Algo 2013

Contenidos
Estructuras de Datos y Algoritmos

Tema 6. Anlisis de algoritmos
Nocin de algoritmo Eficiencia de algoritmos Complejidad de algoritmos Anlisis de algoritmos
Ivn Cantador Silvia Teresita Acua, Jos R. Dorronsoro

Escuela Politcnica Superior
Universidad Autnoma de Madrid
Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid
Contenidos
Nocin de algoritmo. Definicin

Cmo hacer una paella?

Receta: Paella valenciana
Ingredientes para 6 personas
- 425 gramos de arroz - 50 gramos de alcachofas - 150 gramos de pollo - 1,5 litros de agua - 50 gramos de judas verdes - 0,5 cucharitas de pimentn - 5 cucharadas de aceite - 3 cucharadas de tomate - 1 pizca de azafrn

Un algoritmo es una secuencia bien definida, ordenada y finita de operaciones que permiten hallar la solucin a un problema
Bien definida: las operaciones se enuncian en un lenguaje formal, atendiendo a una sintaxis arbitraria (acordada) Ordenada: las operaciones se ejecutan de manera secuencial, siguiendo un orden establecido Finita: el nmero de operaciones a ejecutar para resolver el problema asociado al algoritmo es limitado
Instrucciones de elaboracin
1. Se calienta el aceite en la paella, y cuando empieza a humear, se echa el pollo troceado, dorndolos a fuego medio. 2. A continuacin, se aade la verdura troceada y se sofre durante un par de minutos. 3. Seguidamente, haciendo un hueco en medio de la paellera, se sofre el tomate y cuando empieza a oscurecer, se echa el pimentn, con cuidado de que no se queme. 4. Se mueve bien y se aade agua hasta el borde de la paellera. 5. Se deja cocer la paella durante treinta minutos, rectificando de sal. 6. Se aade el arroz y las hebras de azafrn, teniendo cuidado de repartir bien todo el arroz por la paella, y se deja hervir a fuego vivo hasta que el arroz est en su punto y el caldo se evapore por completo. 7. Se deja reposar cinco minutos, tapada por un pao.
Nocin de algoritmo. Elementos

Elementos de un algoritmo
Una definicin de la entrada del algoritmo
- En la receta de la paella: ingredientes, utensilios de cocina necesarios
Nocin de algoritmo. Elementos

Elementos de un algoritmo
Resolucin de un problema en la vida real
ENTRADA
ingredientes
ALGORITMO
EJECUTOR DEL ALGORITMO
SALIDA
Un lenguaje formal en el que definir el algoritmo

- En la receta de la paella: el castellano
receta cocinero utensilios de cocina plato
Una lista ordenada de sentencias con las que resolver el problema asociado al algoritmo
- En la receta de la paella: las instrucciones de preparacin del plato
Resolucin de un problema en un ordenador

ENTRADA
DATOS DE ENTRADA (argumentos, variables en memoria, etc.) FUNCIONES BSICAS (primitivas ofrecidas por el SO)
Una definicin de la salida del algoritmo

- En la receta de la paella: el plato en s si se hubiesen ejecutado satisfactoriamente todas las instrucciones de preparacin, o nada en caso de que alguna instruccin no se pudiera haber ejecutado con xito
ALGORITMO + TADs
PROGRAMA (escrito en un lenguaje de programacin)
EJECUTOR DEL ALGORITMO

CPU (ejecutando las instrucciones del programa)
SALIDA
DATOS DE SALIDA (retorno del programa)
Nocin de algoritmo. Pseudocdigo

Pseudocdigo = pseudo(supuesto) + cdigo(instruccin)
Describe un algoritmo utilizando una mezcla de frases en lenguaje natural, instrucciones de programacin y palabras clave Su objetivo es permitir a una persona (al programador) centrarse en los aspectos lgicos de la solucin a un problema, evitando entrar en aspectos concretos de la sintaxis del lenguaje de programacin a usar Vara de un programador a otro pues no hay una estructura estndar Supone un mecanismo gil para el estudio y diseo de programas de ordenador

Ejemplo: calcular la suma de los elementos de una lista de nmeros
Opcin 1
entrada: lista de nmeros enteros LISTA salida: nmero entero SUMA instrucciones: inicializar SUMA a 0 recorrer los elementos de LISTA para cada ELEMENTO recorrido: sumar ELEMENTO a SUMA devolver SUMA

Opcin 2
entrada: lista de enteros LISTA salida: entero SUMA instrucciones: SUMA = 0 para cada ELEMENTO de LISTA hacer: SUMA = SUMA + ELEMENTO devolver SUMA
10

Opcin 3
entrada: entero LISTA[] salida: entero SUMA instrucciones: SUMA = 0 para i = 1 hasta longitud(LISTA) hacer: SUMA = SUMA + LISTA[i] i = i + 1 devolver SUMA
11

Opcin 4
entero sumar(entero LISTA[]) SUMA = 0; para i = 1 hasta longitud(LISTA): SUMA = SUMA + LISTA[i]; i++; devolver SUMA;
12
13
Pseudocdigo = pseudo (supuesto) + cdigo(instruccin)

Es una expresin o representacin genrica de un algoritmo Captura el funcionamiento bsico de un algoritmo sin ceirse a las restricciones de un lenguaje Es cercano a la programacin: tiene ms o menos las mismas convenciones de legibilidad, concrecin (ordenacin y claridad de ideas) y comprensin

Pseudocdigo - programacin estructurada
14
15
Secuencias: bloque de instrucciones elementales de ejecucin consecutiva. De por s slo se ejecutan una vez Selecciones o bifurcaciones: bloques secuenciales de ejecucin condicional Repeticiones: bloque secuencial que se ejecuta repetidamente mientras se cumple alguna condicin
Ejemplo: algoritmo de Euclides

// mcd: encuentra el mximo comn divisor de dos nmeros entero mcd(entero A, entero B) si B > A: // seleccin intercambiar A y B; // sentencia R = A % B; mientras R != 0: // repeticin A = B; B = R; R = A % B; devolver B;
Pseudocdigo - convenios
Sangrado/tabulado de bloques Definicin de entradas y salidas de procedimientos/funciones Delimitacin de secuencias (;) Delimitacin de selecciones y repeticiones (:) Comentarios
Contenidos
16
Eficiencia de algoritmo. Nocin de eficiencia

Dados dos algoritmos distintos que solucionan un mismo problema, sus propiedades son probablemente distintas
Tardan tiempos distintos en solucionar el problema (eficiencia temporal) Precisan de tamaos de almacenamiento distintos (eficiencia espacial)
17
Una pregunta obvia que surge a la hora de considerar ambos algoritmos es: cul de ambos es mejor?
Lgicamente, el que menos tiempo emplee y menos espacio de almacenamiento necesite Habitualmente, nuestro objetivo principal ser mejorar la eficiencia temporal Cmo analizar el tiempo de ejecucin? Considerando el rendimiento: relacionar velocidad y tamao de entrada
Existen dos formas de valorar la eficiencia de los algoritmos

Empricamente Analticamente (de forma terica)
Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid
Eficiencia de algoritmo. Medida de la eficiencia

Determinacin emprica de la eficiencia de un algoritmo
Consiste en ejecutar el algoritmo en una mquina real para instancias de diferente tamao del problema considerado, y obtener los resultados de tiempos consumidos y espacios utilizados Inconvenientes
- Requiere una adecuada seleccin de los datos de entrada, lo cual no es siempre fcil de realizar - Est excesivamente ligado al compilador y a la mquina donde se realice la ejecucin, por lo que en algunos casos las medidas no son extrapolables - Puede depender de la pericia del programador - Requiere mltiples ejecuciones de un mismo algoritmo, y por lo tanto, mucho tiempo
18

Determinacin terica de la eficiencia de un algoritmo
Consiste en determinar matemticamente la cantidad de recursos (tiempo, espacio) que consume un algoritmo en funcin del tamao de las instancias de problemas que resuelve - Por tamao se puede entender varias cosas: nmero de tems de entrada, valor(es) de los tems, espacio de almacenamiento, etc. - La eficiencia se convierte en una funcin tN que permite calcular el tiempo/espacio requerido por el algoritmo para problemas de tamao de entrada N
19

Determinacin terica de la eficiencia de un algoritmo
Una opcin es analizar sobre el pseudocdigo o el cdigo tiempos abstractos de ejecucin (tae) Para analizar el tae hay que fijar una unidad de medida, que ser las sentencias bsicas esto independiza el anlisis de la mquina El tae se medir como el nmero veces que se ejecutan las sentencias bsicas - Es decir: dado un algoritmo A y una entrada I = (I1, I2, , Ip)
taeA(I) = nmero de veces que se ejecutan las sentencias bsicas del algoritmo A sobre la entrada I
20
Eficiencia de algoritmo. Clculo del tae

Ejemplo de clculo del tae: algoritmo de ordenacin por seleccin (SelectSort)
1 2 3 4 5 SelectSort(tabla T, indice P, indice U) i = P; mientras i < U: m = minimo(T, i, U); swap(T[i], T[m]); i++;
21
Para calcular taeSelectSort, se definen 1, 2, 4 y 5 como sentencias bsicas, y:

Se observa que 1 se ejecuta 1 vez Se observa que 3, 4, 5 se ejecutan U P veces Se observa que 2 se ejecuta U P + 1 veces Se observa que como la sentencia 3, m = minimo(T, i, U) no es una sentencia bsica (porque llama a una funcin), entonces hay que calcular primero taeminimo

Ejemplo de clculo del tae: algoritmo de ordenacin por seleccin (SelectSort)
1 2 3 4 5 6 7 indice minimo(tabla T, indice A, indice B) m = A; i = A + 1; mientras i <= B: si T[i] < T[m]: m = i; i++; return m;
22

Ejemplo de clculo del tae: SelectSort
Clculo de taeminimo
ltima vez que se ejecuta la comparacin (3)
23
taeminimo(T, A, B) = 3 + 4 * n iteraciones bucle + 1 = 4 + 4 * n iteraciones bucle = 4 + 4 * (B A) Como n iteraciones bucle = B A U P: taeminimo(T, P, U ) 4 + 4 (U P)

indice minimo(tabla T, indice A, indice B) m = A; i = A + 1; mientras i <= B: si T[i] < T[m]: m = i; i++; return m;
Para calcular taeminimo, se definen 1, 2, 3, 4, 5, 6, 7 como sentencias bsicas

Se observa que 1, 2, 7 se ejecutan 1 vez Se observa que 4, 6 se ejecutan B A veces Se observa que 5 se ejecutan B A + 1 veces Se observa que 5 se ejecuta <= B A veces
1 2 3 4 5 6 7

Clculo de taeSelectSort
U 1 i=P
24

Clculo de taeSelectSort
taeSelectSort(T, P, U) 2 + 8(U P) + 4 (U i )
i=P U 1
25
ltima vez que se ejecuta la comparacin (2)
taeSelectSort(T, P, U) = 1 + (4 + taeminimo (T , i,U )) + 1 = 1 + 4(U P) + taeminimo (T , i, U ) + 1

i=P U 1
= 2 + 8( N 1) + 4 ( N i )
P=1, U=N
i =1
N 1
1 + 4(U P ) + (4 + 4 (U i )) + 1
i=P
U 1
= 2 + 8( N 1) + 4 N 4 i
i =1 i =1
N 1
N 1
= 2 + 8(U P) + 4 (U i )
i=P
U 1
= 2 + 8 N 8 + 4 N ( N 1) 4
N ( N 1) 2
1 2 3 4 5
SelectSort(tabla T, indice P, indice U) i = P; mientras i < U: m = minimo(T, i, U); swap(T[i], T[m]); i++;
= 2 + 8N 8 + 4 N 2 4 N 2 N 2 + 2 N
taeSelectSort(T, P, U) 2 N 2 + 6 N 6
Eficiencia de algoritmo. Funcin tn

La funcin tn se identifica a partir de una o varias operaciones bsicas
Una operacin bsica (nueva unidad de medida de eficiencia) es aquella sentencia tal que el trabajo total realizado por un algoritmo (en tiempo o en espacio) es proporcional al nmero de veces que se ejecuta la sentencia Debe aparecer en el bucle ms interno donde se resuelve el algoritmo y debe ser relevante, representativa del algoritmo
26

Operacin bsica
Ejemplo: bsqueda lineal
indice BusquedaLineal(clave K, tabla T, indice P, indice U) { i = P; mientras i <= U: si K == T[i]: posibles operaciones bsicas return i; i++; return ERROR; }
27
De este modo, tae = A(I) = tn, con A(I) = tn = nmero de veces que A ejecuta su operacin bsica sobre I
tn = N

Operacin bsica
Ejemplo: bsqueda binaria (T ordenada de forma creciente)
ind BusquedaBinaria(tabla T, indice P, indice U, clave K) { mientras P <= U: M = (P + U) / 2; si T[M] == K: return M; posibles operaciones bsicas else si K < T[M]: U = M - 1; else: P = M + 1; return ERROR; }
28

Operacin bsica
Ejemplo: bsqueda binaria (T ordenada de forma creciente)
ind BusquedaBinaria(tabla T, indice P, indice U, clave K) { mientras P <= U: M = (P + U) / 2; si T[M] == K: return M; posibles operaciones bsicas else si K < T[M]: U = M - 1; else: P = M + 1; return ERROR; }
29
tn log2N

Operacin bsica
Ejemplo: ordenacin por seleccin
SelectSort(tabla T, indice P, indice U) i = P; mientras i < U: m = minimo(T, i, U); swap(T[i], T[m]); i++; indice minimo(tabla T, indice A, indice B) m = A; i = A + 1; mientras i <= B: si T[i] < T[m]: posibles operaciones bsicas m = i; i++; return m;
30

Operacin bsica
Ejemplo: ordenacin por seleccin
SelectSort(tabla T, indice P, indice U) i = P; mientras i < U: m = minimo(T, i, U); swap(T[i], T[m]); i++; indice minimo(tabla T, indice A, indice B) m = A; i = A + 1; mientras i <= B: si T[i] < T[m]: posibles operaciones bsicas m = i; i++; return m;
31
tn N2/2

La operacin bsica seleccionada slo tiene que ser proporcional al trabajo realizado por el algoritmo
32
33
Permite evitar el clculo exacto del tiempo de ejecucin del algoritmo - Por ejemplo, el algoritmo de bsqueda binaria realiza log2N+1 operaciones M = (P + U) / 2 - Si para una ejecucin de esa operacin se emplean c segundos, el algoritmo tardara en ejecutarse c*(log2N+1) segundos - De este modo, tn predice el tiempo consumido por el algoritmo con la precisin de un multiplicador constante c
Dadas dos funciones tn y un que representan la eficiencia temporal (o espacial) de dos algoritmos
Instancia concreta del problema - El mejor algoritmo ser el que proporcione un menor valor de funcin tn, un para un N dado Caso general del problema - El mejor algoritmo ser el que proporcione un menor valor de funcin tn, un a nivel asinttico (cuando N tiende a infinito)
La funcin tn determina la eficiencia temporal (o espacial) de un algoritmo a coste unitario

Contenidos
34
Complejidad de algoritmos. Orden de complejidad

Una funcin tn es aquella que predice la eficiencia de un algoritmo con una precisin limitada por un multiplicador constante c
35
El anlisis terico de la eficiencia de algoritmos predice de forma aproximada el comportamiento (tiempo de ejecucin) real del algoritmo
tn c3tn c2tn c1tn
n
Complejidad de algoritmos. Orden de complejidad

Interesa estudiar tn en los casos de n grandes Hay que buscar funciones que acoten (de forma asinttica) inferior y superiormente a tn
? tn c3tn c2tn c1tn ?
36
Complejidad de algoritmos. Cota superior: O grande

Dada una funcin f(n), O(f(n)) es el conjunto de funciones de complejidad g(n) para las cuales existe una constante real positiva c y un entero no negativo N tales que nN, g(n) cf(n)
tn cf(n) g(n)
37
Dado el problema inducido por los multiplicadores, es posible caracterizar el comportamiento de la funcin tn?
n
N
Complejidad de algoritmos. Cota inferior:

Dada una funcin f(n), (f(n)) es el conjunto de funciones de complejidad g(n) para las cuales existe una constante real positiva c y un entero no negativo N tales que nN, g(n) cf(n)
tn
38
Complejidad de algoritmos. Orden:

O(f(n)) y (f(n)) son conjuntos de funciones
n, n+1, n2, n2+n pertenecen a O(n2) n2, n2+1, n2+n+1 pertenecen a (n2)
39
Una funcin (o conjunto de funciones) g(n) pertenece simultneamente a mltiples O(f(n)) y (f(n))
n2 pertenece a O(n2), O(n3), O(n4) n2 pertenece a (n2), (n), (c), con c constante real positiva
g(n) cf(n)
Por ello, O(f(n)) y (f(n)) caracterizan de forma gruesa a las funciones g(n)
El que g(n) O(f(n)), no aporta informacin sobre (f(n)) El que g(n) (f(n)), no aporta informacin sobre O(f(n))
N
n

Sera interesante obtener algn tipo de acotacin que implicara simultneamente a O y
Ello permitira acotar superior e inferiormente las funciones g(n), lo cual supondra una mejor caracterizacin de las mismas
tn cf1(n) g(n)
40
41
Dada una funcin f(n), (f(n)) = O(f(n)) (f(n)) (f(n)) es el conjunto de funciones de complejidad g(n) para las cuales existen constantes reales positivas c y d, y un entero no negativo N tales que nN, cf(n) g(n) df(n)
df2(n)
n
42

Propiedades del orden
Dualidad g(n) O(f(n)) f(n) (g(n)) Clasificacin g(n) (f(n)) f(n) (g(n)) Lmite
c R + , entonces f (n) ( g (n)) lim f (n) = 0, entonces f (n) O( g (n)), pero no a ( g (n)) n g ( n) , entonces f (n) ( g (n)), pero no a ( g (n))
43
(f(n)), al acotar superior e inferiormente las funciones g(n), permite identificar qu g(n) poseen una complejidad en el orden de f(n)
Asintticamente, las funciones g(n) tardarn ms o menos lo mismo que la funcin de eficiencia f(n), con la precisin de un multiplicador constante (u obviando ste, que es precisamente lo que se buscaba)
tn cf (n) g(n) df (n)
N
n
Complejidad de algoritmos. Observaciones

Existen un conjunto de ordenes de complejidad de utilizacin habitual (1), (log n), (n), (nlog n), (n2), (nj), (nk), (an), (bn), (n!) donde 2 < j < k, y 1 < a < b
44

1500000
45
Grficas de funciones de complejidad habituales

n 2
n 3
1000000
500000
lgn , n y n lgn andan por aqu
0 0 100 200 300 400 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600

2000
46
47
Grficas de funciones de complejidad habituales

n lgn
1500
n 2 y n andan por ah arriba

n 3
1000
500
Puede suceder que el anlisis de la complejidad de un algoritmo no dependa nicamente de un parmetro n, sino de varios parmetros simultneamente Las definiciones de O, y pueden extenderse a mltiples parmetros con la misma formulacin para un nico parmetro
0 0 100 200 300 400 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600
Contenidos
48
Anlisis de algoritmos. Introduccin
49
El anlisis de algoritmos consiste en determinar las funciones tn que describen alguna propiedad de inters:
tiempo consumido espacio utilizado
El anlisis tiene dos perspectivas distintas:

cmo debe realizarse, i.e. cmo determinar las funciones tn qu tipo de anlisis es conveniente realizar, i.e. desde qu punto de vista estudiar una cierta propiedad del algoritmo
Anlisis de algoritmos. Determinacin de funciones tn

No existe una frmula o procedimiento general que permita identificar las funciones tn de un algoritmo
La identificacin exitosa de dichas funciones es altamente heurstica y depende, en gran medida, de la experiencia
50

51
En general, para identificar la funcin tn se debe:

Identificar la operacin bsica de inters
- Una operacin bsica es aquella sentencia tal que el trabajo total realizado por el algoritmo (en tiempo o espacio) es proporcional al nmero de veces que se ejecuta dicha sentencia
indice BusquedaLineal(clave K, tabla T, indice P, indice U) { i = P; mientras i <= U: si K == T[i]: return i; i++; return ERROR; }
Identificar el parmetro de entrada n Analizar desde dentro hacia fuera las estructuras de control que producen la ejecucin repetida de la operacin bsica

parmetro de entrada n = U P + 1
indice BusquedaLineal(clave K, tabla T, indice P, indice U) { i = P; mientras i <= U: si K == T[i]: posibles operaciones bsicas return i; i++; return ERROR; }
52
53
En el anlisis se deben considerar:

Sentencias simples Bloques de sentencias Estructuras de control - Alternativas: if, if-else, switch - Repetitivas: for, while, do-while Invocaciones a funcin
estructuras de control involucradas

Complejidad de una sentencia
sentencia
54

Complejidad de una estructura de control if
if (condicion) { bloque_1 } else { bloque_2 }
55
tn(sentencia) = 1 si la sentencia es operacin bsica y no es estructura de control o invocacin a funcin tn(sentencia) = 0 en otro caso (en realidad, es una constante de valor ms o menos alto, pero no relevante a efectos de anlisis asinttico)
Complejidad de un bloque de sentencias

sentencia_1 sentencia_2 sentencia_3 ... sentencia_k
tn(if) = max{tn(condicion) + tn(bloque1), tn(condicion) + tn(bloque2)} si la operacin bsica est incluida en la alternativa tn(if) = 0 en otro caso
tn(bloque) = tn(sentencia1) + tn(sentencia2) + + tn(sentenciak)


Complejidad de una estructura de control if
Ejemplo
operacin bsica
if (i > MAX-1) return -1; else return i
56

Complejidad de un bucle while (equivalente para for)
while (condicion) { bloque }
57
tn(if) = max{tn(condicion) + tn(bloque1), tn(condicion) + tn(bloque2)} = = max{tn(i>MAX-1) + tn(return -1), tn(i>MAX-1) + tn(return i)} = = max{1 + 0, 1 + 0} = 1
tn(while) = 0 si la operacin bsica NO est en el bloque del bucle tn(while) = tn(condicion) + tn(bloque) si la operacin bsica S est incluida en el bloque del bucle y las iteraciones NO dependen de n tn(while) = #iteraciones (tn(condicion) + tn(bloque) ) si la operacin bsica S est incluida en el bloque del bucle y las iteraciones S dependen de n

Complejidad de una estructura de control while
Ejemplo
int BusquedaLineal(int x, int tabla[N]) { ... while (i <= N-1 && tabla[i] != x) i++; ... operacin bsica }
58
59
Complejidad de una invocacin a funcin

funcion(argumentos)
tn(while) = #iteraciones (tn(condicion) + tn(bloque)) = = N (tn(i<=N-1 && tabla[i]!=x) + tn(i++)) = = N (0 + 1) = N
tn(funcion) se determinar atendiendo a: - a la definicin de los argumentos de entrada de la funcin a partir de n - operaciones bsicas definidas dentro del bloque de la funcin - si la funcin es directa o indirectamente recursiva
Anlisis de algoritmos. Tipos de anlisis
60

Anlisis para todos los casos
Este tipo de anlisis es el que se realiza cuando todas las instancias del problema que resuelve el algoritmo tienen la misma complejidad - No todos los algoritmos pueden analizarse desde este punto de vista - Cuando es posible analizar un algoritmo desde este punto de vista, los restantes tipos de anlisis no son aplicables Ejemplo
int FactorialIterativo(int n) { int i, factorial; factorial = 1; for (i = 1; i <= n; i++) factorial = factorial * i; return factorial; }
61
Al estudiar la complejidad de un algoritmo se debe determinar qu tipo de anlisis es conveniente realizar, i.e. desde qu punto de vista se desea conocer una determinada propiedad del algoritmo
Anlisis para todos los casos Anlisis para el caso mejor Anlisis para el caso peor Anlisis para el caso medio
operacin bsica tn = n para todos los casos

Anlisis para el caso mejor/peor/medio
Estos tipos de anlisis pueden realizarse cuando instancias del problema que resuelve el algoritmo pueden tener complejidades diferentes Ejemplo: bsqueda lineal
int BusquedaLineal(int x, int tabla[N]) { int i = 0; while (i <= N-1 && tabla[i] != x) i++; operacin bsica if (i > N-1) return -1; Cunto vale tn cuando else return i; tabla[0] = x, }
62

Anlisis para el caso mejor/peor/medio
63
tabla[N/2] = x, tabla[N-1] = x, x no est en tabla?
Los tres tipos de anlisis son relevantes - Por ejemplo, dados dos algoritmos a1 y a2, con funciones de complejidad para los casos medio y peor similares (del mismo orden), pero donde tn(a1) es de menor orden que tn(a2) para el caso mejor, a1 ser preferible - Similares razonamientos se pueden realizar con otras combinaciones de los casos mejor, medio y peor Realizado cuidadosamente, el anlisis de complejidad en el caso medio es el ms realista Desde un punto de vista pesimista, el anlisis de complejidad en el caso peor es el preferible

Anlisis para el caso mejor: Balg(N)
Consiste en determinar la complejidad para las instancias del problema ms favorables, i.e. en las que se emplean menos tiempo, menos iteraciones No suele ser realista y por ello es poco utilizado Ejemplo: bsqueda lineal
int BusquedaLineal(int x, int tabla[MAX]) { int i = 0; while (i <= MAX-1 && tabla[i] != x) i++; if (i > MAX-1) return -1; else return i; Si tabla[0] = x, entonces } BBLineal(N) = 1
64

Anlisis para el caso peor: Walg(N)
Consiste en determinar la complejidad para las instancias del problema ms desfavorables, i.e. en las que se emplean ms tiempo, ms iteraciones Es el que se realiza habitualmente, ya que proporciona una cota superior a la complejidad del algoritmo - Nunca se emplear ms tiempo que el del caso peor Ejemplo: bsqueda lineal
int BusquedaLineal(int x, int tabla[N]) { int i = 0; while (i <= N-1 && tabla[i] != x) i++; if (i > N-1) return -1; Si tabla[N-1] = x, entonces else return i; WBLineal(N) = N = O(N) }
65

Anlisis para el caso medio: Aalg(N)
Consiste en determinar la complejidad para las instancias del problema tpicas
- Es difcil determinar la tipicidad - Se suele hacer uso de conceptos de probabilidad Aalg(N) = I nalg(I)p(I) donde nalg(I) es el nmero de veces que se ejecuta la operacin bsica del algoritmo alg para la entrada I
66

Anlisis para el caso medio: Aalg(N)
Ejemplo: bsqueda lineal - Valores de entrada:
- tabla: puede ser una tabla de cualquier longitud N; se supone que no se repiten los valores en la tabla - x: puede ser cualquier valor; se supone que x est incluido en la tabla
67

int BusquedaLineal(int x, int tabla[N]) { int i = 0; while (i <= N-1 && tabla[i] != x) i++; if (i > N-1) Cules son los valores tpicos return -1; de x y de la tabla de entrada? else return i; }
- Qu probabilidad existe de que tabla[i] = x?

- Asumiendo una distribucin uniforme: p(lista[i]=x) = 1/N
- Complejidad en el caso medio

ABLineal(N) = I nBLineal(I) p(I) = = Ni=1 i 1/N = = 1/N Ni=1 i = 1/N N(N+1)/2 = = (N+1)/2 = O(N/2)
Estructuras de Datos y Algoritmos

Tema 6. Anlisis de algoritmos
Ivn Cantador Silvia Teresita Acua, Jos R. Dorronsoro

Escuela Politcnica Superior
Universidad Autnoma de Madrid

Algo 2013

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Algo 2013

Uploaded by

Copyright:

Available Formats

Contenidos

Estructuras de Datos y Algoritmos

Nocin de algoritmo Eficiencia de algoritmos Complejidad de algoritmos Anlisis de algoritmos

Ivn Cantador Silvia Teresita Acua, Jos R. Dorronsoro

Universidad Autnoma de Madrid

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Nocin de algoritmo. Definicin

Nocin de algoritmo Eficiencia de algoritmos Complejidad de algoritmos Anlisis de algoritmos

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Nocin de algoritmo. Definicin

Nocin de algoritmo. Definicin

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Nocin de algoritmo. Elementos

Nocin de algoritmo. Elementos

EJECUTOR DEL ALGORITMO

Un lenguaje formal en el que definir el algoritmo

Resolucin de un problema en un ordenador

Una definicin de la salida del algoritmo

EJECUTOR DEL ALGORITMO

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Nocin de algoritmo. Pseudocdigo

Nocin de algoritmo. Pseudocdigo

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Nocin de algoritmo. Pseudocdigo

Nocin de algoritmo. Pseudocdigo

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Nocin de algoritmo. Pseudocdigo

Nocin de algoritmo. Pseudocdigo

Pseudocdigo = pseudo (supuesto) + cdigo(instruccin)

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Nocin de algoritmo. Pseudocdigo

Nocin de algoritmo. Pseudocdigo

Ejemplo: algoritmo de Euclides

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Eficiencia de algoritmo. Nocin de eficiencia

Nocin de algoritmo Eficiencia de algoritmos Complejidad de algoritmos Anlisis de algoritmos

Existen dos formas de valorar la eficiencia de los algoritmos

Eficiencia de algoritmo. Medida de la eficiencia

Eficiencia de algoritmo. Medida de la eficiencia

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Eficiencia de algoritmo. Medida de la eficiencia

Eficiencia de algoritmo. Clculo del tae

Para calcular taeSelectSort, se definen 1, 2, 4 y 5 como sentencias bsicas, y:

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Eficiencia de algoritmo. Clculo del tae

Eficiencia de algoritmo. Clculo del tae

taeminimo(T, A, B) = 3 + 4 * n iteraciones bucle + 1 = 4 + 4 * n iteraciones bucle = 4 + 4 * (B A) Como n iteraciones bucle = B A U P: taeminimo(T, P, U ) 4 + 4 (U P)

Para calcular taeminimo, se definen 1, 2, 3, 4, 5, 6, 7 como sentencias bsicas

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Eficiencia de algoritmo. Clculo del tae

Eficiencia de algoritmo. Clculo del tae

ltima vez que se ejecuta la comparacin (2)

taeSelectSort(T, P, U) = 1 + (4 + taeminimo (T , i,U )) + 1 = 1 + 4(U P) + taeminimo (T , i, U ) + 1

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Eficiencia de algoritmo. Funcin tn

Eficiencia de algoritmo. Funcin tn

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid

Estructura de Datos y Algoritmos Escuela Politcnica Superior Universidad Autnoma de Madrid