Análise de Algoritmos

Aula 01

Prof. Roberto Leminski

roberto.leminski@docente.unip.br
 Conteúdo
•Tempo de execução de um Algoritmo

•Notação Grande-O
 Tempo de Execução
•Expressar o tempo de execução em termos
de passos básicos de computação é uma
simplificação.

•O tempo gasto por um tal passo depende

crucialmente do processador em questão e
mesmo de detalhes, tais como a estratégia de
cache (que resulta em tempos sutilmente
diferentes de uma execução para próxima).
 Tempo de Execução
•Faz mais sentido buscar uma
caracterização simples, independente da
máquina, para a eficiência de um algoritmo.

•Assim sempre expressaremos o tempo de

execução contando o número de passos
básicos de computação como uma função do
tamanho da entrada.
 Tempo de Execução
•Faz mais sentido buscar uma
caracterização simples, independente da
máquina, para a eficiência de um algoritmo.

•Assim sempre expressaremos o tempo de

execução contando o número de passos
básicos de computação como uma função do
tamanho da entrada.
 Tempo de Execução
•Em vez de reportar que um algoritmo toma,
digamos, 5n3 + 4n + 3 passos em uma entrada
de tamanho n, é muito mais fácil deixar de fora
termos de menor ordem, tais como 4n e 3.

•Mesmo o coeficiente 5 do termo de maior

ordem (os computadores serão 5 vezes mais
rápidos de qualquer forma em poucos anos), e
apenas dizer que o algoritmo toma tempo
O(n3)
 Grande-O
•Suponha que estejamos escolhendo entre
dois algoritmos para determinada tarefa
computacional.

•Um toma f1(n) = n2 passos, enquanto o

outro toma f2(n) = 2n + 20 passos. Qual é
melhor?

•Depende do valor de n. Para n  5, n2 é

menor; depois disso, 2n + 20 é claramente
melhor.
Grande-O
Grande-O
Grande-O
 Grande-O
• Exemplo: Determinar a função referente a
um algoritmo para calcular o determinante de
uma matriz.

•Considerar que as três operações levam

(multiplicação, adição e subtração) levam o
mesmo tempo de execução.
 Grande-O
• Exemplo: Determinar a função referente a
um algoritmo para calcular o determinante de
uma matriz.

•Considerar que as três operações levam

(multiplicação, adição e subtração) levam o
mesmo tempo de execução.
Grande-O
Grande-O
 Grande-O - Exemplos
• Em um algoritmo de complexidade O(n!) (fatorial)
o número de instruções executadas cresce muito
rapidamente para um pequeno crescimento do
número de itens processados. Dentre os ilustrados, é
o pior comportamento para um algoritmo, pois
rapidamente o processamento se torna inviável. É o
caso da implementação inocente do Problema do
Caixeiro Viajante ou de um algoritmo que gere todas
as possíveis permutações de uma lista.
 Grande-O - Exemplos
•Um algoritmo de complexidade O(2n) (exponencial)
também é ruim, pois o número de instruções também
cresce muito rapidamente (exponencialmente), ainda
que numa taxa menor do que o anterior. É o caso de
algoritmos que fazem busca em árvores binárias não
ordenadas.

•Um algoritmo de complexidade O(n2) (quadrático)

é factível, mas tende a se tornar muito ruim quando a
quantidade de dados é suficientemente grande. É o
caso de algorítmos que têm dois laços (for)
encadeados, como, por exemplo, o processamento de
itens em uma matriz bidimensional.
 Grande-O - Exemplos
•Um algoritmo de complexidade O(n log n) (sub-
quadrático ou super-linear) é melhor do que o
quadrático, sendo geralmente até onde se consegue
otimizar algoritmos que são quadráticos. É o caso do
algoritmo de ordenação QuickSort, por exemplo (que
tem essa complexidade no caso médio, mas que ainda
assim é quadrático no pior caso).

•Um algoritmo de complexidade O(n) (linear) é

aquele cujo crescimento no número de operações é
diretamente proporcional ao crescimento do número
de itens. É o caso de algoritmos de busca em uma
matriz unidimensional não ordenada, por exemplo.
 Grande-O - Exemplos
•Um algoritmo de complexidade O(log n)
(logaritmo) é aquele cujo crescimento do número de
operações é menor do que o do número de itens. É o
caso de algoritmos de busca em árvores binárias
ordenadas por exemplo (no caso médio, no pior caso
continua sendo linear).

•Um algoritmo de complexidade O(1) (constante) é

aquele em que não há crescimento do número de
operações, pois não depende do volume de dados de
entrada (n). É o caso do acesso direto a um elemento
de uma matriz, por exemplo.
 Referências
• DASGUPTA, Sanjoy. Christos Papadimitriou,
Umesh Vazirani. Algoritmos. Porto Alegre, RS:
AMGH, 2011.
• StackOverflow
https://pt.stackoverflow.com/questions/568
36/defini%C3%A7%C3%A3o-da-nota
%C3%A7%C3%A3o-big-o
Dúvidas ?
Obrigado !