Introdução 🔎
Quando se trata de programação, a complexidade do algoritmo é uma medida importante que ajuda a entender a eficiência do código. A complexidade é medida pela quantidade de tempo e espaço necessários para executar um algoritmo. Neste artigo, vamos explorar as diferentes complexidades de algoritmos com exemplos em C.
Complexidades de algoritmos 📊
Existem diferentes tipos de complexidades de algoritmos que são classificadas com base em seu tempo de execução. Aqui estão as complexidades mais comuns:
- O(1) (constante)
- O(log n) (logarítmica)
- O(n) (linear)
- O(n log n) (quase-linear)
- O(n²) (quadrática)
- O(n³) (cúbica)
- O(2ⁿ) (exponencial)
Cada uma dessas complexidades representa a quantidade de tempo necessário para executar um algoritmo em relação ao tamanho da entrada.
Exemplos de tempos de execução 🧪
Para entender melhor como as diferentes complexidades de algoritmos afetam o tempo de execução, vamos ver alguns exemplos.
Suponha que temos um vetor de números e queremos encontrar o menor valor. Se usarmos um algoritmo simples de busca linear, a complexidade será O(n) porque precisamos verificar cada elemento do vetor. Se o vetor tiver 1000 elementos, a busca levará 1000 operações.
Agora, se usarmos um algoritmo de busca binária, que é mais eficiente, a complexidade será O(log n). Se o vetor tiver 1000 elementos, a busca levará apenas 10 operações.
Outro exemplo é o algoritmo de ordenação bubble sort, que tem complexidade O(n²). Se tivermos um vetor de 1000 elementos, a ordenação levará 1.000.000 de operações.
Por outro lado, o algoritmo de ordenação quick sort tem complexidade O(n log n). Se tivermos um vetor de 1000 elementos, a ordenação levará cerca de 10.000 operações.
Mais exemplos de complexidades 🕵️♀️
Aqui estão mais alguns exemplos de algoritmos com diferentes complexidades:
- O(1) - Acesso a um elemento de um array.
int vetor[10] = {0};
int x = vetor[5]; // acesso ao elemento vetor[5] é O(1)
- O(log n) - Busca binária em uma árvore binária de busca.
struct no {
int valor;
struct no *esquerda, *direita;
};
struct no* busca_binaria(struct no* raiz, int valor) {
if (raiz == NULL || raiz->valor == valor)
return raiz;
if (raiz->valor < valor)
return busca_binaria(raiz->direita, valor);
return busca_binaria(raiz->esquerda, valor);
}
- O(n) - Busca linear em uma lista simplesmente encadeada.
struct no {
int valor;
struct no *prox;
};
struct no* busca_linear(struct no* inicio, int valor) {
struct no* atual = inicio;
while (atual != NULL) {
if (atual->valor == valor)
return atual;
atual = atual->prox;
}
return NULL;
}
- O(n log n) - Algoritmo de ordenação merge sort.
void merge(int arr[], int l, int m, int r) {
int i, j, k;
int n1 = m - l + 1;
int n2 = r - m;
int L[n1], R[n2];
for (i = 0; i < n1; i++)
L[i] = arr[l + i];
for (j = 0; j < n2; j++)
R[j] = arr[m + 1 + j];
i = 0;
j = 0;
k = l;
while (i < n1 && j < n2) {
if (L[i] <= R[j]) {
arr[k] = L[i];
i++;
}
else {
arr[k] = R[j];
j++;
}
k++;
}
while (i < n1) {
arr[k] = L[i];
i++;
k++;
}
while (j < n2) {
arr[k] = R[j];
j++;
k++;
}
}
void merge_sort(int arr[], int l, int r) {
if (l < r) {
int m = l + (r - l) / 2;
merge_sort(arr, l, m);
merge_sort(arr, m + 1, r);
merge(arr, l, m, r);
}
}
- O(n²) - Algoritmo de ordenação bubble sort.
void bubble_sort(int arr[], int n) {
int i, j;
for (i = 0; i < n-1; i++)
for (j = 0; j < n-i-1; j++)
if (arr[j] > arr[j+1])
swap(&arr[j], &arr[j+1]);
}
- O(2ⁿ) - Algoritmo de busca em profundidade em um grafo.
void dfs(int u) {
visitado[u] = true;
for (int v : adj[u]) {
if (!visitado[v])
dfs(v);
}
}
🧐 Conclusão:
A complexidade do algoritmo é uma consideração importante quando se trata de programação eficiente. Ao escolher um algoritmo para resolver um problema, é importante considerar a complexidade em relação ao tamanho da entrada. Algoritmos com complexidade de tempo exponencial, por exemplo, podem ser extremamente lentos para entradas maiores e, portanto, devem ser evitados sempre que possível.