T3 - Análisis de La Eficiencia de Los Algoritmos

Estrategias
de programacin y estructuras de datos

Grado en Ingeniera Inform8ca
Grado en Tecnologas de la Informacin
Departamento de Lenguajes y Sistemas inform6cos
Anlisis de la eciencia
de los algoritmos
Coste asintDco temporal
Javier Vlez Reyes Jos Ignacio Mayorga Toledano

jvelez@lsi.uned.es
nmayorga@lsi.uned.es
Departamento de Lenguajes Y Sistemas InformDcos
UNED
Anlisis de la eciencia de los algoritmos

ndice
ndice
3-2
Introduccin
Qu es la eficiencia de los algoritmos?
Criterios de clasificacin del anlisis de la eficiencia
Mtricas de anlisis de la eficiencia de los algoritmos
Medida de la eficiencia de los algoritmos
Cmo se mide la eficiencia de los algoritmos?
Medida asinttica de la eficiencia
rdenes de complejidad
Bibliografa
Javier Vlez Reyes jvelez@lsi.uned.es Jos Ignacio Mayorga Toledano nmayorga@lsi.uned .es

Obje6vos generales
Obje8vos
Aprender qu es la eficiencia de los algoritmos
Aprender los criterios en torno a los cuales se puede clasificar la eficiencia
Conocer las principales mtricas de medida de la eficiencia
Aprender cmo se puede calcular el coste de un algoritmo bajo 3 supuestos
3-3
Medida del tiempo de ejecucin
Medida asinttica O
Hiptesis de caso peor
Aprender cmo se mide la eficiencia algortmica de
Algoritmos recursivos
Algoritmos iterativos
Adquirir una visin crtica sobre la complejidad algortmica
Adquirir herramientas para seleccionar el mejor algoritmo para un problema
Adquirir herramientas para seleccionar la estructura ms eficiente para un problema

Introduccin
Qu es la eciencia de los algoritmos?

El anlisis de la eciencia de los algoritmos permite establecer criterios compara6vos y
clasicatorios entre algoritmos que ayudan a entender cmo se comportan y escalan stos
en cuanto a la consumicin de recursos 6empo y memoria fundamentalmente con
respecto a la magnitud de sus parmetros de entrada
Denicin
El anlisis de la eciencia de los algoritmos es un estudio terico, formal, compara6vo e
independiente de la implementacin que 6ene por objeto clasicar a los algoritmos en
familias de complejidad de acuerdo a cmo se comportan segn crece la magnitud de
sus parmetros de entrada
Estudio terico
3-4
Independencia
Estudio formal
De recursos de mquina
Terico
Del lenguaje de programacin
Comparativo
De aspectos constantes
Clasificatorio
De aspectos de escala

Introduccin

boolean repetidos (T[] v) {
boolean ordenar (T[] v) {
boolean repetidos = false;
int temp;
int i = 0;
for (int i = 1; i < v.length; i++)
while (!repetidos && i < v.length)
for (int k = v.length - 1; k >= i; k--)
repetidos = contiene (v, i+1, v[i]);
if (v[k] < v[k-1]) {
return repetidos;
temp = v[k];
v[k] = v[k-1];
v[k-1]= temp;
boolean contiene (T[] v, int p, T e) {
int i = p;
boolean found = false
tiempo
<
while (!found && i <= v.length) {

found = (v[i] == e);
i = i + 1;
}
return found; }
3-5

Introduccin

Criterios de medida de la eciencia
Criterios de medida
La eficiencia de los algoritmos puede medirse

de acuerdo a la consumicin de diferentes
recursos. La medida de la eficiencia de un
algoritmo puede ser distinta segn el recurso
II. Segn el tipo de comportamiento

Fijado un tipo de recurso, la eficiencia de los
algoritmos puede medirse bajo distintos
supuestos en los que se supone se encuentra
el problema medio a analizar
II. Segn la mtrica utilizada

Fijado un tipo de recurso y un determinado
supuesto, debe escogerse una mtrica
comparativa que permita clasificar a los
algoritmos en familias con un comportamiento
interno similar
3-6
Espacial
Se analiza la relacin funcional existente entre
el tamao del problema expresado en trminos
de sus parmetros de entrada y la consumicin
del recurso memoria
Temporal
del recurso tiempo de cmputo
I. Segn el tipo de recurso
Foco de
atencin
Otros
de otros recursos como perifricos empleados,
ancho de banda, consumo elctrico, etc.

Introduccin

Criterios de medida

recursos. El tipo de recurso establece una
particin del espacio de algoritmos distinta


interno similar
3-7
Peor caso
Se estima la mxima cantidad de recursos que
un algoritmo puede necesitar consumir para su
ejecucin en funcin de su entrada. Supone
una cota superior de estos recursos
Foco de
atencin
Caso medio
Se estima el comportamiento a partir de una
hiptesis sobre la distribucin estadstica de los
datos de entrada que se supone ms probable.
Tambin llamado anlisis probabilstico
Mejor caso
Se estiman los recursos necesarios para su
ejecucin en condiciones ptimas en funcin de
la entrada. Esta medida afecta al ejemplar ms
sencillo del problema

Introduccin

Criterios de medida

recursos. El tipo de recurso establece una
particin del espacio de algoritmos distinta


interno similar
3-8
Cota superior. O
Se mide el coste asinttico de la ejecucin de
un algoritmo de acuerdo a una cota superior. Es
decir, la ejecucin nunca, a partir de cierto
valor, sobrepasar la cota de coste establecida
Foco de
atencin
Cota inferior.
un algoritmo de acuerdo a una cota inferior. Es
decir, la ejecucin nunca, a partir de cierto
valor, ser menor que la cota establecida
Cota exacta.
un algoritmo de acuerdo a una cota resultante
de la interseccin entre O y . Es decir, la
ejecucin crece al ritmo de la cota establecida

Introduccin

Mtricas de anlisis de la eciencia de los algoritmos
Cota superior. O
Cota inferior.
Si g(n) es la funcin de coste de un

algoritmo, se dice que g(n) est en
O(f(n)) si a partir de un cierto punto
crece, a lo sumo, menos rpido que
f(n). Es decir, la grfica de g est por
debajo de la de f
3-9

(f(n)) si a partir de un cierto punto
crece ms rpido que f(n). Es decir,
la grfica de g est por encima de la
de f)
Cota exacta.
(f(n)) si crece de la misma forma (al
mismo ritmo) que f(n)

Medida de la eciencia de los algoritmos
Cmo se mide la eciencia de los algoritmos?

La medida de la eciencia asint6ca de algoritmos pretende clasicar cada algoritmo en
una familia de complejidad asint6ca determinada prescindiendo de consideraciones
constantes o de escala. En nuestro estudio u6lizaremos medida temporal, caso peor y cota
superior
Medida asint8ca de la eciencia

Si hacemos medidas expe-
rimentales sobre sucesivas
ejecuciones de un algorit-
mo y en cada ejecucin
duplicamos el tamao del
problema, observamos que
el 6empo de ejecucin
tambin se duplica. En ese
caso se puede decir que el
c o s t e a s i n t 6 c o d e l
algoritmo es lineal
Bsqueda de un elemento en un vector

Tamao
Tiempo medido
Tiempo de ejecucin
A * n + B
2n
A * 2n + B
2t
3n
A * 3n + B
3t
...
...
...
kn
A * kn + B
kt
O (n)
El tamao del problema es proporcional al nmero de elementos que

contiene el vector. Sin embargo el tiempo de ejecucin no se ve
afectado por constantes multiplicativas o sumativas ya que el coste
temporal se duplica al duplicar el tamao del problema
3 - 10

Cmo se mide la eciencia de la algoritmos?

superior
Ordenes de eciencia
El anlisis asint6co nos permite
clasicar el espacio de algoritmos en
dis6ntas familias que se corresponden
con rdenes de complejidad diferentes
int factorial (int n) {
if (n == 0) return 1;
else return n * factorial (n - 1);
}
Hiperexponencial. O (nn)
Factorial. O (n!)
Exponencial de grado k. O (kn)
...
Exponencial. O (2n)
Polinmica de grado k. O (nk)
...
Cbica. O (n3)
Cuadrtica. O (n2)
Cuasilineal. O (n log n)
Lineal. O (n)
Cuadrtica inversa. O (n)
Logartmica. O (log n)
Constante. O (1)
3 - 11


superior
Ordenes de eciencia
C a d a o r d e n d e e c i e n c i a
representa un nivel de crecimiento
con respecto al tamao del
problema. En la grca adjunta
p u e d e v e r s e l a r e l a c i n
compara6va de los niveles de
crecimiento de los primeros
rdenes de eciencia anteriores
3 - 12


superior
Ordenes de eciencia
C a d a o r d e n d e e c i e n c i a
representa un nivel de crecimiento
con respecto al tamao del
problema. En la grca adjunta
p u e d e v e r s e l a r e l a c i n
compara6va de los niveles de
crecimiento de los rdenes de
eciencia siguientes a n2
3 - 13


superior
El clculo del coste temporal de un algoritmo recursivo se expresa en trminos del coste
de los casos base y los casos de recursin del mismo. Para ilustrar cmo se procede
consideremos la funcin del clculo de un nmero factorial en su versin recursiva.
Entonces, si u6lizamos T(n) para representar el coste de computar la ejecucin con
tamao n
C1 si n == 0 Coste caso base
int factorial (int n) {

if (n == 0) return 1;
else return n * factorial (n - 1);
T (n) =
T (n-1) + C2 si n > 0 Coste caso recurrente
}
Resolucin para factorial (5):
T(5) = T(4) + C2 = T(3) + C2 + C2 = T(2) + C2 + C2 + C2 = T(1) + C2 + C2 + C2 + C2
= O (n)
3 - 14
= T(0) + C2 + C2 + C2 + C2 + C2 = C1 + C2 + C2 + C2 + C2 + C2 = C1 + 5 * C2
Dado que el coste temporal

resulta linealmente proporcional al tamao del problema el orden de complejidad
es lineal


superior
Para evitar en cada caso un razonamiento
similar al anterior, podemos derivar una
frmula general de clculo en funcin de la
estructura de la funcin recursiva, solucin
anal6ca de la ecuacin de recurrencias
adjunta
c1nk si n < d
T (n) =
iT(n d) + c2nk si n >= d
i: Nmero mximo de invocaciones recursivas por caso

d: Factor de decrecimiento del problema en la divisin del problema
n < d : Caso base
n >= d : Caso recursivo
c1nk, c2nk : Coste asociados a las partes no recursivas
k : Nivel de dependencia de las operaciones no recursivas con el tamao del problema
0 : Constante
1 : Lineal
2 : Cuadrtica
3 - 15


superior
Para evitar en cada caso un razonamiento
similar al anterior, podemos derivar una
frmula general de clculo en funcin de la
estructura de la funcin recursiva, solucin
anal6ca de la ecuacin de recurrencias
adjunta
Si reduccin por substraccin
O (nk+1) si i == 1
T (n) =
iT(n d) + c2nk si n >= d
Si reduccin por divisin /
O (nk) si i < dk
T (n) = O (nk log n) si i = dk
T (n) =
O (in/d) si i > 1
3 - 16
c1nk si n < d
O (nlogdi) si i > dk


superior
Algoritmos itera8vos
El coste temporal de un algoritmo itera6vo se calcula acumula6vamente a par6r del coste
de cada una de sus instrucciones cons6tuyentes. Estudiemos su coste
Instruccin
3 - 17
Coste
Instruccin
Coste
Operaciones bsicas1
Sentencias iterativas
- Entrada / salida
O(1)
- for (ini;e;inc) {b}
max {O(ini), n max {O(e), O(inc), O(b)}}
- Asignacin
O(1)
- while (e) {b}
n max {O(e), O(b)}
- Expresiones escalares
O(1)
- do {b} while (e)
n max {O(e), O(b)}
Secuencias sentencias
Invocacin subprogramas
- s1; s2; s3
O(si) = max {O (si)}
- f (e1, e2)
Max {O(e1), O(e2), O(f)}
Sentencias condicionales
Reglas de producto y suma
- if (e) {b1} else {b2}
max {O(e), O(b1), O(b2)}
- O (f + g)
O(f + g) = max (O(f), O(g))
- switch (e) {
max {O(e), O(b1), O(b2)}
- O (f * g)
O(f * g) = O(f) * O(g)
case c1 : b1;
case c2 : b2;
1 Las Operaciones bsicas no
dependen del tamao del problema


superior
Algoritmos itera8vos
A par6r de los anlisis anteriores de coste
de cada instruccin analicemos la
eciencia de un algoritmo itera6vo
boolean ordenar (T[] v) {
int temp;
for (int i = 1; i < v.length; i++) O(1)
for (int k = i+1; k < v.length; k++) O(1)
if (v[i] < v[k]) { O(1)
O(n2)
temp = v[k]; O(1)

v[k] = v[i]; O(1) O(1) O(1)(n-i) O(n)n
v[i]= temp; O(1)
}
max
max
max
max
3 - 18

BibliograWa
BibliograJa
Bibliografa bsica
Estructuras de datos en java. Weiss, Mark
Allen. Pearson Addison Wesley. ISBN
9788478290352
3 - 19

BibliograWa
BibliograJa
Bibliografa complementaria
Fundamentos de Algoritmia. G. Brassard, P.
Bratley. Prentice Hall. SBN: 84-89660-00-X
1997
3 - 20
Diseo de programas. Formalismo y

abstraccin. Ricardo Pea Mar. Pearson Prentice Hall. ISBN 13: 9788420541914

T3 - Análisis de La Eficiencia de Los Algoritmos

Uploaded by

Document Information

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

T3 - Análisis de La Eficiencia de Los Algoritmos

Uploaded by

Copyright:

Available Formats

Estrategias

de programacin y estructuras de datos

Departamento de Lenguajes y Sistemas inform6cos

Javier Vlez Reyes Jos Ignacio Mayorga Toledano

Anlisis de la eciencia de los algoritmos

Qu es la eficiencia de los algoritmos?

Criterios de clasificacin del anlisis de la eficiencia

Mtricas de anlisis de la eficiencia de los algoritmos

Medida de la eficiencia de los algoritmos

Cmo se mide la eficiencia de los algoritmos?

Medida asinttica de la eficiencia

Anlisis de la eciencia de los algoritmos

Aprender qu es la eficiencia de los algoritmos

Aprender los criterios en torno a los cuales se puede clasificar la eficiencia

Conocer las principales mtricas de medida de la eficiencia

Aprender cmo se puede calcular el coste de un algoritmo bajo 3 supuestos

Medida del tiempo de ejecucin

Hiptesis de caso peor

Aprender cmo se mide la eficiencia algortmica de

Adquirir una visin crtica sobre la complejidad algortmica

Adquirir herramientas para seleccionar el mejor algoritmo para un problema

Adquirir herramientas para seleccionar la estructura ms eficiente para un problema

Anlisis de la eciencia de los algoritmos

Qu es la eciencia de los algoritmos?

Del lenguaje de programacin

Anlisis de la eciencia de los algoritmos

Qu es la eciencia de los algoritmos?

boolean repetidos = false;

for (int i = 1; i < v.length; i++)

while (!repetidos && i < v.length)

for (int k = v.length - 1; k >= i; k--)

repetidos = contiene (v, i+1, v[i]);

if (v[k] < v[k-1]) {

boolean contiene (T[] v, int p, T e) {

boolean found = false

while (!found && i <= v.length) {

Anlisis de la eciencia de los algoritmos

Qu es la eciencia de los algoritmos?

Criterios de medida de la eciencia

La eficiencia de los algoritmos puede medirse

II. Segn el tipo de comportamiento

II. Segn la mtrica utilizada

I. Segn el tipo de recurso

Anlisis de la eciencia de los algoritmos

Qu es la eciencia de los algoritmos?

Criterios de medida de la eciencia

La eficiencia de los algoritmos puede medirse

II. Segn el tipo de comportamiento

II. Segn la mtrica utilizada

I. Segn el tipo de recurso

Anlisis de la eciencia de los algoritmos

Qu es la eciencia de los algoritmos?

Criterios de medida de la eciencia

La eficiencia de los algoritmos puede medirse

II. Segn el tipo de comportamiento

II. Segn la mtrica utilizada

I. Segn el tipo de recurso

Anlisis de la eciencia de los algoritmos

Qu es la eciencia de los algoritmos?

Mtricas de anlisis de la eciencia de los algoritmos

Si g(n) es la funcin de coste de un

Si g(n) es la funcin de coste de un

Anlisis de la eciencia de los algoritmos

Cmo se mide la eciencia de los algoritmos?