sort/doc/Informe.tex

\title{Tarea 1: Ordenamiento}
\author{}
\date{\today}

\documentclass[12pt]{article}

\usepackage[utf8]{inputenc} %\ This allows spanish tildes
\usepackage[spanish]{babel}
\usepackage{array}
\usepackage{adjustbox}
\usepackage{titling}
\usepackage[left=2cm,right=2cm,top=2cm,bottom=2cm,a4paper]{geometry}
\usepackage{amsmath}

\usepackage{listings}
\lstset{
	basicstyle=\small\ttfamily,
	columns=flexible,
	breaklines=true,
	inputencoding=utf8,
	extendedchars=true,
	literate={á}{{\'a}}1 {é}{{\'e}}1 {í}{{\'i}}1 {ó}{{\'o}}1 {ú}{{\'u}}1 {ñ}{{\~n}}1 {Á}{{\'A}}1 {É}{{\'E}}1 {Í}{{\'I}}1 {Ó}{{\'O}}1 {Ú}{{\'U}}1 {Ñ}{{\~N}}1
}

\usepackage{hyperref}
\hypersetup{pdftex,colorlinks=true,allcolors=black,bookmarks}
\usepackage{hypcap}

\pretitle{%
	\begin{center}
		\LARGE
		\includegraphics[width=4cm]{ubblogo.png}\\[\bigskipamount]
		\Large
		\textbf{Análisis y Diseño de Algoritmos}\\[\smallskipamount]
	}

\posttitle{\end{center}}

\begin{document}
\clearpage\maketitle
\thispagestyle{empty}

\begin{flushright}
\textbf{Integrantes:}\\
Christopher Cromer\\
Rodolfo Cuevas
\end{flushright}

\begin{flushright}
\textbf{Profesor:}\\
Pedro Rodríguez
\end{flushright}

\begin{flushright}
\textbf{Ayudantes:}\\
Carlos Faúndez\\
Xavier Canales
\end{flushright}

\newpage

\clearpage
\thispagestyle{empty}
\tableofcontents

\newpage
\pagenumbering{arabic}
\section{Pseudo código}
\subsection{Merge Sort}
\lstinputlisting{pseudo/mergesort.txt}

\newpage
\subsection{Quick Sort}
\lstinputlisting{pseudo/quicksort.txt}

\newpage
\subsection{Bubble Sort}
\lstinputlisting{pseudo/bubblesort.txt}

\newpage
\subsection{Bitonic Sort}
\lstinputlisting{pseudo/bitonicsort.txt}

\newpage
\subsection{Counting Sort}
\lstinputlisting{pseudo/countingsort.txt}

\newpage
\subsection{Selection Sort}
\lstinputlisting{pseudo/selectionsort.txt}

\newpage
\section{Resultados}

\subsection{Análisis temporal}
\subsubsection{Merge Sort}
\underline{Caso Promedio:} $ \Theta(n log n)) $ \\
El caso promedio de merge sort es similar a peor caso. \\

\underline{Peor Caso:} $ O(n log n) $ \\
En el peor de los casos, el merge sort hace aproximadamente un 39\% menos de comparaciones que el quick sort en su caso promedio. En términos de movimientos, la complejidad del peor de los casos de merge sort es $ O(n log n) $ la misma complejidad que el mejor de Quick sort, y el mejor de la clasificación de merge sort toma aproximadamente la mitad de las iteraciones que en el peor de los casos. \\

\underline{Mejor Caso:} $ \Omega(n log n)$ \\
En el caso mejor de merge sort, el merge sort funciona mejor cuando los datos son secuencial. \\

\subsubsection{Quick Sort}
\underline{Caso Promedio:} $ \Theta(n(log n)) $ \\
El tiempo de ejecución que tendrá el algoritmo dependerá de como se realice la partición de el arreglo entrada, es decir, depende de la selección del pivote. \\

\underline{Peor Caso:} $ O(n^2) $ \\
El peor de los casos para el quick sort resultará cuando la elección del pivote sea el valor más pequeño del arreglo o el más grande de este mismo. \\

\underline{Mejor Caso:} $ \Omega(n log(n)) $ \\
Para obtener el mejor caso posible será cuando el pivote se encuentre exactamente al medio del arreglo, porque lo dividirá en dos obteniendo n/2 elementos en ambas divisiones del arreglo. \\

\subsubsection{Bubble Sort}
\underline{Caso Promedio:} $ \Theta(n^2)) $ \\
El caso promedio compara la complejidad temporal con el peor caso, donde n es el numero de valores a ordenar, esto es producto de la forma en la cual \textit{bubble} transporta los valores dentro de su ordenamiento. \\

\underline{Peor Caso:} $ O(n^2) $ \\
En el peor caso el arreglo a ordenar va a estar ordenado en forma descendente previamente. \\

\underline{Mejor Caso:} $ \Omega(n)$ \\
El mejor caso para el bubble sort será cuando el arreglo de entrada venga previamente ordenado de menor a mayor. \\

\subsubsection{Bitonic Sort}
\underline{Caso Promedio:} $\Theta(log^2(n))$ \\
El ordenamiento bitonico responde igual a todos los casos porque siempre antes de empezar a ordenarlos realiza las mismas comparaciones para dejarlos en la secuencia bitonica. \\

\underline{Peor Caso:} $ O(log^2(n)) $ \\
Su peor caso es igual que su caso promedio. \\

\underline{Mejor Caso:} $ \Omega(log^2(n)) $ \\
Su mejor caso es igual que su caso promedio. \\

\subsubsection{Counting Sort}
\underline{Caso Promedio:} $ \Theta(\frac{n^2}{2}) $ \\
La complejidad total es igual para todos los casos, porque el algoritmo usa sólo ciclos simples, sin recursividad o sub-funciones, va directamente al análisis. \\

\underline{Peor Caso:} $ O(\frac{n^2}{2}) $ \\
Su peor caso es igual a su caso promedio. \\

\underline{Mejor Caso:}  $ \Omega(\frac{n^2}{2}) $ \\
Su mejor caso es igual a su caso promedio. \\

\subsubsection{Selection Sort}
\underline{Caso Promedio:} $ \Theta(n^2) $ \\
El ordenamiento por selección no es un algoritmo de ordenamiento adaptable, realiza el mismo numero de comparaciones de elementos en el mejor caso, el caso promedio y el peor de los casos, esto se debe a que no utiliza el orden existente de las entradas del arreglo para ordenar. \\

\underline{Peor Caso:} $ O(n^2) $ \\
Su peor caso es igual a su caso promedio. \\

\underline{Mejor Caso:} $ \Omega(n^2) $ \\
Su mejor caso es igual a su caso promedio. \\

\newpage
\subsection{Datos}
La siguiente tabla contiene los resultados de las pruebas de los 6 algoritmos medidos en segundos. Para las pruebas usábamos un computador que tiene 4 nucleos de 3.2GHz y 16GB de memoria RAM.
\begin{center}
	\begin{tabular}{|c|c|c|c|c|c|c|}
		\hline
		\multicolumn{7}{|c|}{Algoritmos de ordenamiento} \\
		\hline
		\rule[-1ex]{0pt}{3.5ex} & Quick  & Merge  & Bitonic  & Selection  & Counting  & Bubble \\
		\hline
		\rule[-1ex]{0pt}{3.5ex} 10.000 & 0.100[s] & 0.280[s] & 0.090[s] & 0.143[s] & 0.258[s] & 0.326[s] \\
		\hline
		\rule[-1ex]{0pt}{3.5ex} 100.000 & 0.170[s] & 0.300[s] & 0.124[s] & 11.645[s] & 30.269[s] & 32.347[s] \\
		\hline
		\rule[-1ex]{0pt}{3.5ex} 1.000.000 & 0.173[s] & 0.304[s] & 1.405[s] & 3,144.000[s] & 6,717.674[s] & 7,248.000[s] \\
		\hline
		\rule[-1ex]{0pt}{3.5ex} 5.000.000 & 2.000[s] & 1.577[s] & 7.421[s] & 60,951.000[s] & 139,273.286[s] & 153,273.539[s] \\
		\hline
		\rule[-1ex]{0pt}{3.5ex} 10.000.000 & 2.400[s] & 3.236[s] & 18.365[s] & 243,804.000[s] & 557,093.1440[s] & 613,094.156[s] \\
		\hline
	\end{tabular}
\end{center}

\newpage
\subsection{Gráfico}

\begin{center}
	\includegraphics[width=0.96\textwidth,height=0.96\textheight,keepaspectratio]{graph.png}
\end{center}

\newpage
\section{Conclusiones}
Basados en los resultados obtenido podemos poner los algoritmos en orden de mas rápido a menos rápido en la siguiente forma:
\begin{itemize}
	\setlength\itemsep{0.1em}
	\item Quick Sort
	\item Merge Sort
	\item Bitonic Sort
	\item Selection Sort
	\item Counting Sort
	\item Bubble Sort
\end{itemize}
Al final, resulta que el algoritmo de ordenamiento mas rapido de este trabajo resultó ser el Quick sort. Mientras que por el otro lado el mas lento de los algoritmos fue el Bubble sort. Esto se debe a el cómo ciertos algoritmos manejan los datos para ordenarlos es mas eficiente a mayor cantidad de n. Tambien, los tiempos de ejecución estaban dentro de lo esperado dado la complejidad de los algoritmos previamente conocidas.



\end{document}