Finish informe #28
103
doc/Informe.tex
103
doc/Informe.tex
@ -67,10 +67,12 @@ Xavier Canales
|
||||
\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}
|
||||
@ -78,73 +80,82 @@ Xavier Canales
|
||||
\newpage
|
||||
\subsection{Bitonic Sort}
|
||||
\lstinputlisting{pseudo/bitonicsort.txt}
|
||||
\newpage
|
||||
\subsection{Ordenamiento por conteo}
|
||||
|
||||
\newpage
|
||||
\subsection{Ordenamiento por selección}
|
||||
\subsection{Counting Sort}
|
||||
\lstinputlisting{pseudo/countingsort.txt}
|
||||
|
||||
\newpage
|
||||
\subsection{Selection Sort}
|
||||
\lstinputlisting{pseudo/selectionsort.txt}
|
||||
|
||||
\newpage
|
||||
\section{Resultados}
|
||||
|
||||
\subsection{Análisis temporal}
|
||||
\subsubsection{Merge Sort}
|
||||
Caso Promedio: $ \Theta (n log n)) $ \\
|
||||
en.wikipedia.org/wiki/Merge\_sort\#Analysis
|
||||
\underline{Caso Promedio:} $ \Theta(n log n)) $ \\
|
||||
El caso promedio de merge sort es lo mismo que su peor caso. \\
|
||||
|
||||
Peor Caso: $ O(n log n) $ \\
|
||||
\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. \\
|
||||
|
||||
|
||||
Mejor Caso: $ \Omega (n log n)$ \\
|
||||
\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}
|
||||
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{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. \\
|
||||
|
||||
Peor Caso: $ O(n^2) $ \\
|
||||
El peor de los casos para el quicksort resultará cuando la elección del pivote sea el valor más pequeño del arreglo o el más grande de este mismo.
|
||||
\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. \\
|
||||
|
||||
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}
|
||||
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 Bubble transporta los valores dentro de su ordenamiento
|
||||
\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. \\
|
||||
|
||||
Peor Caso: $ O(n^2) $ \\
|
||||
\underline{Peor Caso:} $ O(n^2) $ \\
|
||||
En el peor caso el arreglo a ordenar va a estar ordenado en forma descendente previamente. \\
|
||||
|
||||
|
||||
Mejor Caso: $ \Omega (n)$ \\
|
||||
El mejor caso para el Bubble sort será cuando el arreglo de entrada venga previamente ordenado de menor a mayor.
|
||||
\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}
|
||||
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{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. \\
|
||||
|
||||
Peor Caso: $O(log^2(n))$ \\
|
||||
\underline{Peor Caso:} $ O(log^2(n)) $ \\
|
||||
Su caso peor es lo mismo que su caso promedio. \\
|
||||
|
||||
Mejor Caso: $\Omega(log^2(n))$ \\
|
||||
\underline{Mejor Caso:} $ \Omega(log^2(n)) $ \\
|
||||
Su caso mejor es lo mismo que su caso promedio. \\
|
||||
|
||||
\subsubsection{Ordenamiento por conteo}
|
||||
Caso Promedio: $ \Theta (n + k)) $ \\
|
||||
La complejidad total es igual para todos los casos, porque el algoritmo usa sólo ciclos simples, sin recursividad o sub-funciones, va directamente al analisis
|
||||
\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. \\
|
||||
|
||||
Peor Caso: $ O(n + k) $ \\
|
||||
\underline{Peor Caso:} $ O(\frac{n^2}{2}) $ \\
|
||||
Su caso pero es lo mismo que su caso promedio. \\
|
||||
|
||||
\underline{Mejor Caso:} $ \Omega(\frac{n^2}{2}) $ \\
|
||||
Su caso mejor es lo mismo que su caso promedio. \\
|
||||
|
||||
Mejor Caso: $ \Omega (n + k)$ \\
|
||||
\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. \\
|
||||
|
||||
\subsubsection{Ordenamiento por selección}
|
||||
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 de el arreglo para ordenar.
|
||||
|
||||
Peor Caso: $O(n^2)$ \\
|
||||
|
||||
Mejor Caso: $\Omega(n^2)$
|
||||
\underline{Peor Caso:} $ O(n^2) $ \\
|
||||
Su caso peor es lo mismo que su caso promedio. \\
|
||||
|
||||
\underline{Mejor Caso:} $ \Omega(n^2) $ \\
|
||||
Su caso mejor es lo mismo que 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 un procesador AMD A12 con 4 núcleos de 2.7Ghz y 16GB de memoria RAM.
|
||||
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
|
||||
@ -156,11 +167,11 @@ La siguiente tabla contiene los resultados de las pruebas de los 6 algoritmos me
|
||||
\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] & 1,262.000[s] & 3,026.900[s] & 3,234.700[s] \\
|
||||
\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] & 31,550.000[s] & 75,672.500[s] & 80,867.500[s] \\
|
||||
\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] & 126,200.000[s] & 302,690.000[s] & 323,470.000[s] \\
|
||||
\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}
|
||||
@ -174,6 +185,18 @@ La siguiente tabla contiene los resultados de las pruebas de los 6 algoritmos me
|
||||
|
||||
\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 mas rápido algoritmo de ordenamiento que probamos fue Quick Sort mientras que el mas lento fue el Bubble Sort.
|
||||
Los resultados de tiempo de ejecución estaban de lo que esperábamos dado el complejidad de los algoritmos.
|
||||
|
||||
\end{document}
|
||||
|
||||
|
||||
BIN
doc/graph.png
BIN
doc/graph.png
Binary file not shown.
|
After Width: | Height: | Size: 56 KiB |
@ -1,126 +1,81 @@
|
||||
entrada: array: arreglo de n datos: n: tamaño del arreglo
|
||||
entrada: array: arreglo de n datos; n: tamaño del arreglo
|
||||
salida: arreglo ordenado
|
||||
|
||||
funcion potencia_de_dos(inicio n)
|
||||
|
||||
si(n = 0) entonces
|
||||
|
||||
retornar 0
|
||||
|
||||
fin si
|
||||
|
||||
mientras(n distinto 1) hacer
|
||||
si (n % 2 distinto 0) hacer
|
||||
|
||||
retornar 0
|
||||
|
||||
fin si
|
||||
fin mientras
|
||||
|
||||
retornar 1
|
||||
|
||||
funcion ordenamientobitonico(array, n)
|
||||
orden(array, n, 1)
|
||||
return array
|
||||
fin funcion
|
||||
|
||||
inicio funcion mejor_potencia_de_2_menos_a_n(inicio n)
|
||||
|
||||
inicio k = 1
|
||||
|
||||
mientras(k > 0 y k < n) hacer
|
||||
funcion potencia_de_dos(n)
|
||||
si n = 0 entonces
|
||||
retornar 0
|
||||
fin si
|
||||
mientras n distinto 1 hacer
|
||||
si n es modulo de 2 entonces
|
||||
retornar 0
|
||||
fin si
|
||||
fin mientras
|
||||
retornar 1
|
||||
fin funcion
|
||||
|
||||
funcion mejor_potencia_de_2_menos_a_n(n)
|
||||
k = 1
|
||||
mientras k > 0 y k < n hacer
|
||||
busca el numero potencia de dos mas proximo hacia abajo en n
|
||||
|
||||
fin mientras
|
||||
|
||||
retorna k
|
||||
fin mientras
|
||||
retorna k
|
||||
fin funcion
|
||||
|
||||
funcion comparar(inicio i, inicio j, inicio dir, inicio arreglo)
|
||||
|
||||
temp = array[i];
|
||||
array[i] = array[j];
|
||||
array[j] = temp;
|
||||
|
||||
funcion comparar(i, j, dir, array)
|
||||
temp = array[i]
|
||||
array[i] = array[j]
|
||||
array[j] = temp
|
||||
fin funcion
|
||||
|
||||
funcion unionbitonica(inicio low, inicio n, inicio dir, inicio arreglo)
|
||||
|
||||
inicio i
|
||||
inicio k
|
||||
|
||||
si(n > 1) entonces
|
||||
|
||||
k = n/2
|
||||
|
||||
para i = low hasta i < low + k con paso i = i+1
|
||||
|
||||
comparar(, i + k, di, arreglo)
|
||||
fin para
|
||||
|
||||
unionbitonica(low, k, dir, arreglo)
|
||||
unionbitonica(low + k, k, dir, arreglo)
|
||||
|
||||
fin si
|
||||
|
||||
funcion unionbitonica(low, n, dir, array)
|
||||
si n > 1 entonces
|
||||
k = n / 2
|
||||
para i = low hasta i < low + k con paso i = i + 1
|
||||
comparar(i + k, di, array)
|
||||
fin para
|
||||
unionbitonica(low, k, dir, array)
|
||||
unionbitonica(low + k, k, dir, array)
|
||||
fin si
|
||||
fin funcion
|
||||
|
||||
funcion unionbitonico2(inicio low, inicio n, inicio dir, inicio arreglo)
|
||||
|
||||
inicio i
|
||||
inicio k
|
||||
|
||||
si(n > 1) entonces
|
||||
|
||||
k = mejor_potencia_de_2_menos_a_n
|
||||
|
||||
para i = low hasta i < low + n - k con paso i = i + 1 hacer
|
||||
|
||||
comparar(i, i + k, dir, arreglo)
|
||||
|
||||
fin para
|
||||
|
||||
ordenamientobitonico2(low, k, dir, arreglo)
|
||||
ordenamientobitonico2(low + k, n - k, dir, arreglo)
|
||||
funcion unionbitonico2(low, n, dir, array)
|
||||
si n > 1 entonces
|
||||
k = mejor_potencia_de_2_menos_a_n
|
||||
para i = low hasta i < low + n - k con paso i = i + 1 hacer
|
||||
comparar(i, i + k, dir, array)
|
||||
fin para
|
||||
ordenamientobitonico2(low, k, dir, array)
|
||||
ordenamientobitonico2(low + k, n - k, dir, array)
|
||||
fin funcion
|
||||
|
||||
funcion recorrerbitonico(int low, int n, int dir, int arreglo)
|
||||
|
||||
inicio k
|
||||
si(n > 1) entonces
|
||||
|
||||
k = n / 2
|
||||
recorrerbitonico(low, k, 1, arreglo)
|
||||
recorrerbitonico(low + k, k, 0, arreglo)
|
||||
unionbitonica(low, n, dir, array)
|
||||
|
||||
fin si
|
||||
funcion recorrerbitonico(low, n, dir, array)
|
||||
si n > 1 entonces
|
||||
k = n / 2
|
||||
recorrerbitonico(low, k, 1, array)
|
||||
recorrerbitonico(low + k, k, 0, array)
|
||||
unionbitonica(low, n, dir, array)
|
||||
fin si
|
||||
fin funcion
|
||||
|
||||
funcion recorrerbitonico2(int low, int n, int dir, int arreglo)
|
||||
|
||||
inicio k
|
||||
|
||||
si(n > 1) entonces
|
||||
k = n / 2
|
||||
recorrerbitonico2(low, k, !di, arreglo)
|
||||
recorrerbitonico2(low + k, n - k, dir, arreglo)
|
||||
unionbitonico2(low, n, dir, arreglo)
|
||||
fin si
|
||||
funcion recorrerbitonico2(low, n, dir, array)
|
||||
si n > 1 entonces
|
||||
k = n / 2
|
||||
recorrerbitonico2(low, k, !di, array)
|
||||
recorrerbitonico2(low + k, n - k, dir, array)
|
||||
unionbitonico2(low, n, dir, array)
|
||||
fin si
|
||||
fin funcion
|
||||
|
||||
funcion orden(int arreglo, int n, int dir)
|
||||
|
||||
si(potencia_de_dos(n)) entonces
|
||||
|
||||
recorrerbitonico(0,n,dir,arreglo)
|
||||
|
||||
fin si
|
||||
|
||||
sino
|
||||
recorrerbitonico2(0, n, dir, arreglo)
|
||||
fin sino
|
||||
funcion orden(array, n, dir)
|
||||
si potencia_de_dos(n) entonces
|
||||
recorrerbitonico(0, n, dir, array)
|
||||
fin si
|
||||
sino
|
||||
recorrerbitonico2(0, n, dir, array)
|
||||
fin sino
|
||||
fin funcion
|
||||
|
||||
funcion ordenamientobitonico(inicio arreglo, inicio n)
|
||||
|
||||
orden(arreglo, n, 1)
|
||||
fin funcion
|
||||
@ -1,13 +1,19 @@
|
||||
entrada: array: arreglo de elementos enteros; n: tamaño del arreglo
|
||||
salida: arreglo array ordenado ascendentemente.
|
||||
salida: arreglo array ordenado ascendentemente
|
||||
|
||||
cuentaDeElementos := n
|
||||
repetir
|
||||
haCambiado := falso
|
||||
disminuir cuentaDeElementos
|
||||
repetir con indice desde 1 a cuentaDeElementos
|
||||
if (array en indice) > (array en (indice + 1))
|
||||
intercambiar (array en indice) con (array en (indice + 1))
|
||||
haCambiado := falso
|
||||
hasta haCambiado = verdad
|
||||
retorna array
|
||||
funcion bubblesort(array, n)
|
||||
flag = 1
|
||||
mientras que flag es verdad
|
||||
flag = false
|
||||
para i = 1 mientras que i < j con pasa i = i + 1 hacer
|
||||
si array[i] < array[i - 1] entonces
|
||||
temp = array[i]
|
||||
array[i] = array[i - 1]
|
||||
array[i - 1] = temp
|
||||
flag = verdad
|
||||
fin si
|
||||
fin para
|
||||
j = j - 1;
|
||||
fin mientras
|
||||
retorna array
|
||||
fin funcion
|
||||
|
||||
22
doc/pseudo/countingsort.txt
Normal file
22
doc/pseudo/countingsort.txt
Normal file
@ -0,0 +1,22 @@
|
||||
entrada: array: arreglo de elementos enteros; n: tamaño del arreglo
|
||||
salida: arreglo array ordenado ascendentemente
|
||||
|
||||
funcion countingsort(array, n)
|
||||
para i = 0 mientras que i < n con paso i = i + 1 hacer
|
||||
count[i] = 0
|
||||
fin para
|
||||
para i = 0 mientras que i < n - 1 con paso i = i + 1 hacer
|
||||
para j = i + 1 mientras que j < n con paso j = j + 1 hacer
|
||||
si array[i] < array[j] entonces
|
||||
count[j] = count[j] + 1
|
||||
sino
|
||||
count[i] = count[i] + 1
|
||||
fin si
|
||||
fin para
|
||||
fin para
|
||||
|
||||
para i = 0 mientras que i < n con paso i = i + 1 hacer
|
||||
newarray[count[i]] = array[i]
|
||||
}
|
||||
retorna newarray
|
||||
fin funcion
|
||||
43
doc/pseudo/mergesort.txt
Normal file
43
doc/pseudo/mergesort.txt
Normal file
@ -0,0 +1,43 @@
|
||||
entrada: array: arreglo de n datos; n: tamaño del arreglo
|
||||
salida: arreglo ordenado
|
||||
|
||||
funcion mergesort(array, n)
|
||||
correr_mergesort(array, 0, n - 1);
|
||||
retorna array
|
||||
fin funcion
|
||||
|
||||
funcion correr_mergesort(array, izquerda, derecha)
|
||||
si izquerda != derecha entonces
|
||||
medio = (izquerda + derecha) / 2
|
||||
correr_mergesort(array, izquerda, medio)
|
||||
correr_mergesort(array, medio + 1, derecha)
|
||||
unir(array, izquerda, medio + 1, derecha)
|
||||
fin si
|
||||
fin funcion
|
||||
|
||||
funcion unir(array, previo_izquerda, previo_medio, derecha)
|
||||
i = 0
|
||||
izquerda = previo_izquerda
|
||||
medio = previo_medio - 1
|
||||
far_derecha = derecha - izquerda + 1
|
||||
|
||||
mientras que previo_izquerda <= medio y previo_medio <= derecha hacer
|
||||
si array[previo_izquerda] < array[previo_medio] entonces
|
||||
temp[i++] = array[previo_izquerda++]
|
||||
sino
|
||||
temp[i++] = array[previo_medio++]
|
||||
fin si
|
||||
fin mientras
|
||||
|
||||
mientras que previo_izquerda <= medio hacer
|
||||
temp[i++] = array[previo_izquerda++]
|
||||
fin mientras
|
||||
|
||||
mientras que previo_medio <= derecha hacer
|
||||
temp[i++] = array[previo_medio++]
|
||||
fin mientras
|
||||
|
||||
para i = 0 mientras que i < far_derecha con paso i = i + 1 hacer
|
||||
array[izquerda + i] = temp[i]
|
||||
fin para
|
||||
fin funcion
|
||||
@ -1,40 +1,33 @@
|
||||
entrada: array: arreglo de n datos: n: tamaño del arreglo
|
||||
entrada: array: arreglo de n datos; n: tamaño del array
|
||||
salida: arreglo ordenado
|
||||
|
||||
funcion quick_sort{
|
||||
|
||||
si(n < 2) entonces{
|
||||
retorna
|
||||
}
|
||||
funcion quick_sort(array, n)
|
||||
si n < 2 entonces
|
||||
retorna
|
||||
fin si
|
||||
|
||||
inicio i
|
||||
inicio j
|
||||
inicio temp
|
||||
inicio pivote
|
||||
pivote = array[n / 2]
|
||||
|
||||
pivote = arreglo[n / 2]
|
||||
para i = 0 y j = n - 1 con paso i = i + 1 y j = j - 1 hacer
|
||||
mientras que array[i] < pivote hacer
|
||||
i = i + 1
|
||||
fin mientras
|
||||
|
||||
para i = 0 y j = n-1 con paso i = i + 1 y j = j - 1 hacer
|
||||
mientras(arreglo[i] < pivote) hacer
|
||||
i = i + 1
|
||||
fin mientras
|
||||
mientras que array[j] > pivote hacer
|
||||
j = j - 1
|
||||
fin mientras
|
||||
|
||||
mientras(arreglo[j] > pivote) hacer
|
||||
j = j - 1
|
||||
fin mientras
|
||||
si i >= j entonces
|
||||
break
|
||||
fin si
|
||||
|
||||
si(i >= j) entonces
|
||||
break
|
||||
fin si
|
||||
temp = array[i]
|
||||
array[i] = array[j]
|
||||
array[j] = temp
|
||||
fin para
|
||||
|
||||
temp = arreglo[i]
|
||||
arreglo[i] = arreglo[j]
|
||||
arreglo[j] = temp
|
||||
fin para
|
||||
|
||||
quick_sort(arreglo, i)
|
||||
quick_sort(arreglo + i, n - i)
|
||||
|
||||
retorna el arreglo ordenado
|
||||
quick_sort(array, i)
|
||||
quick_sort(array + i, n - i)
|
||||
|
||||
fin funcion
|
||||
retorna array
|
||||
fin funcion
|
||||
|
||||
@ -1,31 +1,17 @@
|
||||
entrada: array: arreglo de n datos: n: tamaño del arreglo
|
||||
entrada: array: arreglo de n datos; n: tamaño del arreglo
|
||||
salida: arreglo ordenado
|
||||
|
||||
funcion selection_sort
|
||||
|
||||
inicio i
|
||||
inicio j
|
||||
inicio temp
|
||||
inicio min_idx
|
||||
|
||||
para i = 0 hasta i < n - 1 con paso i = i + 1 hacer
|
||||
|
||||
min_idx = i
|
||||
|
||||
para j = i + 1 hasta j < n con paso j = j + 1 hacer
|
||||
|
||||
si (arreglo[j] < arreglo[min_idx] hacer) hacer
|
||||
|
||||
min_idx = j
|
||||
|
||||
fin si
|
||||
|
||||
fin para
|
||||
|
||||
temp = arreglo[min_idx]
|
||||
arreglo[min_idx] = arreglo[i]
|
||||
arreglo[i] = temp
|
||||
|
||||
fin para
|
||||
|
||||
fin funcion
|
||||
funcion selection_sort(array, n)
|
||||
para i = 0 hasta i < n - 1 con paso i = i + 1 hacer
|
||||
min_idx = i
|
||||
para j = i + 1 hasta j < n con paso j = j + 1 hacer
|
||||
si array[j] < array[min_idx] entonces
|
||||
min_idx = j
|
||||
fin si
|
||||
fin para
|
||||
temp = array[min_idx]
|
||||
array[min_idx] = array[i]
|
||||
array[i] = temp
|
||||
fin para
|
||||
retorna array
|
||||
fin funcion
|
||||
|
||||
@ -1,41 +0,0 @@
|
||||
Quick sort
|
||||
10.000 - 0.1 segundos
|
||||
100.000 - 0.17 segundos
|
||||
1.000.000 - 0.173 segundos
|
||||
5.000.000 - 2.0 segundos
|
||||
10.000.000 - 2.4 segundos
|
||||
|
||||
Merge sort
|
||||
10.000 - 0.28 segundos
|
||||
100.000 - 0.30 segundos
|
||||
1.000.000 - 0.304 segundos
|
||||
5.000.000 - 1.577 segundos
|
||||
10.000.000 - 3.236 segundos
|
||||
|
||||
Bitonic sort
|
||||
10.000 - 0.09 segundos
|
||||
100.000 - 0.124 segundos
|
||||
1.000.000 - 1.405 segundos
|
||||
5.000.000 - 7.421 segundos
|
||||
10.000.000 - 18.365 segundos
|
||||
|
||||
Selection sort
|
||||
10.000 - 0.143 segundos
|
||||
100.000 - 11.645 segundos
|
||||
1.000.000 - 21 minutos y 2.0 segundos 1262 segundos
|
||||
5.000.000 - 8 horas, 45 minutos y 50 segundos teo 31550 segundos
|
||||
10.000.000 - 1 day, 11 horas, 3 minutos y 20 segundos teo 126200 segundos
|
||||
|
||||
Count sort
|
||||
10.000 - 0.258 segundos
|
||||
100.000 - 30.269 segundos
|
||||
1.000.000 - 50 minutos y 26.9 segundos teo 3026.9 segundos
|
||||
5.000.000 - 21 horas, 1 minuto y 12.5 segundos teo 75672.5 segundos
|
||||
10.000.000 - 3 dias, 12 horas, 4 minutos y 50 segundos teo 302690 segundos
|
||||
|
||||
Bubble sort
|
||||
10.000 - 0.326 segundos
|
||||
100.000 - 32.347 segundos
|
||||
1.000.000 - 53 minutos y 54.7 segundos teo 3234.7 segundos
|
||||
5.000.000 - 22 horas, 27 minutos y 47.5 segundos teo 80867.5 segundos
|
||||
10.000.000 - 3 dias, 17 horas, 51 minutos y 10 segundos teo 323470 segundos
|
||||
Loading…
Reference in New Issue
Block a user