Ordenação: Introdução e métodos elementares. Algoritmos e Estruturas de Dados II

Documentos relacionados
Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação

Ordenação. David Menotti Algoritmos e Estruturas de Dados II DInf UFPR

Ordenação (Parte 1) Prof. Túlio Toffolo BCC202 Aula 13 Algoritmos e Estruturas de Dados I

Quicksort. Algoritmos e Estruturas de Dados II

Ordenação por Partição (Quick Sort)

CT-234. Estruturas de Dados, Análise de Algoritmos e Complexidade Estrutural. Carlos Alberto Alonso Sanches

Métodos iterativos. Capítulo O Método de Jacobi

Métodos de Ordenação Parte 1

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

Revisão de Estatística X = X n

1. ORDENAÇÃO POR TROCA ORDENAÇÃO. 1.1 Ordenação por Bolha. Exemplo, 25, 57, 48, 37, 12, 92, 86, 33. Algoritmo. Complexidade de Tempo

Sumário. Mecânica. Sistemas de partículas

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

MEDIDAS DE TENDÊNCIA CENTRAL I

Estatística - exestatmeddisper.doc 25/02/09

Busca binária. Busca em arquivos. Busca binária. Busca binária. Ordenação e busca em arquivos

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

Estudando complexidade de algoritmos

ORDENAÇÃO 1. ORDENAÇÃO POR TROCA

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução Domingos Gomes de Aguiar Filho Vice Governador

Econometria: 3 - Regressão Múltipla

Avaliação de Empresas Profa. Patricia Maria Bortolon

Arquitetura da ART Controle 1 Controle 2

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

? Isso é, d i= ( x i. . Percebeu que

Programação de Computadores II. Recursividade

PROGRAMAÇÃO E ALGORITMOS (LEII) Universidade da Beira Interior, Departamento de Informática Hugo Pedro Proença, 2016/2017

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

Análise Exploratória de Dados

Apêndice 1-Tratamento de dados

Medidas Numéricas Descritivas:

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

Como CD = DC CD + DC = 0

Classificação e Pesquisa de Dados

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos

Ordenação por Troca. Bubblesort Quicksort

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Perguntas freqüentes Credenciadores

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

MEDIDAS DE DISPERSÃO:

Redutores de Velocidade

Forma padrão do modelo de Programação Linear

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C)

Matemática C Semiextensivo V. 2

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

Perguntas Freqüentes - Bandeiras

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

ALGORITMO GENÉTICO POR CADEIA DE MARKOV HOMOGÊNEA VERSUS NÃO-HOMOGÊNEA: UM ESTUDO COMPARATIVO

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.

INTRODUÇÃO A ESTATÍSTICA

Introdução à Estatística

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

Relatório 2ª Atividade Formativa UC ECS

Introdução à Estatística. Júlio Cesar de C. Balieiro 1

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

Oitava Lista de Exercícios

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

Implementação de Planilha de Cálculos Simplificada

Compactação e Reuso de Espaço

FINANCIAMENTOS UTILIZANDO O EXCEL

Momento Linear duma partícula

4 O Método de Análise Hierárquica

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Stela Adami Vayego DEST/UFPR

Sequências Reais. Departamento de Matemática - UEL Ulysses Sodré. 1 Sequências de números reais 1

Centro de massa, momento linear de sistemas de partículas e colisões

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Projeto de rede na cadeia de suprimentos

BCC202 - Estrutura de Dados I

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

5 Critérios para Análise dos Resultados

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

Escola Secundária de Jácome Ratton

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período.

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

MÉTODO DOS MÍNIMOS QUADRADOS

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Construção e Análise de Gráficos

Alocação sequencial - filas

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

Unidade II ESTATÍSTICA

Capítulo 8. Método de Rayleigh-Ritz

Ordenação: Heapsort. Algoritmos e Estruturas de Dados II

Curso de Biomedicina

CAPÍTULO 9 - Regressão linear e correlação

9 Medidas Descritivas

1. Revisão Matemática

Análise da Informação Económica e Empresarial

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Transcrição:

Ordeação: Itrodução e métodos elemetares Algortmos e Estruturas de Dados II

Ordeação Objetvo: Rearrajar os tes de um vetor ou lsta de modo que suas chaves estejam ordeadas de acordo com alguma regra Estrutura: typedef t chave_t; struct tem { ; chave_t chave; /* outros compoetes */ E X E M P L O E E L M O P X

Crtéros de Classfcação Localzação dos dados: Ordeação tera Todas os dados estão em memóra prcpal RAM Ordeação extera Memóra prcpal ão cabe todos os dados Dados armazeados em memóra secudára dsco 3

Crtéros de Classfcação Establdade: Método é estável se a ordem relatva dos regstros com a mesma chave ão se altera após a ordeação. Adams A Adams A Adams A Black B Smth A Smth A Brow D Washgto B Black B Jackso B Jackso B Jackso B Joes D Black B Washgto B Smth A Whte C Whte C Thompso D Wlso C Wlso C Washgto B Thompso D Brow D Whte C Brow D Joes D Wlso C Joes D Thompso D 4

Crtéros de Classfcação Adaptabldade: Um método é adaptável quado a sequeca de operações realzadas depede da etrada Um método que sempre realza as mesmas operações, depedede da etrada, é ão adaptável. 5

Crtéros de Classfcação Uso da memóra: I place: ordea sem usar memóra adcoal ou usado uma quatdade costate de memóra adcoal Algus métodos precsam duplcar os dados 6

Crtéros de Classfcação Movmetação dos dados: Dreta: estrutura toda é movda // struct tem a; // struct tem b; struct tem aux a; a b; b aux; Idreta: apeas as chaves são acessadas e poteros para as estruturas são rearrajados // struct tem *a; // struct tem *b; struct tem *aux *a; a b; b aux; 7

Crtéros de Avalação Seja o úmero de regstros em um vetor, cosdera-se duas meddas de complexdade: Número de comparações C etre as chaves Número de trocas ou movmetações M de tes #defe trocaa, B {struct tem c A; A B; B c; vod ordeastruct tem *v, t { t, j; for 0; < -; ++ { forj -; j > ; j-- { fv[j-].chave > v[j].chave /* comparações */ trocav[j-], v[j]; /* trocas */ 8

Ordeação por Seleção Procura o -ésmo meor elemeto do vetor Troca do -ésmo meor elemeto com o elemeto a -ésma posção Repete até ter colocado todos os elemetos em suas posções Elemetos são movmetados apeas uma vez 9

Ordeação por Seleção vod selecaostruct tem *v, t { t, j, m; for 0; < - ; ++ { m ; forj + ; j < ; j++ { fv[j].chave < v[m].chave m j; trocav[], v[m]; E X E M P L O E X E M P L O E E X M P L O E E L M P X O E E L M P X O E E L M O X P E E L M O P X E E L M O P X 0

Ordeação por Seleção: Complexdade Comparações C: 0 0 0 0 C Movmetações M: O 3 M

Ordeação por Seleção Vatages: Custo lear o tamaho da etrada para o úmero de movmetos de regstros a ser utlzado quado há regstros muto grades Desvatages: Não adaptável Não mporta se o arquvo está parcalmete ordeado Algortmo ão é estável

Ordeação por Iserção Algortmo utlzado pelo jogador de cartas Jogador matém as cartas em sua mão ordeadas Quado compra ou recebe uma ova carta, o jogador ecotra qual posção ela deve ocupar em sua mão Implemetação para vetores: Matemos os elemetos etre zero e - ordeados Note que o arrajo etre formado por um elemeto está ordeado, por defção Achamos a posção do -ésmo elemeto e sermos ele etre os - que já estavam ordeados O programa repete esse passo até ordear todos os elemetos 3

Método Iserção 4

Ordeação por Iserção vod sercaostruct tem *v, t { t, j; struct tem aux; for ; < ; ++ { forj ; j > 0; k-- { fv[j-].chave > v[j].chave { trocav[j-], v[j]; E X E M P L O E X E M P L O E E X M P L O E E M X P L O E E M P X L O E E L M P X O E E L M O P X 5

Ordeação por Iserção Melhorado vod sercaostruct tem *v, t { t, j; struct tem aux; for ; < ; ++ { aux v[]; j - ; whlej > 0 && aux.chave < v[j].chave { v[j + ] v[j]; j--; v[j + ] aux; E X E M P L O E X E M P L O E E X M P L O E E M X P L O E E M P X L O E E L M P X O E E L M O P X 6

Ordeação por Iserção: Complexdade Comparações C: Ael tero: -ésma teração, valor de C melhor caso: C por caso: C caso médo: C + + 3 +... + / C k k + + Para o caso médo, assummos que todas as permutações de etrada são gualmete prováves. 7

Ordeação por Iserção: Complexdade Comparações C: Ael extero: Complexdade total: Melhor caso tes já estão ordeados C 8 Melhor caso tes já estão ordeados Por caso tes em ordem reversa: O C O C

Ordeação por Iserção: Complexdade Comparações C: Caso médo: + + + C O + + 9 4 4 4 O + +

Ordeação por Iserção: Exemplos Melhor Caso: 3 4 5 6 3 4 5 6 3 4 5 6 3 4 5 6 3 4 5 6 3 4 5 6 Por Caso: 6 5 4 3 5 6 4 3 4 5 6 3 3 4 5 6 3 4 5 6 3 4 5 6 0

Ordeação por Iserção Vatages: Laço tero é efcete, serção é adequado para ordear vetores pequeos É o método a ser utlzado quado o arquvo está quase ordeado É um bom método quado se deseja adcoar poucos tes a um arquvo ordeado, pos o custo é lear O algortmo de ordeação por serção é estável Desvatages: Número de comparações tem crescmeto quadrátco Alto custo de movmetação de elemetos o vetor

Ordeação pelo Método da Bolha Idea Passa o arquvo e troca elemetos adjacetes que estão fora de ordem Repete esse processo até que o arquvo esteja ordeado Algortmo Compara dos elemetos adjacetes e troca de posção se estverem fora de ordem Quado o maor elemeto do vetor for ecotrado, ele será trocado até ocupar a últma posção Na seguda passada, o segudo maor será movdo para a peúltma posção do vetor, e assm sucessvamete

Ordeação pelo Método da Bolha E X E M P L O E E X M P L O E E M X P L O E E M P X L O E E M P L X O E E M P L O X E E M P L O X E E M P L O X E E M L P O X E E M L P O X ª passada ª passada 3

Ordeação pelo Método da Bolha vod bolhastruct tem *v, t { t, j; for 0; < -; ++ { forj ; j < -; j++ { fv[j].chave < v[j-].chave trocav[j-], v[j]; 4

Ordeação pelo Método da Bolha vod bolhastruct tem *v, t { t, j; for 0; < -; ++ { forj ; j < -; j++ { fv[j].chave < v[j-].chave trocav[j-], v[j]; E X E M P L O E E L M O P X E E M P L O X E E L M O P X E E M L O P X E E L M O P X E E L M O P X E E L M O P X 5

Ordeação pelo Método da Bolha: Complexdade vod bolhastruct tem *v, t { t, j; for 0; < -; ++ { forj ; j < -; j++ { fv[j].chave < v[j-].chave trocav[j-], v[j]; 6 0 0 0 0 0 O C j

Ordeação pelo Método da Bolha: Complexdade Movmetações M: Por caso elemetos em ordem decrescete: M 3 3 3 O 0 j 0 7

Ordeação pelo Método da Bolha Vatages Algortmo smples Algortmo estável Desvatages Não adaptável Mutas trocas de tes 8

Exercícos. Dê um exemplo de um vetor com N elemetos que maxmza o úmero de vezes que o mímo é atualzado o método de ordeação seleção.. Mostre um exemplo de etrada que demostra que o método de ordeação seleção ão é estável. 3. O método da bolha ão é adaptável, altere o códgo para que ele se tore adaptável. 4. Qual dos métodos: bolha, serção e seleção executa meos comparações para um vetor de etrada cotedo valores dêtcos. 9

Varação Bolha: Ordeação Par-Ímpar vod ParImparstruct tem *v, t { t ordeado 0; whle!ordeado { ordeado ; fort 0; < -; + fv[] > v[+] { trocav[], v[+]; ordeado 0; fort 0; < -; + fa[] > a[+] { trocav[], v[+]; ordeado 0; 30

Vsualzação de Algortmos de Ordeação http://www.sortg-algorthms.com 3