Este documento presenta información sobre la caracterización de la eficiencia de algoritmos computacionales. Explica conceptos clave como algoritmos, problemas, eficiencia de algoritmos, análisis de algoritmos, notación asintótica O-grande y casos de complejidad. También incluye ejemplos de implementaciones de algoritmos para calcular el área de un círculo y el discriminante de una ecuación cuadrática.
0 calificaciones0% encontró este documento útil (0 votos)
40 vistas28 páginas
Este documento presenta información sobre la caracterización de la eficiencia de algoritmos computacionales. Explica conceptos clave como algoritmos, problemas, eficiencia de algoritmos, análisis de algoritmos, notación asintótica O-grande y casos de complejidad. También incluye ejemplos de implementaciones de algoritmos para calcular el área de un círculo y el discriminante de una ecuación cuadrática.
Este documento presenta información sobre la caracterización de la eficiencia de algoritmos computacionales. Explica conceptos clave como algoritmos, problemas, eficiencia de algoritmos, análisis de algoritmos, notación asintótica O-grande y casos de complejidad. También incluye ejemplos de implementaciones de algoritmos para calcular el área de un círculo y el discriminante de una ecuación cuadrática.
Este documento presenta información sobre la caracterización de la eficiencia de algoritmos computacionales. Explica conceptos clave como algoritmos, problemas, eficiencia de algoritmos, análisis de algoritmos, notación asintótica O-grande y casos de complejidad. También incluye ejemplos de implementaciones de algoritmos para calcular el área de un círculo y el discriminante de una ecuación cuadrática.
Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
Descargar como pptx, pdf o txt
Está en la página 1/ 28
Caracterización de la eficiencia de
algoritmos computacionales
Equipo #10 Nombre Matricula Carrera
Rubén Adrián German Valdez 1919497 IAS
Joel Alejandro Del Abra Pineda 1956935 IAS
Alan Joant Hernández Ramírez 1967795 ITS
Ángel Mario Hernández Martínez 1973493 ITS
Introducción
En esta presentación abarcaremos desde una introducción básica de lo que es un algoritmo, así
como la eficiencia de estos mismos y como poder conocer algunas de las características que
tienen los algoritmos que son altamente eficientes y como estos están presentes a cada
momento, hablaremos de lo que es la notación de complejidad asintótica O-grande y como
esta nos ayuda en los diferentes casos que pueden existir. De igual manera abarcaremos un
poco de lo que es el análisis de algoritmos, el cual nos ayuda a comprender un poco más de
los temas que hablamos a lo largo de esta presentación.
Algoritmos y problemas
Cada algoritmo resuelve a un problema particular
Hay varias maneras de resolver un problema Algunas maneras son buenas y otras son malas Eficiencia de un algoritmo
Un algoritmo es considerado eficiente si su consumo de recursos está en la media o
por debajo de los niveles aceptables. Hablando a grandes rasgos, 'aceptable' significa: que el algoritmo corre en un tiempo razonable en una computadora dada. Entonces, ¿Qué es eficiencia?
La eficiencia de un algoritmo es la propiedad mediante la
cual dicho debe alcanzar la solución al problema en el tiempo más corto posible o utilizando la cantidad más pequeña de recursos. Un buen programador debe buscar el algoritmo más eficiente.
Uno de los métodos más sobresalientes es el análisis de algoritmos, que permite
medir la dificultad propia de un problema. ¿Para que nos sirve el análisis de algoritmos? El propósito del análisis de algoritmos es identificar los algoritmos buenos.
Además nos ayuda a:
Determinar tiempos de respuesta (runtime)
Determinar recursos computacionales Generaliza el número de operaciones que requiere un algoritmo para encontrar la solución a un problema Ventajas y Desventajas Desventajas Ventajas Para muchos casos, el análisis no es Elección de algoritmos eficientes trivial. para resolver problemas específicos. No depende de lenguajes de programación ni de hardware. ¿Qué necesitamos para realizarlo? Para realizar el análisis de un algoritmo, es necesario: Conocer la complejidad del problema que resuelve el algoritmo Conocer la dimensión de la entrada (número de elementos) Determinar el número de operaciones a realizar
La complejidad de un algoritmo se representa a través de una función
matemática que pueden ser:
Polinomios Logaritmos Exponentes Funciones Podemos encontrar distintos tipos de funciones en los algoritmos :
Un algoritmo puede estar compuesto de dos o más operaciones, por lo que determinar la complejidad depende de identificar la operación más costosa en el algoritmo Complejidad de un algoritmo
Para determinar la complejidad de un algoritmo, se siguen los siguientes pasos:
Se analiza el algoritmo para determinar una función que represente el número de operaciones a realizar por el mismo Se define en términos de funciones matemáticas, el orden de la función Se clasifica de acuerdo a su complejidad Noción de complejidad Cálculo de complejidad: determinación de dos parámetros o funciones de coste:
Complejidad espacial : Cantidad de recursos
espaciales ( de almacén) que un algoritmo consume o necesita para su ejecución. Complejidad temporal : Cantidad de tiempo que un algoritmo necesita para su ejecución . ¿Qué casos pueden ocurrir?
El tiempo que requiere un algoritmo para dar una respuesta, se divide generalmente en 3 casos: Peor Caso: caso más extremo, donde se considera el tiempo máximo para solucionar un problema.
Caso promedio: caso en el cual, bajo ciertas restricciones, se realiza un análisis del algoritmo
Mejor caso: caso ideal en el cual el algoritmo tomará el menor tiempo para dar una respuesta La notación asintótica
El interés principal del análisis de algoritmos radica en saber cómo crece el tiempo de ejecución, cuando el tamaño de la entrada crece. Esto es la eficiencia asintótica del algoritmo. La notación asintótica se describe por medio de una función cuyo dominio es los números naturales (Ν) estimado a partir de tiempo de ejecución o de espacio de memoria de algoritmos en base a la longitud de la entrada.
• Se usa para representar consumo a través del tiempo (recursos, memoria, etc).
• Permite cuantificar rendimientos de funciones con base a su estructura.
• Define la correlación del crecimiento del tiempo de ejecución de un algoritmo en función
de las operaciones a ejecutar. O-grande (Big-O)
O-grande (Big-O), comúnmente escrito como O, es una notación
asintótica para el peor caso, o el techo de crecimiento para una función determinada.
Big-Omega
Big-Omega, comúnmente escrito como Ω, es una notación
asintótica para el mejor caso, o el piso en el crecimiento Aquí hay una lista de funciones en notación asintótica que a menudo encontramos cuando analizamos algoritmos, ordenadas de la que crece más despacio a la que crece más rápido: Implementación #1
Considerando el valor de Pi como
una constante, muestre el Área de un Circulo, solicitando el radio, con su respectivo Algoritmo. Pseudocódigo Diagrama de flujo Codigo en C Comprobación Implementación #2
Elabore un DF que calcule el
discriminante de una ecuación de la forma A𝑥^2+Bx+ C usando la fórmula D=(𝐵^2−4𝐴𝐶). Con su respectivo algoritmo. Diagrama de flujo Codigo en C Comprobación Conclusión
A lo largo de esta presentación pudimos conocer más acerca de lo que son los algoritmos y como poder medir el tiempo que toma realizar dichas instrucciones, conocer más acercas de los múltiples veneficios que nos traen a nuestra vida diaria y como nos facilita el hacer muchas tareas de una forma rápida y eficaz. Así como también que los programas o algoritmos que uno tiene que hacer debe de comprometerse de hacerlo lo más entendible posible, con los errores menos posibles para que el mantenimiento de este no sea tan continuo y que sea altamente eficiente. Referencias Eficiencia de los Algoritmos. (2013, 9 abril). WordPress. https://danielandres25.wordpress.com/unidad-1/eficacia-de-los-
algoritmos/
Khan Academy. (s. f.). Funciones en notación asintótica (artículo). Recuperado 24 de febrero de 2021, de
