SlideShare una empresa de Scribd logo
1 de 7
Descargar para leer sin conexión
Generalidades
Tipos de Algoritmos
Para poder ordenar una cantidad determinada de números almacenados en un
vector o matriz, existen distintos métodos (algoritmos) con distintas
características y complejidad.
Existe desde el método más simple, como el Bubblesort (o Método Burbúja),
que son simples iteraciones, hasta el Quicksort (Método Rápido), que al estar
optimizado usando recursión, su tiempo de ejecución es menor y es más
efectivo.
Algoritmos basados en métodos Iterativos:
Estos métodos son simples de entender y de programar ya que son iterativos,
simples ciclos y sentencias que hacen que el vector pueda ser ordenado.
Dentro de los Algoritmos iterativos encontramos:
– Burbuja
– Inserción
– Selección
– Shellsort
Algoritmos basados en métodos Recursivos:
Estos métodos son aún más complejos, requieren de mayor atención y
conocimiento para ser entendidos. Son rápidos y efectivos, utilizan
generalmente la técnica “Divide y Vencerás”, que consiste en dividir un
problema grande en varios pequeños para que sea más fácil resolverlos.
Mediante llamadas recursivas a sí mismos, es posible que el tiempo de
ejecución y de ordenación sea más óptimo.
Dentro de los algoritmos recursivos encontramos:
– Ordenamiento por Mezclas (merge)
– Ordenamiento Rápido (quick)
Método Quicksort
El método Quicksort basa su estrategia en la idea intuitiva de que es más fácil
ordenar una gran estructura de datos subdividiéndolas en otras más pequeñas
introduciendo un orden relativo entre ellas. En otras palabras, si dividimos el
arreglo a ordenar en dos subarreglos de forma que los elementos del
subarreglo inferior sean más pequeños que los del subarreglo superior, y
aplicamos el método reiteradamente, al final tendremos el arreglo inicial
totalmente ordenado. Existen además otros métodos conocidos, el de
ordenación por montículo y el de shell.
El algoritmo Quicksort fue desarrollado en 1962 por C.A.R. Hoare, antes de que
se implementaran los primeros lenguajes con capacidad para ejecutar
funciones recursivas.
El ordenamiento por partición (Quick Sort) se puede definir en una forma
más conveniente como un procedimiento recursivo.
Tiene aparentemente la propiedad de trabajar mejor para elementos de
entrada desordenados completamente, que para elementos semiordenados.
Esta situación es precisamente la opuesta al ordenamiento de burbuja.
Este tipo de algoritmos se basa en la técnica "divide y vencerás", o sea
es más rápido y fácil ordenar dos arreglos o listas de datos pequeños, que un
arreglo o lista grande.
Normalmente al inicio de la ordenación se escoge un elemento
aproximadamente en la mitad del arreglo, así al empezar a ordenar, se debe
llegar a que el arreglo este ordenado respecto al punto de división o la mitad
del arreglo.
Se podrá garantizar que los elementos a la izquierda de la mitad son los
menores y los elementos a la derecha son los mayores.
Los siguientes pasos son llamados recursivos con el propósito de
efectuar la ordenación por partición al arreglo izquierdo y al arreglo derecho,
que se obtienen de la primera fase. El tamaño de esos arreglos en promedio se
reduce a la mitad.
Así se continúa hasta que el tamaño de los arreglos a ordenar es 1, es
decir, todos los elementos ya están ordenados.
En promedio para todos los elementos de entrada de tamaño n, el
método hace O(n log n) comparaciones, el cual es relativamente eficiente.
El algoritmo es el siguiente:
public void _Quicksort(int matrix[], int a, int b)
{
this.matrix = new int[matrix.length];
int buf;
int from = a;
int to = b;
int pivot = matrix[(from+to)/2];
do
{
while(matrix[from] < pivot)
{
from++;
}
while(matrix[to] > pivot)
{
to--;
}
if(from <= to)
{
buf = matrix[from];
matrix[from] = matrix[to];
matrix[to] = buf;
from++; to--;
}
}while(from <= to);
if(a < to)
{
_Quicksort(matrix, a, to);
}
if(from < b)
{
_Quicksort(matrix, from, b);
}
this.matrix = matrix;
}
Descripción del Algoritmo:
Elegir un elemento de la lista de elementos a ordenar, al que llamaremos
pivote.
La idea central de este algoritmo consiste en lo siguiente:
 Se toma un elemento x de una posición cualquiera del arreglo.
 Se trata de ubicar a x en la posición correcta del arreglo, de tal forma
que todos los elementos que se encuentran a su izquierda sean
menores o iguales a x y todos los elementos que se encuentren a su
derecha sean mayores o iguales a x.
 Se repiten los pasos anteriores pero ahora para los conjuntos de datos
que se encuentran a la izquierda y a la derecha de la posición correcta
de x en el arreglo.
 Resituar los demás elementos de la lista a cada lado del pivote, de
manera que a un lado queden todos los menores que él, y al otro los
mayores. En este momento, el pivote ocupa exactamente el lugar que le
corresponderá en la lista ordenada.
 Repetir este proceso de forma recursiva para cada sublista mientras
éstas contengan más de un elemento. Una vez terminado este proceso
todos los elementos estarán ordenados.
 Como se puede suponer, la eficiencia del algoritmo depende de la
posición en la que termine el pivote elegido.
Análisis del algoritmo:
Estabilidad: No es estable.
Requerimientos de Memoria: No requiere memoria adicional en su forma
recursiva. En su forma iterativa la necesita para la pila.
•Ventajas:
Muy rápido.
No requiere memoria adicional.
•Desventajas:
Implementación un poco más complicada.
Recursividad (utiliza muchos recursos).
Mucha diferencia entre el peor y el mejor caso.
Complejidad computacional del Quicksort:
En el mejor de los casos tiene un costo de O(n*log (n)). Que es cuando el
pibote siempre queda al medio del arreglo.
En el peor de los casos tiene un costo de O(n^2). Cuando el pibote siempre se
inclina hacia a un lado, es decir, genera un arreglo de sólo 1 elemento y una
segunda con el resto de elementos.
En el caso promedio también tiene un costo de O(n*log (n)). Se produce
cuando el pibote se inclina más hacia un lado y los 2 subarreglos tienen distinto
tamaño de elementos.
Para calcular el tiempo de ejecución se usó la función clock() que determina el
tiempo usado por el procesador. En este caso defino 3 variables ini, final y total.
1ini=clock(); // Antes del quicksort:
2final = clock(); //Después que se ejecuta el quicksort
3total =((double)(final – ini)) /
4CLOCKS_PER_SEC; // El valor retornado por clock()
5debe ser dividido por el valor de la macro CLOCKS_PER_SEC
Cada algoritmo de ordenamiento por definición tiene operaciones y cálculos
mínimos y máximos que realiza (complejidad), a continuación una tabla que
indica la cantidad de cálculos que corresponden a cada método de
ordenamiento:
Algoritmo Operaciones máximas
Burbuja
Inserción
Selección
Shell
Merge
Quick (Rápido)
Ω(n²)
Ω(n²/4)
Ω(n²)
Ω(n log²n)
Ω(n logn)
Ω(n²) en peor de los casos y Ω(n logn) en
el
promedio de los casos.
COMPARACION DE TIEMPOS
Se han ordenado una cantidad determinada de elementos aleatorios en una
lista mediante distintos métodos de ordenamiento (en segundos).
256 elementos 512 elementos
Burbuja: 0.0040
Selección: 0.0030
Inserción: 0.0040
Rápido: 0.0010
Shell: 0.0010
Merge: 0.0040
Burbuja: 0.0050
Selección: 0.0040
Inserción: 0.0050
Rápido: 0.0010
Shell: 0.0020
Merge: 0.003
2048 elementos 16384 elementos
Burbuja: 0.022
Selección: 0.015
Inserción: 0.013
Rápido: 0.0010
Shell: 0.0060
Merge: 0.0050
Burbuja: 1.055
Selección: 0.9
Inserción: 0.577
Rápido: 0.0080
Shell: 0.0090
Merge: 0.014
Como podemos analizar, el algoritmo que se va demorando cada vez más
tiempo es el de la burbuja, luego de selección y tercero el inserción. Los
algoritmos que los siguen son el Shell y el de ordenación por mezcla, pero el
más óptimo es el “Rápido”.
Eligiendo el Pivote
La velocidad de ejecución del algoritmo depende en gran medida de cómo se
implementa este mecanismo, una mala implementación puede suponer que el
algoritmo se ejecute a una velocidad mediocre o incluso pésima. La elección
del pivote determina las particiones de la lista de datos, por lo tanto, huelga
decir que esta es la parte más crítica de la implementación del algoritmo
QuickSort. Es importante intentar que al seleccionar el pivote v las particiones
L1 y L3 tengan un tamaño idéntico dentro de lo posible.
Elegir el primero o el último de la lista nunca es una buena idea ya que los
elementos de la lista no están uniformemente distribuidos. Por otro lado, si
contamos con un buen generador de números aleatorios, podemos elegir un
pivote al azar de entre todos los elementos de la lista. Esta estrategia es
segura puesto que es improbable que un pivote al azar dé como resultado una
partición mala, pero tiene como contrapartida que en algunas ocasiones si
puede arrojar un resultado de O(n2), además, la elección de números
aleatorios puede incrementar el tiempo de ejecución del algoritmo.
Una buena estrategia para solucionar la selección del pivote ampliamente
extendida es la conocida como “a tres bandas”. En esta estrategia lo que se
persigue es hacer una media con los valores de tres de los elementos de la
lista. Por ejemplo si nuestra lista es [ 8, 4, 9, 3, 5, 7, 1, 6, 2 ] la media sería ( 8 +
2 + 5 ) / 3 = 5 lo que daría lugar a las siguientes particiones:
L1 = [ 8, 9, 7, 6 ]
L2 = [ 5 ]
L3 = [ 1, 2, 4, 3 ]
Esta estrategia no nos asegura que siempre nos dará la mejor selección del
pivote, sino que estadísticamente, la elección del pivote sea buena.
Burbuja: 0.022
Selección: 0.015
Inserción: 0.013
Rápido: 0.0010
Shell: 0.0060
Merge: 0.0050
Burbuja: 1.055
Selección: 0.9
Inserción: 0.577
Rápido: 0.0080
Shell: 0.0090
Merge: 0.014
Como podemos analizar, el algoritmo que se va demorando cada vez más
tiempo es el de la burbuja, luego de selección y tercero el inserción. Los
algoritmos que los siguen son el Shell y el de ordenación por mezcla, pero el
más óptimo es el “Rápido”.
Eligiendo el Pivote
La velocidad de ejecución del algoritmo depende en gran medida de cómo se
implementa este mecanismo, una mala implementación puede suponer que el
algoritmo se ejecute a una velocidad mediocre o incluso pésima. La elección
del pivote determina las particiones de la lista de datos, por lo tanto, huelga
decir que esta es la parte más crítica de la implementación del algoritmo
QuickSort. Es importante intentar que al seleccionar el pivote v las particiones
L1 y L3 tengan un tamaño idéntico dentro de lo posible.
Elegir el primero o el último de la lista nunca es una buena idea ya que los
elementos de la lista no están uniformemente distribuidos. Por otro lado, si
contamos con un buen generador de números aleatorios, podemos elegir un
pivote al azar de entre todos los elementos de la lista. Esta estrategia es
segura puesto que es improbable que un pivote al azar dé como resultado una
partición mala, pero tiene como contrapartida que en algunas ocasiones si
puede arrojar un resultado de O(n2), además, la elección de números
aleatorios puede incrementar el tiempo de ejecución del algoritmo.
Una buena estrategia para solucionar la selección del pivote ampliamente
extendida es la conocida como “a tres bandas”. En esta estrategia lo que se
persigue es hacer una media con los valores de tres de los elementos de la
lista. Por ejemplo si nuestra lista es [ 8, 4, 9, 3, 5, 7, 1, 6, 2 ] la media sería ( 8 +
2 + 5 ) / 3 = 5 lo que daría lugar a las siguientes particiones:
L1 = [ 8, 9, 7, 6 ]
L2 = [ 5 ]
L3 = [ 1, 2, 4, 3 ]
Esta estrategia no nos asegura que siempre nos dará la mejor selección del
pivote, sino que estadísticamente, la elección del pivote sea buena.

Más contenido relacionado

La actualidad más candente

Metodos de ordenacion radix sort
Metodos de ordenacion radix sortMetodos de ordenacion radix sort
Metodos de ordenacion radix sorttephyfree
 
Ejercicio busqueda costo_uniforme_y_avara_mapa_rumania
Ejercicio busqueda costo_uniforme_y_avara_mapa_rumaniaEjercicio busqueda costo_uniforme_y_avara_mapa_rumania
Ejercicio busqueda costo_uniforme_y_avara_mapa_rumaniaByron Rodriguez
 
Tiempo de ejecucion de particiones (quicksort)
Tiempo de ejecucion de particiones (quicksort)Tiempo de ejecucion de particiones (quicksort)
Tiempo de ejecucion de particiones (quicksort)Linio Colquehuanca Rodrigo
 
Boyer–Moore string search algorithm
Boyer–Moore string search algorithmBoyer–Moore string search algorithm
Boyer–Moore string search algorithmHamid Shekarforoush
 
Informe ordenamiento
Informe ordenamientoInforme ordenamiento
Informe ordenamientoIINTERACTIVE
 
Recursion and Sorting Algorithms
Recursion and Sorting AlgorithmsRecursion and Sorting Algorithms
Recursion and Sorting AlgorithmsAfaq Mansoor Khan
 
Ordenacion y busqueda
Ordenacion y busquedaOrdenacion y busqueda
Ordenacion y busquedaOsirysRock
 
Insercion directa
Insercion directaInsercion directa
Insercion directaabelpit2
 
Listas Doblemente Enlazadas y Listas Circulares
Listas Doblemente Enlazadas y Listas CircularesListas Doblemente Enlazadas y Listas Circulares
Listas Doblemente Enlazadas y Listas CircularesMago Julio Cesar
 
Arboles y Colas de Prioridad en Java
Arboles y Colas de Prioridad en JavaArboles y Colas de Prioridad en Java
Arboles y Colas de Prioridad en JavaLupitaOMG Garmendia
 
Asymptotic Notations
Asymptotic NotationsAsymptotic Notations
Asymptotic NotationsRishabh Soni
 
Bubble Sort Algorithm Presentation
Bubble Sort Algorithm Presentation Bubble Sort Algorithm Presentation
Bubble Sort Algorithm Presentation AhmedAlbutty
 

La actualidad más candente (20)

Autómata de Pila
Autómata de Pila Autómata de Pila
Autómata de Pila
 
Metodos de ordenacion radix sort
Metodos de ordenacion radix sortMetodos de ordenacion radix sort
Metodos de ordenacion radix sort
 
Ordenamiento ppt
Ordenamiento pptOrdenamiento ppt
Ordenamiento ppt
 
Insertion sort
Insertion sortInsertion sort
Insertion sort
 
Apuntadores y listas
Apuntadores y listasApuntadores y listas
Apuntadores y listas
 
Ejercicio busqueda costo_uniforme_y_avara_mapa_rumania
Ejercicio busqueda costo_uniforme_y_avara_mapa_rumaniaEjercicio busqueda costo_uniforme_y_avara_mapa_rumania
Ejercicio busqueda costo_uniforme_y_avara_mapa_rumania
 
Tiempo de ejecucion de particiones (quicksort)
Tiempo de ejecucion de particiones (quicksort)Tiempo de ejecucion de particiones (quicksort)
Tiempo de ejecucion de particiones (quicksort)
 
Boyer–Moore string search algorithm
Boyer–Moore string search algorithmBoyer–Moore string search algorithm
Boyer–Moore string search algorithm
 
Quick Sort
Quick SortQuick Sort
Quick Sort
 
Informe ordenamiento
Informe ordenamientoInforme ordenamiento
Informe ordenamiento
 
Algoritmos de Ordenamiento externo
Algoritmos de Ordenamiento externoAlgoritmos de Ordenamiento externo
Algoritmos de Ordenamiento externo
 
Recursion and Sorting Algorithms
Recursion and Sorting AlgorithmsRecursion and Sorting Algorithms
Recursion and Sorting Algorithms
 
Ordenacion y busqueda
Ordenacion y busquedaOrdenacion y busqueda
Ordenacion y busqueda
 
Insercion directa
Insercion directaInsercion directa
Insercion directa
 
Listas Doblemente Enlazadas y Listas Circulares
Listas Doblemente Enlazadas y Listas CircularesListas Doblemente Enlazadas y Listas Circulares
Listas Doblemente Enlazadas y Listas Circulares
 
Metodos de ordenamiento
Metodos de ordenamientoMetodos de ordenamiento
Metodos de ordenamiento
 
Arboles y Colas de Prioridad en Java
Arboles y Colas de Prioridad en JavaArboles y Colas de Prioridad en Java
Arboles y Colas de Prioridad en Java
 
Asymptotic Notations
Asymptotic NotationsAsymptotic Notations
Asymptotic Notations
 
Ordenamiento QuickSort
Ordenamiento QuickSortOrdenamiento QuickSort
Ordenamiento QuickSort
 
Bubble Sort Algorithm Presentation
Bubble Sort Algorithm Presentation Bubble Sort Algorithm Presentation
Bubble Sort Algorithm Presentation
 

Similar a Algoritmo metodo quicksort

Similar a Algoritmo metodo quicksort (20)

Complejidad Computacional
Complejidad ComputacionalComplejidad Computacional
Complejidad Computacional
 
Bus99
Bus99Bus99
Bus99
 
Ordenación y búsqueda orientada a C++
Ordenación y búsqueda orientada a C++Ordenación y búsqueda orientada a C++
Ordenación y búsqueda orientada a C++
 
Ordenacion y busqueda
Ordenacion y busquedaOrdenacion y busqueda
Ordenacion y busqueda
 
14 Ordenacion
14 Ordenacion14 Ordenacion
14 Ordenacion
 
Unidad 1 1
Unidad 1   1Unidad 1   1
Unidad 1 1
 
Uso de los mutex y mas
Uso de los mutex y masUso de los mutex y mas
Uso de los mutex y mas
 
S3-SCBC.pptx
S3-SCBC.pptxS3-SCBC.pptx
S3-SCBC.pptx
 
S3-SCBC.pptx
S3-SCBC.pptxS3-SCBC.pptx
S3-SCBC.pptx
 
Sistemas operativos unidad 2
Sistemas operativos unidad 2Sistemas operativos unidad 2
Sistemas operativos unidad 2
 
Estructura de Datos - Unidad 5 metodos de ordenamiento
Estructura de Datos - Unidad 5 metodos de ordenamientoEstructura de Datos - Unidad 5 metodos de ordenamiento
Estructura de Datos - Unidad 5 metodos de ordenamiento
 
Ordenamientos de vectores
Ordenamientos de vectoresOrdenamientos de vectores
Ordenamientos de vectores
 
Complejidad de Algoritmos
Complejidad de AlgoritmosComplejidad de Algoritmos
Complejidad de Algoritmos
 
Metodos de ordenamiento 2
Metodos de ordenamiento 2Metodos de ordenamiento 2
Metodos de ordenamiento 2
 
Jflambert lyada - ayudantia matematicas discretas
Jflambert   lyada - ayudantia matematicas discretasJflambert   lyada - ayudantia matematicas discretas
Jflambert lyada - ayudantia matematicas discretas
 
Jflambert lyada - ayudantia ordenamiento y teo maestro
Jflambert   lyada - ayudantia ordenamiento y teo maestroJflambert   lyada - ayudantia ordenamiento y teo maestro
Jflambert lyada - ayudantia ordenamiento y teo maestro
 
Unidad cinco estructura de datos
Unidad cinco estructura de datosUnidad cinco estructura de datos
Unidad cinco estructura de datos
 
Metodos de odenamiento de vctores
Metodos de odenamiento de vctoresMetodos de odenamiento de vctores
Metodos de odenamiento de vctores
 
1_Metodos.doc
1_Metodos.doc1_Metodos.doc
1_Metodos.doc
 
Recursividad, Ordenacion y Busqueda
Recursividad, Ordenacion y BusquedaRecursividad, Ordenacion y Busqueda
Recursividad, Ordenacion y Busqueda
 

Algoritmo metodo quicksort

  • 1. Generalidades Tipos de Algoritmos Para poder ordenar una cantidad determinada de números almacenados en un vector o matriz, existen distintos métodos (algoritmos) con distintas características y complejidad. Existe desde el método más simple, como el Bubblesort (o Método Burbúja), que son simples iteraciones, hasta el Quicksort (Método Rápido), que al estar optimizado usando recursión, su tiempo de ejecución es menor y es más efectivo. Algoritmos basados en métodos Iterativos: Estos métodos son simples de entender y de programar ya que son iterativos, simples ciclos y sentencias que hacen que el vector pueda ser ordenado. Dentro de los Algoritmos iterativos encontramos: – Burbuja – Inserción – Selección – Shellsort Algoritmos basados en métodos Recursivos: Estos métodos son aún más complejos, requieren de mayor atención y conocimiento para ser entendidos. Son rápidos y efectivos, utilizan generalmente la técnica “Divide y Vencerás”, que consiste en dividir un problema grande en varios pequeños para que sea más fácil resolverlos. Mediante llamadas recursivas a sí mismos, es posible que el tiempo de ejecución y de ordenación sea más óptimo. Dentro de los algoritmos recursivos encontramos: – Ordenamiento por Mezclas (merge) – Ordenamiento Rápido (quick) Método Quicksort El método Quicksort basa su estrategia en la idea intuitiva de que es más fácil ordenar una gran estructura de datos subdividiéndolas en otras más pequeñas introduciendo un orden relativo entre ellas. En otras palabras, si dividimos el arreglo a ordenar en dos subarreglos de forma que los elementos del subarreglo inferior sean más pequeños que los del subarreglo superior, y aplicamos el método reiteradamente, al final tendremos el arreglo inicial totalmente ordenado. Existen además otros métodos conocidos, el de ordenación por montículo y el de shell. El algoritmo Quicksort fue desarrollado en 1962 por C.A.R. Hoare, antes de que se implementaran los primeros lenguajes con capacidad para ejecutar funciones recursivas.
  • 2. El ordenamiento por partición (Quick Sort) se puede definir en una forma más conveniente como un procedimiento recursivo. Tiene aparentemente la propiedad de trabajar mejor para elementos de entrada desordenados completamente, que para elementos semiordenados. Esta situación es precisamente la opuesta al ordenamiento de burbuja. Este tipo de algoritmos se basa en la técnica "divide y vencerás", o sea es más rápido y fácil ordenar dos arreglos o listas de datos pequeños, que un arreglo o lista grande. Normalmente al inicio de la ordenación se escoge un elemento aproximadamente en la mitad del arreglo, así al empezar a ordenar, se debe llegar a que el arreglo este ordenado respecto al punto de división o la mitad del arreglo. Se podrá garantizar que los elementos a la izquierda de la mitad son los menores y los elementos a la derecha son los mayores. Los siguientes pasos son llamados recursivos con el propósito de efectuar la ordenación por partición al arreglo izquierdo y al arreglo derecho, que se obtienen de la primera fase. El tamaño de esos arreglos en promedio se reduce a la mitad. Así se continúa hasta que el tamaño de los arreglos a ordenar es 1, es decir, todos los elementos ya están ordenados. En promedio para todos los elementos de entrada de tamaño n, el método hace O(n log n) comparaciones, el cual es relativamente eficiente. El algoritmo es el siguiente: public void _Quicksort(int matrix[], int a, int b) { this.matrix = new int[matrix.length]; int buf; int from = a; int to = b; int pivot = matrix[(from+to)/2]; do { while(matrix[from] < pivot) { from++; } while(matrix[to] > pivot) { to--; } if(from <= to) { buf = matrix[from]; matrix[from] = matrix[to]; matrix[to] = buf;
  • 3. from++; to--; } }while(from <= to); if(a < to) { _Quicksort(matrix, a, to); } if(from < b) { _Quicksort(matrix, from, b); } this.matrix = matrix; } Descripción del Algoritmo: Elegir un elemento de la lista de elementos a ordenar, al que llamaremos pivote. La idea central de este algoritmo consiste en lo siguiente:  Se toma un elemento x de una posición cualquiera del arreglo.  Se trata de ubicar a x en la posición correcta del arreglo, de tal forma que todos los elementos que se encuentran a su izquierda sean menores o iguales a x y todos los elementos que se encuentren a su derecha sean mayores o iguales a x.  Se repiten los pasos anteriores pero ahora para los conjuntos de datos que se encuentran a la izquierda y a la derecha de la posición correcta de x en el arreglo.  Resituar los demás elementos de la lista a cada lado del pivote, de manera que a un lado queden todos los menores que él, y al otro los mayores. En este momento, el pivote ocupa exactamente el lugar que le corresponderá en la lista ordenada.  Repetir este proceso de forma recursiva para cada sublista mientras éstas contengan más de un elemento. Una vez terminado este proceso todos los elementos estarán ordenados.  Como se puede suponer, la eficiencia del algoritmo depende de la posición en la que termine el pivote elegido. Análisis del algoritmo: Estabilidad: No es estable. Requerimientos de Memoria: No requiere memoria adicional en su forma recursiva. En su forma iterativa la necesita para la pila. •Ventajas: Muy rápido. No requiere memoria adicional. •Desventajas: Implementación un poco más complicada. Recursividad (utiliza muchos recursos).
  • 4. Mucha diferencia entre el peor y el mejor caso. Complejidad computacional del Quicksort: En el mejor de los casos tiene un costo de O(n*log (n)). Que es cuando el pibote siempre queda al medio del arreglo. En el peor de los casos tiene un costo de O(n^2). Cuando el pibote siempre se inclina hacia a un lado, es decir, genera un arreglo de sólo 1 elemento y una segunda con el resto de elementos. En el caso promedio también tiene un costo de O(n*log (n)). Se produce cuando el pibote se inclina más hacia un lado y los 2 subarreglos tienen distinto tamaño de elementos. Para calcular el tiempo de ejecución se usó la función clock() que determina el tiempo usado por el procesador. En este caso defino 3 variables ini, final y total. 1ini=clock(); // Antes del quicksort: 2final = clock(); //Después que se ejecuta el quicksort
  • 5. 3total =((double)(final – ini)) / 4CLOCKS_PER_SEC; // El valor retornado por clock() 5debe ser dividido por el valor de la macro CLOCKS_PER_SEC Cada algoritmo de ordenamiento por definición tiene operaciones y cálculos mínimos y máximos que realiza (complejidad), a continuación una tabla que indica la cantidad de cálculos que corresponden a cada método de ordenamiento: Algoritmo Operaciones máximas Burbuja Inserción Selección Shell Merge Quick (Rápido) Ω(n²) Ω(n²/4) Ω(n²) Ω(n log²n) Ω(n logn) Ω(n²) en peor de los casos y Ω(n logn) en el promedio de los casos. COMPARACION DE TIEMPOS Se han ordenado una cantidad determinada de elementos aleatorios en una lista mediante distintos métodos de ordenamiento (en segundos). 256 elementos 512 elementos Burbuja: 0.0040 Selección: 0.0030 Inserción: 0.0040 Rápido: 0.0010 Shell: 0.0010 Merge: 0.0040 Burbuja: 0.0050 Selección: 0.0040 Inserción: 0.0050 Rápido: 0.0010 Shell: 0.0020 Merge: 0.003 2048 elementos 16384 elementos
  • 6. Burbuja: 0.022 Selección: 0.015 Inserción: 0.013 Rápido: 0.0010 Shell: 0.0060 Merge: 0.0050 Burbuja: 1.055 Selección: 0.9 Inserción: 0.577 Rápido: 0.0080 Shell: 0.0090 Merge: 0.014 Como podemos analizar, el algoritmo que se va demorando cada vez más tiempo es el de la burbuja, luego de selección y tercero el inserción. Los algoritmos que los siguen son el Shell y el de ordenación por mezcla, pero el más óptimo es el “Rápido”. Eligiendo el Pivote La velocidad de ejecución del algoritmo depende en gran medida de cómo se implementa este mecanismo, una mala implementación puede suponer que el algoritmo se ejecute a una velocidad mediocre o incluso pésima. La elección del pivote determina las particiones de la lista de datos, por lo tanto, huelga decir que esta es la parte más crítica de la implementación del algoritmo QuickSort. Es importante intentar que al seleccionar el pivote v las particiones L1 y L3 tengan un tamaño idéntico dentro de lo posible. Elegir el primero o el último de la lista nunca es una buena idea ya que los elementos de la lista no están uniformemente distribuidos. Por otro lado, si contamos con un buen generador de números aleatorios, podemos elegir un pivote al azar de entre todos los elementos de la lista. Esta estrategia es segura puesto que es improbable que un pivote al azar dé como resultado una partición mala, pero tiene como contrapartida que en algunas ocasiones si puede arrojar un resultado de O(n2), además, la elección de números aleatorios puede incrementar el tiempo de ejecución del algoritmo. Una buena estrategia para solucionar la selección del pivote ampliamente extendida es la conocida como “a tres bandas”. En esta estrategia lo que se persigue es hacer una media con los valores de tres de los elementos de la lista. Por ejemplo si nuestra lista es [ 8, 4, 9, 3, 5, 7, 1, 6, 2 ] la media sería ( 8 + 2 + 5 ) / 3 = 5 lo que daría lugar a las siguientes particiones: L1 = [ 8, 9, 7, 6 ] L2 = [ 5 ] L3 = [ 1, 2, 4, 3 ] Esta estrategia no nos asegura que siempre nos dará la mejor selección del pivote, sino que estadísticamente, la elección del pivote sea buena.
  • 7. Burbuja: 0.022 Selección: 0.015 Inserción: 0.013 Rápido: 0.0010 Shell: 0.0060 Merge: 0.0050 Burbuja: 1.055 Selección: 0.9 Inserción: 0.577 Rápido: 0.0080 Shell: 0.0090 Merge: 0.014 Como podemos analizar, el algoritmo que se va demorando cada vez más tiempo es el de la burbuja, luego de selección y tercero el inserción. Los algoritmos que los siguen son el Shell y el de ordenación por mezcla, pero el más óptimo es el “Rápido”. Eligiendo el Pivote La velocidad de ejecución del algoritmo depende en gran medida de cómo se implementa este mecanismo, una mala implementación puede suponer que el algoritmo se ejecute a una velocidad mediocre o incluso pésima. La elección del pivote determina las particiones de la lista de datos, por lo tanto, huelga decir que esta es la parte más crítica de la implementación del algoritmo QuickSort. Es importante intentar que al seleccionar el pivote v las particiones L1 y L3 tengan un tamaño idéntico dentro de lo posible. Elegir el primero o el último de la lista nunca es una buena idea ya que los elementos de la lista no están uniformemente distribuidos. Por otro lado, si contamos con un buen generador de números aleatorios, podemos elegir un pivote al azar de entre todos los elementos de la lista. Esta estrategia es segura puesto que es improbable que un pivote al azar dé como resultado una partición mala, pero tiene como contrapartida que en algunas ocasiones si puede arrojar un resultado de O(n2), además, la elección de números aleatorios puede incrementar el tiempo de ejecución del algoritmo. Una buena estrategia para solucionar la selección del pivote ampliamente extendida es la conocida como “a tres bandas”. En esta estrategia lo que se persigue es hacer una media con los valores de tres de los elementos de la lista. Por ejemplo si nuestra lista es [ 8, 4, 9, 3, 5, 7, 1, 6, 2 ] la media sería ( 8 + 2 + 5 ) / 3 = 5 lo que daría lugar a las siguientes particiones: L1 = [ 8, 9, 7, 6 ] L2 = [ 5 ] L3 = [ 1, 2, 4, 3 ] Esta estrategia no nos asegura que siempre nos dará la mejor selección del pivote, sino que estadísticamente, la elección del pivote sea buena.