O que são Algoritmos?

Um algoritmo é um conjunto de regras claras e não ambíguas que descrevem passo a passo como resolver um problema.

---

• Um algoritmo é um conjunto de regras claras e não ambíguas que descrevem passo a passo como resolver um problema.
• Deve ser suficientemente detalhado para ser executado de forma mecânica, sem necessidade de inteligência humana.
• Exemplos de algoritmos:
  • receita de bolo
  • motor de busca do google
  • algoritmo de ordenação de valores
• Algoritmos existem há milhares de anos (ex.: algoritmo de Euclides para o MDC).

Por que algoritmos são tão importantes?

A análise de algoritmos é um dos pilares da ciência da computação. O motivo é simples: melhorar um algoritmo costuma gerar ganhos muito maiores do que melhorar hardware, linguagem ou compilador. Isso aparece claramente no material que você está lendo, que mostra como a escolha do algoritmo certo pode multiplicar a eficiência de um sistema .

Alguns motivos para estudar algoritmos:

• Eles tornam programas mais rápidos e eficientes.
• Permitem comparar soluções diferentes para o mesmo problema.
• Ajudam a prever como o desempenho muda conforme o tamanho da entrada cresce.
• Muitas vezes revelam soluções mais simples do que imaginávamos.

• Melhorar um algoritmo traz ganhos muito maiores do que otimizar hardware, linguagem ou compilador.
• A análise permite:
  • Comparar algoritmos de forma justa.
  • Descobrir versões mais simples e eficientes.
  • Escolher parâmetros ótimos antes da implementação.

• slowfib: implementação recursiva direta → faz muito trabalho repetido → tempo exponencial.
• fastfib: abordagem iterativa → tempo linear em número de operações básicas.
• Contudo, ao considerar o tamanho dos números envolvidos, fastfib pode ser quadrático, pois somar inteiros grandes custa mais tempo.

Esse exemplo mostra como duas soluções para o mesmo problema podem ter desempenhos completamente diferentes.

Três características principais de um algoritmo:

• Domínio: quais entradas são válidas.
• Corretude: produz a saída certa para cada entrada válida.
• Uso de recursos: tempo e memória.

Como o tempo real depende de hardware, linguagem e outros fatores, usamos uma medida abstrata: operações elementares. Assim, comparamos algoritmos de forma justa, sem depender do computador usado.

Vale a pena destacar a importância de analisar o comportamento para entradas grandes, já que para entradas pequenas quase qualquer algoritmo funciona bem

Medição do tempo

Nem todo algoritmo se comporta igual para todas as entradas. Por isso, analisamos:

• Usa-se o número de operações elementares, não o tempo real.
• O tempo depende do tamanho da entrada.
• Consideram-se estatísticas como:
  • Pior caso (worst-case) – o cenário mais lento possível
  • Caso médio (average-case) – comportamento típico
  • Melhor caso (best-case) – geralmente pouco útil

O pior caso é importante para aplicações críticas, mas o caso médio costuma ser mais representativo do uso real — como no famoso algoritmo quicksort

Crescimento assintótico

Para comparar algoritmos, usamos notações matemáticas que descrevem como o tempo cresce conforme o tamanho da entrada aumenta:

• Introdução às notações:
  • O(g): cresce no máximo como g.
  • Ω(g): cresce no mínimo como g.
  • Θ(g): cresce na mesma ordem de g.

Essas notações ignoram detalhes como constantes e focam no comportamento geral. Por exemplo:

• O(n) é melhor que O(n²)
• O(log n) é melhor que O(n)
• O(2ⁿ) cresce tão rápido que se torna impraticável para entradas grandes

Exemplos de ordens de crescimento

• Constante < log n < n < n log n < n² < n³ < 2ⁿ
• Pequenas diferenças na ordem têm impacto enorme em escalabilidade.

Regras úteis de análise assintótica

• Multiplicar por constante não muda a ordem de crescimento.
• Soma de funções → domina a maior ordem.
• Produto de funções → segue o produto das ordens.

Essas regras ajudam a analisar loops, recursões e estruturas mais complexas.

Quando analisar algoritmos

• Essencial para algoritmos importantes ou usados repetidamente.
• Menos relevante quando entradas são pequenas.
• A análise deve vir antes da implementação.

Quem analisa algoritmos?

• Desde matemáticos antigos até a comunidade moderna de ciência da computação.
• Destaque para Donald Knuth e The Art of Computer Programming.

Conclusão

Algoritmos são a base da computação. Eles estão por trás de tudo: dos aplicativos que usamos no celular aos sistemas que controlam carros, aviões e hospitais. Entender o que são, como funcionam e como analisá-los é essencial para qualquer pessoa que queira programar melhor — ou simplesmente compreender como o mundo digital opera.

É muito ruim utilizar programas lentos, com alto tempo de resposta ou que utilizam muita memória (causando indiretamente aumento no tempo de resposta).

---

Se tiver interesse em aprender Scrum, compre o Livro ou faça o curso Scrum Path+: Seu Caminho para a Agilidade através dos links abaixo:

---

---

Parceiros:

#Engenharia #Software #Algorítmo #Informática

---