Algoritme

Dari Wikipedia bahasa Indonesia, ensiklopedia bebas

Diagram alur dari sebuah algoritme (Algoritme Euclid) untuk menghitung faktor persekutuan
terbesar (f.p.k.) dari dua angka a dan b dalam lokasi bernama A dan B. Algoritme dijalankan
dengan pengurangan berturut-turut dalam dua pengulangan: JIKA pengujian B >= A
menghasilkan "ya" (atau benar) (lebih akuratnya angka b dalam lokasi B lebih besar atau sama
dengan angka a dalam lokasi A) MAKA, algoritme menentukan B B - A (artinya angka b - a
menggantikan b sebelumnya). Hal yang sama, JIKA A > B, MAKA A A - B. Proses tersebut
berhenti saat (isi dari) B adalah 0, menghasilkan f.p.k. dalam A. (Algoritme tersebut diambil dari
Scott 2009:13; simbol dan gaya penggambaran dari Tausworthe 1977).

Dalam matematika dan ilmu komputer, algoritme adalah prosedur langkah-demi-langkah untuk
penghitungan. Algoritme digunakan untuk penghitungan, pemrosesan data, dan penalaran
otomatis.

Algoritme adalah metode efektif diekspresikan sebagai rangkaian terbatas [1] dari instruksi-
instruksi yang telah didefinisikan dengan baik [2] untuk menghitung sebuah fungsi.[3] Dimulai
dari sebuah kondisi awal dan input awal (mungkin kosong),[4] instruksi-instruksi tersebut
menjelaskan sebuah komputasi yang, bila dieksekusi, diproses lewat sejumlah urutan kondisi
terbatas [5] yang terdefinisi dengan baik, yang pada akhirnya menghasilkan "keluaran" [6] dan
berhenti di kondisi akhir. Transisi dari satu kondisi ke kondisi selanjutnya tidak harus
deterministik; beberapa algoritme, dikenal dengan algoritme pengacakan, menggunakan
masukan acak.[7]

Walaupun algorism-nya al-Khawarizmi dirujuk sebagai aturan-aturan melakukan aritmetika

menggunakan bilangan Hindu-Arab dan solusi sistematis dan persamaan kuadrat, sebagian
formalisasi yang nantinya menjadi algoritme modern dimulai dengan usaha untuk memecahkan
permasalahan keputusan (Entscheidungsproblem) yang diajukan oleh David Hilbert pada tahun
1928. Formalisasi selanjutnya dilihat sebagai usaha untuk menentukan "penghitungan efektif" [8]
atau "metode efektif"; [9] formalisasi tersebut mengikutkan Godel-Herbrand-Kleene fungsi
rekursif-nya Kurt Godel - Jacques Herbrand - Stephen Cole Kleene pada tahun 1930, 1934, dan
1935, kalkulus lambda-nya Alonzo Church pada tahun 1936, "Formulasi 1"-nya Emil Post pada
tahun 1936, dan Mesin Turing-nya Alan Turing pada tahun 1936-7 dan 1939. Dari definisi
formal dari algoritme di atas, berkaitan dengan konsep intuituf, masih tetap ada masalah yang
menantang. [10]

Daftar isi
1 Asal kata
2 Definisi informal
3 Formalisasi
o 3.1 Menggambarkan algoritme
4 Implementasi
5 Algoritme komputer
6 Contoh
o 6.1 Contoh Algoritme
o 6.2 Algoritme Euclid
6.2.1 Contoh
6.2.2 Bahasa komputer untuk algoritme Euclid
6.2.3 Program yang kurang elegan (inelegan) untuk algoritme Euclid
6.2.4 Program elegan untuk algoritme Euclid
o 6.3 Menguji algoritme Euclid
o 6.4 Menghitung dan meningkatkan algoritme Euclid
7 Analisis Algoritme
o 7.1 Formal lawan empiris
7.1.1 Efisiensi eksekusi
8 Klasifikasi
9 Paradigma secara rancangan
o 9.1 Permasalahan optimisasi
o 9.2 Berdasarkan bidang kajian
o 9.3 Berdasarkan kompleksitas
o 9.4 Berdasarkan tipe evaluatif
10 Algoritme berkelanjutan
11 Isu legalitas
 12 Etimologi
13 Sejarah: Perkembangan dari kata "algoritme"
o 13.1 Asal mula
o 13.2 Simbol diskrit dan yang dapat dibedakan
o 13.3 Manipulasi simbol sebagai "penampung" bilangan: aljabar
o 13.4 Rancangan mekanis dengan tingkat diskrit
o 13.5 Matematika selama abad 19 sampai pertengahan abad 20
o 13.6 Emil Post (1936) dan Alan Turing (1936-37, 1939)
o 13.7 J. B. Rosser (1939) dan S. C. Kleene (1943)
o 13.8 Sejarah setelah 1950
14 Lihat juga
15 Referensi
16 Bacaan lanjutan
17 Pranala luar

Asal kata
'Algoritme' muncul dari 'Algoritmi', bentuk Latin dari al-Khwarizmi, matematikawan, ahli
astronomi, dan ahli geografi dari Persia.[11][12]

Definisi informal
Untuk penjelasan lebih rinci dari berbagai sudut pandang mengenai definisi "algoritme", lihat
Karakterisasi Algoritme .

Definisi informalnya bisa berarti "sekumpulan aturan yang secara tepat menentukan seurutan
operasi". [13] yang mengikutkan semua program komputer, termasuk program yang tidak
melakukan perhitungan numerik. Secara umum, sebuah program hanyalah sebuah algoritme jika
ia akan berhenti nantinya. [14]

Sebuah contoh prototipikal dari suatu algoritme adalah algoritme Euclid untuk menentukan
bilangan pembagi terbesar dari dua integer; sebagai contohnya (ada contoh yang lain) dijelaskan
dengan diagram alur di atas dan sebagai contoh di bagian lanjut.

Boolos & Jeffrey (1974, 1999) memberikan sebuah makna informal dari kata algoritme dalam
persamaan berikut:

Tidak ada manusia yang dapat menulis begitu cepat, atau begitu lama, atau begitu kecil ("kecil,
dan lebih kecil tanpa batas ... anda mungkin mencoba menulis di atas molekul, atom, elektron")
untuk mencatat semua anggota dari kumpulan bilangan tak terbatas dengan menuliskan
namanya, bergantian, dalam suatu notasi. Tapi manusia bisa melakukan sesuatu yang sama
bergunanya, pada kasus kumpulan bilangan tak terbatas: Mereka dapat memberikan instruksi
jelas untuk menentukan anggota ke-n dari set, untuk n terbatas acak. Instruksi tersebut diberikan
secara eksplisit, dalam bentuk yang dapat diikuti oleh mesin penghitung, atau oleh manusia yang
mampu melakukan hanya operasi-operasi dasar dengan simbol-simbol. [15]
Suatu "bilangan tak-terbatas" adalah bilangan yang elemen-elemenya bisa berkorespondensi
satu-ke-satu dengan integer. Maka, Boolos dan Jeffrey mengatakan bahwa sebuah algoritme
berarti instruksi bagi sebuah proses yang "membuat" keluaran integer dari sebuah "masukan"
acak integer yang, secara teori, bisa sangat besar. Maka sebuah algoritme dapat berupa
persamaan aljabar seperti y = m + n -- dua variabel masukan m dan n yang menghasikan
keluaran y. Tapi berbagai penulis yang mencoba mendefinisikan persamaan tersebut mengatakan
bahwa kata algoritme mengandung lebih dari itu, sesuatu yang kurang lebih (untuk contoh
penjumlahan):

Instruksi rinci dan tepat (dalam bahasa yang dipahami oleh "komputer") [16] untuk proses
yang cepat, efisien, "baik" [17] yang menentukan "pergerakan" dari "komputer" (mesin
atau manusia, dibekali dengan informasi dan kemampuan internal yang dibutuhkan) [18]
untuk menemukan, dekode, dan kemudian mengolah masukan integer/simbol m dan n,
simbol + dan = ... dan "secara efektif" [19] menghasilkan, dalam waktu yang "masuk
akal",[20] keluaran integer y pada tempat dan format tertentu.

Konsep dari algoritme juga digunakan untuk mendefinisikan notasi dari desidabilitas. Notasi
tersebut adalah pusat untuk menjelaskan bagaimana sistem formal berasal dari sejumlah kecil
aksioma dan aturan. Dalam logika, waktu dari sebuah algoritme untuk selesai tidak dapat
dihitung, karena tidak berelasi dengan dimensi fisik kita. Dari ketidakpastian tersebut, yang
mengkarakteristikan pekerjaan yang sedang berjalan, timbulah ketidak-tersediannya definisi
algoritme yang sesuai dengan konkret (pada tingkat tertentu) dan penggunaan secara abstrak dari
istilah tersebut.

Formalisasi
Algoritme sangat penting bagi cara komputer mengolah data. Banyak program komputer
mengandung algoritme memberikan rincian pada instruksi khusus yang komputer harus lakukan
(dengan urutan tertentu) untuk menjalankan pekerjaan tertentu, seperti menghitung gaji
karyawan atau mencetak kartu rapor siswa. Maka, sebuah algoritme bisa dianggap sebagai urutan
operasi yang bisa disimulasikan oleh sebuah sistem Turing-lengkap. Penulis yang mendukung
tesis ini termasuk Minsky (1967), Savage (1987), dan Gurevich (2000):

Minsky: "Tapi kita juga menjaga, dengan Turing ... bahwa setiap prosedur yang "secara alami"
disebut efektif, bisa dinyatakan oleh mesin (sederhana). Walaupun tampaknya ekstrem, alasan
tersebut ... sukar disanggah". [21]

Gurevich: "... argumen informal Turing untuk menyokong tesis ini membenarkan tesis yang
lebih kuat: setiap algoritme bisa disimulasikan oleh sebuah mesin Turing ... menurut Savage
[1987], sebuah algoritme adalah sebuah proses penghitungan yang ditentukan oleh sebuah mesin
Turing". [22]

Biasanya, bila sebuah algoritme dihubungkan dengan pengolahan informasi, data dibaca dari
sumber masukan, ditulis ke perangkat keluaran, dan/atau disimpan untuk pengolahan
selanjutnya. Data simpanan dianggap sebagai bagian dari keadaan internal dari entitas yang
melakukan algoritme. Pada praktiknya, keadaan tersebut disimpan pada satu atau lebih struktur
data.

Untuk beberapa proses komputasi, algoritme harus ditentukan secara teliti: dijabarkan dengan
cara ia bakal berlaku untuk semua kemungkinan yang dapat timbul. Yaitu, setiap langkah
tambahan harus secara sistematis dihadapi, kasus-per-kasus; Kriteria bagi setiap kasus harus jelas
(dan bisa dihitung).

Karena sebuah algoritme adalah kumpulan dari langkah-langkah yang tepat, urutan dari
komputasi selalu penting bagi berfungsinya algoritme. Instruksi biasanya diasumsikan terdaftar
secara eksplisit, dan dijelaskan dimulai "dari atas" dan terus "ke bawah", sebuah gambaran yang
dijelaskan secara formal oleh alur kontrol

Sejauh ini, diskusi tentang formalisasi algoritme telah mengasumsikan premis dari pemrograman
imperatif. Hal ini merupakan konsepsi umum, yang mencoba menjelaskan sebuah pekerjaan
dalam makna diskrit dan "mekanis". Keunikan dari konsepsi formalisasi algoritme adalah operasi
penetapan, mengatur nilai dari sebuah variabel. Ia berasal dari intuisi "ingatan" sebagai kertas
buram. Contoh operasi penetapan tersebut ada di bawah.

Untuk konsepsi yang lain dari apa yang membentuk sebuah algoritme lihat pemrograman
fungsional dan pemrograman logika.

Menggambarkan algoritme

Algoritme dapat digambarkan dengan banyak notasi, termasuk bahasa alamiah, pseudokode,
diagram alur, bagan drakon, bahasa pemrograman atau tabel kontrol (diproses oleh penerjemah).
Ekspresi bahasa alamiah terhadap algoritme condong lebih banyak dan rancu, dan jarang
digunakan untuk algoritme yang kompleks dan teknis. Pseudokode, diagram alur, bagan drakon,
dan tabel kontrol adalah cara yang terstruktur untuk menggambarkan algoritme yang mencegah
banyaknya kerancuan pada pernyataan-pernyataan bahasa alamiah. Bahasa pemrograman
ditujukan untuk mengekspresikan algoritme dalam sebuah bentuk yang dapat dieksekusi oleh
komputer, tetapi sering kali digunakan sebagai suatu cara untuk menentukan atau
mendokumentasikan algoritme.

Ada banyak macam kemungkinan representasi dan seseorang dapat mengekspresikan sebuah
program mesin Turing sebagai urutan dari tabel-tabel mesin (lihat lebih lanjut di mesin kondisi-
terbatas, tabel transisi kondisi dan tabel kontrol), sebagai diagram alur dan bagan drakon (lihat
lebih lanjut di diagram kondisi), atau sebagai bentuk kode mesin atau kode assembly dasar yang
dikenal "kumpulan lipat empat" (lihat lebih lanjut di mesin Turing).

Representasi dari algoritme dapat dikelompokan ke dalam tiga tingkatan dari deskripsi mesin
Turing: [23]

1 Deskripsi tingkat-tinggi
 "... ditujukan untuk menjelaskan algoritme, menghiraukan rincian implementasi. Pada
tingkat ini kita tidak perlu menyebutkan bagaimana mesin mengatur perangkat pita atau
kepala pita rekam."
2 Deskripsi implementasi
"... digunakan untuk menjelaskan cara mesin Turing menggunakan kepalanya dan cara
menyimpan data. Pada tingkat ini kita tidak memberikan secara rinci kondisi atau fungsi
transisi."
3 Deskripsi formal
Lebih rinci, "tingkat paling rendah", menjelaskan "tabel kondisi" dari mesin Turing.

Sebagai contoh dari algoritme sederhana "Penjumlahan m+n" dijelaskan dalam tiga tingkatan
tersebut lihat contoh algoritme.

Implementasi
Kebanyakan algoritme ditujukan untuk diimplementasikan sebagai program komputer. Namun,
algoritme juga diimplementasikan dengan tujuan lain, seperti dalam jaringan saraf biologis
(sebagai contohnya, otak manusia yang mengimplementasikan aritmetika atau sebuah serangga
yang melihat makanan), dalam sirkuit elektris, atau dalam sebuah perangkat mekanis.

Algoritme komputer
Contoh diagram alur dari struktur Bohm-Jacopini: URUTAN (segi empat), WHILE-DO dan IF-
THEN-ELSE. Ketiga struktur dibentuk dari kondisi primitif GOTO ( IF test=true THEN GOTO
step xxx ) (wajik), GOTO tak bersyarat (segi empat), berbagai operator penetapan (segi empat),
dan HALT (bujursangkar). Memasukan struktur tersebut ke dalam blok-penetapan menghasilkan
diagram yang kompleks (cf Tausworthe 1977:100,114).

Dalam sistem komputer, sebuah algoritme pada dasarnya adalah instansi dari logika ditulis
dalam perangkat lunak oleh pengembang perangkat lunak supaya efektif untuk komputer yang
"ditargetkan" untuk mesin tertentu untuk menghasilkan keluaran dari masukan yang diberikan
(kemungkinan nul).

Program yang "elegan" (padat), program yang "baik" (cepat): Pernyataan dari "sederhana dan
elegan" muncul secara informal dalam buku Knuth dan dalam Chaitin:

Knuth: "... kita menginginkan algoritme yang baik dalam definisi estetika sederhana.
Salah satu kriterianya ... adalah waktu yang dibutuhkan untuk berjalannya algoritme ...
Kriteria yang lain adalah adaptasi dari algoritme ke komputer, kesederhanaan dan elegan,
dll" [24]
Chaitin: "... sebuah program adalah 'elegan, maksud saya adalah ia merupakan program
terkecil untuk menghasilkan keluaran." [25]
Chaitin membuka definisinya dengan: "Saya akan perlihatkan bahwa anda tidak dapat
membuktikan sebuah program adalah 'elegan'"bukti tersebut akan menyelesaikan
permasalahan perhentian (ibid).

Algoritme terhadap fungsi yang dapat dihitung oleh algoritme: Untuk sebuah fungsi bisa ada
beberapa algoritme. Hal ini benar, bahkan tanpa mengembangkan kumpulan instruksi yang ada
bagi programmer. Rogers mengamati bahwa "Sangat ... penting untuk membedakan antara
pengertian algoritme, misalnya prosedur dan pernyataan fungsi yang dihitung oleh algoritme,
misalnya pemetaan hasil dari prosedur. Fungsi yang sama bisa memiliki beberapa algoritme
berbeda". [26]

Sayangnya ada pertukaran antara kebaikan (kecepatan) dan elegan (kepadatan) -- sebuah
program yang elegan bisa melakukan lebih banyak langkah untuk menyelesaikan sebuah
komputasi daripada yang kurang elegan. Sebuah contoh yang menggunakan algoritme Euclid
bisa dilihat di bawah.

Komputer (dan komputor), model dari komputasi: Sebuah komputer (atau manusia "komputor"
[27]
) adalah tipe terbatas dari mesin, sebuah "perangkat mekanis deterministik diskrit" [28] yang
secara buta mengikuti instruksinya [29]. Model primitif dari Melzak dan Lambek [30] mereduksi
pemikiran tersebut menjadi empat elemen: (i) diskrit, lokasi yang bisa dibedakan, (ii) diskrit,
penghitung yang tak bisa dibedakan [31] (iii) sebuah agen, dan (iv) sebuah daftar instruksi yang
efektif relatif terhadap kemampuan dari agen. [32]

Minsky menjelaskan variasi yang lebih sesuai dari model "abacus"-nya Lambek dalam "Basis
Komputabilitas Paling Sederhana". [33] Mesin Minsky memproses secara berurutan lewat lima
(atau enam tergantung bagaimana seseorang menghitungnya) instruksi kecuali baik sebuah
kondisi IF-THEN GOTO atau GOTO tak bersyarat mengubah alur program keluar dari urutan.
Selain HALT, mesin Minsky mengikutkan tiga operasi penetapan (penggantian, substitusi): [34]
ZERO (misalnya, isi dari lokasi diganti oleh 0: L 0), SUCCESSOR (misalnya, L L+1), dan
DECREMENT (misalnya, L L-1). [35] Jarang seorang programer harus menulis "kode" dengan
kumpulan instruksi terbatas. Tapi Minsky memperlihatkan (sebagaimana Melzak dan Lambek)
bahwa mesinnya adalah Turing komplet dengan hanya empat tipe instruksi utama: GOTO
kondisional, GOTO tak bersyarat, penetapan/penggantian/substitusi, dan HALT. [36]

Simulasi dari sebuah algoritme: bahasa komputer (komputor): Knuth menganjurkan pembaca
bahwa "cara terbaik untuk belajar algoritme dalah mencobanya ... langsung ambil pulpen dan
kertas dan bekerja lewat contoh". [37] Lalu bagaimana dengan simulasi atau eksekusi yang
sebenarnya? Programmer harus menerjemahkan algoritme ke dalam bahasa yang mana
simulator/komputer/komputor dapat mengeksekusi secara efektif. Stone memberikan contoh dari
hal ini: saat menghitung akar dari persamaan kuadrat si komputor harus tahu bagaimana
mendapatkan akar kuadrat. Jika tidak maka supaya algoritme dapat efektif ia harus menyediakan
sejumlah aturan untuk mengekstrak akar kuadrat. [38]

Hal ini berarti programer harus tahu sebuah "bahasa" yang efektif relatif terhadap target pada
agen komputasi (komputer/komputor).
Lalu model apa yang seharusnya digunakan untuk simulasi? Van Emde Boas mengamati
"bahkan bila kita mendasari teori kompleksitas dengan mesin abstrak bukannya mesin kongkrit,
kesembarangan dari pemilihan model masih tetap ada. Pada titik itulah mulainya pemikiran
simulasi". [39] Bila kecepatan yang dihitung, jumlah instruksi berpengaruh. Sebagai contohnya,
subprogram dalam algoritme Euclid untuk menghitung sisa akan berjalan lebih cepat jika
programmer memiliki instruksi "modulus" (sisa pembagian) bukannya dengan pengurangan
(atau lebih parah: hanya "penurunan").

Pemrograman terstuktur, struktur kanonikal: Menurut Tesis Church-Turing setiap algoritme bisa
dihitung dengan sebuah model yang dikenal Turing komplet, dan menurut demonstrasi Minsky
kekomplitan Turing membutuhkan hanya empat tipe instruksiGOTO bersyarat, GOTO tak
bersyarat, penetapan, HALT. Kemeny dan Kurtz mengamati bahwa saat penggunaan GOTO tak
bersyarat yang "tak disiplin" dan IF-THEN GOTO bersyarat bisa menghasilkan "kode spageti"
seorang programer bisa menulis program terstruktur menggunakan instruksi tersebut; di lain sisi
"juga memungkinkan, dan tidak begitu sulit, untuk menulis sebuah program terstruktur yang
buruk dalam sebuah bahasa terstruktur". [40] Tausworthe menambahkan tiga struktur kanon
Bohm-Jacopini: [41] SEQUENCE, IF-THEN-ELSE, dan WHILE-DO, dengan dua lagi: DO-
WHILE dan CASE. [42] Keuntungan dari program terstruktur adalah ia cocok dengan pembuktian
kebenaran menggunakan induksi matematika. [43]

Simbol diagram alur [44]: Pembantu grafik yang disebut diagram alur memberikan suatu cara
untuk menjelaskan dan mendokumentasikan sebuah algoritme (dan program komputer). Seperti
alur program dari mesin Minsky, sebuah diagram alur selalu mulai dari atas dan terus ke bawah.
Simbol utamanya hanya 4: arah panah memperlihatkan alur program, segi empat (SEQUENCE,
GOTO), wajik (IF-THEN-ELSE), dan titik (OR). Struktur kanonikal Bohm-Jacopini dibuat dari
bentuk-bentuk primitif tersebut. Sub-struktur bisa "bersarang" dalam segi empat hanya jika jalan
keluar tunggal terjadi pada super-struktur. Simbol dan penggunaannya untuk membangun
struktur kanonikal diperlihatkan dalam diagram.

Contoh
Info lebih lanjut: Contoh algoritme

Contoh Algoritme

Animasi dari algoritme quicksort mengurutkan larik dari nilai acak. Batang merah menandakan
elemen pivot; pada awal animasi, elemen paling kanan dipilih sebagai pivot.
Salah satu dari algoritme sederhana adalah menemukan bilangan terbesar dalam sebuah deretan
angka (tak berurut). Solusinya membutuhkan pemeriksaan setiap angka dalam deret, tetapi hanya
sekali. Dari hal ini munculah algoritme sederhana, yang bisa dinyatakan dalam kalimat bahasa
deskripsi tingkat-tinggi, sebagai:

Deskripsi tingkat-tinggi:

1. Jika tidak ada angka dalam deret makan tidak ada bilangan terbesar.
2. Asumsikan item pertama dalam deret adalah yang terbesar.
3. Untuk setiap sisa angka dalam deret, jika angka tersebut besar dari angka terbesar
sekarang, anggap angka tersebut menjadi yang terbesar dalam deret.
4. Bila tidak ada lagi angka yang tersisa pada deret untuk diperiksa, anggap angka terbesar
sekarang menjadi angka yang terbesar dalam deret.

Deskripsi (Quasi-)formal: Ditulis dalam kalimat yang lebih dekat dengan bahasa tingkat-tinggi
dari program komputer, berikut ini adalah kode formal dari algoritme dalam pseudokode atau
kode pijin:

Algoritma LargestNumber
Masukan: Deret angka L.
Keluaran: Angka terbesar dalam daftar L.
terbesar Lnull
untuk setiap item dalam L, lakukan
jika item > terbesar, maka
terbesar item
kembalikan terbesar

"" adalah singkatan untuk "diubah menjadi". Misalnya, "terbesar item" artinya nilai dari terbesar
diubah menjadi nilai dari item.
"kembalikan" mengakhiri algoritma dan mengeluarkan nilai kembalian.

Algoritme Euclid

Info lebih lanjut: Algoritme Euklid

Contoh diagram dari algoritme Euclid dari T.L. Health 1908 dengan rincian tambahan. Euclid
tidak sampai pada penghitungan ketiga dan tidak memberikan contoh numeris. Nocomachus
memberikan contoh dari 49 dan 21: "Saya mengurangi yang kecil dari yang besar; 28 adalah
yang kiri; kemudian saya kurangi lagi 21 (hal ini memungkinkan); tersisa 7, tetapi 7 tidak bisa
dikurangi dari 7." Heath berkomentar bahwa, "Kalimat terakhir terdengar aneh, tetapi maknanya
sangat jelas, begitu juga makna dari kalimat tentang mengakhiri 'dengan satu dan angka yang
sama'."(Heath 1908:300).

Algoritme Euclid muncul sebagai Proposisi II dalam Book VII ("Elementary Number Theory")
dari Elements. [45] Euclid mengajukan permasalahan: "Ambil dua angka bukan prima, untuk
mencari bilangan pembagi terbesar". Dia menentukan "Sebuah angka [merupakan] besaran yang
terdiri dari unit-unit": angka penghitung, integer positif kecuali 0. Dan "mengukur" adalah
menempatkan ukuran panjang terkecil s dengan tepat (q kali) di antara ukuran terpanjang l
sampai sisa r lebih kecil dari panjang terkecil s. [46] Dalam dunia modern, sisa r = l - q*s, q
sebagai hasil bagi, atau sisa r adalah "modulus", bagian sisa-integer yang tersisa setelah
pembagian. [47]

Supaya metode Euclid berhasil, panjang awalnya harus memenuhi dua kebutuhan: (i) panjangnya
tidak 0, DAN (ii) hasil pengurangan harus "lebih", sebuah pengujian harus menjamin bahwa
bilangan terkecil dari dua angka adalah hasil pengurangan dari yang terbesar (cara lain, keduanya
bisa sama sehingga pengurangan menghasilkan 0).

Pembuktian asli Euclid mengikutkan kebutuhan yang ketiga: kedua panjang bukanlah bilangan
prima. Euclid menentukan hal ini supaya dia bisa membentuk sebuah bukti reductio ad absurdum
bahwa dua pembagi dua angka adalah yang terbesar. [48] Walau algoritme Nicomachus sama
dengan Euclid, bila kedua bilangan prima maka menghasilkan angka "1" untuk bilangan pembagi
terbesar. Jadi untuk lebih jelasnya algoritme berikut adalah algoritme Nicomachus.

Contoh

Ekspresi grafik dari algoritme Euclid menggunakan contoh dengan 1599 dan 650.
1599 = 650*2 + 299
650 = 299*2 + 52
299 = 52*5 + 39
52 = 39*1 + 13
39 = 13*3 + 0
Bahasa komputer untuk algoritme Euclid

Hanya beberapa tipe instruksi yang dibutuhkan untuk mengeksekusi algoritmebeberapa tes
logika (GOTO bersyarat), GOTO tak bersyarat, penetapan (penggantian), dan pengurangan.

Sebuah lokasi disimbolkan dengan huruf besar, misalnya, S, A, dll.

Kuantitas beragam (angka) dalam sebuah lokasi ditulis dengan huruf kecil dan (biasanya)
dihubungkan dengan nama lokasi. Sebagai contohnya, lokasi L pada awal bisa
mengandung angka l = 3009.

Program yang kurang elegan (inelegan) untuk algoritme Euclid

"Inelegan" adalah terjemahan dari versi Knuth terhadap algoritme berdasarkan pengulangan-sisa
mengganti pembagian (atau instruksi "modulus"). Diambil dari Knuth 1973:2-4. Bergantung
pada kedua angka "Inelegan" bisa menghitung f.p.k dengan sedikit langkah daripada "elegan".

Algoritme berikut disebut sebagai versi Euclid dan Nichomachus 4-langkah-nya Knuth, tetapi
bukannya menggunakan pembagi untuk menentukan sisa ia menggunakan pengurangan berturut-
turut dari panjang terkecil s dari sisa panjang r sampai r kurang dari s. Deskripsi tingkat-tinggi,
diperlihatkan dengan tulisan tebal, diadaptasi dari Knuth 1973:2-4:

INPUT:

1 [Kedalam dua lokasi L dan S taruh angka l dan s yang merepresentasikan

kedua panjang]:
INPUT L, S
2 [Inisialisasi R: buat supaya sisa panjang r sama dengan panjang awal l]
R L

E0: [Pastikan r s.]

3 [Pastikan angka terkecil dari kedua angka ada dalam S dan yang terbesar di
R]:
IF R > S THEN
isi dari L adalah angka terbesar jadi lewati langkah 4, 5 dan 6:
GOTO step 6
ELSE
tukar isi R dan S.
4 L R (langkah pertama ini berlebih, tetapi berguna untuk diskusi nanti).
5 R S
6 S L

E1: [Cari sisa]: Sampai sisa panjang r di R kurang dari panjang terkecil s pada S, kurangi angka
s dalam S berulang kali dari sisa panjang r dalam R.

7 IF S > R THEN
selesai mengukur jadi
GOTO 10
ELSE
ukur lagi,
8 R R - S
9 [Pengulangan-sisa]:
GOTO 7.

E2: [Apakah sisa 0?]: APAKAH (i) pengukuran terakhir adalah sama dan sisa di R adalah 0
program dapat berhenti, ATAU (ii) algoritme harus terus jalan: hasil pengukuran meninggalkan
sisa di R kurang dari angka pengukuran dalam S.

10 IF R = 0 THEN
selesai jadi
GOTO langkah 15
ELSE
lanjut ke langkah 11,

E3: [Interchange s dan r]: Sulitnya algoritme Euclid. Menggunakan sisa r untuk mengukur
angka terkecil sebelumnya s:; L sebagai lokasi sementara.

11 L S
12 R S
13 S L
14 [Ulang proses pengukuran]:
GOTO 7

OUTPUT:

15 [Selesai. S berisi faktor persekutuan terbesar]:

PRINT S
DONE:

16 HALT, END, STOP.

Program elegan untuk algoritme Euclid

Versi algoritme Euclid berikut hanya membutuhkan 6 instruksi inti untuk melakukan 13 langkah
pada solusi "inelegan"; parahnya, "inelegan" membutuhkan tipe instruksi lebih banyak. Diagram
alur dari "elegan" bisa dilihat pada bagian atas artikel ini. Dalam bahasa Basic (tak terstruktur)
langkahnya diberi nomor, dan instruksi LET [] = [] adalah instruksi penetapan disimbolkan
dengan .

5 REM Algoritme Euclid untuk faktor persekuturan terbesar

6 PRINT "Masukan dua integer besar dari 0"
10 INPUT A,B
20 IF B=0 THEN GOTO 80
30 IF A > B THEN GOTO 60
40 LET B=B-A
50 GOTO 20
60 LET A=A-B
70 GOTO 20
80 PRINT A
90 END

Bagaimana cara kerja "Elegan": Sebagai pengganti "pengulangan Euclid" luar, "Elegan"
mengulang antara dua pengulangan, pengulangan A > B yang menghitung A A - B, dan
pengualang B A yang menghitung B B - A. Hal ini bekerja karena, saat yang dikurang M
lebih kecil pengurang S ( Selisih = pengurang - yang_di_kurang ), yang_dikurang bisa menjadi s
(panjang pengukuran yang baru) dan pengurang bisa menjadi r yang baru (panjang yang akan
diukur); dengan kata lain "arti" dari pengurangan dibalik.

Menguji algoritme Euclid

Apakah algoritme berjalan seperti yang penulis inginkan? Beberapa kasus uji cukup menentukan
fungsi inti. Sumber pertama [49] menggunakan 3009 dan 884. Knuth menyarankan 40902, 24140.
Kasus menarik lainnya yaitu dua angka relatif prima 14157 dan 5950.

Tapi kasus pengecualian harus teridentifikasi dan diuji. Apakah "inelegan" berjalan benar saat R
> S, S > R, R = S? Sama juga dengan "Elegan": B > A, A > B, A = B? (Semuanya benar). Apa
yang terjadi bila salah satu bilangan nol, atau keduanya nol? ("Inelegan" terus berjalan pada
kedua kasus; "elegan" terus berjalan saat A = 0.) Apa yang terjadi bila angka negatif dimasukan?
Angka desimal? Bila angka masukan, misalnya domain dari fungsi yang dihitung oleh
algoritme/program, mengikutkan hanya integer positif termasuk 0, maka kegagalan pada nol
mengindikasikan bahwa algoritme (dan program instansiasinya) adalah sebuah fungsi parsial
bukannya fungsi total. Kesalahan yang terkenal karena eksepsi adalah kegagalan roket Ariane V.

Bukti dari kebenaran program menggunakan induksi matematika: Knuth mendemonstrasikan

penggunaan induksi matematika untuk versi "pengembangan" dari algoritme Euclid, dan dia
mengajukan "metode umum yang digunakan untuk membuktikan validitas dari setiap algoritme."
[50]
Tausworthe mengajukan bahwa sebuah pengukuran dari kompleksitas dari sebuah program
adalah panjang dari pembuktian kebenarannya. [51]

Menghitung dan meningkatkan algoritme Euclid

Elegan (kepadatan) lawan kebaikan (kecepatan): Dengan hanya 6 instruksi dasar, "Elegan"
adalah jelas pemenang dibandingkan dengan instruksi "inelegan" dengan 13 instruksi. Namun,
"inelegan" lebih cepat (ia sampai pada HALT dengan langkah lebih sedikit). Analisis algoritme
[52]
mengindikasikan kenapa hal tersebut terjadi: "Elegan" melakukan pengujian kondisi dua kali
disetiap pengulangan pengurangan, sementara "inelegan" hanya sekali. Bila algoritme (biasanya)
membutuhkan banyak pengulangan, secara rata-rata lebih banyak waktu yang terbuang saat
melakukan tes "B = 0?" yang hanya diperlukan saat sisa sudah dihitung.

Bisakah algoritme ditingkatkan?: Bila programmer sudah menilai sebuah program "cocok" dan
"efektif"yaitu, ia menghitung fungsi yang ditujukan oleh penulisnyamaka pertanyaannya
menjadi, bisakah ditingkatkan?

Kepadatan dari "inelegan" bisa ditingkatkan dengan menghilangkan 5 langkah. Tapi Chaitin
membuktikan bahwa memadatkan algoritme tidak bisa diotomatiskan dengan algoritme
generalisasi; [53] tapi, ia bisa dilakukan secara heuristik, misalnya dengan pencarian menyeluruh
(contohnya bisa ditemukan di Berang sibuk), coba dan gagal, kecerdasan, kedalaman,
penggunaan penalaran induktif, dll. Bisa diamati bahwa langkah 4, 5, dan 6 diulang pada langkah
11, 12, dan 13. Pembandingan dengan "Elegan" menyediakan petunjuk langkah-langkah tersebut
dengan langkah 2 dan 3 dapat dihilangkan. Hal ini mereduksi jumlah instruksi dasar dari 13
menjadi 8, yang membuatnya "lebih elegan" dari "Elegan" dengan 9 langkah.

Kecepatan "Elegan" bisa ditingkatkan dengan memindahkan tes B=0? keluar dari pengulangan.
Perubahan ini memerlukan penambahan 3 instruksi (B=0?, A=0?, GOTO). Sekarang "Elegant"
menghitung contoh-angka lebih cepat; untuk setiap angka pada A, B dan R, S hal ini selalu
merupakan kasus yang membutuhkan analisis yang mendalam.

Analisis Algoritme
Artikel utama untuk bagian ini adalah: Analisis algoritme

Sangat penting untuk mengetahui berapa banyak sumber tertentu (seperti waktu dan tempat
penyimpanan) secara teoretis diperlukan untuk sebuah algoritme. Metode-metode telah
dikembangkan untuk analisis algoritme untuk mendapatkan jawaban kuantitatif (estimasi);
sebagai contohnya, algoritme pengurutan di atas memerlukan waktu O(n), menggunakan notasi
O besar dengan n sebagai panjang deret (yang akan diurut). Setiap saat algoritme hanya perlu
mengingat dua nilai: nilai terbesar yang ditemukan, dan posisinya sekarang dideretan input. Oleh
karena itu dikatakan memiliki kebutuhan ruang O(1), jika ruang yang dibutuhkan untuk
menyimpan angka masukan tidak dihitung, atau O(n) jika dihitung.
Algoritme berbeda mungkin menyelesaikan pekerjaan yang sama dengan kumpulan instruksi
yang berbeda dengan waktu, ruang, atau 'usaha' lebih sedikit atau banyak dari yang lain. Sebagai
contohnya, algoritme pencairan binari biasanya mengungguli pencarian berderet secara paksa
bila digunakan untuk tabel pencarian pada deret terurut.

Formal lawan empiris

Artikel utama untuk bagian ini adalah: Algoritme empiris, Profiling (pemrograman
komputer), dan Optimisasi program

Analisis dan kajian algoritme adalah bidang dari ilmu komputer, dan biasanya dilakukan secara
abstrak tanpa menggunakan bahasa pemrograman tertentu atau implementasi. Dalam artian,
analisis algoritme mirip dengan bidang matematika lainnya yang mana fokus pada properti yang
mendasari algoritme dan bukan pada implementasi tertentu. Biasanya pseudokode digunakan
pada analisis karena merupakan representasi paling umum dan sederhana. Namun, pada
akhirnya, kebanyakan algoritme diimplementasikan di perangkat keras / lunak tertentu dan
efisiensi algoritmik mereka akhirnya diuji menggunakan kode yang sebenarnya. Untuk solusi
dari sebuah masalah, efisiensi dari algoritme tertentu mungkin tidak terlalu berpengaruh (kecuali
n sangat besar) tetapi bagi algoritme yang dirancang untuk kecepatan interaktif, komersial, atau
penggunaan ilmiah jangka panjang ia bisa saja kritikal. Meningkatkan n dari kecil ke n yang
besar biasanya menunjukan ketak efisienan algoritme yang tidak berbahaya.

Pengujian empiris berguna karena bisa membuka interaksi tak terduga yang mempengaruhi
performa. Benchmark bisa digunakan untuk membandingkan potensi kenaikan sebelum/sesudah
algoritme setelah optimisasi program dilakukan.

Efisiensi eksekusi

Artikel utama untuk bagian ini adalah: Efisiensi algoritmik

Untuk menggambarkan kemungkinan potensi peningkatan bahkan pada algoritme yang sudah
teruji, inovasi terbaru, berkaitan dengan algoritme FFT (banyak digunakan di bidang pemrosesan
gambar), bisa menurunkan waktu pemrosesan dengan faktor sampai 1.000 untuk aplikasi seperti
pencitraan medis. [54] Secara umum, peningkatan kecepatan bergantung pada properti khusus dari
permasalahan, yang mana sangat umum pada aplikasi praktis. [55] Percepatan dengan tingkat
seperti itu membolehkan perangkat komputasi yang sering menggunakan pemrosesan gambar
(seperti kamera digital dan peralatan medis) menghabiskan daya yang lebih sedikit.

Klasifikasi
Salah satu cara mengklasifikasikan algoritme yaitu dengan cara implementasi.

Rekursi atau iterasi

Sebuah algoritme rekursi yaitu algoritme yang memanggil dirinya sendiri berulang kali
sampai kondisi tertentu tercapai, ini merupakan metode umum bagi pemrograman
 fungsional. Algoritme iteratif menggunakan konstruksi berulang seperti pengulangan dan
terkadang struktur data tambahan seperti tumpukan untuk menyelesaikan permasalahan.
Beberapa permasalahan secara alami cocok dengan satu implementasi atau lainnya.
Sebagai contoh, Menara Hanoi dikenal dengan implementasi rekursif. Setiap versi
rekursif memiliki kesamaan (tapi bisa lebih atau kurang kompleks) dengan versi iteratif,
dan sebaliknya.
Logical
Sebuah algoritme bisa dilihat sebagai logika deduksi terkontrol. Pernyataan ini
diekspresikan sebagai: Algoritme = logika + kontrol.[56] Komponen logika
mengekspresikan aksioma yang bisa digunakan dalam komputasi dan komponen kontrol
menentukan cara deduksi digunakan pada aksioma. Ini merupakan dasar dari paradigma
pemrograman logika. Dalam bahasa pemrograman logika murni komponen kontrol
adalah tetap dan algoritme ditentukan dengan memberikan hanya komponen logikanya.
Daya tarik dari pendekatan ini adalah semantik elegan: sebuah perubahan dalam aksioma
memiliki perubahan dalam algoritme.
Serial, paralel atau terdistribusi
Algoritme biasanya dibicarakan dengan asumsi bahwa komputer menjalankan satu
instruksi algoritme setiap waktu. Komputer tersebut terkadang disebut dengan komputer
serial. Rancangan algoritme untuk lingkungan tersebut disebut dengan algoritme serial,
terbalik dengan algoritme paralel atau algoritme terdistribusi. Algoritme paralel
memanfaatkan arsitektur komputer yang mana beberapa prosesor bisa mengerjakan
masalah di waktu yang sama, selain itu algoritme terdistribusi memanfaatkan banyak
mesin yang terhubung dengan jaringan. Algoritme paralel atau terdistribusi membagi
permasalahan menjadi banyak sub-masalah simetris atau asimetris dan mengumpulkan
hasilnya kembali. Konsumsi sumber pada algoritme tersebut tidak hanya perputaran
prosesor disetiap prosesor tetapi juga daya komunikasi antara prosesor. Algoritme
pengurutan bisa diparalelkan secara efisien, tetapi biaya komunikasinya sangat mahal.
Algoritme iteratif secara umum bisa diparalelkan. Beberapa permasalahan tidak ada
algoritme paralelnya, dan disebut dengan permasalahan serial lahiriah.
Deterministik atau non-deterministik
Algoritme deterministik menyelesaikan masalah dengan keputusan yang tepat disetiap
langkah dari algoritme sedangkan algoritme non-deterministik menyelesaikan masalah
lewat penerkaan walaupun penerkaan biasanya lebih akurat dengan menggunakan
heuristik.
Tepat atau perkiraan
Bila banyak algoritme sampai pada solusi yang tepat, algoritme perkiraan mencari sebuah
perkiraan yang terdekat dengan solusi benarnya. Perkiraan bisa menggunakan baik
strategi deterministik atau acak. Algoritme seperti itu memiliki nilai guna untuk banyak
permasalahan sulit.
Algoritme quantum
Berjalan di model realistik dari komputasi quantum. Istilah ini biasanya digunakan untuk
algoritme yang tampak pada dasarnya quantum, atau menggunakan beberapa fitur
penting komputasi quantum seperti superposisi quantum atau belitan quantum.

Paradigma secara rancangan

Cara lain mengklasifikasikan algoritme adalah dengan metodologi rancangannya atau paradigma.
Ada sejumlah paradigma, tiap-tiapnya berbeda dari yang lain. Lebih lanjut, setiap kategori
tersebut mengikutkan banyak tipe algoritme yang berbeda. Beberapa paradigma umum termasuk:

Pencarian paksa atau pencarian mendalam

Ini merupakan metode naif mencoba setiap kemungkinan solusi untuk melihat yang
terbaik.[57]
Membagi dan menaklukan (Divide and conqueror)
Algoritme bagi dan takluk secara berulang mereduksi instansi jumlah masalah menjadi
satu atau lebih kecil instasi masalah yang sama (biasanya secara rekursif) sampai instansi
cukup kecil diselesaikan dengan mudah. Salah satu contoh bagi dan takluk adalah
pengurutan gabung. Pengurutan dapat dilakukan disetiap segmen data setelah membagi
data menjadi segmen-segmen dan urutan seluruh data bisa didapat pada fase takluk
dengan menggabungkan segmen-segmen. Variasi sederhana dari bagi-dan-takluk disebut
algoritme kurang dan takluk, yang menyelesaikan sub-masalah yang sama dan
menggunakan solusi dari sub-masalah tersebut untuk menyelesaikan masalah yang lebih
besar. Bagi dan takluk membagi permasalahan menjadi banyak sub-masalah dan
sehingga tahap takluk lebih kompleks daripada algoritme kurang-dan-taklukan. Sebuah
contoh dari algoritme kurang-dan-taklukan adalah algoritme pencarian binari.
Pencarian dan enumerasi
Banyak masalah (seperti bermain catur) bisa dimodelkan sebagai masalah dalam grafik.
Sebuah algoritme eksplorasi grafik menentukan aturan-aturan untuk bergerak disekitar
grafik dan berguna bagi masalah tersebut. Kategori ini juga mengikutkan algoritme
pencarian, enumerasi batas dan cabang dan backtracking.
Algoritme pengacakan
Algoritme ini membuat pilihan secara acak (atau pseudo-acak). Ia sangat berguna untuk
menemukan solusi perkiraan untuk masalah dimana solusi yang pasti tidak praktis (lihat
metode heuristik di bawah). Untuk beberapa masalah, diketahui bahwa perkiraan tercepat
harus mengikutkan beberapa pengacakan.[58] Apakah algoritme pengacakan dengan
kompleksitas waktu polinomial bisa menjadi algoritme tercepat untuk beberapa masalah
masih menjadi pertanyaan terbukan yang dikenal sebagai Masalah P versus NP. Ada dua
kelas besar dari algoritme ini:

1. Algoritme Monte Carlo mengembalikan jawaban yang benar dengan probabilitas-tinggi.

Misalnya, RP adalah sub-klas dari algoritme ini yang berjalan dalam waktu polinomial)
2. Algoritme Las Vegas selalu mengembalikan jawaban yang benar, tetapi waktu prosesnya
adalah hanya terikat secara probabilistik, misalnya ZPP.

Reduksi
Teknik ini menyelesaikan masalah sulit dengan mengubahnya menjadi permasalahan
yang lebih diketahui yang mana kita (berharap) memiliki algoritme asimptotikal optimal.
Tujuannya yaitu untuk menemukan sebuah algoritme reduksi yang kompleksitasnya tidak
didominasi oleh algoritme hasil reduksi. Sebagai contoh, algoritme seleksi untuk
menemukan rata-rata dalam daftar tak terurut mengikutkan mengurutkan daftar (bagian
yang paling mahal) dan menarik elemen paling tengah dalam daftar terurut (bagian yang
paling mudah). Teknik ini juga diketahui dengan ubah dan taklukan.
Permasalahan optimisasi

Pemrograman Linear
Saat mencari solusi optimal terhadap sebuah fungsi linear yang terikat persamaan linear
dan ketidaksamaan konstrain, batasan dari permasalahan bisa digunakan secara langsung
untuk menghasilkan solusi optimal. Ada algoritme yang dapat memecahkan setiap
permasalahan dalam kategori ini, seperti algoritme simpleks yang terkenal.[59]
Permasalahan yang dapat diselesaikan dengan pemrograman linear termasuk
permasalahan alur maksimum untuk grafik terarah). Jika sebuah masalah sebagai
tambahan membutuhkan satu atau lebih jawaban haruslah integer maka ia diklasifikan
dalam pemrograman integer. Algoritme pemrograman linear dapat menyelesaikan
masalah seperti itu jika dapat dibuktikan bahwa semua batasan untuk nilai integer adalah
tidak benar, yaitu solusi memenuhi batasan tersebut. Pada kasus umum, algoritme yang
dikhususkan atau algoritme yang menemukan solusi perkiraan digunakan, bergantung
pada kesulitan dari permasalahan.
Pemrograman dinamis
Bila sebuah masalah memperlihatkan substruktur optimal, artinya solusi optimal terhadap
sebuah masalah bisa direkonstruksi dari solusi optimal ke sub-masalah, dan submasalah
tumpang-tindih, artinya sub-masalah yang sama digunakan untuk menyelesaikan banyak
instasi masalah berbeda, pendekatan tercepat disebut pemrograman dinamis menghindari
penghitungan solusi yang telah dikomputasi. Sebagai contoh, algoritme Floyd-Warshall,
jalan terpendek ke tujuan dari sebuah vertex dalam grafik berbobot bisa ditemukan
dengan menggunakan jalan terpendek ke tujuan dari semua simpul yang berdekatan.
Pemrograman dinamis dan memoisasi berpadanan. Perbedaan utama antara pemrograman
dinamis dan bagi-dan-taklukan adalah submasalah kurang lebih independen dalam bagi-
dan-taklukan, sementara submasalah tumpang tindik dalam pemrograman dinamis.
Perbedaaan antara pemrograman dinamis dan rekursi langsung adalah dalam 'caching'
atau memoisasi dari pemanggialan rekursif. Saat submasalah independen dan tidak ada
pengulangan, memoisasi tidak membantu sama sekali; makanya pemrograman dinamis
bukalanh solusi untuk semua permasalahan kompleks. Dengan menggunakan memoisasi
atau tabel dari submasalah yang telah diselesaikan, pemrograman dinamis mereduksi
eksponensial dari banyak permasalahan menjadi kompleksitas polinomial.
Metode rakus
Sebuah algoritme rakus mirip dengan algoritme pemrograman dinamis, tetapi
perbedaannya adalah solusi dari submasalah tidak harus diketahui pada setiap tahap;
melainkan pilihan yang "rakus" bisa dibuat dengan melihat apa yang terbaik untuk saat
tersebut. Metode rakus mengembangkan solusi dengan kemungkinan keputusan yang
terbaik (bukan dengan keputusan yang ada) pada tahap algoritmis berdasarkan optimasi
lokal yang ada sekarang dan keputusan yang terbaik (bukan semua kemungkinan
keputusan) yang dibuat pada langkah sebelumnya. Algoritme ini tidak terlalu mendalam,
dan tidak memberikan jawaban yang akurat terhadap banyak permasalahan. Tapi bila ia
bekerja, ia menjadi metode yang paling cepat. Algoritme rakus paling terkenal adalah
menemukan rentang pohon minimal seperti pada Pohon Huffman, Kruskal, Prim, Sollin.
Metode heuristik
Dalam masalah optimisasi, algoritme heuristik bisa digunakan untuk menemukan suatu
solusi yang terdekat dengan solusi optimal jika seandainya menemukan solusi optimal
 tidak praktis. Algoritme ini bekerja dengan mendekati sedikit demi sedikit ke solusi
optimal saat ia berjalan. Secara prinsipnya, jika dijalankan tanpa batas waktu, ia akan
menemukan solusi optimal. Kebaikan mereka adalah mereka dapat menemukan suatu
solusi sangat dekat dengan solusi optimal dalam waktu yang relatif sangat pendek.
Algoritme tersebut termasuk pencarian lokal, pencarian tabu, simulasi pelunakan, dan
algoritme genetik. Beberapa dari mereka, seperti simuasi pelunakan, adalah algoritme
non-deterministik sementara yang lainnya, seperti pencarian tabu, adalah deterministik.
Saat batas dari galat dari solusi non-optimal diketahui, algoritme kemudia dikategorikan
sebagai algoritme pendekatan.

Berdasarkan bidang kajian

Lihat pula: Daftar algoritme

Setiap bidang sains memiliki permasalahannya sendiri dan membutuhkan algoritme yang efisien.
Masalah yang berkaitan di satu bidang terkadang dipelajari bersama. Beberapa contoh yaitu
algoritme pencarian, algoritme penggabungan, algoritme numerik, algoritme grafik, algoritme
deret, algoritme komputasi geometri, algoritme kombinatorial, algoritmas medis, mesin belajar,
kriptografi, algoritme kompresi data dan teknik penguraian.

Terkadang bidang-bidang tersebut saling tumpang tindih, dan perkembangan algoritme di satu
bidang bisa meningkatkan bidang lainnya yang terkadang tidak berkaitan. Sebagai contohnya,
pemrograman dinamis ditemukan untuk optimisasi konsumsi sumber daya dalam industri, tetapi
sekarang digunakan untuk menyelesaikan sejumlah besar permasalahan dalam banyak bidang.

Berdasarkan kompleksitas

Lihat pula: kelas kompleksitas dan Kompleksitas parameterisasi

Algoritme bisa diklasifikasikan berdasarkan jumlah waktu yang dibutuhkan untuk selesai
dibandingkan dengan ukuran inputnya. Ada berbagai varietas: beberapa algoritme selesai dalam
waktu linear relatif terhadap ukuran input, beberapa selesai dalam jumlah waktu yang
eksponensial atau lebih buruh, dan beberapa berhenti. Sebagai tambahan, beberapa masalah bisa
memiliki berbagai algoritme dengan kompleksitas yang berbeda, sementara permasalahan yang
lain bisa saja tidak memiliki algoritme atau tidak diketahui algoritmanya yang efisien. Ada juga
pemetaan dari beberapa algoritme terhadap permasalahan lain. Karena itu, lebih cocok untuk
mengklasifikasikan permasalahan itu sendiri bukannya algoritme menjadi kelas-kelas yang sama
berdasarkan kompleksitas dari kemungkinan algoritme terbaik baginya.

Burgin (2005, p. 24) menggunakan definisi algoritme secara umum yang melonggarkan
kebutuhan bersama yang keluaran dari algoritme yang menjalankan sebuah fungsi harus
ditentukan setelah sejumlah langkah. Dia mendefinisikan kelas super-rekursif dari algoritme
sebagai "sebuah kelas algoritme yang mana memungkinkan untuk menghitung fungsi yang tidak
bisa dihitung oleh mesin Turing manapun" (Burgin 2005, p. 107). Hal ini berkaitan dekat dengan
kajian dari metode hiperkomputasi.
Berdasarkan tipe evaluatif

Lihat pula: Keragaman evaluatif

Untuk menjaga keseimbangan saat mengintegrasikan mesin ke dalam masyarakat, seseorang bisa
mengklasifikasikan algoritme berdasarkan tipe dari evaluasi yang mereka lakukan. Sejumlah
filsuf telah berhipotesis bahwa masyarakat diuntungkan dari keragaman evaluatif seperti mereka
diuntungkan keragaman jender dan tipe darah (misalnya, Dean 2012, Sober & Wilson 1998)
Hertzke & McConkey 1998, dan Bellah 1985). Teknologi dapat mengancam ekosistem moral
tersebut seperi spesies invasif jika ia mengganggu campuran keragaman. Wallach & Allen
(2008) mengklasifikasikan algoritme pembuat-keputusan menjadi tiga tipe evaluatif: Algoritme
bottom-up membuat penilaian tidak terprediksi bagi pemrogram (misalnya, perangkat lunak yang
berevolusi). Yang lainnya (top-down) dibagi menjadi deontologikal (yang dapat bergantung pada
implementasi aturan pemrograman) lawan consequensialis (yang mengandalkan pada
memaksimalkan perkiraan pemrograman). Sebagai contohnya, sebuah kalkulator standar
termasuk deontologikal, sementara mesin pembelajaran untuk perdagangan saham termasuk
consequensialis.

Santos-Lang mengganti nama deontologikal dan consequensialis menjadi kelas "institusional"

dan "negosiator" dengan tujuan untuk menghindari implikasi bahwa semua teori-teori etika
deontologikal dan consequensialis bisa diimplementasikan sebagai algoritme, dan membagi kelas
bottom-up menjadi "pengganggu" (algoritme yang tidak terprediksi karena menggunakan
generator pengacakan) lawan "relasional" (algoritme yang tidak terprediksi karena efek
jaringan). Seorang mutator dalam komputasi evolusioner bisa menjadi contoh dari pengganggu,
sementara kelas 3 atau 4 dari otomata sellular adalah contoh dari mesin relasional. Santos-Lang
mencatat bahwa algoritme terkadang memiliki subkomponen dari tipe lainnya. Sebagai
contohnya, negosiator perdagangan saham bisa mengimplementasikan sebuah algoritme genetik,
dan memiliki mutator pengganggu, dan mutator bisa memiliki subkomponen institusional dan
relasional, semua komputasi adalah relasional pada tingkat di jajaran kimiawi (Santos-Lang
2014).

Algoritme berkelanjutan
Kata sifat "berkelanjutan" bila diterapkan pada kata "algoritme" bisa berarti:

Sebuah algoritme beroperasi pada data yang merepresentasikan kuantitas yang

berkelanjutan, walaupun data tersebut direpresentasikan oleh pendekatan diskritseperti
algoritme yang dipelajari dalam analisis numerik; atau
Sebuah algoritme dalam bentuk dari persamaan diferensial yang beroperasi secara
berkelanjutan terhadap data, berjalan dalam sebuah komputer analog.
[60]

Isu legalitas
 Lihat pula: Paten perangkat lunak untuk pendahuluan umum dari paten pada perangkat
lunak, termasuk algoritme untuk diimplementasikan pada komputer.

Algoritme biasanya tidak dipatenkan. Di Amerika Serikat, sebuah klaim yang terdiri hanya dari
manipulasi sederhana dari konsep abstrak, angka, atau sinyal tidak berarti suatu "process" (SPTO
2006), dan oleh karena itu algoritme tidak bisa dipatenkan (sebagaimana dalam Gottschalk v.
Benson). Namun, penerapan praktis dari algoritme terkadang dipatenkan. Sebagai contohnya,
dalam Diamond v. Diehr, aplikasi dari algoritme umpan-balik sederhana untuk membantu dalam
menyembuhkan karet sintetis dianggap dapat dipatenkan. Mematenkan perangkat lunak sangat
kontroversial, dan ada paten yang mengikutkan algoritme yang sangat dikritisi, terutama
algoritme kompresi data, seperti Format Grafiknya Unisys.

Sebagai tambahan, beberapa algoritme kriptografi memiliki batasan ekspor (lihat ekspor dari
kriptografi).

Etimologi
Kata "Algoritme", atau "Algorisma" pada versi penulisan lain, datang dari nama al-Khwarizmi.
dieja dalam Arab klasik sebagai Al-Khwarithmi. Al-khwarizmi (bahasa Persia: ,
780-850) adalah matematikawan, ahli astronomi, ahli geografi dari Persia dan sarjana House of
Wisdom di Baghdad, yang arti namanya "penduduk asli Khwarezm", sebuah kota yang
merupakan bagian dari Wilayah Iran pada masanya dan sekarang Uzbekistan. [11] [12] Sekitar
tahun 825, dia menulis risalah dalam bahasa Arab, yang diterjemahkan dalam Latin pada abad
ke-12 dengan judul Algoritmi de numero Indorum. Judul ini artinya "Algoritmi pada bilangan
India", di mana "Algoritmi" adalah pelatinan penerjemah dari nama Al-Khwarizmi. [61] Al-
Khwarizmi dulunya adalah matematikawan yang paling banyak dibaca di Eropa pada akhir Abad
Pertengahan, pada umum lewat bukunya yang lain, Aljabar. [62] Pada akhir abad pertengahan,
algorismus, perubahan dari namanya, berarti "sistem bilangan desimal" yang masih merupakan
arti dari kata Inggris modern algorism. Pada abad ke-17 Prancis kata tersebut berubah, tetapi
tidak maknanya, menjadi algorithme. Inggris mengadopsi Prancis setelahnya, tetapi tidak pada
akhir abad ke-19 lah "Algorithm" mengambil makna dari kata Inggris masa sekarang. [63]

Etimologi alternatif mengklaim asal mulanya dari istilah algebra (aljabar) dari makna abad
pertengahan "aritmetika Arab" dan arithmos istilah Yunani untuk angka (yang secara harfiah
berarti "bilangan Arab" atau "perhitungan Arab"). Karya algoritme Al-Kharizmi bukan
berbentuk seperti pada masa modern sekarang tetapi sebagai tipe dari pengulangan kalkulus
(disini disebutkan bahwa karya fundamentalnya yang dikenal sebagai algebra pada awalnya
berjudul "Buku Ringkasan tentang Kalkulasi dengan Penyempurnaan dan Pengimbangan"
menjelaskan tipe-tipe dari pengulangan perhitungan dan persamaan kuadrat). Dalam makna
tersebut, algoritima dikenal di Eropa jauh sebelum Al-Kharizmi. Algoritme paling tua yang
dikenal sekarang adalah Algoritme Euklid (lihat juga Pengembangan algoritme Euklid). Sebelum
ditemukan istilah algorithm orang Yunani menyebutnya anthyphairesis secara harfiah berarti
anti-substraksi atau substraksi timbal-balik (untuk bacaan lebih lanjut disini dan ini. Algoritme
dikenal oleh orang Yunani berabad sebelum [64] Euclid. Bukannya kata algebra orang Yunani
menggunakan istilah arithmetica(, yaitu dalam karya Diophantus yang dikenal "bapak
dari Aljabar" - lihat juga artikel Wikipedia persamaan Diophantine dan Eudoxos).
Sejarah: Perkembangan dari kata "algoritme"
Asal mula

Kata algoritme datang dari nama matematikawan Persia abad ke-9 Abu Abdullah Muhammad
ibnu Musa Al-Khwarizmi, yang hasil kerjanya dibangun dari matematikawan India abad ke-7
Brahmagupta. Kata algorisma awalnya mengacu hanya pada aturan-aturan dalam melakukan
aritmetika menggunakan bilangan Hindu-Arab namun berkembang lewat penerjemahan Latin
Eropa dari nama Al-Khwarizmi menjadi algoritme pada abad ke-18. Penggunaan kata tersebut
berkembang mengikutkan semua prosedur untuk menyelesaikan masalah atau melakukan unit
kegiatan. [65]

Simbol diskrit dan yang dapat dibedakan

Penanda-penghitung: Untuk mencatat hewan gembalaan, kumpulan biji dan uang mereka orang
dahulu menggunakan penghitung: akumulasi batu atau tanda yang ditoreh pada tongkat, atau
membuat simbol diskrit di kerang. Sampai orang Babilonia dan Mesir menggunakan tanda dan
simbol, pada akhirnya bilangan Roma dan abakus berkembang (Dilson, p. 16-41). Penanda
penghitung muncul dalam sistem bilangan operan aritmetika digunakan dalam mesin Turing dan
komputasi mesin Post-Turing.

Manipulasi simbol sebagai "penampung" bilangan: aljabar

Karya dari Geometer Yunani kuno (algoritme Euklid), matematikawan India Brahmagupta, dan
matematikawan Persia Al-Khwarizmi (yang darinya isitlah "algorism" dan "algoritme"
diturunkan), dan matematikawan Eropa Barat memuncak dalam notasi Leibniz dari rasiosinator
kalkulus (sekitar 1680-an):

Abad yang baik dan setengah lebih maju dari masanya, Leibniz mengajukan logika aljabar,
sebuah aljabar yang akan menentukan aturan-aturan untuk memanipulasi konsep logika dengan
cara yang aljabar biasa menentukan aturan untuk manipulasi angka.[66]

Rancangan mekanis dengan tingkat diskrit

Jam: Bolter memuji penemuan jam gaya-berat sebagai "Kunci penemuan dari Eropa pada Abad
Pertengahan", khususnya pada ambang pelarian [67] yang menyediakan kita dengan tik dan tak
dari jam mekanis. "Mesin otomatis yang akurat" [68] mengarah langsung pada "otomata mekanis"
dimulai pada abad ke-13 dan terakhir pada "mesin komputasi" -- motor berbeda dan motor
analitik dari Charles Babbage dan bangsawan Ada Lovelace, pertengahan abad ke-19. [69]
Lovelace dikreditkan sebagai yang pertama menciptakan algoritme yang ditujukan untuk
diproses di komputermotor analitis Babbage, perangkat pertama yang dianggap komputer
Turing-sempurna sebenarnya bukan hanya sebuah kalkulatordan terkadang dikenal
"programmer pertama dalam sejarah", walaupun implementasi penuh dari perangkat Babbage
kedua tidak terealisasi sampai beberapa dekade setelah masanya.
Mesin logika 1870 - Stanley Jevons "sempoa logika" dan "mesin logika": Masalah teknisnya
adalah untuk mereduksi persamaan boolean bila ditampilkan dalam sebuah bentuk yang pada
masa sekarang dikenal sebagai pemetaan Karnaugh. Jevons (1880) pertama menjelaskan
"sempoa" sederhana dari "potongan kayu dilengkapi dengan penyemat, dibuat supaya bagian
atau kelas kombinasi logika manapun dapat dipilih secara mekanis ... Baru-baru ini Saya telah
mereduksi sistem menjadi bentuk yang secara sempurna mekanis, dan membuatnya mewujudkan
keseluruhan proses inferensi tak langsung dalam apa yang disebut sebuah Mesin Logika"
Mesinnya dilengkapi dengan "beberapa tangkai kayu yang bisa dipindahkan" dan "di bawah ada
21 kunci seperti pada piano [dll] ...". Dengan mesin ini dia dapat menganalis sebuah "silogisme
atau argumen logika sederhana apapun". [70]

Mesin tenun Jacquard, kartu berlobangnya Hollerith, telegraf dan telepon -- penyiaran
elektromekanis: Bell dan Newell (1971) mengindikasikan bahwa mesin tenun Jacquard (1801),
pelopor dari kartu Hollerith (kartu berlobang, 1887), dan "teknologi alih telepon" adalah akar
dari sebuah pohon yang mengarah pada perkembangan dari komputer pertama. [71] Pada
pertengahan abad ke-19 telegraf, pelopor dari telepon, digunakan diseluruh dunia, pengkodean
diskrit dan pembedaan huruf sebagai "titik dan strip". Pada akhir abad ke-19 pita telegraf (sekitar
1870-an) digunakan, sebagaimana juga kartu Hollerith pada sensus Amerika 1890. Kemudian
muncullah teleprinter (sekitar 1910-an) dengan kerta-berlobang menggunakan kode Baudot di
pita.

Jaringan alih-telepon dari penyiaran elektromekanis (ditemukan 1835) adalah karya dair George
Stibitz (1937), penemu dari perangkat penghitungan digital. Saat bekerja di laboratorium Bell,
dia mengamati "beratnya" penggunaan kalkulator mekanis dengan geligi. "Dia pulang ke rumah
pada suatu malam 1937 berniat untuk menguji idenya ... Saat mengatik selesai, Stibitz telah
membangun perangkat hitung digital". [72]

Davis (2000) mengamati pentingnya penyiaran elektromekanis (dengan "keadaan binari"-nya

buka dan tutup):

Hanya dengan perkembangan, dimulai sejak 1930-an, dari kalkulator elektromekanis

menggunakan penggantian elektris, sehingga mesin yang dibuat memiliki ruang lingkup
yang dibayangkan Babbage." [73]

Matematika selama abad 19 sampai pertengahan abad 20

Simbol dan aturan: Dengan cepat berkembangnya matematika dari George Boole (1847, 1854),
Gottlob Frege (1897), dan Giuseppe Peano (1888-1889) mereduksi aritmetika menjadi
serangkaian simbol dimanipulasi oleh aturan-aturan. The Principles of arithmetic, presented by a
new method-nya Peano (1888) adalah "usaha pertama mengaksiomakan matematika dalam
sebuah bahasa simbolik". [74]

Tapi Heijenoort memberi pujian pada Frege (1879): Frege "merupakan karya tulis paling penting
mengenai logika. ... yang mana kita lihat sebuah "'bahasa formula', yaitu sebuah lingua
characterica, sebuah bahasa ditulis dengan simbol-simbol khusus, "untuk berpikir murni", yaiut,
bebas dari hiasan retorikal ... dibangun dari simbol-simbol tertentu yang dimanipulasi menurut
aturan-aturan terbatas". [75] Karya dari Frege lebih lanjut disederhanakan dan diperkuat oleh
Alfred North Whitehead dan Bertrand Russell dalam Principia Mathematical (1910-1913).

Paradoks: Pada masa yang sama sejumlah paradoks yang mengganggu muncul dalam literatur,
pada khususnya paradoks Burali-Forti (1987), paradoks Russell (1902-03), dan Paradoks
Richard. [76] Hasilnya mengarah ke makalah Kurt Godel (1931) -- dia secara khusus merujuk
paradoks pembohongyang mereduksi aturan dari rekursi pada angka.

Penghitungan Efektif: Dalam usaha untuk menyelesaikan permasalahan keputusan yang

didefinisikan oleh Hilbert tahun 1928, matematikawan pertama mendefinisikan apa arti dari
"metode efektif" atau "kalkulasi efektif" (misalnya, sebuah kalkulasi yang akan sukses). Dalam
waktu yang cepat hal berikut muncul: kalkulus- oleh Alonzo Church, Stephen Kleene, dan J.B.
Rosser [77] definisi dari "rekursi umum" yang benar-benar diasah dari karya Godel berdasarkan
saran dari Jacquard Herbrand (cf. kuliah Godel di Princeton tahun 1934) dan penyederhaan
selanjutnya oleh Kleene. [78] Church membuktikan [79] bahwa permasalahan keputusan tidak
terpecahkan, definisi Emil Post tentang penghitungan efektif yaitu sebagai pekerja yang tanpa
berpikir mengikuti suatu daftar instruksi untuk bergerak ke kiri atau kanan lewat sederetan
ruangan dan bersamaan dengan itu bisa menandai atau menghapus kertas atau mengamati kertas
dan membuat pilihan ya-tidak tentang instruksi selanjutnya. [80] Pembuktian Alan Turing bahwa
permasalahan keputusan tidak terpecahkan dengan menggunakan "sebuah mesin [otomatis]"-nya
[81]
dengan efek yang mirip dengan "formulasi"-nya Post, definisi J. Barkley Rosser tentang
"metode efektif" dalam makna "sebuah mesin". [82] Proposal S. C. Kleene dari pelopor "Tesis
Church" yang disebutnya "Thesis I", [83] dan beberapa tahun kemudian Kleene menamakan
tesisnya "Tesis Church" [84] dan mengajukan "Tesis Turing". [85]

Emil Post (1936) dan Alan Turing (1936-37, 1939)

Berikut adalah kebetulan yang luar biasa dari dua orang yang tidak saling mengenal tetapi
mendeskripsikan sebuah proses orang-sebagai-komputer mengerjakan perhitungandan mereka
menghasilkan definisi yang mirip.

Emil Post (1936) mendeskripsikan aksi dari sebuah "komputer" (manusia) sebagai berikut:

"... dua konsep ikut serta: yaitu sebuah simbol ruang dimana pekerjaan yang mengarah
dari masalah ke jawaban dilakukan, dan sekumpulan arahan yang baku dan tidak bisa
diubah.

Simbol ruangnya yaitu

"sederetan dua arah tak terbatas dari ruang atau kotak... penyelesai masalah atau pekerja
harus berjalan dan bekerja di simbol ruang ini, dengan bisanya [si pekerja] masuk, dan
beroperasi dengan satu kotak dalam satu waktu... sebuah kotak memiliki dua
kemungkinan kondisi, yaitu, kosong atau belum ditandai, dan dengan adanya tanda
tunggal disana, katakanlah garis vertikal.
"Satu kotak dibiarkan dan disebut sebagai titik awal. ...sebuah masalah tertentu diberikan
dalam bentuk simbolik dengan sejumlah kotak terbatas [yaitu, INPUT] ditandai dengan
 coretan. Begitu juga jawabannya [yaitu, OUTPUT] diberikan dalam bentuk simbolik dari
suatu konfigurasi dari kotak-kotak yang ditandai....
"Sekumpulan arahan bisa digunakan untuk permasalahan umum menentukan proses
determistik saat diterapkan pada setiap masalah tertentu. Proses ini hanya berhenti bila
datang arahan dengan tipe (C ) [yaitu, STOP]".[86] Lihat lebih lanjut pada mesin post-
Turing

Patung Alan Turing di Taman Bletchley.

Karya Alan Turing [87] mendahului karya dari Stibitz (1937); tidak diketahui apakah
Stibitz mengetahui karya Turing. Biografinya Turing percaya bahwa Turing
menggunakan model seperti-mesin-ketik diturunkan dari ketertarikannya pada masa
muda: "Alan memiliki impian menemukan mesin ketik pada saat muda; Ibu Turing
memiliki sebuah mesin ketik; dan dia mungkin memulainya dengan menanyakan pada
dirinya sendiri apa maksudnya dengan menyebut sebuah mesin ketik dengan
'mekanikal'".[88] Dengan lazimnya kode Morse dan telegraf, mesin pita telegraf, dan
mesin-ketik jarak jauh pada waktu itu kita bisa menyimpulkan bahwa semua itu
memberikan pengaruh.

Turingmodel dari komputasinya sekarang dikenal dengan mesin Turingmemulai,

sebagaimana Post, dengan analisis dari komputer manusia yang ia sederhanakan menjadi
sekumpulan gerakan dasar sederhana dan "keadaan pikiran". Tapi dia terus maju selangkah ke
depan dan membuat sebuah mesin sebagai model dari komputasi angka. [89]

"Menghitung biasanya dilakukan dengan menulis simbol tertentu di atas kertas. Misalkan
kertas tersebut dibagi menjadi segi empat seperti buku aritmetika anak-anak.... Saya
asumsikan bahwa komputasi dilakukan pada kertas satu dimensi, yaitu, di pita yang
dibagi dalam persegi. Juga misalkan bahwa jumlah simbol yang akan dicetak terbatas....
"Perilaku dari komputer disetiap waktu ditentukan oleh simbol yang diobservasinya, dan
"keadaan pikiran"-nya pada waktu tersebut. Juga bisa diasumsikan bahwa ada batas B
sebagai jumlah simbol atau persegi yang mana komputer dapat amati dalam satu waktu.
Jika ia ingin mengamati lebih, ia harus menggunakan pengamatan beriringan. Kita juga
memisalkan bahwa jumlah keadaan pikiran yang diperlukan disini adalah terbatas...
"Mari kita bayangkan bahwa operasi yang dilakukan oleh komputer akan dipecah
menjadi 'operasi-operasi sederhana' yang sangat mendasar sehingga tidak mudah
membayangkannya untuk dibagi lebih jauh." [90]

Reduksi Turing menghasilkan hal berikut:

"Operasi sederhana haruslah mengikutkan:

 "(a) Perubahan dari simbol pada salah satu persegi yang sedang diamati
"(b) Perubahan dari salah satu persegi diamati terhadap persegi lainnya di antara L
persegi dari salah satu yang sebelumnya diamati.

"Bisa saja beberapa dari perubahan tersebut menyebabkan perubahan keadaan pikiran. Operasi
tunggal paling umum oleh karena itu harus diambil jadi salah satu hal berikut:

"(A) Suatu kemungkinan perubahan (a) dari simbol bersamaan dengan suatu perubahan
dari keadaan pikiran.
"(B) Suatu kemungknian perubahan (b) dari persegi yang diamati, bersama dengan
kemungkinan perubahan dari keadaan pikiran"
"Kita sekarang mungkin sudah bisa membentuk sebuah mesin untuk melakukan
pekerjaan dari komputer tersebut." [90]

Beberapa tahun kemudian, Turing mengembangkan analisanya (tesis, secara definisi) dengan
ekspresi kuat berikut:

"Sebuah fungsi dikatakan "bisa dihitung secara efektif" jika nilainya bisa ditemukan
dengan proses yang murni mekanis.

Walau sangat mudah menangkap ide ini, namun ia membutuhkan beberapa definisi matematikan
terbatas yang bisa diekspresikan . . . [dia mendiskusikan sejarah dari definisi seperti di atas
dengan menghormati Godel, Herbrand, Kleen, Church, Turing dan Post] ... Kita mungkin
gunakan pernyataan tersebut secara harfiah, memahami murni dengan proses mekanis yang mana
dapat dilakukan oleh sebuah mesin. Memungkinkan untuk memberikan deskripsi matematis,
dalam beberapa bentuk normal, dari struktur mesin tersebut. Perkembangan dari ide ini
mengarah pada definisi penulis dari sebuah fungsi yang dapat dihitung, dan untuk
mengidentifikasi komputibilitas dengan penghitungan yang efektif . . . .

" Kita boleh menggunakan ekspresi "fungsi hitung" untuk mengartikan sebuah fungsi
yang dapat dihitung oleh sebuah mesin, dan kita biarkan "secara efektif dapat dihitung"
mengacu pada ide intuitif tanpa definisi tertentu dengan salah satu dari definisi
tersebut".[91]

J. B. Rosser (1939) dan S. C. Kleene (1943)

J. Barkley Rosser mendefinisikan 'metode [matematis] efektif' dengan cara berikut (kemiringan
ditambahkan):

"'Metode efektif' disebut sebagai metode yang spesial yang mana setiap langkahnya
secara tepat ditentukan dan pasti menghasilkan jawaban dalam sejumlah langkah yang
terbatas. Dengan pengertian khusus ini, tiga definisi berbeda telah diajukan sampai
sekarang. [catatan kakinya #5; lihat diskusinya di bawah]. Yang paling sederhana (karena
Post dan Turing) menyatakan intinya bahwa sebuah metode efektif menyelesaikan
sekumpulan permasalahan hanya ada jika seseorang bisa membuat sebuah mesin yang
akan menyelesaikan setiap masalah dari sekumpulan masalah tanpa campur tangan
 manusia kecuali memasukan pertanyaan dan (nantinya) membaca jawabannya. Ketiga
definisi tersebut sama, jadi tidak masalah yang mana yang digunakan. Lebih lanjut, fakta
bahwa ketiganya sama adalah argumen yang sangat kuat untuk kebenaran dari salah
satunya." (Rosser 1939:225-6)

Catatan kaki Rosser #5 merujuk karya dari (1) Church dan Kleene dan definisi dari definabiliti-,
secara khusus Church menggunakannya dalam An Unsolvable Problem of Elementary Number
Theory-nya (1936); (2) Herbrand dan Godel dan penggunaan rekursi mereka terutama Godel
menggunakannya dalam makalah terkenalnya On Formally Undecidable Propositions of
Principia Mathematica and Related Systems I (1931); dan (3) Post (1936) dan Turing (1936-7)
dalam model mekanisme komputasi mereka.

Stephen C. Kleene didefinisikan sebagai "Thesis I"-nya yang terkenal yang dikenal sebagai tesis
Church-Turing. Tapi dia melakukan hal tersebut dalam konteks berikut (penebalan dari aslinya):

"12. Teori-teori algoritme... Dalam menyiapkan sebuah teori algoritme yang komplet,
apa yang kita lakukan adalah mendeskripsikan sebuah prosedur, yang dapat dilakukan
untuk setiap kumpulan nilai dari variabel-variabel tunggal, yang mana prosedur berhenti
dan dengan cara tersebut dari hasilnya kita bisa membaca sebuah jawaban tertentu, "ya"
atau tidak", untuk pertanyaan "apakah nilai predikat benar?"" (Kleene 1943:273)