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 SOFTWARE 1. INFORMACIÓN GENERAL 1.1 Nombre y código de la asignatura : ESTRUCTURA DE DATOS II 20W Número de créditos : Número de horas semanales : Teoría 03 horas, 02 horas 1.4 Ciclo de estudio : V 1.5 Periodo Académico : 2017-II 1.6 Pre-requisitos : 20W Análisis y Diseño de Algoritmos 20W0402- Estructura de Datos I 1.7 Profesores : Juan Gamarra Moreno 2. SUMILLA Esta asignatura de formación profesional especializada, de naturaleza teórica práctica con sesiones de laboratorio, tiene el propósito de que el alumno conozca y aplique estructuras de datos complejas para representar problemas complejos y de gestión de datos. En este contexto la administración de los datos es un aspecto importante para el buen uso del recurso computacional en la computadora. Se han establecido diversas formas de representación, es fundamental para el estudiante de ingeniería de software comprender y aplicar, adecuadamente, los conceptos y técnicas para diseñar estructuras de datos, no importa el nivel de complejidad de los datos a ser representados. Esta asignatura tiene el propósito de que el alumno comprenda y aplique los conceptos y técnicas, en especial la abstracción de datos, para un buen diseño de estructura de datos complejas y su implementación usando el paradigma de programación estructurado y orientado a objetos. 3. COMPETENCIA GENERAL Al finalizar la asignatura, el estudiante será capaz de determinar la técnica más adecuada para representar estructuras de datos que peritan solucionar problemas mediante la construcción de software utilizando los recursos computacionales en forma eficiente.

2 4. PROGRAMACIÓN UNIDAD 01: ESTRUCTURAS DE DATOS Y ALGORITMOS EN GENERAL COMPETENCIAS ESPECÍFICAS. Analizar y desarrollar el uso de las Estructuras de Datos y Algoritmos en General para la resolución y su implementación en aplicaciones usando Pilas, Colas, Bolsas Genéricas que implementen iteradores y comparadores. SEM CONTENIDOS. 1 Introducción Descripción del Sílabo Pila, Cola, Bolsa Genéricos Pilas, Colas, Bolsas Genéricas Iteradores Comparadores. ESTRATEGIAS 1: Implementación en Java de Pilas, Colas, Bolsas Genéricas con Iteradores y Comparadores. Desarrollo. de UNIDAD 02: ESTRUCTURAS DE DATOS NO LINEALES Y BÚSQUEDA COMPETENCIAS ESPECÍFICAS. Analizar y desarrollar el uso de las Estructuras de Datos No Lineales para la búsqueda y su implementación en aplicaciones con Tablas de Símbolos. Desarrolla soluciones utilizando estructuras no lineales aplicado problemas de complejidad media/alta con Tablas de Símbolos. Especifica operaciones utilizando estructuras no lineales con Tablas de Símbolos. Implementa operaciones utilizando estructuras no lineales con Tablas de Símbolos. 2 Colas de Prioridad Montículos Binarios Ordenamiento por montículo Tablas de Símbolos Tabla de Símbolos con árboles binarios de búsqueda (TSABB) Operaciones en TSABB Eliminación en TSABB 3 Árboles 2-3 Tabla de Símbolos con Árboles Rojo-Negro Árboles B Tabla de Símbolos con Árboles B 4 Tabla de Símbolos con Hashing Tabla de Símbolos con Encadenamiento Separado Tabla de Símbolos con Prueba Lineal 5 Conjunto Diccionario Indexación 2: Montículos Binarios y ordenamiento por montículo. 3: Tablas de Símbolos con Árboles Rojo Negro y Árboles B. 4: Tablas de Símbolos con Hashing. 5: Implementación de Conjuntos, Diccionarios, Índices....

3 UNIDAD 03: APLICACIONES DE GRAFOS. COMPETENCIAS ESPECÍFICAS. Analizar y desarrollar grafos para la solución de problemas. Desarrolla programas para analizar la conectividad de grafos. Desarrolla programas para encontrar árboles de expansión mínima. Desarrolla programas para encontrar el camino más corto en grafos. 6 Grafos Grafos No Dirigidos DFS y BFS, Componentes Conectados Dígrafos Ordenamiento Topológico, componentes fuertemente conectados. 7 Grafos: Árboles de Expansión Mínima Algoritmo Voraz Grafos con aristas ponderadas Algoritmo de Kruskal Algoritmo de Prim 8 Examen Parcial. 9 Grafos: Camino más Corto Algoritmo de Dijkstra Dígrafos acíclicos con aristas ponderadas Pesos negativos: Bellman-Ford. 6: Búsqueda DFS y BFS en grafos, Componentes conectados. 7: Árbol de expansión mínima con Kruskal y Prim. 8: Camino más corto con Dijkstra, Bellman-Ford. UNIDAD 04: CADENAS. COMPETENCIAS ESPECÍFICAS. Analiza el uso de las Estructuras de Datos para la búsqueda y ordenamiento de cadenas, y las implementa en aplicaciones. Desarrolla programas para la búsqueda en cadenas. Desarrolla programas para el ordenamiento de cadenas. 10 Ordenamiento de Cadenas Ordenamiento en base LSD Ordenamiento en base MSD 11 Ordenamiento en base 3-way Ordenamiento de Sufijo 12 Tries Trie R-way 13 Trie de búsqueda ternaria 9: Ordenamiento de Cadenas LSD y MSD. 10: Ordenamiento de Cadenas, base 3 way y de sufijo. 11: Almacenamiento de cadenas y recuperación con Tries R-way. 12: Almacenamiento de cadenas y recuperación con Tries ternarios.

4 14 Búsqueda de Sub Cadenas Fuerza Bruta 13: Búsqueda de fuerza bruta de sub-cadenas. 15 Algoritmo de Knuth- Morris-Prat Algoritmo de Boyer- Moore Algoritmo de Rabin-Karp Exposición Final de Proyecto 16 Examen Final. 17 Examen Sustitutorio 13: Búsqueda de subcadenas con Knuth- Morris-Prat, Boyer- Moore, Rabin-Karp. 5. ESTRATEGIA DIDACTICA La teoría se desarrollara en aula y la práctica de la asignatura se desarrollarán en el laboratorio. En teoría los métodos a utilizarse son principalmente el expositivo y el deductivo para la formación de los conceptos y aplicación de los mismos, propiciando la intervención activa de los estudiantes, fomentando la discusión crítica y el planteamiento de criterios que ayuden a elevar su nivel de aprendizaje. Mediante el Aula Virtual se proporcionará a los estudiantes recursos como son: lecturas, videos y tutoriales que complementen los temas tratados, prácticas dirigidas, ejercicios. En la práctica se proporciona al estudiante guías de práctica, que consiste en el desarrollo de una selección graduada de casos de estudio, ejercicios y problemas que serán ejecutados por los estudiantes y supervisados por el docente, a la vez que se les proporciona asesoramiento individual según se necesite sobre el tema a tratar. 6. EVALUACION DEL APRENDIZAJE La evaluación será como se indica a continuación: El Promedio Final (PF) se determina de la forma siguiente: PF = 0.10*PCL + 0.2*(TB1 + TB2) *PLA + 0,175*(EP +EF) Donde: PCL: Promedio de Controles de Lectura TB1: Trabajo Grupal: Exposición de avance TB2: Trabajo Grupal: Exposición final EP: Examen Parcial EF: Examen Final PLA: Promedio de s 7. REFERENCIAS BIBLIOGRAFIAS: Robert Sedgewick, Kevin Wayne. Algorithms. Addison-Wesley. 955p Lewis, John y Chase Joseph. Java software structures, Designing and Using Data Structures. Addison-Wesley. 565p Hubbart, Jhon. "Data Structures with Java". Segunda edición. McGraw-Hill. New York. 333p

5 Allen Weiss, Mark. "Estructura de Datos y Algoritmos en Java". Addison Wesley. Wilmington. 740p Goodrich T., Michael y Tamassia, Roberto. Data Structures and Algorithms in Java. Fifth Edition. John Wiley & Sons, Inc. 729p DEITEL Y DEITEL. "Como programar en JAVA". Prentice Hall. Madrid. 1325p Joyanes Aguilar, Luis. Zahonero Martinez. "Estructura de Datos en Java". Primera edición. Mc Graw Hill. Madrid. 536p Drozdek, Adam. "Estructuras de datos y algoritmos con Java". Segunda Edición. Thomsom. México. 752p Goldman, Sally. Goldman, Kenneth. A practical guide to data structures and algorithms using java. 1st Ed. Chapman & Hall/CRC. 1004p Allen Weiss, Mark. "Data structures & problem solving using Java". 4th Ed. Addison Wesley. Wilmington. 1022p