Cap1 PDF

Projeto de Algoritmos Cap.
1 Introduo
Contedo do Captulo
1.1 Algoritmos, Estruturas de Dados e Programas
1.2 Tipos de Dados e Tipos Abstratos de Dados
Projeto de Algoritmos
1.3 Medida do tempo de Execuo de um Programa
Introduo
1.3.1 Comportamento Assinttico de Funes

1.3.2 Classes de Comportamento Assinttico
1.4 Tcnicas de Anlise de Algoritmos
1.5 Pascal
ltima alterao: 30 de Agosto de 2010
Transparncias
elaboradas por Charles Ornelas Almeida, Israel Guerra e Nivio Ziviani
Projeto de Algoritmos Cap.1 Introduo Seo 1.1
Algoritmos, Estruturas de Dados e Programas

Os algoritmos fazem parte do dia-a-dia das pessoas. Exemplos de
algoritmos:
instrues para o uso de medicamentos,
indicaes de como montar um aparelho,
uma receita de culinria.
Sequncia de aes executveis para a obteno de uma soluo
para um determinado tipo de problema.
Segundo Dijkstra, um algoritmo corresponde a uma descrio de um
padro de comportamento, expresso em termos de um conjunto finito
de aes.
Executando a operao a + b percebemos um padro de
comportamento, mesmo que a operao seja realizada para
valores diferentes de a e b.
Estruturas de dados
Estruturas de dados e algoritmos esto intimamente ligados:
no se pode estudar estruturas de dados sem considerar os
algoritmos associados a elas,
assim como a escolha dos algoritmos em geral depende da
representao e da estrutura dos dados.
Para resolver um problema necessrio escolher uma abstrao da
realidade, em geral mediante a definio de um conjunto de dados que
representa a situao real.
A seguir, deve ser escolhida a forma de representar esses dados.
Programas
Escolha da Representao dos Dados
Programar basicamente estruturar dados e construir algoritmos.
A escolha da representao dos dados determinada, entre outras,

pelas operaes a serem realizadas sobre os dados.
Programas so formulaes concretas de algoritmos abstratos,

baseados em representaes e estruturas especficas de dados.
Considere a operao de adio:

Para pequenos nmeros, uma boa representao por meio de
barras verticais (caso em que a operao de adio
Programas representam uma classe especial de algoritmos capazes

de serem seguidos por computadores.
J a representao por dgitos decimais requer regras

relativamente complicadas, as quais devem ser memorizadas.
Um computador s capaz de seguir programas em linguagem de

mquina (sequncia de instrues obscuras e desconfortveis).
Entretanto, quando consideramos a adio de grandes nmeros

mais fcil a representao por dgitos decimais (devido ao princpio
baseado no peso relativo da posio de cada dgito).
necessrio construir linguagens mais adequadas, que facilitem a

tarefa de programar um computador.
Tipos de Dados
Caracteriza o conjunto de valores a que uma constante pertence, ou
que podem ser assumidos por uma varivel ou expresso, ou que
podem ser gerados por uma funo.
Tipos simples de dados so grupos de valores indivisveis (como os
tipos bsicos integer, boolean, char e real do Pascal).
Exemplo: uma varivel do tipo boolean pode assumir o valor
verdadeiro ou o valor falso, e nenhum outro valor.
Os tipos estruturados em geral definem uma coleo de valores
simples, ou um agregado de valores de tipos diferentes.
Uma linguagem de programao uma tcnica de notao para

programar, com a inteno de servir de veculo tanto para a expresso
do raciocnio algortmico quanto para a execuo automtica de um
algoritmo por um computador.
Tipos Abstratos de Dados (TAD)

Modelo matemtico, acompanhado das operaes definidas sobre o
modelo.
Exemplo: o conjunto dos inteiros acompanhado das operaes de
adio, subtrao e multiplicao.
TADs so utilizados como base para o projeto de algoritmos.
A implementao do algoritmo em uma linguagem de programao
exige a representao do TAD em termos dos tipos de dados e dos
operadores suportados.
A representao do modelo matemtico por trs do tipo abstrato de
dados realizada mediante uma estrutura de dados.
Podemos considerar TADs como generalizaes de tipos primitivos e
procedimentos como generalizaes de operaes primitivas.
O TAD encapsula tipos de dados. A definio do tipo e todas as
operaes ficam localizadas numa seo do programa.
Implementao de TADs (1)
Cada operao do tipo abstrato de dados implementada como um

procedimento na linguagem de programao escolhida.
1. faa a lista vazia;
Qualquer alterao na implementao do TAD fica restrita parte

encapsulada, sem causar impactos em outras partes do cdigo.
2. obtenha o primeiro elemento da lista; se a lista estiver vazia, ento retorne

nulo;
Cada conjunto diferente de operaes define um TAD diferente,

mesmo que atuem sob um mesmo modelo matemtico.
3. insira um elemento na lista.
H vrias opes de estruturas de dados que permitem uma

implementao eficiente para listas (por ex., o tipo estruturado arranjo).
Medida do Tempo de Execuo de um Programa

O projeto de algoritmos fortemente influenciado pelo estudo de seus
comportamentos.
Depois que um problema analisado e decises de projeto so
finalizadas, necessrio estudar as vrias opes de algoritmos a
serem utilizados, considerando os aspectos de tempo de execuo e
espao ocupado.
Muitos desses algoritmos so encontrados em reas como pesquisa
operacional, otimizao, teoria dos grafos, estatstica, probabilidades,
entre outras.
Implementao de TADs (2)
Considere uma uma lista de inteiros. Poderamos definir TAD Lista,

com as seguintes operaes:
A escolha adequada de uma implementao depende fortemente das

operaes a serem realizadas sobre o modelo.
10
Tipos de Problemas na Anlise de Algoritmos

Anlise de um algoritmo particular.
Qual o custo de usar um dado algoritmo para resolver um

problema especfico?
Caractersticas que devem ser investigadas:
anlise do nmero de vezes que cada parte do algoritmo deve
ser executada,
estudo da quantidade de memria necessria.
Anlise de uma classe de algoritmos.
Qual o algoritmo de menor custo possvel para resolver um

problema particular?
Toda uma famlia de algoritmos investigada.
Procura-se identificar um que seja o melhor possvel.
Coloca-se limites para a complexidade computacional dos
algoritmos pertencentes classe.
11
12
13
Medida do Custo pela Execuo do Programa
Custo de um Algoritmo
Tais medidas so inadequadas e os resultados jamais devem ser

generalizados:
Determinando o menor custo possvel para resolver problemas de uma

classe, temos a medida da dificuldade inerente para resolver o
problema.
os resultados so dependentes do compilador que pode favorecer

algumas construes em detrimento de outras;
Quando o custo de um algoritmo igual ao menor custo possvel, o

algoritmo timo para a medida de custo considerada.
os resultados dependem do hardware;

quando grandes quantidades de memria so utilizadas, as
medidas de tempo podem depender desse aspecto.
Podem existir vrios algoritmos para resolver o mesmo problema.

Se a mesma medida de custo aplicada a diferentes algoritmos, ento
possvel compar-los e escolher o mais adequado.
Apesar disso, h argumentos a favor de medidas reais de tempo.
Ex.: quando h vrios algoritmos para resolver um mesmo tipo de

problema, todos com um custo de execuo dentro da mesma
ordem de grandeza.
Assim, so considerados tanto os custos reais das operaes como
os custos no aparentes, tais como alocao de memria,
indexao, carga, dentre outros.
Medida do Custo por meio de um Modelo Matemtico

Usa um modelo matemtico baseado em um computador idealizado.
Deve ser especificado o conjunto de operaes e seus custos de
execues.
mais usual ignorar o custo de algumas das operaes e considerar
apenas as operaes mais significativas.
Ex.: algoritmos de ordenao. Consideramos o nmero de
comparaes entre os elementos do conjunto e ignoramos operaes
aritmticas, de atribuio e manipulaes de ndices, entre outras.
14
Funo de Complexidade
Para medir o custo de execuo de um algoritmo comum definir uma
funo de custo ou funo de complexidade f .
f (n) a medida do tempo necessrio para executar um algoritmo para
um problema de tamanho n.
Funo de complexidade de tempo: f (n) mede o tempo necessrio
para executar um algoritmo em um problema de tamanho n.
Funo de complexidade de espao: f (n) mede a memria
necessria para executar um algoritmo em um problema de tamanho
n.
Utilizaremos f para denotar uma funo de complexidade de tempo
daqui para a frente.
A complexidade de tempo na realidade no representa tempo
diretamente, mas o nmero de vezes que determinada operao
considerada relevante executada.
15
16
Exemplo - Maior Elemento (1)
17
Exemplo - Maior Elemento (2)
Considere o algoritmo para encontrar o maior elemento de um vetor de

inteiros A[1..n], n 1.
Teorema: Qualquer algoritmo para encontrar o maior elemento de um

conjunto com n elementos, n 1, faz pelo menos n 1 comparaes.
function Max ( var A: TipoVetor ) : integer ;
Prova: Cada um dos n 1 elementos tem de ser mostrado, por meio

de comparaes, que menor do que algum outro elemento.
var i , Temp: integer ;

begin
Logo n 1 comparaes so necessrias. 2
Temp : = A[ 1 ] ;
for i := 2 to N do i f Temp < A[ i ] then Temp : = A[ i ] ;
O teorema diz que, se o nmero de comparaes for utilizado como

medida de custo, ento a funo Max tima.
Max : = Temp;
end;
Seja f uma funo de complexidade tal que f (n) o nmero de

comparaes entre os elementos de A, se A contiver n elementos.
Logo f (n) = n 1, para n > 0.
Vamos provar que o algoritmo apresentado timo.
Tamanho da Entrada de Dados
18
Melhor Caso, Pior Caso e Caso Mdio (1)
A medida do custo de execuo de um algoritmo depende

principalmente do tamanho da entrada dos dados.
Melhor caso: menor tempo de execuo sobre todas as entradas de

tamanho n.
comum considerar o tempo de execuo de um programa como uma

funo do tamanho da entrada.
Pior caso: maior tempo de execuo sobre todas as entradas de

tamanho n.
Para alguns algoritmos, o custo de execuo uma funo da entrada

particular dos dados, no apenas do tamanho da entrada.
Se f uma funo de complexidade baseada na anlise de pior caso,

o custo de aplicar o algoritmo nunca maior do que f (n).
No caso da funo Max do programa do exemplo, o custo uniforme

sobre todos os problemas de tamanho n.
Caso mdio (ou caso esperado): mdia dos tempos de execuo de

todas as entradas de tamanho n.
J para um algoritmo de ordenao isso no ocorre: se os dados de

entrada j estiverem quase ordenados, ento o algoritmo pode ter que
trabalhar menos.
19
20
21
Exemplo - Registros de um Arquivo
Melhor Caso, Pior Caso e Caso Mdio (2)
Considere o problema de acessar os registros de um arquivo.
Na anlise do caso esperado, uma distribuio de probabilidades

sobre o conjunto de entradas de tamanho n suposta e o custo mdio
obtido com base nessa distribuio.
Cada registro contm uma chave nica que utilizada para recuperar
registros do arquivo.
A anlise do caso mdio geralmente muito mais difcil de obter do

que as anlises do melhor e do pior caso.
O problema: dada uma chave qualquer, localize o registro que

contenha esta chave.
comum supor uma distribuio de probabilidades em que todas as

entradas possveis so igualmente provveis.
O algoritmo mais simples o que faz a pesquisa sequencial.

Seja f uma funo de complexidade tal que f (n) o nmero de
registros consultados no arquivo (nmero de vezes que a chave de
consulta comparada com a chave de cada registro).
Na prtica isso nem sempre verdade.
melhor caso: f (n) = 1 (registro procurado o primeiro consultado);

pior caso: f (n) = n (registro procurado o ltimo consultado ou
no est presente no arquivo);
caso mdio: f (n) = (n + 1)/2.
22
Exemplo - Registros de um Arquivo
Exemplo - Maior e Menor Elemento (1)
No estudo do caso mdio, vamos considerar que toda pesquisa

recupera um registro.
Se pi for a probabilidade de que o i-simo registro seja procurado, e
para recuperar o i-simo registro so necessrias i comparaes,
ento
f (n) = 1 p1 + 2 p2 + 3 p3 + + n pn .
Para calcular f (n) basta conhecer a distribuio de probabilidades pi .
Se cada registro tiver a mesma probabilidade de ser acessado que
todos os outros, ento pi = 1/n, 1 i n.
Nesse caso f (n) = n1 (1 + 2 + 3 + + n) =
1
n
n(n+1)
2
n+1
A anlise do caso esperado revela que uma pesquisa com sucesso

examina aproximadamente metade dos registros.
Encontrar o maior e o menor elemento de A[1..n], n 1.

Um algoritmo simples pode ser derivado do algoritmo para achar o
maior elemento.
function Max ( var A: TipoVetor ) : integer ;
var i , Temp: integer ;
begin
Temp : = A[ 1 ] ;
for i := 2 to N do i f Temp < A[ i ] then Temp : = A[ i ] ;
Max : = Temp;
end;
Seja f (n) o nmero de comparaes entre os n elementos de As.

f (n) = 2(n 1), para n > 0, no melhor caso, pior caso e caso mdio.
23
24
Considerando o nmero de comparaes realizadas, existe a

possibilidade de obter um algoritmo mais eficiente:
var i : integer ;
begin
1) Compare os elementos de A aos pares, separando-os em dois

subconjuntos (maiores em um e menores em outro), a um custo de
n/2 comparaes.
Max : = A[ 1 ] ; Min : = A[ 1 ] ;
for i := 2 to N do
i f A[ i ] > Max then Max : = A[ i ] else i f A[ i ] < Min then Min : = A[ i ] ;
end;
2) O mximo obtido do subconjunto que contm os maiores

elementos, a um custo de n/2 1 comparaes.
MaxMin1 pode ser facilmente melhorado: a comparao A[i] < Min s

necessria quando a comparao A[i] > Max d falso.
3) O mnimo obtido do subconjunto que contm os menores

elementos, a um custo de n/2 1 comparaes.
Para a nova implementao temos:
melhor caso: f (n) = n 1 (elementos esto em ordem crescente);
pior caso: f (n) = 2(n 1) (elementos esto em ordem decrescente);
caso mdio: f (n) = 3n/2 3/2.
No caso mdio, A[i] maior do que Max a metade das vezes.

n1
2
3n
2

procedure MaxMin3 ( var A: TipoVetor ; var Max, Min : integer ) ;
var i , FimDoAnel: integer ;
begin
i f (N mod 2) > 0
then begin A[N+1] := A[N] ; FimDoAnel : = N; end else FimDoAnel : = N1;
i f A[1] > A[2]
then begin Max : = A[ 1 ] ; Min : = A[ 2 ] ; end
else begin Max : = A[ 2 ] ; Min : = A[ 1 ] ; end;
i := 3;
while i <= FimDoAnel do
begin i f A[ i ] > A[ i +1]
then begin i f A[ i ] > Max then Max : = A[ i ] ;
i f A[ i +1] < Min then Min : = A[ i +1]; end
else begin i f A[ i ] < Min then Min : = A[ i ] ;
i f A[ i +1] > Max then Max : = A[ i +1]; end;
end;
end;

Contm o mximo

Contm o mnimo
23 , para n > 0.
i := i + 2;
25
procedure MaxMin2 ( var A: TipoVetor ; var Max, Min : integer ) ;
Logo f (n) = n 1 +
26
27

Os elementos de A so comparados dois a dois e os maiores so
comparados com Max e os menores com Min.
Quando n mpar, o elemento que est na posio A[n] duplicado
na posio A[n + 1] para evitar um tratamento de exceo.
+ n2
=
Para esta implementao, f (n) = n2 + n2
2
2
para o melhor caso, pior caso e caso mdio.
3n
2
2, para n > 0,
28
Comparao entre MaxMin1, MaxMin2 e MaxMin3
Existe possibilidade de obter um algoritmo MaxMin mais eficiente?

Para responder temos de conhecer o limite inferior para essa classe
de algoritmos.
Os algoritmos MaxMin2 e MaxMin3 so superiores ao algoritmo

MaxMin1 de forma geral.
Tcnica muito utilizada: uso de um orculo.
O algoritmo MaxMin3 superior ao algoritmo MaxMin2 com relao ao

pior caso e bastante prximo quanto ao caso mdio.
Dado um modelo de computao que expresse o comportamento do

algoritmo, o orculo informa o resultado de cada passo possvel (no
caso, o resultado de cada comparao).
f (n)
algoritmos
Melhor caso
Pior caso
Caso mdio
MaxMin1
2(n 1)
2(n 1)
2(n 1)
MaxMin2
n1
2(n 1)
3n/2 3/2
MaxMin3
3n/2 2
3n/2 2
3n/2 2
Exemplo de Uso de um Orculo

Teorema: Qualquer algoritmo para encontrar o maior e o menor
elemento de um conjunto com n elementos no ordenados, n 1, faz
pelo menos 3n/2 2 comparaes.
Prova: Define um orculo que descreve o comportamento do
algoritmo por meio de um conjunto de ntuplas, mais um conjunto de
regras que mostram as tuplas possveis (estados) que um algoritmo
pode assumir a partir de uma dada tupla e uma nica comparao.
Uma 4tupla, representada por (a, b, c, d), onde os elementos de:
a nunca foram comparados;
b foram vencedores e nunca perderam em comparaes

realizadas;
c foram perdedores e nunca venceram em comparaes
realizadas;
d foram vencedores e perdedores em comparaes realizadas.
29
Limite Inferior - Uso de um Orculo
A tabela apresenta o nmero de comparaes dos programas

MaxMin1, MaxMin2 e MaxMin3.
Os trs
Para derivar o limite inferior, o orculo procura sempre fazer com que o
algoritmo trabalhe o mximo, escolhendo como resultado da prxima
comparao aquele que cause o maior trabalho possvel necessrio
para determinar a resposta final.
30

O algoritmo inicia no estado (n, 0, 0, 0) e termina com (0, 1, 1, n 2).
Aps cada comparao a tupla (a, b, c, d) consegue progredir apenas
se ela assume um dentre os seis estados possveis abaixo:
(a 2, b + 1, c + 1, d) se a 2 (dois elementos de a so comparados)
(a 1, b + 1, c, d) ou (a 1, b, c + 1, d) ou (a 1, b, c, d + 1) se a 1
(um elemento de a comparado com um de b ou um de c)
(a, b 1, c, d + 1) se b 2 (dois elementos de b so comparados)
(a, b, c 1, d + 1) se c 2 (dois elementos de c so comparados)
O primeiro passo requer necessariamente a manipulao do

componente a.
O caminho mais rpido para levar a at zero requer n/2

mudanas de estado e termina com a tupla (0, n/2, n/2, 0) (por
meio de comparao dos elementos de a dois a dois).
31
32
Projeto de Algoritmos Cap.1 Introduo Seo 1.3.1
33
Comportamento Assinttico de Funes
A seguir, para reduzir o componente b at 1 so necessrias n/2 1

mudanas de estado (mnimo de comparaes necessrias para obter
o maior elemento de b).
O parmetro n fornece uma medida da dificuldade para se resolver o

problema.
Para valores suficientemente pequenos de n, qualquer algoritmo custa
pouco para ser executado, mesmo os ineficientes.
Idem para c, com n/2 1 mudanas de estado.

Logo, para obter o estado (0, 1, 1, n 2) a partir do estado (n, 0, 0, 0)
so necessrias
A escolha do algoritmo no um problema crtico para problemas de

tamanho pequeno.
Logo, a anlise de algoritmos realizada para valores grandes de n.
n/2 + n/2 1 + n/2 1 = 3n/2 2
Estuda-se o comportamento assinttico das funes de custo

(comportamento de suas funes de custo para valores grandes de n)
comparaes. 2
O teorema nos diz que se o nmero de comparaes entre os
elementos de um vetor for utilizado como medida de custo, ento o
algoritmo MaxMin3 timo.
O comportamento assinttico de f (n) representa o limite do

comportamento do custo quando n cresce.
34
35
Notao O
Dominao assinttica
A anlise de um algoritmo geralmente conta com apenas algumas
operaes elementares.
Escrevemos g(n) = O(f (n)) para expressar que f (n) domina

assintoticamente g(n). L-se g(n) da ordem no mximo f (n).
A medida de custo ou medida de complexidade relata o crescimento

assinttico da operao considerada.
Exemplo: quando dizemos que o tempo de execuo T (n) de um

programa O(n2 ), significa que existem constantes c e m tais que,
para valores de n m, T (n) cn2 .
Definio: Uma funo f (n) domina assintoticamente outra funo

g(n) se existem duas constantes positivas c e m tais que, para n m,
temos |g(n)| c |f (n)|.
f,g
c f (n)
g(n)
Exemplo grfico de dominao assinttica que ilustra a notao O.

f,g
c f (n)
As funes g(n) e f (n) dominam assintoticamente uma a outra, desde que

|(n + 1)2 | 4|n2 | para n 1
e |n2 | |(n + 1)2 | para n 0.
O valor da constante m o menor

possvel, mas qualquer valor maior
vlido.
g(n)
Sejam g(n) = (n + 1)2 e f (n) = n2 .
Definio: Uma funo g(n) O(f (n)) se existem duas constantes

positivas c e m tais que g(n) cf (n), para todo n m.
36
Exemplos de Notao O
37
Exemplos de Notao O
Exemplo: g(n) = (n + 1)2 .
Exemplo: g(n) = 3n3 + 2n2 + n O(n3 ).
Logo g(n) O(n2 ), quando m = 1 e c = 4.
Basta mostrar que 3n3 + 2n2 + n 6n3 , para n 0.
Isto porque (n + 1)2 4n2 para n 1.
A funo g(n) = 3n3 + 2n2 + n tambm O(n4 ), entretanto esta

afirmao mais fraca do que dizer que g(n) O(n3 ).
Exemplo: g(n) = n e f (n) = n2 .
Exemplo: g(n) = log5 n O(log n).
Sabemos que g(n) O(n2 ), pois para n 0, n n2 .
Entretanto f (n) no O(n).
O logb n difere do logc n por uma constante que no caso logb c.
Suponha que existam constantes c e m tais que para todo n m,

n2 cn.
Como n = clogc n , tomando o logaritmo base b em ambos os lados

da igualdade, temos que logb n = logb clogc n = logc n logb c.
Logo c n para qualquer n m, e no existe uma constante c que

possa ser maior ou igual a n para todo n.
38
Operaes com a Notao O
39
Notao
f (n) = O(f (n))

c O(f (n)) = O(f (n))
c = constante
O(f (n)) + O(f (n)) = O(f (n))

O(O(f (n)) = O(f (n))
O(f (n)) + O(g(n)) = O(max(f (n), g(n)))
O(f (n))O(g(n)) = O(f (n)g(n))
f (n)O(g(n)) = O(f (n)g(n))
Exemplo: regra da soma O(f (n)) + O(g(n)).
Especifica um limite inferior para g(n).

Definio: Uma funo g(n) (f (n)) se existirem duas constantes c
e m tais que g(n) cf (n), para todo n m.
Exemplo: Para mostrar que g(n) = 3n3 + 2n2 (n3 ) basta fazer c = 1,
e ento 3n3 + 2n2 n3 para n 0.
Exemplo: Seja g(n) = n para n mpar (n 1) e g(n) = n2 /10 para n
par (n 0). Nesse caso g(n) (n2 ), para c = 1/10 e n = 0, 2, 4, 6, . . .
f,g
Suponha trs trechos cujos tempos so O(n), O(n2 ) e O(n log n).
g(n)
O tempo de execuo dos dois primeiros O(max(n, n2 )), que O(n2 ).
c f (n)
O tempo dos trs trechos ento O(max(n2 , n log n)), que O(n2 ).
Exemplo: O produto de [log n + k + O(1/n)] por [n + O( n)]
n log n + kn + O( n log n).
Para todos os valores direita de m,

o valor de g(n) est sobre ou acima
do valor de cf (n).
40
Notao
41
Exemplo de Notao
Definio: Uma funo g(n) (f (n)) se existirem constantes c1 , c2 e

m tais que 0 c1 f (n) g(n) c2 f (n), para todo n m.
Seja g(n) = n2 /3 2n. Vamos mostrar que g(n) = (n2 ).

Temos de obter c1 , c2 e m tais que c1 n2 31 n2 2n c2 n2 para todo n m.
Exemplo grfico para a notao
Dividindo por n2 leva a c1
f,g
c2 f ( n )
2
n
c2 .
O lado direito da desigualdade ser sempre vlido para qualquer valor de

n 1 quando escolhemos c2 1/3.
g(n)
c1 f ( n )
Escolhendo c1 1/21, o lado esquerdo da desigualdade ser vlido para

qualquer valor de n 7.
1
3
Logo, escolhendo c1 = 1/21, c2 = 1/3 e m = 7, verifica-se que

n2 /3 2n = (n2 ).
Dizemos que g(n) = (f (n)) se existirem constantes c1 , c2 e m tais

que, para todo n m, o valor de g(n) est sobre ou acima de c1 f (n) e
sobre ou abaixo de c2 f (n).
Outras constantes podem existir, mas o importante que existe alguma

escolha para as trs constantes.
Para todo n m, g(n) igual a f (n) a menos de uma constante.

Nesse caso, f (n) um limite assinttico firme.
42
Notao o
43
Notao
Usada para definir um limite superior que no assintoticamente firme.

Definio: Uma funo g(n) o(f (n)) se, para qualquer constante
c > 0, ento 0 g(n) < cf (n) para todo n m.
Exemplo: 2n = o(n2 ), mas 2n2 6= o(n2 ).
Em g(n) = O(f (n)), a expresso 0 g(n) cf (n) vlida para
alguma constante c > 0, mas em g(n) = o(f (n)), a expresso
0 g(n) < cf (n) vlida para todas as constantes c > 0.
Na notao o, a funo g(n) tem um crescimento muito menor que
f (n) quando n tende para infinito.
Alguns autores usam limn
g(n)
f (n)
= 0 para a definio da notao o.
Por analogia, a notao est relacionada com a notao da

mesma forma que a notao o est relacionada com a notao O.
Definio: Uma funo g(n) (f (n)) se, para qualquer constante
c > 0, ento 0 cf (n) < g(n) para todo n m.
Exemplo:
n2
2
= (n), mas
n2
2
6= (n2 ).
A relao g(n) = (f (n)) implica limn
g(n)
f (n)
= , se o limite existir.
44
Classes de Comportamento Assinttico
Comparao de Programas
Se f uma funo de complexidade para um algoritmo F , ento

O(f ) considerada a complexidade assinttica do algoritmo F .
Podemos avaliar programas comparando as funes de complexidade,

negligenciando as constantes de proporcionalidade.
A relao de dominao assinttica permite comparar funes de

complexidade.
Um programa com tempo O(n) melhor que outro com tempo O(n2 ).
Porm, as constantes de proporcionalidade podem alterar esta considerao.
Entretanto, se as funes f e g dominam assintoticamente uma a

outra, ento os algoritmos associados so equivalentes.
Exemplo: um programa leva 100n unidades de tempo para ser executado e

outro leva 2n2 . Qual dos dois programas melhor?
Nesses casos, o comportamento assinttico no serve para comparar

os algoritmos.
Para n < 50, o programa com tempo 2n2 melhor do que o que possi
tempo 100n.
Por exemplo, considere dois algoritmos F e G aplicados mesma

classe de problemas, sendo que F leva trs vezes o tempo de G ao
serem executados, isto , f (n) = 3g(n), sendo que O(f (n)) = O(g(n)).
Para problemas com entrada de dados pequena prefervel usar o

programa cujo tempo de execuo O(n2 ).
Entretanto, quando n cresce, o programa com tempo de execuo O(n2 )
leva muito mais tempo que o programa O(n).
Logo, o comportamento assinttico no serve para comparar os

algoritmos F e G, porque eles diferem apenas por uma constante.
Principais Classes de Problemas

f (n) = O(1).
46

f (n) = O(n).
Algoritmos de complexidade O(1) so ditos de complexidade constante.
Um algoritmo de complexidade O(n) dito ter complexidade linear.
Uso do algoritmo independe de n.
Em geral, um pequeno trabalho realizado sobre cada elemento de

entrada.
As instrues do algoritmo so executadas um nmero fixo de vezes.

f (n) = O(log n).
Um algoritmo de complexidade O(log n) dito ter complexidade
logartmica.
Tpico em algoritmos que transformam um problema em outros menores.
a melhor situao possvel para um algoritmo que tem de

processar/produzir n elementos de entrada/sada.
Cada vez que n dobra de tamanho, o tempo de execuo dobra.
f (n) = O(n log n).
Pode-se considerar o tempo de execuo como menor que uma

constante grande.
Tpico em algoritmos que quebram um problema em outros menores,

resolvem cada um deles independentemente e ajuntando as solues
depois.
Quando n mil, log2 n 10, quando n 1 milho, log2 n 20.
Quando n 1 milho, nlog2 n cerca de 20 milhes.
Para dobrar o valor de log n temos de considerar o quadrado de n.

A base do logaritmo muda pouco estes valores: quando n 1 milho, o
log2 n 20 e o log10 n 6.
45
Quando n 2 milhes, nlog2 n cerca de 42 milhes, pouco mais do que

o dobro.
47
48
49
f (n) = O(2n ).
f (n) = O(n2 ).
Um algoritmo de complexidade O(2n ) dito ter complexidade

exponencial.
Um algoritmo de complexidade O(n2 ) dito ter complexidade

quadrtica.
Geralmente no so teis sob o ponto de vista prtico.
Ocorrem quando os itens de dados so processados aos pares, muitas

vezes em um anel dentro de outro.
Ocorrem na soluo de problemas quando se usa fora bruta para

resolv-los.
Quando n mil, o nmero de operaes da ordem de 1 milho.
Quando n 20, o tempo de execuo cerca de 1 milho. Quando n

dobra, o tempo fica elevado ao quadrado.
Sempre que n dobra, o tempo de execuo multiplicado por 4.

teis para resolver problemas de tamanhos relativamente pequenos.
f (n) = O(n!).
f (n) = O(n3 ).
Um algoritmo de complexidade O(n!) dito ter complexidade exponencial,

apesar de O(n!) ter comportamento muito pior do que O(2n ).
Um algoritmo de complexidade O(n3 ) dito ter complexidade cbica.

teis apenas para resolver pequenos problemas.
Geralmente ocorrem quando se usa fora bruta na soluo do problema.
Quando n 100, o nmero de operaes da ordem de 1 milho.
n = 20 20! = 2432902008176640000, um nmero com 19 dgitos.
Sempre que n dobra, o tempo de execuo fica multiplicado por 8.
n = 40 um nmero com 48 dgitos.
50
Comparao de Funes de Complexidade (1)
Funo
Tamanho n
de custo
10
20
30
40
50
60
0,00001
s
0,00002
s
0,00003
s
0,00004
s
0,00005
s
0,00006
s
n2
0,0001
s
0,0004
s
0,0009
s
0,0016
s
0,0.35
s
0,0036
s
0,001
s
0,008
s
0,027
s
0,64
s
0,125
s
0.316
s
n5
0,1
s
3,2
s
24,3
s
1,7
min
5,2
min
13
min
2n
0,001
s
1
s
17,9
min
12,7
dias
35,7
anos
366
sc.
3n
0,059
s
58
min
6,5
anos
3855
sc.
108
sc.
1013
sc.
n3
51
Comparao de Funes de Complexidade (2)
Funo de
Computador
Computador
Computador
custo
atual
100 vezes
1.000 vezes
mais rpido
mais rpido
de tempo
n
t1
100 t1
1000 t1
n2
t2
10 t2
31, 6 t2
t3
4, 6 t3
10 t3
2n
t4
t4 + 6, 6
t4 + 10
52
Algoritmos Polinomiais Algoritmos Exponenciais
A distino entre algoritmos polinomiais eficientes e algoritmos

exponenciais ineficientes possui vrias excees.
Algoritmo polinomial no tempo de execuo tem funo de complexidade

O(p(n)), onde p(n) um polinmio.
Exemplo: um algoritmo com funo de complexidade f (n) = 2n mais

rpido que um algoritmo g(n) = n5 para valores de n menores ou
iguais a 20.
A distino entre estes dois tipos de algoritmos torna-se significativa quando

o tamanho do problema a ser resolvido cresce.
Tambm existem algoritmos exponenciais que so muito teis na

prtica.
Os algoritmos polinomiais so mais teis na prtica que os exponenciais.

Algoritmos exponenciais so geralmente variaes de pesquisa exaustiva.
Exemplo: o algoritmo Simplex para programao linear possui

complexidade de tempo exponencial para o pior caso mas executa
muito rpido na prtica.
Algoritmos polinomiais so geralmente obtidos mediante melhor

entendimento da estrutura do problema.
Um problema considerado:
Tais exemplos no ocorrem com frequncia na prtica, e muitos

algoritmos exponenciais conhecidos no so muito teis.
intratvel: se no existe um algoritmo polinomial para resolv-lo.

bem resolvido: quando existe um algoritmo polinomial para resolv-lo.
54
Exemplo de Algoritmo Exponencial
Supondo que sempre h uma estrada entre duas cidades quaisquer, o

problema encontrar a menor rota para a viagem.
A figura ilustra o exemplo para quatro cidades c1 , c2 , c3 , c4 , em que os
nmeros nos arcos indicam a distncia entre duas cidades.
5 c3 3
c2
Um algoritmo simples seria verificar todas as rotas e escolher a menor

delas.
H (n 1)! rotas possveis e a distncia total percorrida em cada rota
envolve n adies, logo o nmero total de adies n!.
No exemplo anterior teramos 24 adies.
Suponha agora 50 cidades: o nmero de adies seria 50! 1064 .
Em um computador que executa 109 adies por segundo, o tempo
total para resolver o problema com 50 cidades seria maior do que 1045
sculos s para executar as adies.
c1
9
Exemplo de Algoritmo Exponencial
Um caixeiro viajante deseja visitar n cidades de tal forma que sua

viagem inicie e termine em uma mesma cidade, e cada cidade deve
ser visitada uma nica vez.
c4
O percurso < c1 , c3 , c4 , c2 , c1 > uma soluo para o problema, cujo

percurso total tem distncia 24.
53
Algoritmos Polinomiais Algoritmos Exponenciais
Algoritmo exponencial no tempo de execuo tem funo de complexidade

O(cn ), c > 1.
O problema do caixeiro viajante aparece com frequncia em

problemas relacionados com transporte, mas tambm aplicaes
importantes relacionadas com otimizao de caminho percorrido.
55
56
Comando de atribuio, de leitura ou de escrita: O(1).
Determinar o tempo de execuo de um programa pode ser um

problema matemtico complexo;
Sequncia de comandos: determinado pelo maior tempo de execuo de

qualquer comando da sequncia.
Determinar a ordem do tempo de execuo, sem preocupao com o

valor da constante envolvida, pode ser uma tarefa mais simples.
Comando de deciso: tempo dos comandos dentro do comando condicional,

mais tempo para avaliar a condio, que O(1).
A anlise utiliza tcnicas de matemtica discreta, envolvendo

contagem ou enumerao dos elementos de um conjunto:
Anel: soma do tempo do corpo do anel mais o tempo de avaliar a condio

para terminao (geralmente O(1)), multiplicado pelo nmero de iteraes.
manipulao de somas,
Procedimentos no recursivos: cada um deve ser computado

separadamente um a um, iniciando com os que no chamam outros
procedimentos. Avalia-se ento os que chamam os j avaliados (utilizando os
tempos desses). O processo repetido at chegar no programa principal.
produtos,
permutaes,
fatoriais,
coeficientes binomiais,
Procedimentos recursivos: associada uma funo de complexidade f (n)

desconhecida, onde n mede o tamanho dos argumentos.
soluo de equaes de recorrncia.
58
Procedimento no Recursivo
Anlise do Procedimento no Recursivo
Algoritmo para ordenar os n elementos de um conjunto A em ordem ascendente.

procedure Ordena ( var A: TipoVetor ) ;
Anel Interno
Contm um comando de deciso, com um comando apenas de
atribuio. Ambos levam tempo constante para serem executados.
{ ordena o vetor A em ordem ascendente }

i , j , min, x : integer ;
begin
(1)
for i := 1 to n1 do
begin
(2)
min : = i ;
(3)
for j := i +1 to n do
(4)
i f A[ j ] < A[min]
(5)
then min : = j ;
{ troca A[min ] e A[ i ] }
(6)
x : = A[min ] ;
(7)
A[min] : = A[ i ] ;
(8)
A[ i ] : = x ;
end;
end;
57
Anlise do Tempo de Execuo
Tcnicas de Anlise de Algoritmos
var
Seleciona o menor elemento do

conjunto.
Quanto ao corpo do comando de deciso, devemos considerar o pior

caso, assumindo que serSS sempre executado.
Troca este com o primeiro elemento A[1].
O tempo para incrementar o ndice do anel e avaliar sua condio de

terminao O(1).
Repita as duas operaes acima

com os n1 elementos restantes,
depois com os n2, at que reste
apenas um.
O tempo combinado para executar uma vez o anel

O(max(1, 1, 1)) = O(1), conforme regra da soma para a notao O.
Como o nmero de iteraes n i, o tempo gasto no anel
O((n i) 1) = O(n i), conforme regra do produto para a notao O.
59
60
Procedimento Recursivo
Anlise do Procedimento no Recursivo

Anel Externo
Pesquisa(n) ;
(1) i f n 1
Contm, alm do anel interno, quatro comandos de atribuio.

O(max(1, (n i), 1, 1, 1)) = O(n i).
(2) then inspecione elemento e termine

else begin
A linha (1) executada n 1 vezes, e o tempo total para executar o

programa est limitado ao produto de uma constante pelo somatrio
P
2
= n2 n2 = O(n2 )
de (n i): 1n1 (n i) = n(n1)
2
Seja T (n) uma funo de complexidade que represente o nmero de

inspees nos n elementos do conjunto.
O custo de execuo das linhas (1) e (2) O(1) e o da linha (3)
exatamente n.
Usa-se uma equao de recorrncia para determinar o no de
chamadas recursivas.
O termo T (n) especificado em funo dos termos anteriores T (1),
T (2), . . ., T (n 1).
T (n) = n + T (n/3), T (1) = 1 (para n = 1 fazemos uma inspeo)
Por exemplo, T (3) = T (3/3) + 3 = 4, T (9) = T (9/3) + 9 = 13, e assim
por diante.
Para calcular o valor da funo seguindo a definio so necessrios
k 1 passos para computar o valor de T (3k ).
para cada um dos n elementos inspecione elemento ;
(4)
Pesquisa(n/ 3 ) ;
Para cada procedimento recursivo associada uma funo de

complexidade f (n) desconhecida, onde n mede o tamanho dos
argumentos para o procedimento.
Obtemos uma equao de recorrncia para f (n).
Considerarmos o nmero de trocas, o programa realiza exatamente

n 1 trocas.
Anlise do Procedimento Recursivo
(3)
end;
Considerarmos o nmero de comparaes como a medida de custo

relevante, o programa faz (n2 )/2 n/2 comparaes para ordenar n
elementos.
61
Equao de recorrncia: maneira de definir uma funo por uma

expresso envolvendo a mesma funo.
62
63
Exemplo de Resoluo de Equao de Recorrncia

Sustitui-se os termos T (k), k < n, at que todos os termos T (k), k > 1,
tenham sido substitudos por frmulas contendo apenas T (1).
T (n) = n + T (n/3)
T (n/3) = n/3 + T (n/3/3)
T (n/3/3) = n/3/3 + T (n/3/3/3)
..
..
.
.
T (n/3/3 /3) = n/3/3 /3 + T (n/3 /3)
Adicionando lado a lado, temos
T (n) = n + n (1/3) + n (1/32 ) + n (1/33 ) + + (n/3/3 /3) que
representa a soma de uma srie geomtrica de razo 1/3, multiplicada
por n, e adicionada de T (n/3/3 /3), que menor ou igual a 1.
64
Exemplo de Resoluo de Equao de Recorrncia
Os programas apresentados no livro usam apenas as caractersticas bsicas

do Pascal.
So evitadas as facilidades mais avanadas disponveis em algumas
implementaes.
Se desprezarmos o termo T (n/3/3

/3), quando
n tende para

infinito, ento T (n) = n
i=0 (1/3)
=n
1
1 31
3n
No apresentaremos a linguagem na sua totalidade, apenas examinamos

algumas caractersticas.
Se considerarmos o termo T (n/3/3/3 /3) e denominarmos x o

nmero de subdivises por 3 do tamanho do problema, ento
n/3x = 1, e n = 3x . Logo x = log3 n.
Lembrando que T (1) = 1 temos
T (n) =
Px1
n
i=0 3i
+ T ( 3nx ) = n
Px1
i=0 (1/3)
+1=
65
A Linguagem de Programao Pascal (1)
T (n) = n + n (1/3) + n (1/32 ) + n (1/33 ) + +

+ (n/3/3 /3)
P
n(1( 31 )x )
(1 31 )
+1=
3n
2
21
Logo, o programa do exemplo O(n).
66
A Linguagem de Programao Pascal (2)

As vrias partes componentes de um programa Pascal so:
program
cabealho do programa
label
declarao de rtulo para goto
const
definio de constantes
type
definio de tipos de dados
var
declarao de variveis
procedure
ou function
declarao de subprogramas
begin
..
.
end
Tipos em Pascal
Regra geral: tornar explcito o tipo associado quando se declara uma
constante, varivel ou funo.
Isso permite testes de consistncia durante o tempo de compilao.
A definio de tipos permite ao programador alterar o nome de tipos
existentes e criar um nmero ilimitado de outros tipos.
No caso do Pascal, os tipos podem ser:
simples,
estruturados e
comandos do programa
apontadores.
67
68
Tipos Simples (1)
indicao de subintervalos. Exemplo:

type ano = 1900..1999;
type letra = A..Z;
..
.
Tipos simples adicionais podem ser enumerados por meio de:

listagem de novos grupos de valores; Exemplo:
type cor = (vermelho, azul, rosa);
..
.
var c : cor;
..
.
var a : ano;
var b : letra;
as atribuies a:=1986 e b:=B so possveis, mas a:=2001 e b:=7 no

o so.
c := rosa;
Tipos Estruturados
Definem uma coleo de valores simples, ou um agregado de valores
de tipos diferentes.
Existem quatro tipos estruturados primitivos:
Arranjos: tabela n-dimensional de valores homogneos de

qualquer tipo. Indexada por um ou mais tipos simples, exceto o tipo
real.
Registros: unio de valores de tipos quaisquer, cujos campos

podem ser acessados pelos seus nomes.
Conjuntos: coleo de todos os subconjuntos de algum tipo
simples, com operadores especiais (interseo), + (unio),
(diferena) e in (pertence a) definidos para todos os tipos
conjuntos.
Arquivos: sequncia de valores homogneos de qualquer tipo.
Geralmente associado com alguma unidade externa.
69
Tipos Simples (2)
So grupos de valores indivisveis (integer, boolean, char e real).
70
Tipo Estruturado Arranjo - Exemplo

type carto
type matriz
type coluna
type linha
type alfa
type vetor
= array [1..80] of char;

= array [1..5, 1..5] of real;
= array [1..3] of real;
= array [ano] of char;
= packed array [1..n] of char;
= array [1..n] of integer;
A constante n deve ser previamente declarada

const n = 20;
Dada a varivel
var x: coluna;
as atribuies x[1]:=0.75, x[2]:=0.85 e x[3]:=1.5 so possveis.
71
72
Tipo Estruturado Registro - Exemplo (1)

= record
dia : 1..31;
ms : 1..12;
end;
type pessoa = record
sobrenome
primeironome
aniversrio
sexo
end;
Declarada a varivel
var p: pessoa;
valores particulares podem ser atribudos:
:
:
:
:
Tipo Estruturado Conjunto - Exemplo

type conjint
= set of 1..9;
type conjcor = set of cor;
type conjchar = set of char;
O tipo cor deve ser previamente definido
var ci : conjint;
var cc : array [1..5] of conjcor;
var ch: conjchar;
p.sobrenome
:= Ziviani;
p.primeironome := Patricia;
p.aniversrio.dia := 21;
p.aniversrio.ms := 10;
p.sexo
:= f;
alfa;
alfa;
data;
(m, f);
Declaradas as variveis
73
Tipo Estruturado Registro - Exemplo (2)
type data
type cor = (vermelho, azul, rosa);
74
Tipo Estruturado Conjunto - Exemplo

Valores particulares podem ser construdos e atribudos:
ci
cc[2]
cc[4]
cc[5]
:= [1,4,9];
:= [vermelho..rosa];
:= [ ];
:= [azul, rosa];
Prioridade: interseo precede unio e diferena, que precedem

pertence a.
[1..5,7] [4,6,8]
[1..3,5] + [4,6]
[1..3,5] [2,4]
2 in [1..5]
[4]
[1..6]
[1,3,5]
true
75
76
Tipo Estruturado Arquivo - Exemplo

program Copia ( Velho , Novo) ;
{ copia o arquivo Velho no arquivo Novo }
So teis para criar estruturas de dados encadeadas, do tipo listas, rvores

e grafos.
type TipoAlfa = array [ 1 . .N] of char;

TipoPessoa = record
Sobrenome
: TipoAlfa ;
PrimeiroNome : TipoAlfa ;
Aniversario : TipoData;
Sexo
: (mas,fem) ;
end;
var Velho , Novo: f i l e of TipoPessoa;
Registro
77
Tipo Apontador (1)
const N = 30;
TipoData = record dia : 1 . . 3 1 ; mes: 1 . . 1 2 ; end;
O programa ao lado copia o contedo do arquivo Velho no arquivo

Novo. (Atribuio de
nomes de arquivos externos ao programa varia de compilador para
compilador.)
Um apontador uma varivel que referencia outra varivel alocada

dinamicamente.
Em geral, a varivel referenciada definida como um registro com um
apontador para outro elemento do mesmo tipo.
: TipoPessoa;
begin
reset ( Velho ) ;
rewrite (Novo) ;
while not eof ( Velho ) do

begin read ( Velho , Registro ) ; write(Novo, Registro ) ; end
end.
78
Tipo Apontador (2)
Separador de Comandos
Exemplo:
O ponto e vrgula atua como um separador de comandos.
type Apontador = ^No;

type No = record
Chave: integer
Apont: Apontador;
end;
Quando mal colocado, pode causar erros que no so detectados em

tempo de compilao.
Exemplo: o trecho de programa abaixo est sintaticamente correto.
Entretanto, o comando de adio serSS executado sempre, e no somente
quando o valor da varivel a for igual a zero.
Dada uma varivel
if a = 0 then;
a := a + 1;
var Lista: Apontador;

possvel criar uma lista como a ilustrada.
Lista
50
100
...
200
nil
79
Passagem de Parmetros (1)
80
Passagem de Parmetros (2)
Por valor ou por varivel (ou referncia).
Exemplo: SomaUm recebe o parmetro x por valor e o parmetro y por varivel.
A passagem de parmetro por varivel deve ser utilizada se o valor

pode sofrer alterao dentro do procedimento, e o novo valor deve
retornar para quem chamou o procedimento.
program Teste;
var a, b : integer ;
procedure SomaUm ( x : integer ; var y : integer ) ;
begin
x : = x + 1;
y : = y + 1;
writeln ( Procedimento SomaUm : , x , y ) ;

end;
begin { Programa principal }
a : = 0 ; b : = 0 ; SomaUm ( a,b) ;
writeln ( Programa principal : , a, b) ;
end.
Resultado da execuo:
Procedimento SomaUm : 1 1
Programa principal
:0 1
81

Cap1 PDF

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

Cap1 PDF

Uploaded by

Copyright:

Available Formats

Projeto de Algoritmos Cap.

1.3 Medida do tempo de Execuo de um Programa

1.3.1 Comportamento Assinttico de Funes

ltima alterao: 30 de Agosto de 2010

elaboradas por Charles Ornelas Almeida, Israel Guerra e Nivio Ziviani

Projeto de Algoritmos Cap.1 Introduo Seo 1.1

Algoritmos, Estruturas de Dados e Programas

Projeto de Algoritmos Cap.1 Introduo Seo 1.1

Projeto de Algoritmos Cap.1 Introduo Seo 1.1

Projeto de Algoritmos Cap.1 Introduo Seo 1.1

Escolha da Representao dos Dados

Programar basicamente estruturar dados e construir algoritmos.

A escolha da representao dos dados determinada, entre outras,

Programas so formulaes concretas de algoritmos abstratos,

Considere a operao de adio:

Programas representam uma classe especial de algoritmos capazes

J a representao por dgitos decimais requer regras

Um computador s capaz de seguir programas em linguagem de

Entretanto, quando consideramos a adio de grandes nmeros

necessrio construir linguagens mais adequadas, que facilitem a

Projeto de Algoritmos Cap.1 Introduo Seo 1.2

Uma linguagem de programao uma tcnica de notao para

Projeto de Algoritmos Cap.1 Introduo Seo 1.2

Tipos Abstratos de Dados (TAD)

Projeto de Algoritmos Cap.1 Introduo Seo 1.2

Implementao de TADs (1)

Cada operao do tipo abstrato de dados implementada como um

1. faa a lista vazia;

Qualquer alterao na implementao do TAD fica restrita parte

2. obtenha o primeiro elemento da lista; se a lista estiver vazia, ento retorne

Cada conjunto diferente de operaes define um TAD diferente,

3. insira um elemento na lista.

H vrias opes de estruturas de dados que permitem uma

Medida do Tempo de Execuo de um Programa

Implementao de TADs (2)

Considere uma uma lista de inteiros. Poderamos definir TAD Lista,

Projeto de Algoritmos Cap.1 Introduo Seo 1.3

Projeto de Algoritmos Cap.1 Introduo Seo 1.2

A escolha adequada de uma implementao depende fortemente das

Projeto de Algoritmos Cap.1 Introduo Seo 1.3

Tipos de Problemas na Anlise de Algoritmos

Qual o custo de usar um dado algoritmo para resolver um

Anlise de uma classe de algoritmos.

Qual o algoritmo de menor custo possvel para resolver um

Projeto de Algoritmos Cap.1 Introduo Seo 1.3

Projeto de Algoritmos Cap.1 Introduo Seo 1.3

Medida do Custo pela Execuo do Programa

Tais medidas so inadequadas e os resultados jamais devem ser

Determinando o menor custo possvel para resolver problemas de uma

os resultados so dependentes do compilador que pode favorecer

Quando o custo de um algoritmo igual ao menor custo possvel, o

os resultados dependem do hardware;

Podem existir vrios algoritmos para resolver o mesmo problema.

Apesar disso, h argumentos a favor de medidas reais de tempo.

Ex.: quando h vrios algoritmos para resolver um mesmo tipo de

Projeto de Algoritmos Cap.1 Introduo Seo 1.3

Medida do Custo por meio de um Modelo Matemtico

Projeto de Algoritmos Cap.1 Introduo Seo 1.3

Projeto de Algoritmos Cap.1 Introduo Seo 1.3

Exemplo - Maior Elemento (1)

Projeto de Algoritmos Cap.1 Introduo Seo 1.3

Exemplo - Maior Elemento (2)

Considere o algoritmo para encontrar o maior elemento de um vetor de