Complejidad Computacional.

La complejidad computacional estudia la eficiencia de los algoritmos estableciendo

su efectividad de acuerdo al tiempo de corrida y al espacio requerido en la
computadora o almacenamiento de datos, ayudando a evaluar la viabilidad de la
implementacin prctica en tiempo y costo.
Por otra parte, provee herramientas para clasificar la dificultad inherente de un
problema, de esta manera se puede conocer previamente si la bsqueda de un
algoritmo eficiente para la solucin de dicho problema es posible o no.
Existen problemas que nicamente pueden resolverse utilizando un algoritmo
de tiempo exponencial o incluso, puede ser que no exista algoritmo alguno, por lo
cual, al tener este tipo de informacin puede optarse por la bsqueda o aplicacin
de tcnicas heursticas existentes, que si bien no garantizan una solucin ptima,
si pueden proporcionar una buena solucin o una aproximada.
Las caractersticas principales de un algoritmo son:

Preciso y Definido. Cada paso debe ser definido en forma precisa e indicar
el orden de realizacin.

Datos de entrada (input). El algoritmo recibe datos iniciales antes de

su ejecucin.
Datos de salida (output). El algoritmo tiene una o ms salidas, es
decir, datos que tienen una relacin especfica respecto a los datos de

entrada.
Generalidad. Independientemente de las veces que se siga un algoritmo,
se debe obtener el mismo resultado.

Finito. Un algoritmo debe terminar siempre despus de un nmero finito

de pasos.

Se pueden destacar diferentes problemas con base en la complejidad del

algoritmo que se est utilizando en el momento e igualmente se implementan
con el tiempo ya antes mencionados como (L, NL, P, P-Completo, NP, NPCompleto, NP Duro...), pero aun as unos de los ms utilizados y adems
mencionados son tres, los de tipo P, de tipo NP y de tipo NP-Completo.

Tipo P Determinstico: Aquellos problemas para los que se conoce un

algoritmo polinmico que los resuelve, por lo tanto puede llevarse a una
respuesta ms acertada de mtodo determinstico, que el resto de
problemas. Pero puede llegar el punto en el que el problema se vuelve muy
extenso en donde la solucin se sale del rango de los de tipo P.
Ejemplo: la suma de dos vectores A[n], B[n] y cuya suma se almacene
en
C[n] en cuyo tiempo de ejecucin sea de O(n).

Tipo NP No Determinstico: es contrario al de tipo p, aunque resuelva el

problema en un tiempo polinmico puede que no se conozca el dato de
salida o resultado as que opta por una solucin aproximada; adems de
que es ms abarcado a los problemas de decisin.
Ejemplo: sera el de saber si un nmero es primo ya que de cierta manera
puede que no se sepa el resultado que se generara, pero aunque
hace parte del tipo NP tambin se conoce que est incluido en los de P
puesto que puede conocerse su resultado.

Tipo NP-Completo: es el subconjunto de los problemas de

decisin en NP tal que todo problema en NP se puede reducir en cada uno
de los problemas de NP-completo, todos los algoritmos conocidos para
problemas NP-completos utilizan tiempo exponencial con respecto al
tamao de la entrada por lo que se puede usar aproximacin, probabilidad,
etc.
Ejemplo: el problema de la subcadena, dado un conjunto de enteros,
Existe algn subconjunto cuya suma sea exactamente cero?
De {7, 3, 2, 5, 8}, la respuesta es SI, porque el subconjunto {3, 2, 5}
Suma cero. Este problema es NP-completo.

Ejemplo
Problema que implementa el de tipo NP el del algoritmo de Floyd, es una
implementacin del camino mnimo en donde se busca conocer el camino ms de
menor costo entre dos puntos o nodos, que no se repitan nodos y que regrese al
punto de partida y su implementacin es ms sencilla ya que este problema utiliza
grafos para resolver este problema, aunque su crecimiento es exponencial de
orden O(n^3) por la presencia del triple bucle.

Se muestra el camino ms ptimo y un camino heurstico, en comparacin,

aunque el heurstico no acierta el resultado muestra un aproximado del mismo que
puede o no ser factible de acuerdo a las circunstancias.

Conclusin
Para terminar, se puede concluir que la complejidad computacional tiene como
objetivo crear herramientas para as ver la eficiencia de un algoritmo especfico
eficiencia que hable a principio del documento, tambin que la clasificacin en
cuanto NP y P depende de sus condiciones cambien o no ya que un mismo
problema puede ser P y NP al tiempo y todo varia por el nmero de datos que
reciba, como el problema del viajero por ejemplo. y tambin puedo agregar que es
de gran utilidad este porque a veces como programadores nos vemos envueltos en
problemas difciles de realizar, en mi caso particular trate de convertir por as decirlo
un algoritmo recursivo a programacin dinmica el cual encontr difcil eliminar 100
porciento la recursividad para ser ms exacto el algoritmo fue la funcin de
ackerman que tiene como particularidad crecer muy rpido por ello puedo decir que
convertir tal funcin a programacin dinmica se convirti por as decirlo en una
complejidad computacional.

Webgrafa
http://www.ptolomeo.unam.mx:8080/xmlui/bitstream/handle/132.248.52.100/539/A
5.pdf?sequence=5
http://es.wikipedia.org/wiki/Teor
%C3%ADa_de_la_complejidad_computacional#Problemas_NP-completos

http://www.algoritmia.net/articles.php?id=30
http://es.wikipedia.org/wiki/Problema_de_la_suma_de_subconjuntos

Anlisis de algoritmo
Complejidad Computacional

Presentado por:
Luis Fernando Pacheco Bertel

Dirigido a:
Ing. Guillermo Hernndez

Facultad:
Ciencias bsicas y arquitectura

Programa:
Ingeniera de sistemas

Corporacin universitaria del caribe

CECAR