Quick Sort Estructuras de Datos Universidad Autónoma de Tlaxcala Unidad Académica Multidisciplinaria 14 de Septiembre de 2012.

Slides:



Advertisements
Presentaciones similares
Branch-and-bound Search
Advertisements

Diseño y análisis de algoritmos
GRAFOS Presentado por: Oscar Leonardo Ramírez John Freddy Sandoval
Teoría de Grafos UCR – ECCI CI-1204 Matemáticas Discretas
Pilas y Colas Fundamentos Estructuras de Datos (Programación 2)
GRAFOS: ALGORITMOS FUNDAMENTALES
Programación II de febrero de 2009
Grupo 4 Matías Melgar Pablo Carbonell
Ordenamiento Topológico
ALGORITMOS DE ORDENAMIENTO
Ordenación rápida (QuickSort)
Investigación de Operaciones II
IBD Plan 2003 Clase 4. UNLP - Facultad de InformáticaIBD - CLASE 4 2 Archivos - Búsqueda Búsqueda de información (costo) # de comparaciones (operaciones.
Solución de problemas por búsqueda inteligente

2 Acciones y funciones 2.1 Concepto
Inteligencia Artificial Resolver problemas mediante búsqueda
Recurrencia Programación II 3-4 de febrero de 2009.
Tema Nº4.
Cecilia Laborde González
Ejercicios de funciones
1 Algoritmos Elementales de Grafos Agustín J. González ELO-320: Estructura de Datos Y Algoritmos 1er.Sem
PROGRAMACIÓN PARALELA EN ALGORITMOS SOBRE GRAFOS
Ejemplos de Grafos: Red de tráfico con caminos y cruces.
Grafos. Un Grafo G es un par de conjuntos (V, E), donde V es un conjunto no vacío de elementos llamados vértices o nodos y E es un conjunto formado por.
Teoria de grafos.-clase 4
Trabajo presentado por: LUIS FERNANDO OBANDO ING
Complejidad Programación II de febrero de 2009.
Árbol recubridor mínimo Distancias
Algoritmos numéricos. Método de “aproximación sucesiva”: se genera una hipótesis sobre la respuesta y en cada iteración se utiliza dicha hipóte- sis para.
Single-Source Shortest Paths “Camino más corto desde/hacia una fuente”
Problemas de Decisión y Optimización
Estructura de Datos y Algoritmos
Diseño y análisis de algoritmos
Algoritmos de búsqueda
Programación II 3-4 de marzo de 2009
Diseño y análisis de algoritmos

Métodos de Búsqueda Informada. Búsqueda de la mejor Ruta En esta sección no sólo nos interesa encontrar una posible ruta, sino obtener aquella ruta que.
Diseño y análisis de algoritmos
Definición: Reorganizar un conjunto dado de objetos en una secuencia especificada Objetivo: Facilitar la búsqueda de los elementos del conjunto ordenado.
Ramificación y acotación (Branch and Bound)
Teoría de Grafos.-Clase 2
Búsqueda y ordenación Programación II 7-8 de enero de 2009.
Algoritmos de Búsqueda Simulated Annealing Es un algoritmo de Hill­Climmbing estocástico. Inspirado en el proceso físico (Termodinámica) de enfriamiento.
Divide y vencerás 1. Método general.
Agustín J. González ELO-320: Estructura de Datos y Algoritmos
Recurrencia Programación II de enero de 2009.
ELO3201 Análisis de Algoritmos (Cont.) Agustín J. González ELO320 1º sem 2004.
Grafos Emmanuel Parada..
Ordenación El ordenamiento por inserción (insertion sort en inglés) es una manera muy natural de ordenar para un ser humano, y puede usarse fácilmente.
1 Single-Source Shortest Paths “Camino más corto desde/hacia una fuente” Agustín J. González ELO320: Estructura de Datos y Algoritmos 1.er. Sem
1 Flujo Máximo Agustín J. González ELO320: Estructura de Datos y Algoritmos.
Agustín J. González ELO-320: Estructura de Datos Y Algoritmos
Trazas Animadas de Recorridos sobre Grafos
Ordenamiento en lenguaje c
Estructura de Datos 4 Grafos Dirigidos
Instituto Tecnológico De Villahermosa Alumno: Lázaro García Hernández.
UNIDAD 2 Grafos Árboles abarcadores mínimos Caminos más cortos.
 Edsger Wybe Dijkstra Nació en Rotterdam, (Holanda) en Sus padres eran ambos intelectuales y él recibió una excelente educación. su facilidad para.
BUSQUEDA EN ANCHURA Y PROFUNDIDAD
Capítulo 8: Árboles Autor: José Alfredo Jiménez Murillo.
BUSQUEDA POR PROFUNDIDAD INTELIGENCIA ARTIFICIAL
Matemáticas Discretas MISTI
Recorridos de grafos M.C. Meliza Contreras González.
Recorridos de grafos Segunda Parte M.C. Meliza Contreras González.
Listas Dinámicas.
Introducción a la Programación Orientada a Objetos Ordenamiento Ordenar una estructura de datos consiste en reacomodar sus elementos de manera tal que.
UNIVERSIDAD TECNOLÓGICA DE PANAMÁ Facultad de Ingeniería de Sistemas Computacionales Programa de Lic. en Informática Educativa Computación.
Complejidad Programación II de febrero de 2009.
Transcripción de la presentación:

Quick Sort Estructuras de Datos Universidad Autónoma de Tlaxcala Unidad Académica Multidisciplinaria 14 de Septiembre de 2012

Ordenación rápida: Quick Sort Quick Sort divide el vector en dos partes que se ordenan recursivamente. Se puede resumir en tres pasos: 1. Escoger un Elemento de Pivote. Existen varias maneras de obtener el elemento de pivote. En este caso se devuelve el primer elemento. No hay ninguna manera que garantice mejores resultados.

Ordenación rápida: Quick Sort Quick Sort divide el vector en dos partes que se ordenan recursivamente. Se puede resumir en tres pasos: 2. Particionar el vector en dos partes: una cuyos elementos son menores que el pivote, otra cuyos elementos son mayores. 3. Ordenar cada partición de manera recursiva con QuickSort.

Ordenación rápida: Quick Sort Existen varias maneras de obtener el elemento de pivote. En este caso se devuelve el último elemento. No hay ninguna manera que garantice mejores resultados.

Ordenación rápida: Quick Sort

Algoritmo QuickSort: Animación

Recorrido de grafos Muchos problemas se pueden representar por grafos Un grafo G=(V,E) consiste en un conjunto V de vértices y un conjunto E de aristas Hay varias razones para recorrer grafos: - visitar todos los vértices - buscar un(os) vértice(s) LM N OP G Q H J IK FED BC A

Búsqueda en profundidad (DFS; depth-first search) Recorre todos los vértices de una rama antes de seguir con la siguiente Visita a algunos vértices muy lejanos (profundos) del origen antes de otros cercanos La implementación más fácil es recursiva LM N OP G Q H J IK FED BC A

Búsqueda en profundidad (DFS) Para no visitar a un mismo vértice varias veces, hay que marcar los vértices ya visitados Sólo visitamos a un nodo si no ha sido marcado LM N OP G Q H J IK FED BC A

1 accion DFS(v: vertice) 2variable u: vertice; 3si (no marcado(v)) entonces 4marcado(v) := cierto; 5// procesamiento anterior de v 6para cada vecino u de v hacer 7 DFS(u); 8fpara 9// procesamiento posterior de v 10fsi 11 faccion Búsqueda en profundidad (DFS)

1 funcion DFS(v,w: vertice) devuelve booleano 2variable u: vertice; 3 b: booleano; 4si (marcado(v)) entonces 5devuelve falso; 6sino 7marcado(v) := cierto; 8si (v = w) entonces 9 devuelve cierto; 10fsi 11b := falso; 12para cada vecino u de v hacer 13 b := b o DFS(u, elem); 14fpara 15devuelve b; 16fsi 17 ffuncion Ejemplo: buscar un vértice w

Búsqueda en anchura (BFS; breadth-first search) Recorre los vértices en orden de su distancia desde el origen Visita a todos los vértices (el ancho) de un nivel antes de seguir con el siguiente Siempre encuentra la distancia mínima entre un vértice y el origen LM N OP G Q H J IK FED BC A

Búsqueda en anchura (BFS) Mantener una cola de vértices a procesar Cola: primer dato que entra, primero que sale (FIFO) Marcar vértices ya visitados (igual que para DFS) Agregar nuevos vértices a la cola Seguir hasta que la cola esté vacía

1 accion BFS(v: vertice) 2variable c: cola; 3 u,w: vertice; 4marcado(v) := cierto;// falso para otros vértices 5Inicializar(c); 6Agregar(c, v); 7mientras (no Vacia(c)) hacer 8u := Sacar(c); 9// procesamiento anterior de u 10para cada vecino w de u hacer 11 si (no marcado(w)) entonces 12 marcado(w) := cierto; 13 Agregar(c, w); 14 fsi 15fpara 16// procesamiento posterior de u 17fmientras 18 faccion Búsqueda en anchura (BFS)

1 tupla cola 2v: vector de vertice; i,d: natural; 3 ftupla Implementación de cola 1 accion Agregar(c: cola; v: vertice) 2c.v[c.d] := v; c.d := c.d + 1; 3 faccion 1 funcion Vacia(c: cola) devuelve booleano 2devuelve c.d > c.i; 3 ffuncion 1 funcion Sacar(c: cola) devuelve vertice 2c.i := c.i + 1; devuelve c.v[c.i – 1]; 3 faccion 1 accion Inicializar(c: cola) 2c.i := c.d := 1; 3 faccion

1 funcion BFS(v,x: vertice) devuelve natural 2variable c: cola; 3 u,w: vertice; 4marcado(v) := 0;// -1 para otros vértices 5Inicializar(c); 6Agregar(c, v); 7mientras (no Vacia(c)) hacer 8u := Sacar(c); 9para cada vecino w de u hacer 10 si (marcado(w) < 0) entonces 11 marcado(w) := marcado(u) + 1; 12 Agregar(c, w); 13 fsi 14fpara 15fmientras 16devuelve marcado(x); 19 ffuncion Ejemplo: devolver la distancia de v a un vértice x

Ordenación por intercalación: Merge Sort Merge Sort es un algoritmo recursivo para ordenar los elementos de un vector. Primero se divide el vector en dos partes iguales. Después se ordenan las dos partes recursivamente. Finalmente se combinan las dos partes ordenadas para obtener el resultado.

Ordenación por intercalación: Merge Sort 1 funcion MergeSort (V: vector de natural ; E,D: natural) devuelve vector de natural 2variable medio : natural ; 3 V e, V d : vector de natural ; 4si (E >= D) entonces 5 devuelve [ V[E] ]; 6sino 7 medio := ( E + D ) / 2; 8 V e := MergeSort ( V, E, medio ); 9 V d := MergeSort ( V, D, medio+1 ); 10 devuelve Combina (V e, V d, medio – E + 1, D – medio ); 11fsi 12 ffuncion

1 funcion Combina (V 1,V 2 : vector de natural ; m,n: natural) devuelve vector de natural 2variable resultado : vector de natural ; 3 r, i, j : natural; 4r := 1; i := 1; j := 1 5mientras (( i <= m) y ( j <= n)) hacer 6 si (V 1 [i] <= V 2 [j] ) entonces 7 resultado[r] := V 1 [i]; 8 i := i + 1; r := r + 1; 9 sino 10 resultado[r] := V 2 [j]; 11 j := j + 1; r := r + 1; 12 fsi 13fmientras 14mientras ( i <= m ) hacer 15 resultado[r] := V 1 [i]; 16 i := i + 1; r := r + 1; 17fmientras 18mientras ( j <= n) hacer 19 resultado[r] := V 2 [j]; 20 j := j + 1; r := r + 1; 21fmientras 22devuelve resultado; 23 ffuncion

Dividir en el centro Intercalar las Soluciones Ordenar recursivament e Ordenación por intercalación: Merge Sort

Llamada recursiva 1 ( MergeSort ) Llamada recursiva 2 ( MergeSort ) Llamada recursiva 3 ( MergeSort ) Volver 3 a 2 ( Combina ) Volver 2 a 1 ( Combina ) Combina

Algoritmo MergeSort: Animación toronto.edu/%7Eneto/teaching/238/16/merg esort.html