Algoritmos y

Tiempos de
Ejecución

Algoritmos y
Estructura de
Datos I

1
Algoritmos y tiempos de
ejecución
En esta lectura, se desarrollarán conceptos teóricos tales como algoritmo y
problema. Es importantes entenderlos, para poder abordar temas más
complejos, como los que siguen a continuación de esta lectura.

Los problemas surgen cotidianamente y, muchas veces, se debe encontrar

una manera para resolverlos. Se pueden encontrar diferentes algoritmos
que ayuden a resolver un mismo problema y estos, si están escritos en un
lenguaje adecuado (un lenguaje de programación), pueden ser ejecutados
por computadoras de manera que se automaticen. Así, se evitan los errores
humanos en el proceso de resolución y se agilizan y se obtienen los
resultados en un período de tiempo que sea realmente útil.

A su vez, como se pueden distinguir distintos algoritmos para resolver un

mismo problema, es necesario contar con algún método que permita
comparar algoritmos, para poder elegir aquel que se ajuste mejor a las
diferentes necesidades. Como estos algoritmos van a ser ejecutados en
computadoras, debe tenerse en cuenta que estas cuentan con una memoria
y con capacidades para resolver problemas lógicos y matemático-
aritméticos. Los recursos con los que cuenta una computadora son finitos,
por lo que se debe considerar este aspecto a la hora de diseñar un buen
algoritmo.

Algoritmos
Se comenzará por lo primero: ¿qué es un algoritmo?

“Llamamos algoritmo al conjunto finito y ordenado de acciones con las que

podemos resolver un determinado problema. Llamamos problema a una
situación que se nos presenta y que, mediante la aplicación de un algoritmo,
pretendemos resolver” (Sznajdleder, 2012, p. 202).

Cuando se tienen algoritmos distintos que resuelven un mismo problema de

maneras distintas, se dice que dichos algoritmos son equivalentes.

En realidad, se aplican algoritmos todos los días al realizar las distintas

actividades. Se tomará, por ejemplo, el caso de preparar una receta, como
un pan casero. El algoritmo tendría los siguientes pasos:

1) agregar la harina (agregarHarina);

2
2) agregar el agua (agregarAgua);
3) agregar sal (agregarSal);
4) amasar la masa (amasar);
5) dejar reposar la masa por 20 minutos (reposarMasa);
6) hornear por 40 minutos (hornear).

A su vez, cada paso puede descomponerse en subpasos o módulos. Por

ejemplo, la acción agregarHarina puede descomponerse en:

1) medir la harina (medirHarina);

2) tamizar la harina (tamizarHarina);
3) colocar la harina en el bowl (colocarHarina).

El módulo hornear quedaría:

1) precalentar el horno (precalentarHorno);

2) colocar la placa con la masa en el horno (colocarPlaca);
3) ajustar el horno a 200 grados (ajustarHorno);
4) quitar la placa del horno a los 40 minutos (quitarPlaca).

Así, se puede seguir descomponiendo tanto como se quieras. Por ejemplo,

se puede profundizar aún más descomponiendo la acción quitarPlaca en:

1) tomar las agarraderas;

2) abrir el horno;
3) tomar la placa con las agarraderas;
4) sacar la placa del horno;
5) colocar la placa sobre una tabla.

En el ámbito informático, cuando se habla de algoritmos, se está haciendo

referencia al conjunto de acciones que debe seguir una computadora para
resolver un problema. Se había mencionado que un problema era una
situación que se pretendía resolver con un algoritmo. Dentro del ámbito
informático, en el cual está enmarcada esta materia, se tienen distintos
problemas comunes que surgen para ser resueltos con distintos algoritmos,
tales como el de la recursión, el del ordenamiento de los elementos dentro
de una estructura, el problema de encontrar un elemento dentro de una
estructura, entre otras. Existen una infinidad de problemas que pueden ser
resueltos algorítmicamente.

Diseño de algoritmos

Para poder diseñar correctamente un algoritmo, es necesario conocer su

contexto, de manera que se tenga claro su alcance, sus datos de entrada y

3
 sus salidas. Esto es de gran importancia. De hecho, algunos autores definen
a los algoritmos como procedimientos computacionales que se encargan de
tomar las entradas, de procesarlas y generar una o varias salidas.

En este ejemplo, el alcance específico que el algoritmo incluye va desde el

armado de la masa hasta la obtención del pan sacado del horno. Las
entradas podrían ser la cantidad de panes a hornear, el tipo de harina a
utilizar, la marca de la sal, el tipo de horno a utilizar, etcétera. La salida
podría ser la cantidad de panes obtenidos con falta de cocción, los panes
bien cocidos, los quemados, etcétera.

Para diseñar los algoritmos, también se cuenta con 3 recursos

principalmente: memoria, operaciones aritméticas y operaciones lógicas.

En el ejemplo, se necesita tener en la memoria que se debe quitar la placa

del horno a los 40 minutos. Se llamará a la variable de la hora transcurrida
horaActual y a la del límite de 40 minutos, tiempoLimite.

Análisis de algoritmos
Dado un problema a resolver, se sabe que muchas veces se puede hacerlo
de más de una forma y que algunas de estas serán más eficientes que otras.
Es decir, ya sea en el tiempo de ejecución, en el uso de los recursos como la
memoria, el disco, la red e, incluso, el tiempo que le lleva a un desarrollador
escribir el algoritmo.

A la hora de elegir un algoritmo para programar la funcionalidad de una

aplicación, se tendrán que tener en cuenta parámetros tales como el
hardware sobre el que se ejecutará dicha aplicación, la cantidad de datos
que procesará y los tiempos de ejecución esperados por el tipo de usuario al
que está destinada.

Por ejemplo, si estás desarrollando una aplicación que esperas que pueda
ser ejecutada en las computadoras hogareñas típicas, tendrás que tener en
cuenta que los algoritmos que implementes cumplan con los tiempos que
un usuario doméstico puede soportar en la respuesta de una aplicación y
que el poder de procesamiento será el de una computadora doméstica.

Entonces, se vuelve indispensable encontrar formas de analizar los

El tiempo de ejecución algoritmos para poder determinar su eficiencia. Para ello, se analiza el
de un algoritmo es una comportamiento de los algoritmos en forma matemática.
función de la cantidad
de datos de entrada
Si se sacan otros factores como la velocidad, la cantidad de procesadores, la
que deben procesar.
calidad del compilador y la cantidad y la velocidad de la memoria, entre
otros, el tiempo de ejecución de un algoritmo es una función de la cantidad

4
de los datos de entrada que deben procesar. A mayor cantidad de datos,
mayor será el tiempo de ejecución, por lo que se utilizan funciones
matemáticas para caracterizar la eficiencia de los algoritmos.

Se formula, por ejemplo, la función que define el tiempo de ejecución para

el despliegue de la tabla en un reporte de ventas por vendedor.

En este caso, se supone que lleva 0,0014 segundos contar la cantidad de

registros y dibujar la tabla con sus encabezados. Luego, 0,012 segundos,
obtener y colocar en la tabla el registro de venta de cada vendedor.

La función del tiempo de ejecución resultante sería:

Tiempo de ejecución 𝑡𝑒 = 0,0014 + 𝑁 ∗ 0,12

N es la cantidad de registros de venta del sistema.

Como se puede observar, se llega a una función lineal (N elevado al

exponente 1), donde tal como sucede en cualquier función lineal, la tasa de
crecimiento de la función (en este caso el tiempo de ejecución te) es igual a
la tasa de crecimiento de la variable (en este caso el tamaño de la entrada
N). Se muestra una relación de proporcionalidad: el tiempo de ejecución es
directamente proporcional al tamaño de la entrada.

Un algoritmo lineal es aquel que tiene un tiempo de ejecución que responde

a una función lineal. Es el más eficiente. Sin embargo, existen algoritmos no
lineales con tiempos de ejecución mucho más elevados. Las funciones más
comúnmente encontradas en el análisis de algoritmos son las siguientes,
ordenadas de mayor a menor eficiencia:

 Lineal: el tiempo de ejecución se incrementa a la misma velocidad en que

se incrementa la cantidad de datos de entrada. O sea, son directamente
proporcionales a la cantidad de datos de entrada a los que se someten.
Es por esto que es el tipo de algoritmo más eficiente.
 N * log (N): el logaritmo es una función que crece lentamente. Aunque
crece más rápido que la función lineal, es más lenta que la cuadrática y la
cúbica. El tiempo de ejecución en estos algoritmos es N veces el logaritmo
de N, siendo N el tamaño de la entrada.
 Cuadrática: el tiempo de ejecución está definido por una función
cuadrática (por ejemplo, 3N2+2N +3) siendo N el tamaño de la entrada.
Los algoritmos de este tipo son menos eficientes que los del tipo
N*Log(N).
 Cúbica: el tiempo de ejecución está definido por una función cúbica (por
ejemplo, 4N3+3N2+2N +3) siendo N el tamaño de la entrada. Están entre

5
 los menos eficientes, ya que ante pequeños incrementos en el tamaño de
los datos, el tiempo de ejecución del algoritmo crece rápidamente.

Pueden darse casos en que, por las constantes implicadas, una función
N*Log(N) sea más eficiente que una lineal. Sin embargo, ante una misma
complejidad, las lineales son más eficientes.

Distinto es el caso de los algoritmos cuadráticos que tienen altos tiempos de

ejecución, a partir de un tamaño de entrada de unos pocos miles. Peor aún,
en el caso de los algoritmos cúbicos que tienen tiempos de ejecución lentos,
a partir de un tamaño de entrada de unos pocos cientos.

Figura 1: Tiempos de ejecución para entradas pequeñas

Fuente: Weiss, 2013, p. 187.

6
Figura 2: Tiempos de ejecución para entradas de tamaño moderado

Fuente: Weiss, 2013, p. 187.

Al observar estos gráficos, se puede evidenciar que, ante las entradas

pequeñas, las diferencias en el tiempo de ejecución de cada función no son
muy grandes. Sin embargo, cuando se tienen entradas grandes, las
diferencias en el tiempo de ejecución de cada función se vuelven grandes. A
medida que se aumenta el tamaño de la entrada, se hace notable la
diferencia de la eficiencia.

Normalmente, el tiempo de ejecución se ve afectado cuando el tamaño de

la entrada es grande. Por esto, es en las grandes cantidades de entradas
donde preocupa más la eficiencia del algoritmo.

Cabe aclarar que, cuando se está ante la presencia de entradas pequeñas, la

tasa de crecimiento puede no llegar a ser del todo importante. Incluso,
puede suceder que una función con una tasa de crecimiento mayor que otra
función sea más eficiente. De todas maneras, se podrá usar una u otra
función sin notar mucha diferencia entre ellas. Pero, esto no es lo que suele
suceder. Por ello, se abocará a analizar los tiempos de ejecución ante las
entradas grandes.

Es por esto que la optimización del algoritmo es la tarea principal a la hora

de hacer que un código se ejecute en forma eficiente, es decir, diseñar un
buen algoritmo desde un principio. No importa qué tanto se optimice el

7
código. La optimización debe realizarse primeramente sobre el algoritmo,
porque es él quien define la eficiencia en la ejecución.

Ejemplos de tiempos de ejecución de los algoritmos

Se examinarán 3 problemas que resolver para ejemplificar los tipos de
funciones que aplican algunos algoritmos utilizados normalmente:

 Hallar el elemento mínimo de una matriz.

 Hallar los puntos más próximos en un plano (x; y).
 Hallar todos los grupos de 3 puntos colineales en un plano (x; y).

Hallar el elemento mínimo de una matriz

El objetivo de este algoritmo es encontrar aquel elemento con menor valor

dentro de una estructura de datos que, en este caso, es una matriz.

Consta de los siguientes pasos:

1) guardar en una variable el primer elemento de la matriz;

2) comparar el elemento de la variable con cada elemento de la matriz y, en
los casos en que el elemento de la matriz sea menor, guardarlo en la
variable.

Una vez que se hayan recorrido todos los elementos de la matriz, la variable
contendrá el valor mínimo de esta. Este es el caso de un algoritmo lineal, ya
que se deben recorrer los elementos de toda la matriz y se posee un tiempo
de ejecución fijo para cada elemento.

Hallar los puntos más próximos en un plano

Se tiene un plano con una cantidad N de puntos y el objetivo es encontrar

entre todos esos puntos al par donde la distancia entre ellos sea la menor,
en comparación con la distancia entre cualquier otro par de puntos.

Se puede realizar de la siguiente forma:

1) encontrar todos los pares de puntos existentes en el plano;

2) calcular la distancia entre cada par de puntos;
3) hallar el de menor distancia.

La cantidad de pares de puntos existentes en cualquier plano de N puntos

8
es igual a:

𝑁(𝑁 − 1)
2

Si se expande la expresión anterior, queda una función cuadrática:

𝑁2 − 𝑁 1 2 1
= 𝑁 − 𝑁
2 2 2

Si se utilizan algunos artilugios, se puede evitar calcular la distancia entre

todos los pares de puntos del plano. Dicha técnica responde a una función
N * log(N) e, incluso, existe una forma que responde a una función lineal.

Hallar todos los grupos de 3 puntos colineales en un plano

Es un problema que se da mucho en el ámbito del tratamiento de los

gráficos.

Se puede realizar siguiendo estos pasos:

1) encontrar todos los grupos de 3 puntos existentes en el plano;

2) verificar cuáles se encuentran alineados.

La cantidad de grupos de 3 puntos en un plano de N puntos es igual a:

𝑁(𝑁 − 1)(𝑁 − 2)
6

Al expandir la anterior expresión, queda una función cúbica:

1 3 1 2 1
𝑁 − 𝑁 − 𝑁
6 2 3

Al igual que en el caso anterior, existe una forma de resolver este problema
de una manera más eficiente, mediante el uso de un algoritmo cuadrático.
Sin embargo, esto excede el alcance de esta materia.

Al analizar cada problema, mostramos una solución y el tiempo de ejecución

para ese algoritmo. Sin embargo, mencionamos que existen otras maneras de
mejorarlos. De esta forma podemos ver cómo un mismo problema se puede
resolver con distintos algoritmos que, según la tasa de crecimiento de la función
matemática a la que responden, son más o menos eficientes.

9
Referencias
Cormen, T., Leiserson, C., Rivest, R., y Stein, C. (2009). Getting Started. En Autores,
Introduction to Algorithms (pp. 16-29). Massachusetts, USA: The MIT Press.

Sznajdleder, P. A. (2012). Complejidad algorítmica. En D. Fernández (Ed.),

Algoritmos a fondo con implementación en C y JAVA (pp. 522-523). Buenos Aires,
AR: Alfaomega.

Weiss, M. A. (2013). Análisis de algoritmos. En M. Martín-Romo (Ed.). Estructuras

de datos en Java (pp. 185-190). Madrid, ES: Pearson.

10