidad polinómica.
 O(kn) - complejidad exponencial
 O(n!) - complejidad factorial
 O(nn)
© Paloma Centenera
Lo importante es el
comportamiento asintótico
 Tiempos empleados para el cálculo de
algoritmos con distintos ordenes,
considerando que el computador en
cuestión ejecuta 1 Millón de operaciones
por segundo (1MHz).
© Paloma Centenera
Medidas del comportamiento
asintótico
© Paloma Centenera
Jerarquía de órdenes de frecuente
aparición
 Los comportamientos asintóticos de más

frecuente aparición se pueden ordenar de
menor a mayor crecimiento de la siguiente
forma:
 1<<log n<<n<<n log

n<<n2<<n3<<.....<<2n<<n!
© Paloma Centenera

Análisis de Algoritmos (Tema I)

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Análisis de Algoritmos (Tema I)

Enviado por

Direitos autorais:

Formatos disponíveis

Estructura de datos

Departamento de Lenguajes y Sistemas Informáticos e Ingeniería de Software

Decidir cuanta memoria utiliza

 Ejemplo 1: Algoritmo que determina la paridad de un

while b>0 do begin

 Asignaciones, lecturas, escrituras y comparaciones: O(1)

 Se considera que se ejecuta en tiempo constante:

 Si suponemos que las instrucciones I1e

 Donde m representa las ‘m’ veces que se

 Los bucles while y repeat no poseen una

 El coste de un subprograma se deriva de las

 Los comportamientos asintóticos de más

 1<<log n<<n<<n log

Você também pode gostar