4.21.2.1 Análisis Básico (10 horas) [Habilidades C1]

Referencias Bibliográficas: [Kleinberg and Tardos, 2005,Dasgupta et al., 2006,Rivest and Stein, 2009,Sedgewick and Flajolet, 2013,Knuth, 1997a] Temas
  1. Diferencias entre el mejor, el esperado y el peor caso de un algoritmo.
  2. Análisis asintótico de complejidad de cotas superior y esperada.
  3. Definición formal de la Notación Big O.
  4. Clases de complejidad como constante, logarítmica, lineal, cuadrática y exponencial.
  5. Uso de la notación Big O.
  6. Relaciones recurrentes.
  7. Análisis de algoritmos iterativos y recursivos.
  8. Teorema Maestro y Árboles Recursivos.
Objetivos de Aprendizaje
  1. Explique a que se refiere con “mejor", “esperado" y “peor" caso de comportamiento de un algoritmo [Assessment]
  2. En el contexto de a algoritmos específicos, identifique las características de data y/o otras condiciones o suposiciones que lleven a diferentes comportamientos [Assessment]
  3. Determine informalmente el tiempo y el espacio de complejidad de diferentes algoritmos [Assessment]
  4. Indique la definición formal de Big O [Assessment]
  5. Lista y contraste de clases estándares de complejidad [Assessment]
  6. Use la notación formal de la Big O para dar límites superiores asintóticos en la complejidad de tiempo y espacio de los algoritmos [Assessment]
  7. Usar la notación formal Big O para dar límites de casos esperados en el tiempo de complejidad de los algoritmos [Assessment]
  8. Explicar el uso de la notación theta grande, omega grande y o pequeña para describir la cantidad de trabajo hecho por un algoritmo [Assessment]
  9. Usar relaciones recurrentes para determinar el tiempo de complejidad de algoritmos recursivamente definidos [Assessment]
  10. Resuelve relaciones de recurrencia básicas, por ejemplo. usando alguna forma del Teorema Maestro [Assessment]

Generado por Ernesto Cuadros-Vargas , Sociedad Peruana de Computación-Peru, basado en el modelo de la Computing Curricula de IEEE-CS/ACM