Conceptos Fundamentales del Análisis de Algoritmos II
|
|
- Esteban Piñeiro Murillo
- hace 5 años
- Vistas:
Transcripción
1 Conceptos Fundamentales del Análisis de Algoritmos II Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 17 de enero de 2018 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
2 1 Conceptos fundamentales del análisis de algoritmos II Ordenes de crecimiento de funciones importantes Clases básicas de eficiencia asintótica Tarea 3 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
3 1 Conceptos fundamentales del análisis de algoritmos II Ordenes de crecimiento de funciones importantes Clases básicas de eficiencia asintótica Tarea 3 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
4 Una forma de comparar funciones que ignora factores constantes y tamaños de entradas pequeños O(g(n)): clase de funciones f(n) que crecen no más rápido que g(n) n O(n 2 ), 100n + 5 O(n 2 ), 1 2 n(n 1) O(n2 ). Θ(g(n)): clase de funciones f(n) que crecen a la misma tasa que g(n) an 2 + bn + c Θ(n 2 ), n 2 + sin n Θ(n 2 ), n 2 log n Θ(n 2 ). Ω(g(n)): clase de funciones f(n) que crecen al menos tan rápido como g(n) n 3 Ω(n 2 ), 1 2 n(n 1) Ω(n2 ), 100n + 5 / Ω(n 2 ). Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
5 , Gran-O t(n) cg(n), para toda n n 0 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
6 , Gran-Omega t(n) cg(n), para toda n n 0 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
7 , Gran-Theta c 2 g(n) t(n) c 1 g(n), para toda n n 0 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
8 , ejercicio 1 Utilice la notación más apropiada entre O, Θ y Ω para indicar la clase de eficiencia temporal del algoritmo de búsqueda secuencial Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
9 , ejercicio 1 Respuestas: Utilice la notación más apropiada entre O, Θ y Ω para indicar la clase de eficiencia temporal del algoritmo de búsqueda secuencial C worst(n) = n, C worst(n) Θ(n) C best (n) = 1, C best (n) Θ(1) C avg(n) = p(n+1) 2 + n(1 p) = (1 p 2 )n + p 2, Cavg(n) Θ(n) Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
10 , ejercicio 2 De las siguientes afirmaciones cuáles son verdaderas y cuáles son falsas: 1 n(n + 1)/2 O(n 3 ) 2 n(n + 1)/2 O(n 2 ) 3 n(n + 1)/2 Θ(n 3 ) 4 n(n + 1)/2 Ω(n 3 ) 5 n(n + 1)/2 Ω(n) Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
11 , ejercicio 2 De las siguientes afirmaciones cuáles son verdaderas y cuáles son falsas: 1 n(n + 1)/2 O(n 3 ) V 2 n(n + 1)/2 O(n 2 ) V 3 n(n + 1)/2 Θ(n 3 ) F 4 n(n + 1)/2 Ω(n 3 ) F 5 n(n + 1)/2 Ω(n) V Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
12 , propiedades f(n) O(f(n)) f(n) O(g(n)) si y sólo si g(n) Ω(f(n)) Si f(n) O(g(n)) y g(n) O(h(n)), entonces f(n) O(h(n)) Si f 1 (n) O(g 1 (n)) y f 2 (n) O(g 2 (n)), entonces f 1 (n) + f 2 (n) O(max{g 1 (n), g 2 (n)}) Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
13 1 Conceptos fundamentales del análisis de algoritmos II Ordenes de crecimiento de funciones importantes Clases básicas de eficiencia asintótica Tarea 3 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
14 T (n) lím n g(n) = Ejemplo: 0 orden de crecimiento de T (n) < orden de crecimiento de g(n) c > 0 orden de crecimiento de T (n) = orden de crecimiento de g(n) orden de crecimiento de T (n) > orden de crecimiento de g(n) Comparar 1 n(n 1) y n2 2 lím n 1 n(n 1) 2 = 1 n 2 2 lím n 2 n = 1 ( n n 2 2 lím 1 1 ) = 1 n n 2 Como el límite es igual a una constante positiva, entonces las funciones tienen igual orden de crecimiento, i.e., 1 2 n(n 1) Θ(n2 ) Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
15 Regla de l Hôpital Si lím f(n) = lím g(n) = y las derivadas f, g existen, entonces: n n Ejemplo: Comparar log 2 n y n f(n) lím n g(n) = lím f (n) n g (n) log lím 2 n (log = lím 2 n) n n n ( (log = lím 2 e) 1 n n) n 1 2 n 1 = 2 log 2 e lím = 0 n n Como el límite es igual a cero, entonces la función log 2 n tienen un orden de crecimiento más pequeño que el de n, i.e., log 2 n o( n) o(g(n)): clase de funciones f(n) que crecen estrictamente menos rápido que g(n) Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
16 Fórmula de Stirling Para valores grandes de n: n! ( n ) n 2πn e Ejemplo: Comparar n! y 2 n ( n! 2πn n ) n lím n 2 = lím e n n = lím 2πn n n 2 n n 2 n e = lím ( n ) n 2πn = n n 2e Por lo tanto, aunque 2 n crece muy rápido, n! crece incluso más rápido, i.e., n! Ω(2 n ) Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
17 Ordenes de crecimiento de funciones importantes 1 Conceptos fundamentales del análisis de algoritmos II Ordenes de crecimiento de funciones importantes Clases básicas de eficiencia asintótica Tarea 3 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
18 Ordenes de crecimiento de funciones importantes Ordenes de crecimiento de funciones importantes Todas las funciones logarítmicas log a n pertenecen a la misma clase Θ(log n) sin importar la base del logaritmo a > 1 Todos los polinomios del mismo grado k pertenecen a la misma clase a k n k + a k 1 n k a 0 Θ(n k ) Las funciones exponenciales a n tienen diferentes ordenes de crecimiento para diferentes valores de a orden log n < orden n α (α > 0) < orden a n < orden n! < orden n n Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
19 Clases básicas de eficiencia asintótica 1 Conceptos fundamentales del análisis de algoritmos II Ordenes de crecimiento de funciones importantes Clases básicas de eficiencia asintótica Tarea 3 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
20 Clases básicas de eficiencia asintótica Clases básicas de eficiencia asintótica Clase Nombre 1 constante log n logarítmico n lineal n log n n-log-n o linearítmico n 2 n 3 cuadrático cúbico 2 n exponencial n! factorial Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
21 Tarea 3 1 Conceptos fundamentales del análisis de algoritmos II Ordenes de crecimiento de funciones importantes Clases básicas de eficiencia asintótica Tarea 3 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
22 Tarea 3 Tarea 3 Pruebe, usando límites, que las siguientes funciones están listadas ascendentemente con respecto a sus ordenes de crecimiento correspondientes: log n, n, n log n, n 2, n 3, 2 n, n! Fecha de entrega: 24 de enero antes de las 8 AM Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis II 17 de enero de / 20
Notación Asintótica. Temas. Introducción Notación O Notación Omega Notación Theta. Análisis de Algoritmos
Notación Asintótica Análisis de Algoritmos Temas Introducción Notación O Notación Omega Notación Theta 1 Introducción Por qué el análisis de algoritmos? Determinar tiempos de respuesta (runtime) Determinar
Más detallesAnálisis matemático de algoritmos no recursivos
no recursivos Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 22 de enero de 2018 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Análisis matemático de algoritmos 22 de enero de 2018 1 / 16 1 Análisis matemático
Más detallesNotación Asintótica. Programación Avanzada
Notación Asintótica Programación Avanzada Orden de crecimiento asintótico Ayuda a: Identificar el comportamiento de un algoritmo en el peor, el mejor o el caso promedio. Tener una idea del comportamiento
Más detallesAnálisis y Diseño de Algoritmos
Análisis y Diseño de Algoritmos Notación Asintótica DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Introducción Por qué el análisis de algoritmos? Determinar tiempos de respuesta (runtime)
Más detallesAnálisis de la Complejidad de Algoritmos
Análisis de la Complejidad de Algoritmos Gráficas estadística y minería de datos con python Miguel Cárdenas Montes Centro de Investigaciones Energéticas Medioambientales y Tecnológicas, Madrid, Spain miguel.cardenas@ciemat.es
Más detalles1. Introducción al análisis de algoritmos
1. Introducción al análisis de algoritmos 1. Introducción al concepto de algoritmia 2. Eficiencia de un algoritmo 3. Notación asintótica 4. Reglas generales Bibliografía Brassard y Bratley, 97; capítulos
Más detalles1. 1. Introducción al concepto de algoritmia
1. Introducción al análisis de algoritmos 1. Introducción al concepto de algoritmia 2. Eficiencia de un algoritmo 3. Notación asintótica 4. Reglas generales Bibliografía Básica: Aho, Hopcroft y Ullman,
Más detallesNOTACIÓN O GRANDE. El análisis de algoritmos estima el consumo de recursos de un algoritmo.
NOTACIÓN O GRANDE El análisis de algoritmos estima el consumo de recursos de un algoritmo. Esto nos permite comparar los costos relativos de dos o más algoritmos para resolver el mismo problema. El análisis
Más detallesAnálisis de Algoritmos
January 15, 010 1 Pseudocódigo 3 Modelos de referencia Antes de analizar un algoritmo debemos tener un modelo de la implementación de la tecnología que se va a usar, incluyendo un modelo para los recursos
Más detalles1/16. Coste de Algoritmos. 8 de abril de 2018
1/16 Coste de Algoritmos Josefina Sierra Santibáñez 8 de abril de 2018 2/16 Coste de un Algoritmo Analizar un algoritmo significa, en el contexto de este curso, estimar los recursos que requiere. Aunque
Más detallesAlgoritmos y Complejidad
Algoritmos y Complejidad Técnicas y Herramientas Pablo R. Fillottrani Depto. Ciencias e Ingeniería de la Computación Universidad Nacional del Sur Primer Cuatrimestre 2014 Técnicas y Herramientas Técnicas
Más detallesTécnicas y Herramientas. Algoritmos y Complejidad. Técnicas de Demostración. Técnicas y Herramientas. Herramientas Matemáticas Básicas
Técnicas y Herramientas Técnicas y Herramientas Pablo R. Fillottrani Depto. Ciencias e Ingeniería de la Computación Universidad Nacional del Sur Primer Cuatrimestre 2014 Técnicas de Demostración Herramientas
Más detallesTiempo de Ejecución. Midiendo el Tiempo de Ejecución
Tiempo de Ejecución Arturo Díaz Pérez Sección de Computación Departamento de Ingeniería Eléctrica CINVESTAV-IPN Av. Instituto Politécnico Nacional No. 2508 Col. San Pedro Zacatenco México, D. F. CP 07300
Más detallesAnálisis de algoritmos
Tema 04: Notación asintótica M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido Introducción Asíntota Dominio asintótico Ejemplo
Más detallesAnálisis de algoritmos
Tema 05: no recursivos M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido no recursivos La notación de Landau O La notación O Principio
Más detallesDiseño y Análisis de Algoritmos
1. Recursividad 2. "Dividir para Reinar" 3. Recursividad y Tabulación (Programación Dinámica) 4. Métodos Matemáticos Funciones discretas Notación O Ecuaciones de recurrencia 5. Casos de Estudio Breve descripción
Más detallesAlgoritmos y problemas
Análisis de Algoritmos Algoritmos y problemas Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Algoritmos y problemas p. 1 Problema = un conjunto (posiblemente infinita) de instancias
Más detallesDecrementa y vencerás II
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 21 de febrero de 2018 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Decrementa y vencerás II 21 de febrero de 2018 1 / 22 1 Decrementa y vencerás II Dr. Eduardo
Más detallesAnálisis Amortizado. Diseño y Análisis de Algoritmos Cátedra de Programación Carrera de Ingeniería de Sistemas Prof. Isabel Besembel Carrera
Análisis Amortizado Diseño y Análisis de Algoritmos Cátedra de Programación Carrera de Ingeniería de Sistemas Prof. Isabel Besembel Carrera 1 Análisis de algoritmos La eficiencia de un programa tiene dos
Más detallesCOMPLEJIDAD Y EFICIENCIA DE ALGORITMOS
UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO Facultad de Ciencias Exactas y Tecnologías Licenciatura en Sistemas de Información 2009 COMPLEJIDAD Y EFICIENCIA DE ALGORITMOS 1 TEORÍA DE LA COMPLEJIDAD Dado
Más detallesComplejidad computacional y asintótica
Complejidad computacional y asintótica Complejidad computacional Indica el esfuerzo que hay que realizar para aplicar un algoritmo y lo costoso que éste resulta. La eficiencia suele medirse en términos
Más detallesComplejidad de los Algoritmos
Que es un Algoritmo? Complejidad de los Algoritmos Webster: cualquier método especial para resolver cierta clase de problemas. Horowitz: método preciso utilizable en una computadora para la solución de
Más detallesLa eficiencia de los programas
La eficiencia de los programas Jordi Linares Pellicer EPSA-DSIC Índice General 1 Introducción... 2 2 El coste temporal y espacial de los programas... 2 2.1 El coste temporal medido en función de tiempos
Más detallesEstructura de Datos. Complejidad de Algoritmos. Algoritmo. Algoritmo. Mauricio Solar Lorna Figueroa
Estructura de Datos Complejidad de Algoritmos Mauricio Solar Lorna Figueroa 2010 1 Algoritmo Definición: Un algoritmo es un conjunto finito de instrucciones que sirven para resolver un problema si fueron
Más detallescc3001 Métodos Matemáticos
cc3001 Métodos Matemáticos Patricio Poblete Otoño 2012 Patricio Poblete () cc3001 Métodos Matemáticos Otoño 2012 1 / 17 Funciones discretas Para estudiar la eciencia de los algoritmos, generalmente usamos
Más detallesProgramación. Curso 2005/2006. Tema 3: Complejidad computacional
Programación Facultad de Informática Universidad Politécnica de Valencia Curso 2005/2006 Tema 3: FI UPV: 29 de noviembre de 2005 Índice 1 Introducción 2 2 Consumo de recursos: costes espaciales y temporales
Más detallesAlgoritmos: Análisis de algoritmos
Algoritmos: Análisis de algoritmos Alberto Valderruten LFCIA - Departamento de Computación Facultad de Informática Universidad de A Coruña, España www.lfcia.org/alg www.fi.udc.es Contenido Análisis de
Más detallesIntroducción al Análisis del Coste de Algoritmos
1/11 Introducción al Análisis del Coste de Algoritmos Josefina Sierra Santibáñez 7 de noviembre de 2017 2/11 Eficiencia de un Algoritmo Analizar un algoritmo significa, en el contexto de este curso, predecir
Más detallesIntroducción y Comportamiento Asintótico
Introducción y Comportamiento Asintótico M. Andrea Rodríguez-Tastets Ayudante: Erick Elejalde Universidad de Concepción,Chile www.inf.udec.cl\ andrea andrea@udec.cl I Semestre - 2014 1/64 Problemas and
Más detallesAnálisis de Algoritmos
Análisis de Algoritmos IIC1253 IIC1253 Análisis de Algoritmos 1 / 36 Complejidad de un algoritmo Un algoritmo A puede ser pensado como una función A : {0,1} {0,1} Qué tan general es esta representación?
Más detallesAnálisis de Algoritmos
Análisis de Algoritmos IIC1253 IIC1253 Análisis de Algoritmos 1 / 36 Complejidad de un algoritmo Un algoritmo A puede ser pensado como una función A : {0,1} {0,1} Qué tan general es esta representación?
Más detalles1. Algoritmo, programa y pseudocódigo. Introducción al estudio de algoritmos. Ejemplos
Introducción al estudio de algoritmos 1. Algoritmo, programa y pseudocódigo 2. Eficiencia y el principio de invarianza 3. Operaciones elementales 4. Casos mejor, peor y medio 5. Notación asintótica 6.
Más detallesAlgorítmica y Lenguajes de Programación. Eficiencia y notación asintótica (ii)
Algorítmica y Lenguajes de Programación Eficiencia y notación asintótica (ii) Eficiencia y notación asintótica. Análisis de algoritmos En la lección anterior el concepto de eficiencia asintótica. En ésta
Más detallesTemas. Objetivo 12:00
0 Temas Teoría de la Complejidad Análisis de Algoritmos Complejidad temporal y espacial Funciones Matemáticas Ordenes Notación Asintótica Principios para determinar el orden de un algoritmo Objetivo Que
Más detallesTema 01: Fundamentos del Análisis Asintótico de Algoritmos
Tema 01: Fundamentos del Análisis Asintótico de Algoritmos Noviembre, 2003 CS0218: Algoritmos y Programación II Introducción En Ciencias de la Computación se presenta con frecuencia la situación de analizar
Más detallesAnálisis asintótico de algoritmos
Algoritmos y problemas Análisis asintótico de algoritmos! Cada algoritmo resuelve a un problema particular! Hay varias maneras de resolver un problema! Algunas maneras son buenas y otras son malas! El
Más detallesALGORITMOS INTRODUCCIÓN ALGORITMOS INTRODUCCIÓN AL ANÁLISIS Y AL DISEÑO DE AL ANÁLISIS Y AL DISEÑO DE UNIVERSIDAD AUTÓNOMA METROPOLITANA
INTRODUCCIÓN AL ANÁLISIS Y AL DISEÑO DE ALGORITMOS El análisis de la complejidad de algoritmos, así como la discusión de las ventajas/desventajas, que tienen diferentes soluciones a los problemas clásicos,
Más detallesAlgorítmica: Análisis de Algoritmos
Algorítmica: Análisis de Algoritmos Conrado Martínez U. Politècnica Catalunya Q1-2011-2012 Eficiencia de un algoritmo = consumo de recursos de cómputo: tiempo de ejecución y espacio de memoria Análisis
Más detallesAnálisis de algoritmos.
Análisis de algoritmos. - Introducción. - Notaciones asintóticas. - Ecuaciones de recurrencia. - Ejemplos. 1 Introducción Algoritmo: Conjunto de reglas para resolver un problema. Su ejecución requiere
Más detallesAnálisis de Algoritmos Primer Problemario Prof. Miguel A. Pizaña 22 de Mayo de 2007
Análisis de Algoritmos Primer Problemario Prof. Miguel A. Pizaña 22 de Mayo de 2007 I Tareas 1. Dudar de todo, al menos una vez en la vida. 2. Que dice la paradoja de Zenón de Elea? Qué significa paradoja?
Más detallesTema 3.2: Eficiencia de algoritmos recursivos. Diseño y Análisis de Algoritmos
Diseño y Análisis de Algoritmos Contenidos Contenidos 1 Introducción 2 3 Método general para resolución de relaciones de recurrencia URJC DAA 2 / 37 Introducción Análisis de algoritmos recursivos La matemática
Más detallesAnálisis y Diseño de Algoritmos. Complejidad Computacional
Análisis y Diseño de Algoritmos Complejidad Computacional Multiplicación Método Tradicional Método Russé Método Particiones Complejidad Computacional Tan pronto como una máquina análitica exista, será
Más detallesAnálisis de Algoritmos
Análisis de Algoritmos Amalia Duch Barcelona, marzo de 2007 Índice 1. Costes en tiempo y en espacio 1 2. Coste en los casos mejor, promedio y peor 3 3. Notación asintótica 4 4. Coste de los algoritmos
Más detallesNotación Asintótica 2
Notación Asintótica 2 mat-151 1 Éxamen Rápido (6 minutos) Cada operación fundamental usa c milisegundos, cuánto tiempo toma contar hasta 1,000,000? Cuál es el valor de N? Cuál es el órden de complejidad
Más detallesProgramación 2. Lección 8. Caracterización asintótica de la eficiencia de un algoritmo
Programación 2 Lección 8. Caracterización asintótica de la eficiencia de un algoritmo 1 1. Funciones de coste de un algoritmo 2. Caracterización asintótica del coste Notación O Consecuencias prácticas
Más detallesProgramación II. Mario Aldea Rivas Programación II 04/04/11 1. Mario Aldea Rivas Programación II 04/04/11 2
Programación II Bloque temático 1. Lenguajes de programación Bloque temático 2. Metodología de programación Bloque temático 3. Esquemas algorítmicos Tema 5. Algoritmos voraces, heurísticos y aproximados
Más detallesContenido. 1 Análisis de algoritmos. Contenido. Contenido. Complejidad computacional. Clases de complejidad. Factores que afectan la eficiencia
Análisis de algoritmos Notas de clase basadas en Análisis de Algoritmos y Complejidad Computacional de Ian Parberry Dr. Francisco Javier Zaragoza Martínez franz@correo.azc.uam.mx UAM Azcapotzalco Departamento
Más detallesProgramación Análisis de Algoritmos: Tiempo de Ejecución (Introducción)
Programación 2 5 - Análisis de Algoritmos: Tiempo de Ejecución (Introducción) 1 Análisis de Algoritmos: Introducción Qué algoritmos elegir para resolver un problema? Que sean fáciles de entender, codificar
Más detallesDecrementa y vencerás
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 19 de febrero de 2018 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Decrementa y vencerás 19 de febrero de 2018 1 / 30 1 Decrementa y vencerás Tipos de algoritmos
Más detallesCI2612: Algoritmos y Estructuras de Datos II. Nociones básicas. Objetivos. Algoritmos. Blai Bonet
CI2612: Algoritmos y Estructuras de Datos II Blai Bonet Nociones básicas Universidad Simón Boĺıvar, Caracas, Venezuela Objetivos Algoritmos Concepto de algoritmo y modelo computacional Complejidad en tiempo
Más detallesAnálisis matemático de algoritmos recursivos
Análisis matemático de algoritmos recursivos Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 24 de enero de 2018 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Análisis matemático de algoritmos 24 de enero de
Más detallesEstructuras de Datos y Algoritmos
Ejercicio 1: Estructuras de Datos y Algoritmos Año 2018 Práctico 2: Evaluación de Algoritmos (Finalización: 27/08) Ingeniería en Computación - Ingeniería en Informática - Profesorado en Computación Dados
Más detallesTema 2 Fundamentos de Complejidad Algorítmica
Tema 2 Fundamentos de Complejidad Algorítmica Pablo Sánchez Dpto. Matemáticas, Estadística y Computación Universidad de Cantabria Santander (Cantabria, España) p.sanchez@unican.es Pablo Sánchez (MATESCO)
Más detallesParte I: El computador y el proceso de programación
Parte I: El computador y el proceso de programación 1.Introducción a los computadores y su programación 2. Introducción al análisis y diseño de algoritmos 3. Introducción al análisis y diseño de programas
Más detallesTema 5- Diseño Recursivo y Eficiente. Tema 5- Diseño Recursivo y. Descomposición recursiva ascendente de un vector. Etapas del diseño recursivo
Tema 5- Diseño Recursivo y Eficiente Tema 5- Diseño Recursivo y Eficiente Germán Moltó Escuela Técnica Superior de Ingeniería Informática Universidad Politécnica de Valencia Índice general: 1. Introducción
Más detalles1. Planteamiento general
Algoritmos de tipo Divide y Vencerás 1. Planteamiento general 2. Determinación del caso base 3.1. Búsqueda binaria 3.3. Problema de la selección 3.4. Multiplicación de matrices de Strassen 1. Planteamiento
Más detallesComplejidad computacional. Algoritmos y Estructuras de Datos I. Complejidad computacional. Notación O grande
Complejidad computacional Algoritmos y Estructuras de Datos I Segundo cuatrimestre de 2014 Departamento de Computación - FCEyN - UBA Algoritmos - clase 10 Introducción a la complejidad computacional y
Más detallesCongruencias y un Algoritmo de Tiempo Polinomial para la Factorización de Números
Instituto Politécnico Nacional Escuela Superior de Física y Matemáticas Departamento de Matemáticas Congruencias y un Algoritmo de Tiempo Polinomial para la Factorización de Números Tesis que para obtener
Más detallesAnálisis de Algoritmos
Parte de Algoritmos de la asignatura de Programación Master de Bioinformática Análisis de Algoritmos Web asignatura: http://dis.um.es/~domingo/algbio.html E-mail profesor: domingo@um.es Transparencias
Más detallesParte II: Estructuras de datos y algoritmos
Parte II: Estructuras de datos y algoritmos 1. Introducción al análisis y diseño de algoritmos. 2. Tipos abstractos de datos. 3. Métodos de ordenación. 4 GRUPO DE COMPUTADORES Y TIEMPO REAL Javier Gutiérrez,
Más detallesConceptos Fundamentales del Análisis de Algoritmos
Conceptos Fundamentales del Análisis de Algoritmos Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 15 de enero de 2018 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos Fundamentales del Análisis 15 de
Más detallesALGORITMIA DISEÑO Y ANÁLISIS DE LOS ALGORITMOS DRA. LETICIA FLORES PULIDO
+ ALGORITMIA DISEÑO Y ANÁLISIS DE LOS ALGORITMOS DRA. LETICIA FLORES PULIDO + Aspectos importantes 2 n Es importante notar que el tiempo de ejecución de un programa no es el único aspecto a considerar
Más detallesDivide y vencerás. Dr. Eduardo A. RODRÍGUEZ TELLO. 7 de marzo de CINVESTAV-Tamaulipas
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 7 de marzo de 2018 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Divide y vencerás 7 de marzo de 2018 1 / 50 1 Divide y vencerás Dr. Eduardo RODRÍGUEZ T. (CINVESTAV)
Más detallesIntroducción al análisis de algoritmos
Estructura de Datos y Algoritmos Introducción al análisis de algoritmos 1. Eficiencia en tiempo de Ejecución Cuando resolvemos un problema nos vemos frecuentemente enfrentando una elección de programas,
Más detallesEstructuras de Datos y Algoritmos
Estructuras de Datos y Algoritmos Práctico 2: Evaluación de Algoritmos (Finalización: 03/09) Ingeniería en Computación - Ingeniería en Informática Año 2015 Ejercicio 1: Dados los siguientes vectores, correspondientes
Más detallesELO320 Estructuras de Datos y Algoritmos. Complejidad. Tomás Arredondo Vidal
ELO320 Estructuras de Datos y Algoritmos Complejidad Tomás Arredondo Vidal Este material está basado en: Robert Sedgewick, "Algorithms in C", (third edition), Addison-Wesley, 2001 Thomas Cormen et al,
Más detallesALGORITMICA III Capitulo I ANALISIS DE ALGORITMOS
Universidad Nacional de San Antonio Abad del Cusco Departamento Académico de Informática ALGORITMICA III Capitulo I ANALISIS DE ALGORITMOS Iván Medrano Valencia ANALISIS DE ALGORITMOS Un algoritmo es un
Más detallesDemostrando cotas inferiores: Arboles de decisión
Demostrando cotas inferiores: Arboles de decisión De la misma forma que la técnica basada en la mejor estrategia del adversario, vamos a utilizar los árboles de decisión para establecer una cota inferior
Más detallesAlgoritmos y Complejidad
IN47B, Ingeniería de Operaciones Contenidos 1 Introducción 2 Analizando Algoritmos 3 Complejidad 4 N P-completitud Qué es un Algoritmo? Qué es un Algoritmo? Definición Un algoritmo es un conjunto de pasos
Más detallesIN34A - Optimización
IN34A - Optimización Complejidad Leonardo López H. lelopez@ing.uchile.cl Primavera 2008 1 / 33 Contenidos Problemas y Procedimientos de solución Problemas de optimización v/s problemas de decisión Métodos,
Más detallesParte II. Estructuras de datos y algoritmos
Parte II. Estructuras de datos y algoritmos Tema 10. Introducción al análisis y diseño de algoritmos. Diseño de un programa. Concepto de algoritmo. Descripción de algoritmos: el pseudolenguaje y diagramas
Más detallesCapítulo 1 LA COMPLEJIDAD DE LOS ALGORITMOS
Capítulo 1 LA COMPLEJIDAD DE LOS ALGORITMOS 1.1 INTRODUCCIÓN En un sentido amplio, dado un problema y un dispositivo donde resolverlo, es necesario proporcionar un método preciso que lo resuelva, adecuado
Más detallesCuál es el significado de t(n) en este caso? Dependen O(t(n)) y Ω(t(n)) de este significado? Y o(t(n))? Justifica las respuestas.
159. (Clase) Obtener el tiempo de ejecución t(n), O(t(n)), Ω(t(n)) y o(t(n)) para el siguiente algoritmo de multiplicación de matrices: for i= 1 to n for j= 1 to n suma= 0 for k= 1 to n suma= suma + a[i,
Más detalles3.1. Algoritmos. que él ejecuta las instrucciones.
3.1. Algoritmos Formalmente qué es un algoritmo? no es una pregunta fácil de responder, de hecho, no daremos una definición formal, apelaremos a la intuición que el alumno tenga hasta el momento. Intuitivamente
Más detallesTema 3. Análisis de costes
Tema 3. Análisis de costes http://aulavirtual.uji.es José M. Badía, Begoña Martínez, Antonio Morales y José M. Sanchiz {badia, bmartine, morales, sanchiz}@icc.uji.es Estructuras de datos y de la información
Más detallesEstructuras de Datos. Clase 3 Análisis de algoritmos recursivos
Clase 3 Análisis de algoritmos recursivos http://cs.uns.edu.ar/~sag Bahía Blanca, Argentina Notación asintótica (Big-Oh) Sean f(n) y g(n) : N R f(n) es O(g(n)) ssiexisten c real con c>0 y n 0 natural con
Más detallesPROGRAMA DE ASIGNATURA
PROGRAMA DE ASIGNATURA ASIGNATURA: Algoritmos y Estructuras de Datos II AÑO: 2012 CARÁCTER: Obligatoria CARRERA: Licenciatura en Ciencias de la Computación RÉGIMEN: cuatrimestral CARGA HORARIA: 120 hs.
Más detallesCarlos A. Rivera-Morales. Precálculo 2
y Carlos A. Rivera-Morales Precálculo 2 Introducción a y Notación d Tabla de Contenido 1 Definición Sumas Parciales Introducción a y Notación d Tabla de Contenido 1 Definición Sumas Parciales 2 Introducción
Más detalles3. Notación asintótica TEMA 1: EFICIENCIA DE LOS ALGORITMOS. 3. Notación asintótica. 3. Notación asintótica. 3. Notación asintótica
TEMA 1: EFICIENCIA DE LOS ALGORITMOS 0. Notació 1. Medida de la complejidad 2. Aálisis por casos El factor que más iteresa de las fucioes de coste es la tasa de crecimieto para valores grades de la talla
Más detallesdit UPM Tema 1: Algoritmos /complejidad /java Análisis y diseño de software José A. Mañas
Análisis y diseño de software dit UPM Tema 1: Algoritmos /complejidad /java José A. Mañas http://jungla.dit.upm.es/~pepe/doc/adsw/index.html 21.2.2018 referencias http://www.dit.upm.es/~pepe/doc/adsw/
Más detallesANÁLISIS Y DISEÑO DE ALGORITMOS
ANÁLISIS Y DISEÑO DE ALGORITMOS CURSO 2005/2006 BOLETÍN DE PROBLEMAS: DIVIDE Y VENCERÁS Ejercicio 1 Dado un vector ordenado y rotado k veces: diseñar un algoritmo O(log n) que encuentre el elemento mayor
Más detallesTema 2. Análisis de Complejidad
Universidad Poliécnica de Madrid Escuela Técnica Superior de Ingeniería de Sisemas Informáicos Tema 2. Análisis de Complejidad Algorímica y Complejidad Inroducción Problemas y Funciones: Ejemplos 2 4 1
Más detallesAnálisis y Diseño de Algoritmos
Análisis y Diseño de Algoritmos Recurrencias DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Introducción 2 Cuando un algoritmo se llama a sí mismo Su tiempo de ejecución se puede describir
Más detallesAnálisis de Algoritmos CB-102
Análisis de Algoritmos CB-102 Algoritmos en Paralelo Centro de Manufactura / Centro de Sistema Inteligentes ITESM Algoritmos en Paralelo TC-4001 - p. 1/22 Hasta este punto, nuestro modelo de computación
Más detallesTEMA 1 La eficiencia de los algoritmos
DLSI (Univ. Alicante) Tema 1. La eficiencia de los algoritmos TEMA 1 La eficiencia de los algoritmos PROGRAMACIÓN Y ESTRUCTURAS DE DATOS La eficiencia de los algoritmos 1. Noción de complejidad Complejidad
Más detallesAlgorítmica y Lenguajes de Programación. Eficiencia y notación asintótica (i)
Algorítmica y Lenguajes de Programación Eficiencia y notación asintótica (i) Eficiencia y notación asintótica. Introducción Para resolver un problema pueden existir varios algoritmos. Por tanto, es lógico
Más detallesPROYECTO MATEM CURSO PRECÁLCULO UNDÉCIMO AÑO MODALIDAD ANUAL. Guía para el II parcial
Universidad de Costa Rica Instituto Tecnológico de Costa Rica PROYECTO MATEM CURSO PRECÁLCULO UNDÉCIMO AÑO MODALIDAD ANUAL Guía para el II parcial Sábado 25 de junio, 8:00 a.m. 2016 II PARCIAL ÁLGEBRA
Más detallesSucesiones y series numéricas
Sucesión Se llama sucesión a una función f : N R que a cada natural n asocia un número real a n. Se denota por {a n } o (a n), o {a 1,a 2,...,a n,...}. Ejemplos 1, 4 3, 9 7, 16 15,..., n 2 2 n 1,... {0.3,0.33,0.333,...}
Más detallesAnálisis y Diseño de Algoritmos
Análisis y Diseño de Algoritmos Introducción: El Rol de los Algoritmos en Computación DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Temario 2 1. Introducción 2. Notación Asintótica 3. Recurrencias
Más detallesESTRUCTURAS DE DATOS
ESTRUCTURAS DE DATOS Analista de Sistemas y Licenciatura en Sistemas Lic. Verónica L. Vanoli Dra. Sandra I. Casas Universidad Nacional de la Patagonia Austral Unidad Académica Río Gallegos Indice ANALISIS
Más detallesÍNDICE. Prefacio... xi
ÍNDICE Prefacio... xi 1 EL SISTEMA DE LOS NÚMEROS REALES... 1 1.1 Conjuntos... 1 Ejercicio 1.1, 20 problemas... 7 1.2 Constantes y variables... 8 1.3 El conjunto de los números reales... 9 Ejercicio 1.2,
Más detallesTécnicas de diseño de algoritmos
Técnicas de diseño de algoritmos Introducción Luis Javier Rodríguez Fuentes Amparo Varona Fernández Departamento de Electricidad y Electrónica Facultad de Ciencia y Tecnología, UPV/EHU luisjavier.rodriguez@ehu.es
Más detallesFactorización. 1) Al factorizar 6x 2 x 2 uno de los factores es. A) 2x + 2. B) 3x + 2. C) 2x 2. D) 3x 2
www.matematicagauss.com Factorización 1) Al factorizar 6x x uno de los factores es A) x + B) x + x x ) Al factorizar a b 4 + 4b uno de los factores es A) 1 + b B) a b a b + a b ) En la factorización completa
Más detallesResolviendo Recurrencias
Resolviendo Recurrencias Mauro Jaskelioff 16/03/2015 Análisis de Algoritmos Queremos poder evaluar la performance de algoritmos. Para esto utilizamos Notación Asintótica Modelo de Costo basado en Lenguaje
Más detallesEstructuras de Datos: 503404
Estructuras de Datos: 503404 Andrea Rodríguez 13 de marzo de 2006 1. Definiciones Los conceptos de tipo de datos, tipo abstracto de datos y estructuras de datos juegan un papel importante en Ciencias de
Más detallesCubiertas convexas II
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 22 de enero del 2013 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Cubiertas convexas II 22 de enero del 2013 1 / 41 1 Cubiertas convexas II Algoritmo QuickHull
Más detallesMétodos Numéricos I - C.S.I. - Curso 2003/04. TEMA 2: Interpolación polinómica de funciones
Ejercicios. Hoja 2.1 1. Usar la fórmula de Lagrange para obtener un polinomio cúbico que interpola los valores de la tabla siguiente. Evaluarlo luego para x = 2, 3, 5. x k 0 1 4 6 y k 1-1 1-1 [Sol.: P
Más detallesLa función exponencial se define con una base constante cuyo exponente es el valor variable, es decir:
Función Exponencial La función exponencial se define con una base constante cuyo exponente es el valor variable, es decir: Con Gráfica función exponencial a) Si la función es creciente en. b) Si la función
Más detalles