Análise de algoritmos

Temas deste capítulo

Plano editorial: 35 temas. Só os que têm ligação já estão escritos e publicados.

1. O que é a correção de um algoritmo?
2. O que é o invariante de ciclo e a prova de correção?
3. O que é a complexidade temporal?
4. O que é a complexidade espacial?
5. O que é a notação assintótica?
6. O que é o melhor caso, o pior caso e o caso médio?
7. O que é a análise amortizada de algoritmos?
8. O que são as classes de complexidade comuns (O(1), O(log n), O(n), O(n log n), O(n²), O(2ⁿ))?
9. O que é o crescimento logarítmico?
10. O que é a relação de recorrência de um algoritmo?
11. O que é o teorema mestre na análise de algoritmos?
12. O que é a árvore de recursão?
13. O que é a análise empírica de algoritmos?
14. O que é a medição de tempo de execução?
15. O que é o modelo RAM?
16. O que é a eficiência prática e a constante oculta?
17. O que são os problemas intratáveis?
18. O que é a classe P e a classe NP (algoritmos)?
19. O que são os problemas NP-difíceis?
20. O que é a redução polinomial?
21. O que são os algoritmos de aproximação?
22. O que são as meta-heurísticas?
23. Como calcular a complexidade de um ciclo duplo?
24. Como calcular a complexidade de um algoritmo recursivo?
25. Como calcular o número de operações de um algoritmo?
26. Como determinar a complexidade de um algoritmo?
27. Como comparar dois algoritmos pela complexidade?
28. Como provar a correção de um algoritmo?
29. Como resolver uma recorrência de um algoritmo?
30. Como medir o tempo de execução em Python?
31. Qual é a diferença entre a complexidade temporal e a complexidade espacial?
32. Qual é a diferença entre O(n) e O(n log n)?
33. Qual é a diferença entre o pior caso e o caso médio?
34. Exercícios resolvidos de complexidade de algoritmos
35. Quais são os erros mais comuns na análise de complexidade?

← Todos os artigos de Algoritmos e Estruturas de Dados