UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA)

Transcripción

1 UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS 1. INFORMACIÓN GENERAL 1.1 Nombre y código de la asignatura : ALGORITMICA III Número de créditos : Número de horas semanales : Teoría: 02 horas, : 02 horas 1.4 Ciclo de estudio : V 1.5 Periodo Académico : II 1.6 Pre-requisitos : Estructura de Datos 1.7 Profesor : Robert Espinoza Domínguez (Coord.) Augusto Cortez Vásquez 2. SUMILLA Esta asignatura pertenece al área de formación básica, es de naturaleza teórico y práctico tiene el propósito que el estudiante maneje la eficiencia de los algoritmos orientados a objetos. Los contenidos principales de la asignatura son: el análisis de la eficiencia de algoritmos la técnica divide y vencerás, métodos de dispersión, métodos de clasificación, nuevas, algoritmos de retroceso, algoritmos voraces, programación dinámica, ramificación y poda, y programación paralela. 3. COMPETENCIA GENERAL El estudiante al concluir la asignatura, estará capacitado en los niveles de competencia para para formular y analizar la eficiencia de algoritmos y elegir el algoritmo más eficiente o el más adecuado según el contexto del problema a resolver. Asimismo estará en la capacidad de resolver diferentes tipos de problemas tales como los de ordenamiento, búsqueda, optimización, etc. aplicando en la medida de lo posible algoritmos eficientes con la técnica adecuada como por ejemplo algoritmos divide y vencerás, voraces, programación dinámica, etc. 1

2 4. PROGRAMACIÓN UNIDAD 01: ANÁLISIS DE ALGORITMOS COMPETENCIAS ESPECÍFICAS: Definir y calcular la eficiencia de los algoritmos para el análisis de la eficiencia de algoritmos construyendo algoritmos utilizando pseudocódigo y midiendo la eficiencia de los algoritmos elaborados usando para esto las capacidades matemáticas de notaciones asintóticas. Implementar los algoritmos diseñados usando un lenguaje de programación orientado a objetos. 1 a 2 Especificación e implementación de algoritmos. Análisis de algoritmos. Algoritmia. Factores de la algoritmia. Complejidad algorítmica. Notaciones asintóticas. Análisis de estructuras de control. Análisis de las estructuras de datos. 3 Taller de ejercicios. Análisis de tiempo de ejecución. Ejemplos de aplicación. UNIDAD 02: ALGORITMOS DE DIVIDE Y VENCERÁS, BÚSQUEDA Y CLASIFICACIÓN COMPETENCIAS ESPECÍFICAS: Elaborar y evaluar algoritmos de divide y vencerás, búsqueda y ordenamiento para clasificar los más eficientes, construyendo los algoritmos en pseudocódigo y valorado su importancia en el momento de la selección del método adecuado para una solución de desarrollo. 4 Divide y Vencerás. Recursividad. Análisis de los algoritmos de divide y vencerás. Resolución de Recurrencias. 5 Métodos de ordenamiento: Burbuja, Shell, QuickSort, ordenación por montón, ordenación por árbol binario. 6 Búsqueda interna: Secuencial, secuencial por bloques, binaria, indexada Búsqueda Externa 2

3 7 Métodos de Dispersión. Funciones de dispersión. Inserción por Dispersión. Búsqueda por Dispersión. Resolución de colisiones 8 UNIDAD 03: TÉCNICAS ALGORÍTMICAS COMPETENCIAS ESPECÍFICAS: Elaborar y aplicar técnicas algorítmicas de programación dinámica, voraces, retroceso, ramificación y poda para la solución de problemas, construyendo algoritmos en pseudocódigo y valorado su importancia en el momento de la selección del método adecuado para un problema particular. 9 Programación dinámica: Método General. Análisis de los tiempos de ejecución. Ejemplos de Aplicación. 10 Algoritmos voraces: Proceso de los Algoritmos Voraces. Funciones Genéricas. Análisis de tiempo de ejecución. Ejemplos de Aplicación. 11 Algoritmos de retroceso: Árboles de Retroceso. Análisis de los Tiempos de Ejecución. Ejemplos de Aplicación. 12 Taller de ejercicios. Algoritmos de retroceso, voraces y programación dinámica. Ejemplos de aplicación. 13 Algoritmos matemáticos. Algoritmos geométricos: Algoritmos probabilísticos. Programación paralela Método General. Análisis de los tiempos de ejecución. Ejemplos de Aplicación. 14 Taller de ejercicios. Algoritmos matemáticos, algoritmos geométricos, algoritmos 3

4 probabilísticas y programación paralela. Ejemplos de aplicación. 15 Presentación y exposición del proyecto final 16 Examen final 17 Examen sustitutorio 5. ESTRATEGIA DIDÁCTICA Por parte del docente desarrollará su asignatura utilizando la metodología siguiendo los conceptos inductivos, flexibles, participativos y constructivos con la participación del alumno. En este sentido se utilizará las técnicas de participativas, s guiados, prácticas domiciliarias y desarrollo de proyectos. Por parte del estudiante éste participará activamente a través de la aplicación de los conceptos y técnicas adecuadas en la solución de problemas de acuerdo a su contexto y características particulares mediante la elaboración de pseudocódigos e implementación en un lenguaje de programación orientado a objetos. Se utilizará instrumentos como ejercicios y exámenes individuales calificados, s, prácticas domiciliarias, desarrollo de temas de investigación y elaboración de proyectos en grupo. 6. DEL APRENDIZAJE Concepto Porcentaje Compuesto Promedio de práctica 15% Trabajos, s, etc. Proyecto 15% 100% Trabajo Final 35% 100% examen 35% 100% examen Se espera que el documento de presentación del proyecto tenga un nivel universitario y con calidad monográfica. Todas las referencias bibliográficas deberán estar especificadas de manera explícita, incluyendo las fuentes en Internet. Cualquier intento de atribución inválida de autoría de contenido será considerado plagio y se penalizará con la calificación de cero (0). Los temas tratados en el trabajo de investigación aplicado pueden ser materia de evaluación. Los requisitos para que el proyecto aspire a una calificación aprobatoria son la funcionalidad completa y la calidad del producto, así como un conocimiento sustentado de sus componentes por parte de los autores. Cualquier detección de plagio será penalizada con la calificación de cero (0). Sistema de calificación del proyecto Nota proyecto = (Entregable 1 + Entregable 2 + Exposición)/3 1. Entregable 1: Contiene el avance inicial de la solución del trabajo. 2. Entregable 2: Contiene la solución final del proyecto 3. Exposición final del trabajo IMPORTANTE: Se recuerda a los alumnos que, los profesores de ayudantía solo asesoran en el correcto desenvolvimiento de las clases de y supervisan las evaluaciones de. Más no están con la prerrogativa de evaluar y calificar a ningún alumno. 4

5 7. REFERENCIAS BIBLIOGRAFICAS 7.1. BÁSICA 1. ALEN WEISS, Mark Estructura de Datos en Java. Addison Wesley BRASSARD, G. / BRATLEY, T. Fundamentos de Algoritmia. Prentice Hall CAIRÓ, Osvaldo. Estructuras de Datos. McGraw-Hill CORTEZ VÁSQUEZ, Augusto Estructura de datos y algoritmos CORTEZ VÁSQUEZ, Augusto Algoritmia JOYANES AGUILAR, Luis Estructura de Datos en Java. McGraw-Hill LEE, R.C.T., TSENG, S.S., CHANG, R.C., TSAI, Y.T. Introducción al diseño y análisis de algoritmos. McGraw Hill PELÁEZ SÁNCHEZ, José I. Análisis y diseño de algoritmos: Un enfoque teórico práctico. Universidad de Málaga DROZDEK, Adam Estructura de Datos y Algoritmos con Java. Editorial Thomson. México ZIVIANi, Nivio Diseño de Algoritmos con Implementaciones en C y Pascal. Thomson Editores Paraninfo COMPLEMENTARIA 1. AHO, Alfred V. Estructura de Datos y algoritmos Addison Wesley ALLEN WEISS, Mark Estructura de Datos y Algoritmos. Addison Wesley CEVALLOS, Francisco JAVA 2 Curso de programación Alfa y Omega DEITEL Y DEITEL Como programar en JAVA. Prentice Hall HEILEMAN, Gregory L. Estructura de Datos, Algoritmos y Programación Orientada a Objetos. McGraw-Hill JOYANES AGUILAR, Luis Estructura de Datos Teoría y Libro de Problemas. McGraw-Hill KRUSE, Robert L. Estructura de Datos y Diseño de Programas. Prentice Hall LIPSCHUTZ, Seymur Ph.D. Estructura de Datos. Serie SCHAUM. McGraw-Hill