unità f1 analisi della complessità degli algoritmi
TRANSCRIPT
Unità F1Unità F1Analisi della complessità degli
algoritmi
Obiettivo principaleObiettivo principale• Confrontare algoritmi corretti che risolvono lo
stesso problema, allo scopo di scegliere quello migliore in relazione a uno o più parametri di valutazione.
Valutazione con un Valutazione con un parametroparametro
• Se si ha a disposizione un solo parametro per valutare un algoritmo, per esempio il tempo d’esecuzione, è semplice la scelta: il più veloce.
• Ogni altra caratteristica non viene considerata.
Valutazione con più Valutazione con più parametriparametri
• Nel caso di due parametri normalmente si considerao il tempo.
• numero di passi (istruzioni) che occorrono per produrre il risultato finale.
• Passi e non secondi o millisecondi perché il tempo varia al variare delle potenzialità del calcolatore.
o lo spazio• occupazione di memoria
Durata delle istruzioniDurata delle istruzioni• Le istruzioni non hanno tutte lo stesso
tempo di esecuzione.• Il tempo di esecuzione di un algoritmo è
una somma pesata delle istruzioni:
Ttotale=(i0*t0*n0)+(i1*t1*n1)+…+(im*tm*nm)
o ij è l’istruzione, o tj è il costo dell’istruzione, il tempo di esecuzione o nj è il numero di volte che viene eseguita.
Misura Misura delldell’’efficienzaefficienza
• L ’approssimazione di una funzione con una funzione asintotica è molto utile per semplificare i calcoli sul tempo di esecuzione di un algoritmo.
• La notazione asintotica di una funzione consente di descriverne il comportamento in modo semplificato, ignorando dettagli della formula.
• Esempio: per valori sufficientemente alti di x il comportamento della funzione f(x) = x2 – 3x + 1 è approssimabile con la funzione f(x) = x2.
• Per un algoritmo con un input di dimensione n, possiamo definirne l’efficienza dicendo che “l’algoritmo per calcolare il risultato finale impiega al più f(n) passi”, “l’algoritmo ha complessità f(n)”.
TerminologiaTerminologia• O (O grande) equivale al simbolo <=.
o Corrisponde a “al più come”. o “la complessità dell’algoritmo è O(f(n))” equivale a “il
tempo d’esecuzione dell’algoritmo è <= a f(n)”.
• o (o piccolo) equivale al simbolo <. o “la complessità dell’algoritmo è o(f(n))” equivale a “il
tempo d’esecuzione dell’algoritmo è strettamente < a f(n)”.
• Θ (teta) corrispondente al simbolo =. o “la complessità dell’algoritmo è Θ(f(n))” equivale a “il
tempo d’esecuzione dell’algoritmo è = a f(n)”.
TerminologiaTerminologia• Ω (omega grande) equivale al simbolo
>=.o “la complessità dell’algoritmo è Ω(f(n))”
equivale a dire “il tempo d’esecuzione dell’algoritmo è >= a f(n)”.
• ω (omega piccolo) equivale al simbolo >.o “la complessità dell’algoritmo è ω(f(n))” è uguale a “il tempo
d ’esecuzione dell’algoritmo è strettamente > di f(n)”.
Complessità Complessità computazionalecomputazionale
• La complessità computazionale di un algoritmo è la quantità di tempo necessaria per produrre il risultato finale.
• La complessità si esprime sotto forma di una funzione matematica che mette in relazione il tempo di esecuzione di un algoritmo con la dimensione dei dati di input.
• Il caso peggiore per un algoritmo è il caso in cui questo, per generare il risultato, impiega più tempo.
ComplessitàComplessità• In molti casi la complessità è legata al tipo
o al numero dei dati di inputo Ad esempio la ricerca di un valore in un vettore
ordinato dipende dalla dimensione del vettore
• La complessità può dipendere anche dalla disposizione e dal tipo di datio Sempre nell’algoritmo di ricerca in un vettore
ordinato avremo il caso:• Ottimo• Pessimo• Medio
Tipi di complessitàTipi di complessità• lineare;• logaritmica;• quadratica;• esponenziale;• fattoriale.
LineareLineare
• l’algoritmo ha complessità O(n)
• Esempio:o algoritmo di
ricerca sequenziale di un elemento in un array
LogaritmicaLogaritmica
• Esempio ricerca dicotomica in un array
• La ricerca dicotomica ha complessità O(log2(n))
QuadraticaQuadratica
• Un esempio è l’algoritmo di ordinamento bubblesort eseguito su un array di elementi
• l’algoritmo ha complessità O(n2)
EsponenzialeEsponenziale• l’algoritmo della Torre di Hanoi
ha complessità Ω(2n),• La Torre di Hanoi è un
rompicapo matematico composto da tre paletti e un certo numero di dischi di grandezza decrescente, che possono essere infilati in uno qualsiasi dei paletti.
• Il gioco inizia con tutti i dischi incolonnati su un paletto in ordine decrescente, in modo da formare un cono.
• Lo scopo del gioco è portare tutti dischi sull’ultimo paletto, potendo spostare solo un disco alla volta e potendo mettere un disco solo su un altro disco più grande, mai su uno più piccolo
Torre di HanoiTorre di Hanoi
FattorialeFattoriale
• E’ quella che cresce più velocemente rispetto a tutte le precedenti.
• Esempio: algoritmo che calcola tutti gli anagrammi di una parola di n lettere distinte.
• la complessità di un tale algoritmo è Θ(n!)
logaritmica < lineare < quadratica < esponenziale < logaritmica < lineare < quadratica < esponenziale <
fattorialefattoriale
Alcuni esempiAlcuni esempiCalcolo complessità e confronto
Algoritmo 1 – Calcolo Algoritmo 1 – Calcolo xx55
ALGORITMO 1x,i,p: intero
INIZIOleggi(x)i1p xMENTRE i<5 ESEGUI
p p*xi i+1
FINEMENTREscrivi(p)
FINE
1111x5
2x4
117
Algoritmo 2 – Calcolo Algoritmo 2 – Calcolo xxnn
ALGORITMO 2x,i,p: intero
INIZIOleggi(x)leggi(n)inp 1MENTRE i>0 ESEGUI
p p*xi i-1
FINEMENTREscrivi(p)
FINE
1111
3xn+1
13n+6
Ricerca sequenzialeRicerca sequenzialeFUNZIONE
RicercaSequenziale(V:vettore;N,P:Intero):BooleanoTrovato : BooleanoI : InteroINIZIOTrovato FalsoI 1MENTRE (I<N) AND (NOT Trovato) ESEGUI
SE V[I]=X ALLORATrovato Vero
FINESEI I+1
FINEMENTRERITORNO(Trovato)FINE
Ciclo eseguito:
•Caso ottimo 1 volta
•Caso pessimo n volte
•Caso medio n/2 volte
Ricerca binariaRicerca binariaFUNZIONE RicercaBinaria(V:vettore;N,X:Intero):BooleanoPrimo, Ultimo, Centro : Intero ; Trovato : BooleanoINIZIO Primo 1; Ultimo N; Trovato FalsoMENTRE (Primo<=Ultimo) AND (NOT Trovato) Centro (Primo+Ultimo)/2
SE V[Centro]=X ALLORATrovato Vero
ALTRIMENTI SE V[Centro]<X ALLORA Primo Centro+1 ALTRIMENTI Ultimo Centro-1 FINESE FINESEFINEMENTRERITORNO(Trovato)FINE
Ciclo eseguito:
•ottimo 1 volta
•pessimo log n volte
•medio log n volte
Confronto fra n - n/2 - Confronto fra n - n/2 - log(n)log(n)
n n/2 log(n)10 5 3,32192820 10 4,32192830 15 4,90689140 20 5,32192850 25 5,64385660 30 5,90689170 35 6,12928380 40 6,32192890 45 6,491853100 50 6,643856300 150 8,2288191000 500 9,96578410000 5000 13,28771100000 50000 16,60964