5. Algoritmos de Ordenação

Transcrição

1 Introdução à Computação II Algoritmos de Ordenação Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1

2 Principais Tópicos 5.1. Ordenação por Inserção 5.2. Ordenação por Seleção 5.3. Método da Bolha 5.4. Heapsort 5.5. Quicksort Algoritmo de Partição Ordenação por Quicksort 5.6. Considerações sobre o Problema de Ordenação 5.7. Ordenação em Tempo Linear 2

3 5.5. Quicksort Desenvolvido por C. A. R. Hoare em 1960 É um algoritmo mais rápido que se conhece para diversas categorias de problemas A idéia básica é dividir o problema de ordenação de N registros em dois problemas menores Dividir para conquistar Baseada no fato que as permutações devem ser preferencialmente empregadas para pares de elementos que guardem entre si distâncias grandes, com a finalidade de se conseguir uma maior eficiência 3

4 5.5. Quicksort Por exemplo, se os N registros estão na ordem inversa de suas chaves, é possível ordená-los com apenas N/2 permutações tomando-se primeiramente os elementos das extremidades à direita e à esquerda e convergindo gradualmente para o centro, pelos dois lados Obviamente, isto é possível se os elementos estiverem exatamente na ordem inversa 4

5 5.5. Quicksort Exemplo a

6 5.5. Quicksort Exercício Escreva um algoritmo para inverter a ordem dos elementos de um vetor de N elementos 6

7 5.5. Quicksort Exercício Escreva um algoritmo para inverter a ordem dos elementos de um vetor de N elementos... para i 1 até i N/2 x a[i] a[i] a[n-i+1] a[n-i+1] x fim para... 7

8 Algoritmo de Partição Algoritmo de partição escolha-se arbitrariamente um elemento x do vetor a o vetor é varrido da esquerda para a direita, até que seja encontrado um elemento a[ i ] > x após isso, o vetor é varrido da direita para a esquerda até que seja encontrado um elemento a[ j ] < x nesta ocasião, os dois elementos serão permutados, e este processo de varredura e de permutação continua até que os dois deslocamentos se encontrem em algum ponto intermediário do vetor O resultado desta prática é um vetor particionado, no qual a partição esquerda contém apenas chaves cujos valores são menores (ou iguais) a x e a partição direita, apenas chaves cujos valores são maiores (ou iguais) a x 8

9 Algoritmo de Partição Seja x = Chaves menores ou iguais a x Chaves maiores ou iguais a x 9

10 Algoritmo de Partição... i 1 j N x selecionar um elemento aleatoriamente do vetor a faça { enquanto ( a[ i ] < x ) enquanto ( x < a[ j ] ) j j -1 se ( i j ) w a[ i ] a[ i ] a[ j ] a[ j ] w j j - 1 fim se } enquanto ( i j )... 10

11 Algoritmo de Partição... i 1 j N x selecionar um elemento aleatoriamente do vetor a faça { enquanto ( a[ i ] < x ) enquanto ( x < a[ j ] ) j j -1 se ( i j ) w a[ i ] a[ i ] a[ j ] a[ j ] w j j - 1 fim se } enquanto ( i j ) a Exemplo Partição para x = 43 x = 43 i N = j 11

16 Algoritmo de Partição... i 1 j N x selecionar um elemento aleatoriamente do vetor a faça { enquanto ( a[ i ] < x ) enquanto ( x < a[ j ] ) j j -1 se ( i j ) w a[ i ] a[ i ] a[ j ] a[ j ] w j j - 1 fim se } enquanto ( i j ) a Exemplo Partição para x = 43 x = 43 N = 8 i j 16

17 Algoritmo de Partição... i 1 j N x selecionar um elemento aleatoriamente do vetor a faça { enquanto ( a[ i ] < x ) enquanto ( x < a[ j ] ) j j -1 se ( i j ) w a[ i ] a[ i ] a[ j ] a[ j ] w j j - 1 fim se } enquanto ( i j ) a Exemplo Partição para x = 43 x = 43 N = 8 i j 17

18 Algoritmo de Partição... i 1 j N x selecionar um elemento aleatoriamente do vetor a faça { enquanto ( a[ i ] < x ) enquanto ( x < a[ j ] ) j j -1 se ( i j ) w a[ i ] a[ i ] a[ j ] a[ j ] w j j - 1 fim se } enquanto ( i j ) a Exemplo Partição para x = 43 x = 43 N = 8 j i

19 Algoritmo de Partição... i 1 j N x selecionar um elemento aleatoriamente do vetor a faça { enquanto ( a[ i ] < x ) enquanto ( x < a[ j ] ) j j -1 se ( i j ) w a[ i ] a[ i ] a[ j ] a[ j ] w j j - 1 fim se } enquanto ( i j ) a Exemplo Partição para x = 43 x = 43 N = 8 j i

20 Algoritmo de Partição... i 1 j N x selecionar um elemento aleatoriamente do vetor a faça { enquanto ( a[ i ] < x ) enquanto ( x < a[ j ] ) j j -1 se ( i j ) w a[ i ] a[ i ] a[ j ] a[ j ] w j j - 1 fim se } enquanto ( i j ) a Exemplo Partição para x = 43 x = 43 N = 8 j i 20

21 Algoritmo de Partição Exemplo Particione o vetor abaixo utilizando o algoritmo descrito para x = 45 x = 56 x = 12 x = 95 x = 19 x = 8 x = 67 a

22 Algoritmo de Partição Exemplo Solução x = 45 a

29 Algoritmo de Partição Exemplo Particione o vetor abaixo utilizando o algoritmo descrito para x = 45 a

30 Algoritmo de Partição Exemplo Solução a

31 Algoritmo de Partição Este algoritmo é bastante direto e eficiente Entretanto no caso das N chaves idênticas são necessárias N/2 permutações Permutações desnecessárias podem ser eliminadas trocando-se os comandos de varredura para enquanto ( a[ i ] x ) enquanto ( x a[ j ] ) j j -1 Neste caso, o elemento escolhido x, que está presente como elemento do vetor, já funcionará como sentinela para as duas varreduras Entretanto, um vetor que possuísse todas as suas chaves idênticas provocaria uma varredura para além da extensão do vetor, a menos que venham a ser utilizadas condições de término mais complexas A simplicidade das condições empregadas no algoritmo certamente compensam uma permutação extra, que dificilmente ocorre de fato na média dos casos reais de aplicação 31

32 Ordenação por Quicksort É necessário lembrar que o objetivo almejado não é só o de encontrar partições do vetor original, mas também ordená-lo Entretanto é simples o passo que leva à ordenação a partir do particionamento após ter sido particionado o vetor, aplica-se o mesmo processo para ambas as partições em seguida, para as partições oriundas de cada uma das partições obtidas e assim por diante, até que todas as partições consistam de apenas um único elemento. 32

33 Ordenação por Quicksort Algoritmo qsort( a[ ], L, R ) i L j R x a [ floor( (L + R ) / 2 ) ] faça { enquanto ( a[ i ] < x ) enquanto ( x < a[ j ] ) j j -1 se ( i j ) w a[ i ] a[ i ] a[ j ] a[ j ] w j j - 1 fim se } enquanto ( i j ) se ( L < j ) qsort( a, L, j ) fim se se ( i < R ) qsort( a, i, R ) fim se Algoritmo quicksort( a[ ], N ) qsort( a, 1, N ) Note que o procedimento qsort utiliza recursão 33

34 Ordenação por Quicksort Algoritmo qsort( a[ ], L, R ) i L j R x a [ floor( (L + R ) / 2 ) ] faça { enquanto ( a[ i ] < x ) enquanto ( x < a[ j ] ) j j -1 se ( i j ) w a[ i ] a[ i ] a[ j ] a[ j ] w j j - 1 fim se } enquanto ( i j ) se ( L < j ) qsort( a, L, j ) fim se se ( i < R ) qsort( a, i, R ) fim se x=43 x=19 x=8 x=56 x=95 a Algoritmo quicksort( a[ ], N ) qsort( a, 1, N ) L R L R L R L L R R 34

35 Ordenação por Quicksort Quick-sort with Hungarian (Küküllőmenti legényes) folk dance IMPORTANTE: O ALGORITMO DEMONSTRADO É UMA VARIAÇÃO DO APRESENTADO AQUI 35

36 Ordenação por Quicksort Admitindo-se que sempre ocorra o melhor caso (o limite escolhido é o ponto médio da partição), então em cada particionamento, o vetor é dividido em duas metades, o que resulta em O(log(N)) divisões, e, assim, a complexidade da ordenação será O(N log(n)) Está complexidade também é válida para o caso médio, já que, em média, as divisões no vetor são equilibradas Quanto ao pior caso, considere, por exemplo, a situação na qual o elemento x de comparação como sendo o maior dos valores de uma partição. Então, em cada passo, um segmento de N elementos será dividido em uma partição esquerda com N-1 elementos e uma partição direita com um único elemento O resultado é que são necessários O(N) (ao invés de O(log(N))) divisões e que o desempenho para o pior caso é O(N 2 ) 36

37 Ordenação por Quicksort Exercício Utilizando ordenação pelo método quicksort, obtenha o número de comparações e movimentações em cada passo (i e j) para os seguintes vetores [ ] [ ] [ ] [ ] 37

38 Exercício Solução Ordenação por Quicksort i j Ci Mi i j Ci Mi i j Ci Mi i j Ci Mi

39 Principais Tópicos 5.1. Ordenação por Inserção 5.2. Ordenação por Seleção 5.3. Método da Bolha 5.4. Heapsort 5.5. Quicksort Algoritmo de Partição Ordenação por Quicksort 5.6. Considerações sobre o Problema de Ordenação 39

40 5.6. Considerações Sobe o Problema de Ordenação Análise dos Algoritmos de Ordenação Considerando os algoritmos de ordenação vistos, a tabela seguinte mostra a ordem de grandeza de números mínimo (C mín ), médio (C med ) e máximo (C max ) de comparações de chaves números mínimo (M mín ), médio (M med ) e máximo (M max ) de movimentos de chaves. Algoritmo C mín C méd C máx M mín M méd M máx Inserção Direta O(N) O(N 2 ) O(N 2 ) O(N) O(N 2 ) O(N 2 ) Inserção Binária O(N*log 2 N) O(N*log 2 N) O(N*log 2 N) O(N) O(N 2 ) O(N 2 ) Seleção Direta O(N 2 ) O(N 2 ) O(N 2 ) O(N) O(N) O(N) Bubblesort O(N 2 ) O(N 2 ) O(N 2 ) O(1) O(N 2 ) O(N 2 ) Shakersort O(N) O(N 2 ) O(N 2 ) O(1) O(N 2 ) O(N 2 ) Heapsort O(N*log 2 N) O(N*log 2 N) O(N*log 2 N) O(N*log 2 N) O(N*log 2 N) O(N*log 2 N) Quicksort O(N*log 2 N) O(N*log 2 N) O(N 2 ) O(N*log 2 N) O(N*log 2 N) O(N 2 ) 40

41 Comparações Quadro Geral: Comparações 5.6. Considerações Sobe o Problema de Ordenação ,56,12,43,95,19,8,67 8,12,19,43,45,56,67,95 95,67,56,45,43,19,12,8 19,12,8,45,43,56,67, Inserção Direta Inserção Binária Seleção Direta Borbulhamento Agitação Shellsort Quicksort Heapsort 41

42 Movimentações Quadro Geral: Movimentações 5.6. Considerações Sobe o Problema de Ordenação ,56,12,43,95,19,8,67 8,12,19,43,45,56,67,95 95,67,56,45,43,19,12,8 19,12,8,45,43,56,67, Inserção Direta Inserção Binária Seleção Direta Borbulhamento Agitação Shellsort Quicksort Heapsort 42

43 5.6. Considerações Sobe o Problema de Ordenação Análise dos Algoritmos de Ordenação [Ziviani, 2004]: Tempo total real para ordenar arranjos de registros (os valores estão normalizados de acordo com o tempo do método que foi mais rápido) Registros em ordem aleatória Inserção Direta 11, Seleção 16, ShellSort 1,2 1,6 1,7 2 Heapsort 1,5 1,6 1,6 1,6 Quicksort Registros em ordem ascendente Inserção Direta Seleção ShellSort 3,9 6,8 7,3 8,1 Heapsort 12,2 20,8 22,4 24,6 Quicksort 4,1 6,3 6,8 7,1 Registros em ordem descendente Inserção Direta 40, Seleção 29, ShellSort 1,5 1,5 1,6 1,6 Heapsort 2,5 2,7 2,7 2,9 Quicksort

44 5.6. Considerações Sobe o Problema de Ordenação Análise dos Algoritmos de Ordenação [Ziviani, 2004], páginas Inserção Interessante para arquivos com menos de 20 elementos Estável Implementação simples Para arquivos ordenados, é O(n) Seleção Números de movimentação é O(n)» Deve ser usado para arquivos com registros grandes (estruturas com muitos elementos), desde que não exceda 1000 elementos 44

45 5.6. Considerações Sobe o Problema de Ordenação Análise dos Algoritmos de Ordenação [Ziviani, 2004], páginas Quicksort É o algoritmo mais eficiente para uma grande variedade de situações É recursivo» Utiliza memória adicional Entretanto, seu desempenho no pior caso é O (n 2 ) 45

46 5.6. Considerações Sobe o Problema de Ordenação Análise dos Algoritmos de Ordenação [Ziviani, 2004], páginas Heapsort Método eficiente, mas cerca de duas vezes mais lento que o Quicksort No entanto, não utiliza memória adicional Tempo proporcional a n log n, qualquer que seja a ordem inicial dos elementos» Aplicações que devem ser executadas em tempo praticamente igual podem utilizar Heapsort 46

47 5.6. Considerações Sobe o Problema de Ordenação Com que Velocidade podemos ordenar para o caso geral? Qualquer algoritmo de ordenação baseado em comparações pode ser visto como uma árvore de decisão, onde os nós internos representam uma comparação de chaves as arestas indicam o resultado do teste (verdadeiro ou falso) e os nós folhas (terminais) representam o resultado final do processo de ordenação 47

48 5.6. Considerações Sobe o Problema de Ordenação Árvore de Decisão (3 elementos) a[1] <= a[2] Sim a[1],a[2],a[3] Não a[2] <= a[3] a[1],a[2],a[3] a[1] <= a[3] a[2],a[1],a[3] Sim Não Sim Não a[1],a[3],a[2] a[2],a[3],a[1] a[1],a[2],a[3] a[1] <= a[3] a[2],a[1],a[3] a[2] <= a[3] Sim Não Sim Não a[1],a[3],a[2] a[3],a[1],a[2] a[2],a[3],a[1] a[3],a[2],a[1] 48

49 5.6. Considerações Sobe o Problema de Ordenação Com que velocidade podemos ordenar para o caso geral? Ordenando N elementos: N! resultados possíveis A árvore deve ter N! folhas Como uma árvore binária de altura h tem, no máximo, 2 h folhas, sabemos que N! 2 h h log 2 (N!) Portanto qualquer árvore de decisões que classifica N elementos distintos tem uma altura mínima log 2 (N!) Sabendo que (pois pelo menos N/2 termos do produto são maiores que N/2) N! = N(N-1)(N-2)...(2)(1) (N/2) N/2 Então log 2 (N!) (N/2)log 2 (N/2) = O(N log 2 N) Ou seja, a melhor complexidade possível, para o caso geral (i.e., para qualquer tipo de chave e com qualquer distribuição de ocorrências) é O( N log 2 N ) 49