Scribd
Carregar
50 visualizações21 páginas

Aula AA 1

Este documento apresenta conceitos fundamentais de análise de algoritmos, incluindo: (1) A importância de expressar o tempo de execução de um algoritmo independentemente da máquina, contando o número de passos como função do tamanho da entrada; (2) A notação Big-O para descrever a taxa de crescimento do tempo de execução em termos da entrada; (3) Exemplos comuns de notações Big-O como O(1), O(log n), O(n), O(n log n), O(n2), O(2n) e O(n!).

Enviado por

João Victhor Ho
Direitos autorais
© © All Rights Reserved
Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.
Formatos disponíveis
Baixe no formato PPTX, PDF, TXT ou leia on-line no Scribd
50 visualizações21 páginas

Aula AA 1

Este documento apresenta conceitos fundamentais de análise de algoritmos, incluindo: (1) A importância de expressar o tempo de execução de um algoritmo independentemente da máquina, contando o número de passos como função do tamanho da entrada; (2) A notação Big-O para descrever a taxa de crescimento do tempo de execução em termos da entrada; (3) Exemplos comuns de notações Big-O como O(1), O(log n), O(n), O(n log n), O(n2), O(2n) e O(n!).

Enviado por

João Victhor Ho
Direitos autorais
© © All Rights Reserved
Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.
Formatos disponíveis
Baixe no formato PPTX, PDF, TXT ou leia on-line no Scribd
Você está na página 1/ 21

Análise de Algoritmos

Aula 01

Prof. Roberto Leminski


roberto.leminski@docente.unip.br
Conteúdo
•Tempo de execução de um Algoritmo

•Notação Grande-O
Tempo de Execução
•Expressar o tempo de execução em termos
de passos básicos de computação é uma
simplificação.

•O tempo gasto por um tal passo depende


crucialmente do processador em questão e
mesmo de detalhes, tais como a estratégia de
cache (que resulta em tempos sutilmente
diferentes de uma execução para próxima).
Tempo de Execução
•Faz mais sentido buscar uma
caracterização simples, independente da
máquina, para a eficiência de um algoritmo.

•Assim sempre expressaremos o tempo de


execução contando o número de passos
básicos de computação como uma função do
tamanho da entrada.
Tempo de Execução
•Faz mais sentido buscar uma
caracterização simples, independente da
máquina, para a eficiência de um algoritmo.

•Assim sempre expressaremos o tempo de


execução contando o número de passos
básicos de computação como uma função do
tamanho da entrada.
Tempo de Execução
•Em vez de reportar que um algoritmo toma,
digamos, 5n3 + 4n + 3 passos em uma entrada
de tamanho n, é muito mais fácil deixar de fora
termos de menor ordem, tais como 4n e 3.

•Mesmo o coeficiente 5 do termo de maior


ordem (os computadores serão 5 vezes mais
rápidos de qualquer forma em poucos anos), e
apenas dizer que o algoritmo toma tempo
O(n3)
Grande-O
•Suponha que estejamos escolhendo entre
dois algoritmos para determinada tarefa
computacional.

•Um toma f1(n) = n2 passos, enquanto o


outro toma f2(n) = 2n + 20 passos. Qual é
melhor?

•Depende do valor de n. Para n  5, n2 é


menor; depois disso, 2n + 20 é claramente
melhor.
Grande-O
Grande-O
Grande-O
Grande-O
• Exemplo: Determinar a função referente a
um algoritmo para calcular o determinante de
uma matriz.

•Considerar que as três operações levam


(multiplicação, adição e subtração) levam o
mesmo tempo de execução.
Grande-O
• Exemplo: Determinar a função referente a
um algoritmo para calcular o determinante de
uma matriz.

•Considerar que as três operações levam


(multiplicação, adição e subtração) levam o
mesmo tempo de execução.
Grande-O
Grande-O
Grande-O - Exemplos
• Em um algoritmo de complexidade O(n!) (fatorial)
o número de instruções executadas cresce muito
rapidamente para um pequeno crescimento do
número de itens processados. Dentre os ilustrados, é
o pior comportamento para um algoritmo, pois
rapidamente o processamento se torna inviável. É o
caso da implementação inocente do Problema do
Caixeiro Viajante ou de um algoritmo que gere todas
as possíveis permutações de uma lista.
Grande-O - Exemplos
•Um algoritmo de complexidade O(2n) (exponencial)
também é ruim, pois o número de instruções também
cresce muito rapidamente (exponencialmente), ainda
que numa taxa menor do que o anterior. É o caso de
algoritmos que fazem busca em árvores binárias não
ordenadas.

•Um algoritmo de complexidade O(n2) (quadrático)


é factível, mas tende a se tornar muito ruim quando a
quantidade de dados é suficientemente grande. É o
caso de algorítmos que têm dois laços (for)
encadeados, como, por exemplo, o processamento de
itens em uma matriz bidimensional.
Grande-O - Exemplos
•Um algoritmo de complexidade O(n log n) (sub-
quadrático ou super-linear) é melhor do que o
quadrático, sendo geralmente até onde se consegue
otimizar algoritmos que são quadráticos. É o caso do
algoritmo de ordenação QuickSort, por exemplo (que
tem essa complexidade no caso médio, mas que ainda
assim é quadrático no pior caso).

•Um algoritmo de complexidade O(n) (linear) é


aquele cujo crescimento no número de operações é
diretamente proporcional ao crescimento do número
de itens. É o caso de algoritmos de busca em uma
matriz unidimensional não ordenada, por exemplo.
Grande-O - Exemplos
•Um algoritmo de complexidade O(log n)
(logaritmo) é aquele cujo crescimento do número de
operações é menor do que o do número de itens. É o
caso de algoritmos de busca em árvores binárias
ordenadas por exemplo (no caso médio, no pior caso
continua sendo linear).

•Um algoritmo de complexidade O(1) (constante) é


aquele em que não há crescimento do número de
operações, pois não depende do volume de dados de
entrada (n). É o caso do acesso direto a um elemento
de uma matriz, por exemplo.
Referências
• DASGUPTA, Sanjoy. Christos Papadimitriou,
Umesh Vazirani. Algoritmos. Porto Alegre, RS:
AMGH, 2011.
• StackOverflow
https://pt.stackoverflow.com/questions/568
36/defini%C3%A7%C3%A3o-da-nota
%C3%A7%C3%A3o-big-o
Dúvidas ?
Obrigado !

Você também pode gostar

pFad - Phonifier reborn

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.

Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.


Alternative Proxies:

Alternative Proxy

pFad Proxy

pFad v3 Proxy

pFad v4 Proxy