Algoritmos de ordenación
Cotidianamente, nos encontramos con listas ordenadas, por ejemplo, la guía
telefónica que almacenamos en nuestro celular, que se encuentra ordenada
alfabéticamente. También encontramos listas de alumnos ordenadas de manera
creciente, según el número de legajo. Este ordenamiento no es arbitrario y persigue
un objetivo: facilitar algún otro procedimiento posterior. Así, buscar un nombre en la
agenda ordenada será mucho más rápido.
En el ámbito informático, el ordenamiento es uno de los procedimientos más
comunes y útiles. Permite hacer un buen procesamiento de los datos y facilita otros
procedimientos importantes, como la búsqueda de un elemento en un conjunto de
elementos. Muchos problemas parten de la necesidad de un conjunto ordenado de
datos.
Algoritmos de ordenación
Referencias
Revisión del módulo
LECCIÓN 1 de 3
Algoritmos de ordenación
Ordenamiento
El ordenamiento es el proceso por el cual se busca reorganizar un conjunto
de elementos, en una secuencia determinada.
Así, por ejemplo, podremos ordenar numéricamente de mayor a menor valor,
o alfabéticamente en orden creciente de la A a la Z.
El proceso de ordenamiento puede categorizarse en ordenamiento interno y
externo. El primero hace referencia a que los datos se almacenan en la
memoria principal o interna, por ende, el proceso de ordenado se realiza en la
memoria principal. El segundo, en cambio, es aquel ordenamiento que no
puede llevarse a cabo en la memoria principal, por lo que los datos deben
almacenarse en el disco. A partir de allí, se podrá hacer el ordenado.
El ordenamiento es de gran utilidad en el ámbito del software, debido a que
facilita la búsqueda, pero también ayuda a otros procesos. Tal es el caso de
la detección de los duplicados. Si tenemos el conjunto de datos ordenado, un
elemento duplicado será adyacente a otro igual, lo que permitirá que la
identificación se realice sin tanto esfuerzo. Si quisiéramos detectar un
elemento duplicado en un conjunto desordenado, el rendimiento sería muy
bajo. En general, el ordenamiento de los elementos permite que el
rendimiento de muchos algoritmos crezca significativamente.
Analizaremos algoritmos que, de una entrada, nos permiten entregar como
salida a la entrada ordenada. Este proceso se realizará a través de
comparaciones, de manera exclusiva. En otras palabras, no se permite otro
tipo de operaciones. A estos algoritmos se los denomina algoritmos de
ordenación basados en comparaciones.
En todos los algoritmos de ordenamiento que analizaremos, asumiremos
que el tamaño de la entrada es de N elementos.
Ordenación por inserción
El algoritmo de ordenación por inserción es un algoritmo que permite realizar
un ordenamiento en entradas de tamaños pequeños. Funciona bien con
pocos elementos, debido a que es un algoritmo corto y no demanda mucho
tiempo para lograr su objetivo. Sin embargo, si se quisiera aplicar este
algoritmo en una entrada de gran tamaño, tardaría mucho tiempo, por lo que
se recomienda buscar otra alternativa.
Este algoritmo está caracterizado por un estado inicial, donde al primer
elemento de la estructura se lo considera ordenado. A lo largo del proceso,
se harán las modificaciones pertinentes, que arribarán a un estado final
donde los N elementos estarán ordenados. Para esto, se hace uso de una
variable p que indicará los elementos que se van ordenando, si se considera
desde la posición 0 a la posición p. Por ende, p podrá asumir valores desde 1
a N - 1. A medida que se va iterando por la estructura, p va incrementando su
valor en una unidad.
Proceso de ordenado
El proceso consiste en ir acomodando, secuencialmente, de a un elemento, y
desplazar otros elementos, en caso de ser necesario, para ubicarlos en el
orden correcto. Podremos visualizar la dinámica de trabajo de este algoritmo
en la tabla que se presenta a continuación.
Tabla 1: Mecanismo de funcionamiento del algoritmo
Fuente: Weiss, 2013, p. 344.
Como se puede observar, tenemos una estructura con 6 valores
desordenados, es decir, N = 6.
En el estado inicial, se considera que el valor 8 está ordenado y p vale 1.
Luego, en la siguiente iteración, p vale 2 y debemos incorporar el valor 5, el
cual es menor que el valor 8. En este caso, se hace un desplazamiento del
valor 8 a la derecha y se incorpora el valor 5 en la posición antigua del valor 8.
En la siguiente iteración, p vale 3 y se debe incorporar el valor 9, el cual es
mayor a todos los demás valores, por lo que se lo ubica al final. En la
siguiente iteración, p vale 4 y se debe incorporar el valor 2. Este valor es
menor a todos los demás, por lo que será ubicado en la primera posición y
serán desplazados el resto de los elementos, una posición hacia la derecha.
Este proceso continúa hasta que p = N - 1 = 6 - 1 = 5, lo cual indica que ya se
ordenaron todos los elementos.
Tiempo de ejecución
Para poder implementar este algoritmo se usan dos ciclos iterativos, los
cuales determinan que sea O(N2). La cota superior se alcanza cuando están
todos los elementos ordenados de manera inversa. Sin embargo, este
tiempo de ejecución se puede ver disminuido, gracias a que la entrada haya
sido ordenada previamente o si la entrada se encuentra casi ordenada.
Como conclusión, el tiempo de ejecución dependerá no solo del tamaño de la
entrada (lo cual ya lo sabíamos), sino que también del grado de
ordenamiento de los elementos. Por otra parte, el tiempo de ejecución
promedio que ofrece este algoritmo es Θ(N2), igual que para otros algoritmos
de ordenamiento.
Inversión
La inversión es un concepto que refiere al grado de desorden de una
estructura. Una inversión es un par de valores desordenados dentro de la
estructura (Weiss, 2013), donde cada par (i, j) cumple que i < j y Ai > Ax.
Este valor nos informa la cantidad de inversiones o intercambios que se
deberán realizar para ordenar la estructura.
Por ejemplo, podríamos tener una estructura con los siguientes elementos,
en el orden en que se mencionan:
{9, 5, 7, 1}
Esta estructura cuenta con las siguientes inversiones:
(9, 5), (9, 7), (9, 1), (5, 1), (7, 1)
En este ejemplo, se deberán realizar cinco intercambios para que quede
ordenado. Cada vez que se realice un intercambio, disminuye en una unidad
la cantidad de inversiones que se deberán hacer para que la estructura
quede ordenada completamente. En este momento, dicha estructura ya no
tendrá inversiones.
Shellsort
Este algoritmo de ordenamiento fue ideado por Donald Shell. Surgió como
una alternativa más eficiente al ordenamiento por inserción y ofrece un
mejor rendimiento, pero con un algoritmo simple de implementar.
La mejora que se le introduce al algoritmo de ordenamiento por inserción es
la de evitar tantos desplazamientos de datos. Shellsort introduce
comparaciones entre elementos que están más próximos.
Proceso de ordenado
Se procede a subdividir la estructura en subestructuras de un tamaño menor.
Luego se arma una matriz que ubica cada subestructura en cada fila, para,
posteriormente, ordenar cada columna. Se vuelve a subdividir cada
subestructura en otras subestructuras y, nuevamente, se la dispone en
forma de matriz y se obtiene una nueva matriz con más filas. Luego, se
vuelve a ordenar cada columna.
Este proceso se repite hasta que la distancia elegida para armar las
subestructuras sea del tamaño 1 y llegue, en esta última instancia, a un caso
particular de ordenamiento por inserción.
Ahora bien, ¿cómo sabemos qué distancia nos conviene elegir para realizar
las subdivisiones? Donald Shell sugirió que la distancia sea de N/2
elementos, donde N es la cantidad de elementos de la estructura. Este valor
va disminuyendo en cada iteración, hasta llegar al valor 1, donde se reduce a
un caso de ordenamiento por inserción.
Analicemos un ejemplo. Supongamos que tenemos un arreglo de 11
elementos:
[20, 15, 7, 9, 8, 6, 18, 10, 5, 2, 16]
Definimos como distancia a una cantidad de N/2 = 11/2 = 5 elementos, que
generan las siguientes subestructuras, en forma de matriz:
20 15 7 9 8
6 18 10 5 2
20 − − − −
Ahora, debemos ordenar cada columna y obtener una nueva matriz:
6 15 7 5 2
16 18 10 9 8
20 − − − −
Si transformamos esta matriz nuevamente en un arreglo, obtenemos un
arreglo más ordenado que el original:
[6, 15, 7, 5, 2, 16, 18, 10, 9, 8, 20]
Volvemos a subdividir cada fila en nuevas subestructuras y seleccionamos
como distancia una cantidad de 2 elementos:
6 15
7 5
2 16
18 10
9 8
20 −
Se vuelven a ordenar las columnas:
2 5
68
7 10
9 15
18 16
20 −
Obtenemos el siguiente arreglo:
[2, 5, 6, 8, 7, 10, 9, 15, 18, 16, 20]
Nuevamente, volvemos a subdividir cada fila. En este caso, la distancia será
de 1 elemento. Obtendremos una sola columna, lo cual corresponde al
mismo arreglo. En este caso, se procede a ordenar como se realiza en el
ordenamiento por inserción y se obtiene, finalmente, el arreglo ordenado:
[2, 5, 6, 7, 8, 9, 10, 15, 16, 18, 20]
Tiempo de ejecución
El tiempo de ejecución de este algoritmo depende, en gran medida, de las
secuencias de incrementos usadas. El caso promedio no está definido aún.
Pero, el peor caso es O(N2). Esto ocurre cuando la estructura tiene una
cantidad de elementos que es potencia de 2, cuando los elementos de mayor
valor se encuentran en un índice par y cuando los menores se encuentran en
un índice impar. Sucede que, al estar dispuestos de esta manera, los
elementos más grandes seguirán ubicándose en los índices pares y los
menores, en los impares (Weiss, 2013).
Pero, si hacemos un cambio en la secuencia de los incrementos, podemos
evitar que se produzca el peor de los casos. Si al hacer la división entre 2
obtenemos un valor par, se le puede sumar 1 para que se obtenga un valor
impar, y así obtener un rendimiento mejor en el peor de los casos de O(N3/2).
El caso promedio no está definido aún, pero se cree que es O(N5/4), en
función de unas simulaciones que se realizaron (Weiss, 2013).
Existen otras formas para mejorar el rendimiento. Si la estructura tiene una
cantidad de elementos N, donde N es potencia exacta de 2, se demostró que
el peor de los casos es O(N3/2). También, se propuso que, en vez de dividir
por 2 la secuencia, se la divida por 2,2 para obtener así un rendimiento
promedio de O(N5/4) (Weiss, 2013).
Mergesort
Si hacemos uso de la recursión, podemos construir algoritmos
subcuadráticos.
Específicamente, un algoritmo de tipo divide y vencerás en el
que se resuelven recursivamente dos problemas de tamaño
mitad con un coste adicional O(N), da como resultado un
algoritmo O(N log N). Uno de esos algoritmos es la ordenación
por mezcla (mergesort). Ofrece una cota mejor, al menos
teóricamente, que la de la ordenación Shell. (Weiss, 2013, p.
350).
Proceso de ordenado
Primeramente, se deben tomar dos mitades (A y B) de la estructura. A
ambas mitades se las debe ordenar por separado. Luego, continúa un
algoritmo de mezclado, y se obtiene, finalmente, el total de los elementos
ordenados.
Este algoritmo toma de entrada dos estructuras, A y B, y genera una salida C,
de un tamaño igual a la suma de los tamaños de A y B. A través de tres
punteros, se tendrá acceso a los índices de las estructuras A, B y C.
Inicialmente, los punteros referenciarán a la primera posición.
El proceso de mezclado consiste en comparar el valor contenido en la
posición del puntero de A y B. Se selecciona el menor valor y se lo almacena
en el índice al que apunta el puntero de C. Posteriormente, el puntero del
menor valor elegido entre A o B se incrementa en un valor, para que apunte a
la siguiente posición. Se podrá notar que solo se incrementa dicho puntero,
pero no se desplaza el puntero del elemento que resultó ser mayor. Luego,
se vuelve a elegir el menor valor entre los valores a los que referencian los
punteros de A y B. Este proceso continúa hasta que no queden más valores
para ser comparados.
Puede suceder que A o B se agoten y ya no tengan más elementos para ser
comparados. En ese caso, se copia el resto de los valores en C.
Analicemos un ejemplo. Definimos como entradas A y B a los siguientes
arreglos, con 5 valores cada uno:
A = [20, 4, 7, 9, 18]; B = [8, 15, 6, 12, 2]
Al contener 5 elementos los arreglos A y B, C tendrá 10 posiciones libres.
Comenzamos el procedimiento de manera que los punteros referenciarán a
la primera posición de los arreglos A, B y C. Nombraremos a dichos punteros
como puntA, puntB y puntC. Los punteros puntA y puntB referencian a los
valores 20 y 8, respectivamente. La comparación de ellos nos indica que 8 es
menor que 21. Por lo tanto, se almacenará el valor 21 en la primera posición
de C, referenciada por puntC.
Ahora, puntB y puntC referenciarán a la segunda posición, y puntA seguirá
como estaba (primera posición). Se comparan los valores arrojados por los
punteros puntA y puntB, los cuales referencian a los valores 20 y 15. Como
15 es menor que 20, se almacena el valor 15 en la segunda posición de C,
referenciada por puntC.
Tiempo de ejecución
El proceso de mezclado de A y B insume un tiempo lineal, debido al
incremento que se realiza en el puntero puntC, en cada iteración.
Como resultado, un algoritmo de tipo divide y vencerás que
utilice un procedimiento de mezcla lineal se ejecutará en un
tiempo O(N log (N)) de caso peor. Este tiempo de ejecución
también representa los tiempos de caso promedio y de caso
mejor, porque el paso de mezcla es siempre lineal. (Weiss, 2013,
p. 352).
Quicksort
El método de ordenamiento rápido (o quicksort) es conocido como uno de los
métodos más rápidos y eficientes dentro del abanico de posibilidades de
ordenamiento que existen. Funciona muy bien y es relativamente fácil de
implementar.
Este algoritmo es de tipo divide y vencerás, ya que divide la estructura en
mitades y trabaja recursivamente sobre ellas.
Si bien presenta algunas similitudes con mergesort, sus diferencias son
cruciales. Este algoritmo funciona mejor, debido a que incorpora cuidadosas
modificaciones en su código, que generan una gran mejora. Quicksort buscó
la manera de cuidar el uso de la memoria, evitar la utilización de una matriz
adicional durante la partición y optimizar los bucles internos.
Proceso de ordenado
Este algoritmo consiste en obtener un valor cualquiera del conjunto de
valores de entrada. Dicho valor servirá de pivote, con el que se hará una
comparación con el resto de los valores. Se conformarán dos conjuntos: un
conjunto para los valores mayores al pivote y otro para los valores menores.
¿Qué hacemos con los valores iguales? Algunas implementaciones sugieren
almacenarlo en alguno de los dos conjuntos. Luego, se aplica quicksort para
cada subconjunto de valores. Finalmente, se unen los subconjuntos, de la
siguiente manera:
valores menores + pivote + valores mayores
Podemos ver que la elección del pivote es importante para garantizar un
mejor resultado en este algoritmo. Si elegimos al azar un valor que justo es el
menor o el mayor valor de todos, ubicado en un extremo, obtendremos un
subconjunto vacío. Sin embargo, aun en estos casos, este algoritmo funciona
bastante bien. Pero nos interesa que sea lo más eficiente posible. Entonces,
la elección del elemento pivote no debería ser arbitraria.
Una forma de elegir el elemento pivote es el cálculo de la media o el
promedio de un conjunto reducido de valores. Algunos autores recomiendan
el cálculo de la mediana: seleccionar aquel valor que es mayor o igual a la
mitad del conjunto de los valores y menor o igual a la otra mitad. Se debería
intentar garantizar que el elemento pivote que se elija exista como un valor
dentro del conjunto de los valores.
Analicemos un ejemplo. Supongamos que tenemos el siguiente conjunto de
valores:
[10, 3, 5, 8, 20, 15, 9, 7]
Elegimos como pivote el valor 8, por lo que tendremos dos subconjuntos. En
uno de ellos, ubicaremos los valores mayores o iguales a 8; en el otro, los
valores menores a 8.
[3, 5, 7] 8 [10, 20, 15, 9]
Volvemos a aplicar quicksort a cada subconjunto. Elegimos como pivote el
valor 5 para el primer subconjunto y el valor 15 para el segundo.
[3] 5 [7] 8 [10, 9] 15 [20]
Como podemos ver, la estructura ya está casi ordenada. Elegimos como
nuevo pivote el valor 10.
3 5 7 8 [9] 10 15 20
Finalmente, obtenemos la estructura ordenada:
3 5 7 8 9 10 15 20
Tiempo de ejecución
Como vimos anteriormente, este algoritmo tiene algunas cuestiones que
deben ser tenidas en cuenta para garantizar que funcione de la mejor
manera. Estas son: cómo se realiza la elección del pivote, dónde se ubican
los valores iguales al pivote, cómo se realiza la partición, etcétera.
El mejor caso sería que el elemento pivote elegido separe a la estructura en
dos mitades de igual tamaño y, a su vez, que esto mismo suceda en cada
una de las subparticiones. Como tendremos estas particiones con sus
correspondientes llamadas recursivas, podemos afirmar que el algoritmo
tiene un tiempo de ejecución O(N log(N)) (Weiss, 2013).
Si, en cambio, al partir la estructura obtenemos dos subconjuntos, donde uno
de ellos está vacío, es decir, se eligió de pivote al elemento más chico o más
grande de todo el conjunto de valores y esto mismo sucede en las siguientes
subestructuras, estaríamos frente al peor caso. En esta situación, el tiempo
de ejecución es O(N2).
Sin embargo, ambos casos mencionados son los extremos. El caso promedio
es O(N log(N)).
Selección rápida
Este problema no corresponde a un método de ordenamiento, sino a la
localización del k-ésimo elemento más pequeño de la estructura. Es un
algoritmo que se asemeja mucho al algoritmo quicksort. De hecho, solo se
necesitan realizar algunas modificaciones a dicho algoritmo.
Proceso
Los pasos de Quickselect (S, k) son los siguientes:
1 Si el número de elementos de S es 1, presumiblemente k será
también 1, por lo que podemos devolver el único elemento de S.
2 Seleccionar cualquier elemento v de S. Será el pivote.
3 Particionar S - {v} en L y R, exactamente igual que para el caso de la
ordenación rápida.
4 Si k es menor o igual que el número de elementos de L, el elemento
que estamos buscando deberá estar en L. Invocamos
Quickselect(L, k) recursivamente. En caso contrario, si k es
exactamente igual a uno más que el número de elementos de L, el
pivote será el k-ésimo elemento más pequeño y podemos
devolverlo como respuesta. En otro caso, el k-ésimo elemento más
pequeño estará en R y será el (k -|L|- 1)-ésimo elemento más
pequeño de R. De nuevo, podemos hacer una llamada recursiva y
devolver el resultado. (Weiss, 2013, p. 370).
Tiempo de ejecución
El peor caso de este algoritmo coincide con el del algoritmo quicksort (Weiss,
2013) y obtiene un tiempo de ejecución O(N2). Sin embargo, si se hace uso
de la mediana de tres para hacer la partición, se hace casi imposible llegar al
peor caso. El tiempo promedio insumido por este algoritmo es lineal.
Otros algoritmos de ordenación
En esta lectura, vimos los principales algoritmos de ordenación. Sin
embargo, existen otros algoritmos que son conocidos, pero exceden a
los que analizaremos en esta materia. Podemos mencionar algunos,
como el método de la burbuja o bubble sort, heap sort, bin sort, radix
sort, entre otros. Te invito a que investigues sobre ellos.
C O NT I NU A R
LECCIÓN 2 de 3
Referencias
Weiss, M. (2013). Algoritmos de ordenación. En Autor, Estructuras de datos
en Java (pp. 341-383). Madrid, ES: Pearson.
C O NT I NU A R
LECCIÓN 3 de 3
Revisión del módulo
Hasta acá aprendimos
Recursión
–
Hablamos de procesos o definiciones recursivas cuando dichos procesos o
definiciones se realizan en función de sí mismas. Estos procesos pueden ser
problemas matemáticos, estructuras de datos, entre muchas otras más.
Análisis numérico de la recursión
–
La teoría de los números es una rama de la matemática que estudia las
propiedades de los números, particularmente, de los números enteros. Esta
teoría permitirá hacer un análisis de los problemas que se basan en los números
enteros.
Aplicaciones de la recursión
–
La criptografía es una disciplina que se ocupa del cifrado o el codificado de los
mensajes que viajan por un medio susceptible de ser intervenido por un agente no
autorizado (en general, en la actualidad, cualquier medio es vulnerable).
Algoritmos de ordenación
–
El ordenamiento es uno de los procedimientos más comunes y de mayor utilidad.
Los algoritmos de ordenación permiten hacer un buen procesamiento de los
datos y facilitan otros procedimientos importantes, como la búsqueda de un
elemento en un conjunto de elementos.
C O NT I NU A R
