Def. de Algoritmos de Optimización

Tema 9
Optimizacion
J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.
9. Optimizacion
Concepto. Objetivos. Factibilidad. Reglas de Jackson. Formas de optimizacin. Por afinacin.

Por algoritmos. Recursos. Tablas. Parmetros. Matemticos. Modelos de clasificacin. Distintos
mtodos. Eficiencia de algoritmos
9. Optimizacion
9.1 Concepto
Optimizar un algoritmo implica construirlo lo mas correctamente posible, con

estilo, transparente, sin errores y eficiente.
9. Optimizacion
9.2 Objetivos
Los objetivos principales son que el algoritmo debe ser construido lo ms

pequeo posible o que sea lo ms rpido en su ejecucin, o de ser viable,
ambos a la vez.
Lo ms pequeo posible: significa que tenga la menor cantidad de
instrucciones posibles
Lo ms rpido posible: significa economizar el tiempo de ejecucin del

algoritmo en mquina.
9. Optimizacion
9.3 Factibilidad
La optimizacin puede provocar escribirlo incorrectamente, puede resultar

ms difcil de entender y ms costoso su mantenimiento, como as tambin
ms propenso a incorporar errores.
Todo esto cuesta mucho dinero por lo que debe justificarse econmicamente
la tarea de optimizar antes de emprenderla, de all deriva la primer regla de
Jackson.
En caso de justificarse econmicamente, la actitud debe ser construir
inicialmente un algoritmo claro y transparente, para luego optimizarlo, esto da
lugar a la segunda regla de Jackson.
9. Optimizacion
9.4 Reglas de Jackson
Regla N 1: "No lo haga"

Si no se puede justificar econmicamente.
Regla N 2: "No lo haga todava"

Si est justificada comenzar con un diseo no ptimo, esto en pro de la
claridad y simplicidad, y a posteriori optimizarlo.
9. Optimizacion
9.5 Formas de Optimizacion
Por afinacin
Por algoritmos
9. Optimizacion
Por afinacin
Por algoritmos
Esto implica no modificar la estructura del algoritmo sino utilizar factores de
bloque, segmentacin de programas, asignacin de memorias intermedias,
etc.
9. Optimizacion
Por afinacin
Por algoritmos
La optimizacin por algoritmos se realiza a travs de recursos como ser:
Estructuras de datos (arreglos, pilas, colas, rboles, etc).
Tablas
Matemticos (por ejemplo para determinar pares e impares se utilizan los
recursos: parte entera, resto, potencia de menos uno (-1), etc).
Parmetros (por ejemplo para determinar la longitud de los arreglos, tope

de una pila, frente y final de una cola, tasa de inters, etc.).
9. Optimizacion
La mayora de los autores (Jackson, Boria, Rice y Rice) eligen los modelos
de clasificacin para ilustrar la optimizacin por algoritmos.
Para ilustrar el objetivo ms pequeo se emplea el caso de determinacin
de tipos de tringulos.
Para ilustrar el objetivo ms rpido se aprovechar el mtodo de
clasificacin de intercambio directo comunmente llamado "burbuja"
(desarrollado en el tema de clasificacion).
9. Optimizacion
Optimizacin haciendo el algoritmo ms pequeo
Dado un conjunto de tros de valores A, B, C (mayores que cero) determinar,

de entre los que forman tringulo, los distintos tipos (escaleno, issceles,
equiltero) y tambin cual de ellos es recto. Informar de acuerdo a la figura
que contiene el modelo de la salida.
LADO 1
-----
LADO 2
-----
LADO 3
-----
TIPO
Escaleno
No tringulo
Equiltero
Escaleno
RECTO
SI
NO
SI
9. Optimizacion

A)
P R I_ P R O
U N T R IO
RECTO S
E Q U IL A T E R O
IS O S C E L E S
U N
E S C A LE N O
T R I A N G U L O
F IN _ P R O
B)
N IV E L 1
Program a
P r in c i p a l
N IV E L 2
U n - T r io
PRI - PRO
(1 vez)
T R IA N G U L O
(0 1 vez)
U N - T R IO
(t veces)
N IV E L 3
T r ia n g u lo
N IV E L 4
T ip o
T IP O
(1 vez)
E q u i la t e ro
Iso s c e le s
RECTO
(1 vez)
E s c a le n o
N O T R IA N G U L O
(0 1 vez)
I M P R IM IR
(1 vez)
F IN - P R O
(1 vez)
COMENZAR
PRI-PRO
PRIPRO
UN-TRIO
A < B+C
RECTO
"A B C TIPO
FIN-PRO
NO
"
SI
B < A+C
EOF
NO
UN-TRIO
NOTRIANGULO
NO
SI
LEER
C < A+B
SI
NO
SI
FIN
PRO
TRIANGULO
PARAR
IMPRIMIR
LEER
NOTRIANGULO
LEE
R
TIPO= "NO
TRIANGULO"
IMPRIMIR
TRIANGULO
TIPO
A, B, C, TIPO
LEER
A,B,C
RECTO= " "
RECTO
RECTO
TIPO
A 2 = B 2 + C2
SI
A = B
RECTO
B = C
SI
si
TIPO=
"EQUILATERO"
no
NO
NO
B = C
SI
TIPO=
"ISOSCELES"
NO
B 2 = A 2 + C2
si
no
A = C
SI
C2 = A2 + B2
NO
TIPO=
"ESCALENO"
no
RECTO = "NO"
si
RECTO = "SI"
9. Optimizacion

Seguidamente se procede a optimizar el algoritmo desarrollado en el ejemplo anterior para tratar
de hacerlo ms pequeo (menor cantidad de instrucciones), teniendo en cuenta lo siguiente:
1) En la rutina un-tro se observa que la condicin matemtica de tringulo

(un lado sea menor que la suma de los otros dos) se transforma en suficiente
si el lado que se compara es el mayor de todos.
9. Optimizacion
2) En la rutina de recto tambin la condicin necesaria basada en Pitgoras

(A2= B2+ C2) se transforma en suficiente si se sabe con anticipacin cual es
la hipotenusa, o sea el lado mayor.
R EC TO
= B
+ C
si
+ C
si
+ B
si
no
= A
R E C T O = " S I"
no
= A
no
R EC TO = "N O "
9. Optimizacion
3) En la rutina tipo se advierte que deben compararse todos contra todos los
lados para determinar el tipo de tringulo. Probablemente el tener juntos los
posibles lados iguales, implique una simplificacin del algoritmo.
TIPO
A = B
B = C
SI
NO
B = C
SI
T IP O =
"E Q UILA TE RO "
NO
SI
T IP O =
"IS OS CE LE S "
NO
A = C
SI
NO
T IP O =
"E S CA LE N O"
9. Optimizacion
Transformar las condiciones necesarias con que fueron definidas

inicialmente, en dos condiciones suficientes (puntos 1 y 2) y simplificar el
anlisis de tipo en el punto 3, se logra si los lados estn clasificados en
orden descendente.
Aprovechando una rutina desarrollada que ordena en forma descendente un
conjunto de nmeros, se invoca a la misma al comienzo de la rutina un_tro
y a partir de all se optimiza el algoritmo con los lados ordenados, quedando
como se indica a continuacin las rutinas un-tro , tipo y recto.
9. Optimizacion
Un_tro: Se suprimen las condiciones de B<A+C y C<A+B.

U N -T R IO
O R D E N A R
A < B + C
S i
T R IA N G U L O
IM P R IM IR
L E E R
N o
N O
T R IA N G U L O
9. Optimizacion
Tipo: En el caso de tringulos issceles, al ordenar los lados, los que son
iguales estn contiguos, por lo que la condicin A = C es innecesaria.
TIPO
TIPO
A=B
B=C
SI
NO
SI
TIPO=
"EQUILATERO"
A=B
SI
NO
NO
B=C
SI
NO
TIPO=
"ISOSCELES"
B=C
NO
A=C
B=C
SI
TIPO=
"ISOSCELES"
SI
NO
NO
TIPO=
"ESCALENO"
TIPO=
"ESCALENO"
SI
TIPO=
"EQUILATERO"
9. Optimizacion
Recto: Se suprimen las condiciones B2= A2+ C2 y C2= A2+ B2

RECTO
RECTO
A
= B
+ C
si
+ C
si
+ B
si
no
= A
R E C T O = " S I"
A2 = B2+C2
SI
no
NO
C
= A
RECTO = "NO"
no
R EC TO = "N O "
RECTO = "SI"
9. Optimizacion
Optimizacin haciendo el algoritmo ms rpido.
Aprovechando la utilizacin de la rutina de ordenacin de los lados del

ejemplo anterior (ORDENAR), a los efectos de introducir otros recursos de
optimizacin que no hagan a la reduccin del programa - lo ms pequeo
posible - , sino a la reduccin de los tiempos de ejecucin - lo ms rpido
posible - .
A continuacin se desarrolla uno de los mtodos de clasificacin ms
conocido: intercambio directo o burbuja.
Recordemos que este algoritmo se basa en recorrer la lista (arreglo), de derecha a izquierda o
de izquierda a derecha, examinando pares sucesivos de elementos adyacentes, permutndose
los pares desordenados. As el desarrollo del algoritmo tal cual se mostr en el tema
correspondiente.
9. Optimizacion
Aprovechando la utilizacin de la rutina de ordenacin de los lados del

ejemplo anterior (ORDENAR), a los efectos de introducir otros recursos de
optimizacin que no hagan a la reduccin del programa - lo ms pequeo
posible - , sino a la reduccin de los tiempos de ejecucin - lo ms rpido
posible - .
A continuacin se desarrolla uno de los mtodos de clasificacin ms
conocido: intercambio directo o burbuja.
Recordemos que este algoritmo se basa en recorrer la lista (arreglo), de derecha a izquierda o
de izquierda a derecha, examinando pares sucesivos de elementos adyacentes, permutndose
los pares desordenados. As el desarrollo del algoritmo tal cual se mostr en el tema
correspondiente.
V =
15
42
33
10
P R IM E R A P A S A D A
1 C o m p a r.
15
42
33
10
2 C o m p a r.
15
42
33
10
10
IN T E R C A M B IA
3 C o m p a r.
15
33
42
IN T E R C A M B IA
4 C o m p a r.
15
33
42
10
IN T E R C A M B IA
F IN D E L A
PASADA
15
33
10
L u e g o d e la p r im e r a p a s a d a y a l c a b o d e la s
n - 1 c o m p a r a c io n e s e l v a lo r m a s g r a n d e fu e
s itu a d o e n la ltim a p o s ic i n .
42
SEGUNDA PASADA
1 C o m p a r.
15
33
10
42
2 C o m p a r.
15
33
10
42
10
42
IN T E R C A M B IA
3 C o m p a r.
15
33
IN T E R C A M B IA
4 C o m p a r.
F IN D E L A
PASADA
15
10
33
42
15
10
33
42
L u e g o d e la s e g u n d a p a s a d a y a l c a b o d e
la s n - 1 c o m p a r a c io n e s e l s e g u n d o v a lo r
m a s g r a n d e fu e s itu a d o e n la p e n lt im a
p o s ic i n .
. . . . . . . .
E s te p r o c e s o d e ll e v a r e l m a y o r v a lo r h a c i a la p a r te d e r e c h a d e l
v e c to r s e r e p ite h a s ta la ltim a p a s a d a , la c u a l n o s a s e g u r a q u e e l
v e c to r q u e d a c o m p le t a m e n te o r d e n a d o .
10
15
33
42
V =
15
42
33
10
IN IC IO
IM E R A P A S A D A
1 C o m p a r.
15
42
33
10
2 C o m p a r.
15
42
33
10
IN G R E S A R
N
IN T E R C A M B IA
3 C o m p a r.
15
33
Al analizar el algoritmo se
observa que se realiza en
cada
pasada
n-1
comparaciones
para
analizar los n-1 elementos
adyacentes, pero adems se
realizan
n-1
pasadas
garantizando la ordenacin
total de la lista, realizando
en total (n-1) * (n-1)
comparaciones resultando
el tiempo de ejecucin del
algoritmo funcin de n2.
L E E R
A (I)
I = 1 , N
42
10
IN T E R C A M B IA
J = 1
4 C o m p a r.
15
33
42
10
IN T E R C A M B IA
I = 1
F IN D E L A
PASADA
15
33
10
L u e g o d e la p r im e r a p a s a d a y a l c a b o d e la s
n - 1 c o m p a r a c io n e s e l v a lo r m a s g r a n d e fu e
s itu a d o e n la ltim a p o s ic i n .
42
SEGUNDA PASADA
A (I+ 1 ) > A (I)
1 C o m p a r.
15
33
10
N O
42
S I
2 C o m p a r.
15
33
10
42
10
42
A U X I = A (I)
A (I) = A (I+ 1 )
A (I+ 1 ) = A U X I
IN T E R C A M B IA
3 C o m p a r.
15
33
IN T E R C A M B IA
I = N - 1
4 C o m p a r.
15
10
33
N O
I = I + 1
N O
J = J + 1
42
S I
F IN D E L A
PASADA
15
10
33
42
L u e g o d e la s e g u n d a p a s a d a y a l c a b o d e
la s n - 1 c o m p a r a c io n e s e l s e g u n d o v a lo r
m a s g r a n d e fu e s itu a d o e n la p e n lt im a
J = N - 1
p o s ic i n .
. . . . . . . .
E s te p r o c e s o d e ll e v a r e l m a y o r v a lo r h a c i a la p a r te d e r e c h a d e l
v e c to r s e r e p ite h a s ta la ltim a p a s a d a , la c u a l n o s a s e g u r a q u e e l
v e c to r q u e d a c o m p le t a m e n te o r d e n a d o .
10
15
33
42
S I
P A R A R
9. Optimizacion

IN IC IO
IN IC IO
1 Optimizacin
IN G R E S A R
N
IN G R E S A R
N
Como la lista pudo haber sido

ordenada en alguna pasada
intermedia,
una
primera
optimizacin del mtodo
consiste en parar cuando se
detecte una pasada nula
(cuando
no
existe
permutacin), agregando al
algoritmo un control de
permutaciones (CP) quedando
como se muestra en la figura
LE E R
A (I)
I = 1 , N
L E E R
A (I)
I = 1 , N
J = 1
J = 1
C P = 0
I = 1
I = 1
A (I+ 1 ) > A (I)
A (I+ 1 ) > A (I)
N O
N O
S I
S I
A U X I = A (I)
A (I) = A (I+ 1 )
A (I+ 1 ) = A U X I
A U X I = A (I)
A (I) = A (I+ 1 )
A (I+ 1 ) = A U X I
C P = C P + 1
I = N - 1
I = N - 1
N O
N O
I = I + 1
N O
J = N -1
I = I + 1
S I
S I
C P = 0
J = N - 1
N O
J = J + 1
S i
S i
S I
J = J + 1

P A R A R
P A R A R
N O
De esta manera cuando no

existan permutaciones, o sea
CP = 0, se detendr el
algoritmo
realizando
un
nmero
menor
de
comparaciones al calculado
anteriormente
9. Optimizacion
2 Optimizacin
IN IC IO
IN IC IO
IN G R E S A R
N
Como en la primer pasada el

algoritmo lleva el elemento
ms chico o ms grande al
final de la lista, en la siguiente
pasada lleva el segundo ms
chico o ms grande a la
penltima posicin y a
continuacin
hace
una
comparacin ociosa, por lo
que
en
esta
segunda
optimizacin lo que se
pretende es que en las pasadas
siguientes se reduzca en uno la
cantidad de comparaciones, y
as sucesivamente.
IN G R E S A R
N
LE E R
A (I)
I = 1 , N
LE E R
A (I)
I = 1 , N
J = 1
J = 1
C P = 0
C P = 0
I = 1
I = 1
A (I+ 1 ) > A (I)
N O
A (I+ 1 ) > A (I)
N O
S I
S I
A U X I = A (I)
A (I) = A (I+ 1 )
A (I+ 1 ) = A U X I
A U X I = A (I)
A (I) = A (I+ 1 )
A (I+ 1 ) = A U X I
C P = C P + 1
C P = C P + 1
I = N - 1
N O
I = I + 1
I = N - J
N O
I = I + 1
S I
S I
C P = 0
N O
J = N -1
N O
J = J + 1
C P = 0
N O
J = N -1
S i
S i
S i
S i
P A R A R
N O
J = J + 1
Esto se logra cambiando en el

algoritmo el control de salida
de la iteracin ms interna N 1 por N J quedando como
se muestra en la figura

P A R A R
9. Optimizacion
2 Optimizacin
IN IC IO
IN IC IO
IN G R E S A R
N
En este caso el algoritmo, si

no tuviera el control de
permutaciones, hara en la
primer
pasada
n-1
comparaciones, en la segunda
n-2, y as sucesivamente hasta
que en la n-1 pasada hara 1
sola comparacin. Por lo tanto
la suma de todos los trminos
de esta progresin aritmtica
sera:
IN G R E S A R
N
LE E R
A (I)
I = 1 , N
LE E R
A (I)
I = 1 , N
J = 1
J = 1
C P = 0
C P = 0
I = 1
I = 1
A (I+ 1 ) > A (I)
N O
A (I+ 1 ) > A (I)
N O
S I
S I
A U X I = A (I)
A (I) = A (I+ 1 )
A (I+ 1 ) = A U X I
C = ((n-1) + 1) *(n-1) / 2 =
(n2 - n) / 2
A U X I = A (I)
A (I) = A (I+ 1 )
A (I+ 1 ) = A U X I
C P = C P + 1
C P = C P + 1
I = N - 1
N O
I = I + 1
I = N - J
N O
I = I + 1
N O
J = N -1
S I
S I
C P = 0
N O
J = N -1
N O
J = J + 1
C P = 0
N O
J = J + 1
S i
S i
S i
S i
P A R A R

P A R A R
9. Optimizacion

IN IC IO
Buscar la forma de detener la

ejecucin
del
algoritmo
cuando la lista ya est
ordenada, en lugar de esperar
hasta que se haga una pasada
nula innecesaria, como ocurre
en el caso de la 1
Optimizacin.
IN G R E S A R
N
LE E R
A (I)
I = 1 , N
J = 1
C P = 0
I = 1
A (I+ 1 ) > A (I)
3 Optimizacin
N O
S I
A U X I = A (I)
A (I) = A (I+ 1 )
A (I+ 1 ) = A U X I
C P = C P + 1
I = N - 1
N O
I = I + 1
N O
J = N -1
S I
C P = 0
N O
J = J + 1
S i
S i
P A R A R
9. Optimizacion
4 Optimizacin
Dependiendo del grado de desorden de la lista es til ejecutar pasadas alternativas de izquierda
a derecha y de derecha a izquierda. Esta optimizacin se conoce como el mtodo de la
sacudida.
Por ejemplo si tuviramos la siguiente lista: 1, 5, 4, 3, 2
Si hiciramos pasadas de izquierda a derecha la lista se ordenara en una sola pasada, en
cambio si hiciramos pasadas de derecha a izquierda seran necesarias cuatro pasadas.
Sin embargo si tuviramos la siguiente lista: 4, 3, 2, 1, 5
Si se realizan pasadas de izquierda a derecha la lista se ordenara en cuatro pasadas, en
cambio si se realizan pasadas de derecha a izquierda sera necesaria una sola pasada.
9. Optimizacion
5 Optimizacin
Clasificacin binaria (es utilizada por los programas productos comerciales: SORT).
Los mtodos binarios tienen por principio comn subdividir la lista a ordenar en dos o ms
sublistas, las que una vez ordenadas utilizando algoritmos simples de clasificacin, intercalan
las mismas (MERGE).
La razn es que es ms rpido ordenar dos listas de (n/2) elementos e intercalarlas, que
ordenar una lista de n elementos.
Ejemplo elemental: Ordenar una lista de diez(10) elementos requiere (n-1)*(n-1) comparaciones
igual a 9*9 = 81 con el mtodo de burbuja simple versus dos listas de cinco(5) elementos cada
una (4*4)*2 = 32 comparaciones ms las comparaciones que insume el proceso de intercalacin
(aproximadamente n=10 comparaciones) lo que nos dara un total de 42 comparaciones,
sustancialmente menor que las 81 hechas con el mtodo burbuja.
9. Optimizacion
Conclusin:
Hemos visto los dos principios bsicos de optimizacin:
El primero lo ms pequeo posible.
El segundo lo ms rpido posible.
En forma pura cada una de ellas.

En los problemas reales a veces se exige no hacerlo, o no hacerlo todava. En caso de hacerlo
puede presentarse prioritariamente uno de ellos (en funcin de las restricciones de tamao o
tiempo), o ambos a la vez , para lo cual habra que balancear las posibilidades de cada una.
9. Optimizacion
9.6 Eficiencia de algoritmos
Definicin de Eficiencia
Uso racional de los recursos con que se cuenta para alcanzar un objetivo predeterminado. A
mayor eficiencia menor la cantidad de recursos que se emplearn, logrando mejor optimizacin
y rendimiento.
El anlisis de eficiencia de los algoritmos o mtodos aplicados en los algoritmos es una tarea
generalmente compleja y afecta directamente al tiempo de ejecucin de los mismos.
En las distintas optimizaciones que se realizaron en los puntos anteriores se pudo calcular, en
uno de ellos, la cantidad de comparaciones que se realizaran, y en funcin de ellas est el
tiempo de ejecucin de los respectivos algoritmos. En otras, encontrar frmulas que permitan
calcular el tiempo se hace difcil.

Def. de Algoritmos de Optimización

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Def. de Algoritmos de Optimización

Uploaded by

Copyright:

Available Formats

Tema 9

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Concepto. Objetivos. Factibilidad. Reglas de Jackson. Formas de optimizacin. Por afinacin.

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Optimizar un algoritmo implica construirlo lo mas correctamente posible, con

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Los objetivos principales son que el algoritmo debe ser construido lo ms

Lo ms rpido posible: significa economizar el tiempo de ejecucin del

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

La optimizacin puede provocar escribirlo incorrectamente, puede resultar

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Regla N 1: "No lo haga"

Regla N 2: "No lo haga todava"

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Parmetros (por ejemplo para determinar la longitud de los arreglos, tope

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Optimizacin haciendo el algoritmo ms pequeo

Dado un conjunto de tros de valores A, B, C (mayores que cero) determinar,

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Optimizacin haciendo el algoritmo ms pequeo

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

RECTO= " "

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Optimizacin haciendo el algoritmo ms pequeo

1) En la rutina un-tro se observa que la condicin matemtica de tringulo

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Optimizacin haciendo el algoritmo ms pequeo

2) En la rutina de recto tambin la condicin necesaria basada en Pitgoras

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Optimizacin haciendo el algoritmo ms pequeo

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Optimizacin haciendo el algoritmo ms pequeo

Transformar las condiciones necesarias con que fueron definidas

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Optimizacin haciendo el algoritmo ms pequeo

Un_tro: Se suprimen las condiciones de B<A+C y C<A+B.

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Optimizacin haciendo el algoritmo ms pequeo

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Optimizacin haciendo el algoritmo ms pequeo

Recto: Se suprimen las condiciones B2= A2+ C2 y C2= A2+ B2

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Optimizacin haciendo el algoritmo ms rpido.

Aprovechando la utilizacin de la rutina de ordenacin de los lados del

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Optimizacin haciendo el algoritmo ms rpido.

Aprovechando la utilizacin de la rutina de ordenacin de los lados del

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

Optimizacin haciendo el algoritmo ms rpido.

Como la lista pudo haber sido

A (I+ 1 ) > A (I)

A (I+ 1 ) > A (I)

J.T.P. Maria Eugenia Valesani - Programacion 1 - Fa.Ce.Na.

De esta manera cuando no

Optimizacin haciendo el algoritmo ms rpido.

Como en la primer pasada el

A (I+ 1 ) > A (I)

A (I+ 1 ) > A (I)

Esto se logra cambiando en el