Análise de complexidade - UFMG

More documents

Recommendations

Info

Definimos g(n) = O(f(n)) se f(n) domina assintoticamente g(n) Lê se g(n) é da ordem no máximo f(n) Quando dizemos que o tempo de execução de um programa T(n) = O(n 2 ), existem constantes c e m tais que T(n) ≤ cn 2 para n ≥ m
f(n) = (n+1) 2 = O(n 2 ) Pois (n+1) 2 ≤ 4n 2 , para n ≥ m = 1 f(n) = n 2 e g(n) = n n = O(n 2 ), (faça m = 0 e c = 1) Mas n 2 não é O(n) ▪ Suponha que existam c e m tais que para todo n ≥ m, n 2 ≤ cn ▪ Logo n ≤ c para todo n ≥ m, contradição
Page 2 and 3: Tempo de processamento Um algoritm
Page 4 and 5: Achar o máximo de um vetor int vma
Page 6 and 7: Recuperar um registro num arquivo p
Page 8 and 9: Se vec[i] < *min, então não preci
Page 10 and 11: Comparar elementos par-a-par Custo
Page 12: Algoritmo f(n) Melhor caso Pior cas
Page 15 and 16: Uma função f(n) domina assintotic
Page 17: f(n) = n 2 , g(n) = (n+1) 2 f(n) e
Page 22 and 23: Imagine um programa com três fases
Page 24 and 25: f(n) = 3n 3 + 2n 2 + n = Ω(n 3 )
Page 26 and 27: Notação O é um limite assintóti
Page 28 and 29: Por que falar “o tempo de execuç
Page 31 and 32: Se f é uma função de complexidad
Page 33 and 34: Complexidade constante Tempo de ex
Page 35 and 36: Complexidade linear O algoritmo re
Page 37 and 38: Complexidade quadrática Típico d
Page 39 and 40: Complexidade exponencial Típicos
Page 42 and 43: (tamanho)
Page 44 and 45: Existem algoritmos de complexidade
Page 46 and 47: A figura abaixo mostra 4 cidades (c
Page 49 and 50: Determinar o tempo de execução de
Page 51 and 52: Para funções não recursivas: Co
Page 53 and 54: - - - 1 n n(n+1)/2 ? n(n+1)/2 ? 1 -
Page 55 and 56: - - n-1 n-1 n(n-1)/2 ? n(n-1)/2 ? A
Page 57: - - - 1 n n(n+1)/2 n(n+1)/2 n(n-1)/

Análise de complexidade - UFMG

Create successful ePaper yourself

Delete template?

Save as template?