Prog 3-Clase 10 - Análisis de Algoritmos-2017 PDF

Programacin 3
Cursada 2017
Prof. Alejandra Schiavoni (ales@info.unlp.edu.ar)
Prof. Laura Fava (lfava@info.unlp.edu.ar)
Prof. Pablo Iuliano (piuliano@info.unlp.edu.ar)

Agenda
Anlisis de algoritmos
Algoritmos recursivos vs.

Iterativos
Optimizando algoritmos
Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Agenda
Introduccin al concepto T(n)
Tiempo, entrada, peor caso, etc.
Notacin Big-Oh
Definicin y ejemplos
Reglas (suma, producto)
Clculo del T(n)

En algoritmos iterativos y recursivos

Nos permite comparar algoritmos en

forma independiente de una plataforma
en particular
Mide la eficiencia de un algoritmo,

dependiendo del tamao de la entrada

Pasos a seguir:
Caracterizar los datos de entrada del algoritmo
Identificar las operaciones abstractas, sobre las
que se basa el algoritmo
Realizar un anlisis matemtico, para
encontrar los valores de las cantidades del
punto anterior

Introduccin al concepto T(n)
espacio de memoria
Criterios
de Recursos de
eleccin computadora
tiempo de ejecucin
enfoque emprico (a posteriori)

Medida de eficiencia
enfoque terico (a priori)
T(n) n: tamao de la entrada de los datos
se calcula en forma terica.
tiempo en el peor de los casos.

Definiciones
Big-Oh
Omega
Theta

Notacin Big-Oh
Definicin y ejemplos
Regla de la suma y regla del producto

Notacin Big-Oh
Definicin
Decimos que
T(n) = O(f(n))
si existen constantes c > 0 y n0 tales que:
T(n) c f(n) para todo n n0

Se lee: T(n) es de orden de f(n)
f(n) representa una cota superior de T(n)
La tasa de crecimiento de T(n) es menor o igual que la de f(n)

Notacin Big-Oh
Geomtricamente f(n) = O(g(n)) es:

Notacin Big-Oh
Regla de la suma y regla del producto
Si T1(n)=O(f(n)) y T2(n)=O(g(n)), entonces:
1. T1(n)+T2 (n)=max(O(f(n)),O(g(n)))
2. T1(n)T2 (n)=O(f(n)g(n))

Notacin Big-Oh
Otras reglas:
T(n) es un polinomio de grado k T(n) = O(nk)
T(n) = logk(n) O(n) para cualquier k

n siempre crece ms rpido que cualquier potencia de log(n)
T(n) = cte O(1)
T(n) = cte * f(n) T(n) = O( f(n) )

Notacin Big-Oh
Ejemplos
1.- T(n) = 3n3 + 2n2 es O(n3) ? Verdadero

2.- T(n) = 3n3 + 2n2 es O(n4) ? Verdadero
3.- T(n) = 1000 es O(1) ? Verdadero
4.- T(n) = 3n es O(2n) ? Falso

Omega
Definicin
Decimos que
T(n) = (g(n))
si existen constantes c > 0 y n0 tales que:
T(n) c g(n) para todo n n0
Se lee: T(n) es omega de g(n)

g(n) representa una cota inferior de T(n)
La tasa de crecimiento de T(n) es mayor o igual que la de g(n)

Omega
Geomtricamente f(n) = (g(n)) es:

Theta
Definicin
Decimos que
T(n) = (h(n))
T(n) = O(h(n)) y T(n) = (h(n))

Se lee: T(n) es theta de h(n)
T(n) y h(n) tienen la misma tasa de crecimiento

Theta
Geomtricamente f(n) = (g(n)) es:

Algunas funciones
Ordenadas en forma creciente Nombre
1 Constante
log n Logaritmo
n Lineal
n log n n Log n
n2 Cuadrtica
n3 Cbica
cn c>1 Exponencial

Algunas funciones
Este conjunto de
funciones en general es
suficiente para describir la
tasa de crecimiento de los
algoritmos tpicos

Cuadro comparativo del tiempo para
diferentes funciones
Costo n=103 Tiempo n=106 Tiempo
Logartmico log2(n) 10 10 segundos 20 20 segundos
Lineal n 103 16 minutos 106 11 das
Cuadrtico n2 106 11 das 1012 30.000 aos
Orden de
ejecucin Cantidad de Tiempo total Cantidad de Tiempo total
del algoritmo operaciones del algoritmo operaciones del algoritmo
n = 103 n = 106

Clculo del Tiempo de Ejecucin
Secuencia
Condicional:
if /else
Estructuras
switch
de
Control Iteracin:
for
while
do-while

Condicional:
a) if (boolean expression) {
statement(s)
}
b) if (boolean expression) {
statement(s)
} else {
statement(s)
}

Condicional:
c) switch (integer expession) {

case integer expression : statement(s) ; break;
...
case integer expression : statement(s) ; break;
default : statement(s) ; break;
}

Iteracin:
a) for (initialization; termination; increment) {
statement(s)
}
b) while (boolean expression) {

statement(s)
}
c) do {
statement(s)
} while (boolean expression);

Iteracin:
Viene como n
a) For
T(n) = cte1+ cte2 =
parmetro
int sum = 0; i=1

int [] a = new int [n];
= cte1+ n * cte2
for (int i =1; i<= n ; i++ )
sum += a[i];
O(n)

Viene como
a) For parmetro
n n
int sum = 0; T(n) = cte1+ cte2=
int [] a = new int [n][n];
i=1 j=1
for (int i =1; i<= n ; i++) {
for (int j =1; j<= n ; j++) = cte1 + n*n*cte2
sum += a[i][j];
} O(n2)

Viene como
a)For parmetro
n
int [] a = new int [n]; T(n) =cte1+ cte2 +
int [] s = new int [n]; i=1
for ( int i =1; i<= n ; i++ ) n i
s[i] = 0; + cte3 =
i=1 j=1
for ( int i =1; i<= n ; i++) {
for (int j =1; j<= i ; j++) = cte1+ n *cte2 +
n
s[i] += a[j]; cte3 * i =
} i=1
O(n2)
Iteracin:
(n+1)/2
b) While
T(n) = cte1+ cte2 =
int x= 0; i=1
int i = 1; = cte1+ cte2/2 * (n+1)

while ( i <= n) {
x = x + 1; O(n)
i = i + 2;
}

Iteracin :
b) While T(n) = cte1+ cte2* log(n)

int x= 1;
while ( x < n) O(log(n))
x = 2 *x;

Problema
Considerando que un algoritmo requiere f(n) operaciones
para resolver un problema y la computadora procesa 100
operaciones por segundo.
Si f(n) es:
a.- log 10 n
b.- n
Determine el tiempo en segundos requerido por el

algoritmo para resolver un problema de tamao n=10000.

Problema
Suponga que Ud. tiene un algoritmo ALGO-1 con un

tiempo de ejecucin exacto de 10n2. En cunto se hace
ms lento ALGO-1 cuando el tamao de la entrada n
aumenta:.?
a.- El doble
b.- El triple

Ejemplo:
private void imparesypares(int n){

int x=0; int y=0;
public boolean esImpar(int unNumero){
if (unNumero%2 != 0)
for (int i=1;i<=n;i++) return true;
if (esImpar(i)) else
for (int j=i;j<=n;j++) return false;
x++; }
else
for (int j=1;j<=i;j++)
y++;

Ejemplo (cont.):
Desarrollo de la funcin T(n) del mtodo imparesypares
Asumiendo valor de n par.
El mtodo esImpar tiene todas sentencias constantes
TesImpar(n) = cte1
El mtodo imparesypares tiene un loop en el que: en cada iteracin se

llama al mtodo esImpar y la mitad de las veces se ejecuta uno de los for
(para valores de i impares) y la mitad restante el otro for (para valores de i
pares)
n n[ paso2 ] n i 1 Valores pares
T (n) cte1 ( cte 2 cte 2) dados por el
siguiente a los
i 1 i 1 j i j 1
impares i
Es la llamada al mtodo esImpar,

que se ejecuta para todos los valores Valores de i impares
de i
Ejemplo (cont.):
Desarrollo de la funcin T(n) del mtodo imparesypares
n n/2 n 2*i
T (n) cte1 ( cte 2 cte 2)
i 1 i 1 j 2*i 1 j 1
Como i ahora toma valores consecutivos entre 1 y n/2, entonces se

hace un cambio de variable para seguir tomndose valores impares y
pares en cada loop

Ejemplo (cont.):
Resolviendo la funcin T(n)
n n/2 n 2*i
T (n) cte1 ( cte 2 cte 2)
i 1 i 1 j 2*i 1 j 1
n/2
T (n) cte1* n cte 2 * (n 2 * i 1 1 2 * i 1 1)
i 1
cte1* n cte 2 * (n 2) * n / 2
cte1* n cte 2 / 2 * n 2 cte 2 * n
T ( n) O ( n 2 )

Ejercicio
private int ejercicio3(int n) { public boolean esImpar(int unNumero){

int p=0; int j=1; if (unNumero%2 != 0)
return true;
for (int i=1; i<=n; i++) else
if (esImpar(i)) return false;
}
j:=j*2;
else
for (int k=1; k<=j; k++)
p:= p+1;
return p;
}

Ejercicio
0 i = 0; j =0;
1 while(i<1000)
2 for( int k = i; k <= n; k++ ) {
3 i++;
4 j++; }
5 for( int p = 0; p < n*n; p++ )
6 for( int q = 0; q < p; q++ )
7 j;
1. Con qu valor termina la variable i ?
2. Cuntas veces se ejecuta la sentencia 3?

a. O(n)
b. O(n2)
c. O(n3)
d. O(n4)
e. Ninguna de las anteriores

Algoritmos Recursivos
/**
Calcula el Factorial.
*/
public static int factorial( int n ) {
if (n == 1)
return 1;
else return n * factorial( n - 1 );
}

Funcin de recurrencia
Factorial (n)
cte1 n=1
T(n) =
cte2 + T(n - 1) n >1

Factorial (n) - Desarrollo de la recurrencia
T(n) = T(n - 1) + cte2 n >1
T(n - 2) + cte2
T(n - 3) + cte2
T(n - 4) + cte2

T(n) = T(n - 1) + cte2 = (T(n - 2) + cte2) + cte2 =

=T(n - 2) + 2 cte2 = (T(n - 3) + cte2) + 2 cte2 =
= T(n - 3) + 3 cte2 =
Paso i:
T(n) = T(n - i) + i *cte2
El desarrollo va terminar en el caso base de la recurrencia,

cuando n-i = 1
T(n) = T(n - i) + i * cte2
Cuando n-i = 1 i = n -1, reemplazamos i en la

expresin de T(n)
T(n) = T(n (n-1)) + (n-1) * cte2 = cte1+ (n-1) * cte2 = O(n)
T(1) = cte1

Ejemplo :
Encontrar el mximo elemento en un arreglo de
enteros tomando n posiciones a partir de la
posicin i
n
Arreglo a
i i + n -1

/** Calcula el Mximo en un arreglo. */
public static int max( int [] a, int i, int n ) {
int m1; int m2;
if (n == 1)
return a[i];
else { m1 = max (a, i, n/2);
m2 = max (a, i + (n/2), n/2);
if (m1<m2)
return m2;
else return m1;
}
}
Mximo en un arreglo
cte1 n=1
T(n) =
2 * T(n/2) + cte2 n >1

Mximo en un arreglo Desarrollo de la recurrencia
T(n) = 2 * T(n/2) + cte2 n >1
2 * T(n/4) + cte2
2 * T(n/8) + cte2
2 * T(n/16) + cte2

T(n) = 2 * T(n/2) + cte2 = 2 * [2 * T(n/4) + cte2 ] + cte2 =

= 4 * T(n/4) + 3 cte2 = 4 * [2 * T(n/8) + cte2 ] + 3 cte2 =
= 8 * T(n/8) + 7 cte2 = 8 * [2 * T(n/16) + cte2 ] + 7 cte2 =
= 16 * T(n/16) + 15 cte2 = ..
Paso i:
T(n) = 2i * T(n/2i) + (2i 1) *cte2
El desarrollo va terminar en el caso base de la recurrencia, cuando n/2i = 1

T(n) = 2i * T(n/2i) + (2i 1) * cte2
Cuando n/2i = 1 n = 2i i = log2 n,

reemplazamos i en la expresin de T(n)
T(n) = n * T(n/n) + (n 1) * cte2 = n * cte1 + (n 1) * cte2 = O(n)
T(1) = cte1

Algoritmos recursivos vs.

iterativos

Nmeros de Fibonacci Introduccin
Descripcin del Problema de los Conejos

El ejercicio de Fibonacci (1202) pregunta cuntas parejas de conejos habr en
una granja luego de 12 meses, si se coloca inicialmente una sola pareja y se
parte de las siguientes premisas:
1. Los conejos alcanzan la madurez sexual a la edad de un mes.
2. En cuanto alcanzan la madurez sexual los conejos se aparean y siempre
resulta preada la hembra.
3. El periodo de gestacin de los conejos es de un mes.
4. Los conejos no mueren.
5. La hembra siempre da a luz una pareja de conejos de sexos opuestos.
6. Los conejos tienen una moral y un instinto de variedad gentica muy relajados
y se aparean entre parientes.
El proceso de crecimiento de la poblacin de conejos es mejor descrito con la
siguiente ilustracin.

Problema de los Conejos
Nmero de pares

Problema de los Conejos
Como se puede observar el nmero de parejas de

conejos por mes est determinado por la sucesin de
Fibonacci. As que la respuesta al ejercicio del Liber
Abaci (libro acerca del baco), acerca de cuntas
parejas de conejos habr luego de un ao, resulta ser el
doceavo trmino de la sucesin: 144.

Nmeros de Fibonacci versin recursiva
/** Clculo de los nmeros de Fibonacci */
public static int fib( int n )

{
if (n <= 1)
return 1;
else
return fib( n - 1 ) + fib( n - 2 );
}

Nmeros de Fibonacci versin iterativa
/** Clculo de los nmeros de Fibonacci */
public static int fibonacci( int n ) {

if (n <= 1)
return 1;
int ultimo = 1;
int anteUltimo = 1;
int resul= 1;
for( int i = 2; i <= n; i++ )
{
resul = ultimo + anteUltimo;
anteUltimo = ultimo;
ultimo = resul;
}
return resul;
}

Ejercicio de recurrencia
cte1 n=1
T(n) =
2 * T(n/2) + n n >1

Ejercicio recursivo para analizar
private int recursivo(int n) {
final int m=....;
int suma;
if (n <= 1)
return (1);
else {
suma=0;
for (int i=1; i<=m; i++)
suma=suma + i;
for (i=1; i<=m; i++)
suma=suma + recursivo(n-1);
return suma;
}
}

cte1 n <= 1
T(n) =
cte2 + m + m* T(n-1) n >1

Optimizando algoritmos
Problema: encontrar el valor de la suma de la

sub-secuencia de suma mxima

Problema de la subsecuencia de suma
mxima
Dada una secuencia de nmeros enteros, algunos negativos:

a1, a2, a3,........an
j
encontrar el valor mximo de la a
k i
k
Por convencin, la suma es cero cuando todos los enteros son

negativos.
Ej.: -2, 11, -4, 13, -5, -2 la respuesta es 20

Suma de la sub-secuencia de suma mxima
Versin 1 : O(n3)
public final class MaxSumTest

{
/* Cubic maximum contiguous subsequence sum algorithm. */
public static int maxSubSum1( int [ ] a )
{
int maxSum = 0;
for( int i = 0; i < a.length; i++ )
for( int j = i; j < a.length; j++ )
{
int thisSum = 0;
for( int k = i; k <= j; k++ )
thisSum += a[ k ];
if( thisSum > maxSum )
maxSum = thisSum;
}
return maxSum;
}

Versin 2 : O(n2)
{
/* Quadratic maximum contiguous subsequence sum algorithm. */
{
int maxSum = 0;
for( int i = 0; i < a.length; i++ ) int thisSum = 0;
{
int thisSum = 0;
for( int k = i; k <= j; k++ ) thisSum += a[j];
thisSum += a[ k ];
maxSum = thisSum;
}
return maxSum;
}

Versin 2 : O(n2)

{
/* Quadratic maximum contiguous subsequence sum algorithm. */
{
int maxSum = 0;
for( int i = 0; i < a.length; i++ )
int thisSum = 0;
{
thisSum += a[ j ];
maxSum = thisSum;
}
return maxSum;
}

Versin 3 : O(n*log n)
/** Solucin recursiva:

* Explicar la resolucin detallada y graficamente */

/** Recursive maximum contiguous subsequence sum algorithm.

* Finds maximum sum in subarray spanning a[left..right].
* Does not attempt to maintain actual best sequence. */
private static int maxSumRec( int [ ] a, int left, int right )
{
if( left == right ) // Base case
if( a[ left ] > 0 )
return a[ left ];
else
return 0;
int center = ( left + right ) / 2;
int maxLeftSum = maxSumRec( a, left, center );
int maxRightSum = maxSumRec( a, center + 1, right );

int maxLeftBorderSum = 0, leftBorderSum = 0;

for( int i = center; i >= left; i-- )
{
leftBorderSum += a[ i ];
if( leftBorderSum > maxLeftBorderSum )
maxLeftBorderSum = leftBorderSum;
}
int maxRightBorderSum = 0, rightBorderSum = 0;
for( int i = center + 1; i <= right; i++ )
{
rightBorderSum += a[ i ];
if( rightBorderSum > maxRightBorderSum )
maxRightBorderSum = rightBorderSum;
}

return max3( maxLeftSum, maxRightSum,

maxLeftBorderSum + maxRightBorderSum ); }
/**
* Driver for divide-and-conquer maximum contiguous
* subsequence sum algorithm. */
public static int maxSubSum3( int [ ] a ) {
return maxSumRec( a, 0, a.length - 1 );
}
/* END */
/** * Return maximum of three integers. */

private static int max3( int a, int b, int c ) {
return a > b ? a > c ? a : c : b > c ? b : c;
}

Versin 3 : Funcin de Tiempo de Ejecucin
cte1 n=1
T(n) =
2 * T(n/2) + n + cte2 n >1
Buscar la sub-secuencia
de suma mxima de
cada mitad que incluye
2 llamadas recursivas los elementos centrales

Versin 4 : O(n)
/** Linear-time maximum contiguous subsequence sum
algorithm. */
{
int maxSum = 0, thisSum = 0;
for( int j = 0; j < a.length; j++ )
{
thisSum += a[ j ];
maxSum = thisSum;
else if( thisSum < 0 )
thisSum = 0;
}
return maxSum;
}

Prog 3-Clase 10 - Análisis de Algoritmos-2017 PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Prog 3-Clase 10 - Análisis de Algoritmos-2017 PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Programacin 3

Prof. Alejandra Schiavoni (ales@info.unlp.edu.ar)

Prof. Laura Fava (lfava@info.unlp.edu.ar)

Prof. Pablo Iuliano (piuliano@info.unlp.edu.ar)

Algoritmos recursivos vs.

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Clculo del T(n)

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Nos permite comparar algoritmos en

Mide la eficiencia de un algoritmo,

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

enfoque emprico (a posteriori)

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Regla de la suma y regla del producto

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

T(n) c f(n) para todo n n0

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Si T1(n)=O(f(n)) y T2(n)=O(g(n)), entonces:

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

T(n) es un polinomio de grado k T(n) = O(nk)

T(n) = logk(n) O(n) para cualquier k

T(n) = cte O(1)

T(n) = cte * f(n) T(n) = O( f(n) )

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

1.- T(n) = 3n3 + 2n2 es O(n3) ? Verdadero

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

T(n) c g(n) para todo n n0

Se lee: T(n) es omega de g(n)

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

T(n) = O(h(n)) y T(n) = (h(n))

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Logartmico log2(n) 10 10 segundos 20 20 segundos

Lineal n 103 16 minutos 106 11 das

Cuadrtico n2 106 11 das 1012 30.000 aos

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

c) switch (integer expession) {

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

b) while (boolean expression) {

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

int sum = 0; i=1

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

int i = 1; = cte1+ cte2/2 * (n+1)

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

b) While T(n) = cte1+ cte2* log(n)

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Determine el tiempo en segundos requerido por el

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

Suponga que Ud. tiene un algoritmo ALGO-1 con un

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

private void imparesypares(int n){

Prof. Alejandra Schiavoni Programacin 3 Cursada 2017

El mtodo imparesypares tiene un loop en el que: en cada iteracin se

Es la llamada al mtodo esImpar,