CC30A Algoritmos y Estructuras de Datos

Presentación del tema: "CC30A Algoritmos y Estructuras de Datos"— Transcripción de la presentación:

1 CC30A Algoritmos y Estructuras de Datos
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Escuela de Ingeniería y Ciencias CC30A Algoritmos y Estructuras de Datos Dividir para reinar Tabulación

2 Dividir para reinar Multiplicación de dos polinomios
Problema: multiplicar dos polinomios de grado n-1. A(x)=a0+a1x+a2x2+…+an-1xn-1 B(x)=b0+b1x+b2x2+…+bn-1xn-1 C=A(x)*B(x).

3 Dividir para reinar Multiplicación de dos polinomios
Solución trivial O(n2): float[] c=new float[2*n-1]; // inicializar c[k] en 0 for (i=0; i<n: ++i) for (j=0; j<n; ++j) c[i+j]+=a[i]*b[j];

4 Dividir para reinar Multiplicación de dos polinomios
Algoritmo más eficiente: separar cada polinomio en 2 partes. Ejemplo:

5 Dividir para reinar Multiplicación de dos polinomios
En general: El grado de cada polinomio de la suma es (n/2)-1.

6 Dividir para reinar Multiplicación de dos polinomios
Por lo tanto: Esto se puede implementar con 4 multiplicaciones de polinomios de tamaño n/2, más kn sumas (para algún k).

7 Dividir para reinar Multiplicación de dos polinomios
El número total de operaciones T(n) se puede escribir como: ¿Qué complejidad temporal tiene el algoritmo?

8 Dividir para reinar Multiplicación de dos polinomios
Se resolverá la ecuación: “Desenrollando” la ecuación:

9 Dividir para reinar Multiplicación de dos polinomios
En general: Si p>q (nuestro caso):

10 Dividir para reinar Multiplicación de dos polinomios
Escoger j tal que qj=n (o sea, j=logqn): Pero:

11 Dividir para reinar Multiplicación de dos polinomios
Por lo tanto, el algoritmo demora: Aplicando el resultado a nuestra ecuación, donde p=4 y q=2: El resultado no es muy interesante…

12 Dividir para reinar Multiplicación de dos polinomios
PERO si se calcula: Entonces: Requiere 3 multiplicaciones recursivas.

13 Dividir para reinar Multiplicación de dos polinomios
Por lo tanto: Ejercicio: demostrar T(n) en los casos: p<q = O(n) p=q = (n log n)

14 Recursividad y tabulación
No siempre la recursividad es eficiente. Ejemplo: cálculo de números de Fibonacci.

15 Recursividad y tabulación
Tabla de valores:

16 Recursividad y tabulación
Solución recursiva: int F(int n) { if (n<=1) return n; else return F(n-1)+F(n-2); }

17 Recursividad y tabulación
Esto resulta muy ineficiente. Si T(n) representa el número de sumas ejecutadas para calcular fn, se tiene: T(0)=0 T(1)=0 T(n)=1+T(n-1)+T(n-2)

18 Recursividad y tabulación
Tabla de valores para T(n): ¿T(n)=fn-1? Si. (Ejercicio: demostrarlo).

19 Recursividad y tabulación
Luego, el tiempo crece de manera exponencial (muy lento). El problema es que se está recalculando una y otra vez los mismos valores (ver dibujo en pizarra). Una forma de evitar esto es anotar los valores calculados en un arreglo.

20 Recursividad y tabulación
El arreglo debe llenarse de manera ordenada: int F(int n) { int fib[n+1]; fib[0]=0; fib[1]=1; for (i=2; i<=n; ++i) fib[i]=fib[i-1]+fib[i-2]; }

21 Recursividad y tabulación
Tiempo del nuevo algoritmo: O(n). Esta idea se llama programación dinámica cuando se usa para resolver problemas de optimización. ¿Es posible calcular fn más rápido que O(n)? Respuesta: Si.

22 Recursividad y tabulación
Se tiene que: Se define una función auxiliar g tal que:

23 Recursividad y tabulación
Con esto se plantea el siguiente sistema de ecuaciones:

24 Recursividad y tabulación
An-1 se puede calcular por el método eficiente => Tiempo: O(log n).