Sari la conținut

Analiza amortizată

Ce este analiza amortizată?#

În algoritmică, se întâmplă de foarte multe ori să găsim algoritmi pentru diverse aplicații care deși la prima vedere par foarte înceți, după ce îi analizăm în detaliu, constatăm faptul că în practică se comportă foarte bine și în multe cazuri, putem chiar demonstra complexitatea rapidă pe care aceștia o au.

Această metodă de a analiza complexitatea unui algoritm pentru care timpul de execuție nu este evident se numește analiză amortizată și este foarte utilă în majoritatea algoritmilor mai complecși.

Cum funcționează analiza amortizată?

În analiza amortizată, facem media timpului necesar pentru a executa o secvență de operații, împărțind acest timp la numărul operațiilor executate. Prin analiza amortizată putem să arătăm că costul mediu al unei operații este mic, atunci când împărțim la numărul de operații, cu toate că o singură operație din secvență ar putea fi "scumpă". Acest cost mediu per operație se mai numește și costul amortizat.

Exemple#

Incrementarea unui contor binar#

Dacă vrem să păstrăm un contor binar de lungime \(n\), pentru a aduna un \(1\) la o valoare, se poate întâmpla să schimbăm valoarea tuturor biților din șirul pe care îl aveam (cel mult \(n\)), deci s-ar putea spune că complexitatea unei asemenea operații este \(O(n)\).

Totuși, dacă analizăm mai în detaliu ce se întâmplă, observăm că deși biții de pe pozițiile mai nesemnificative își schimbă valoarea des, biții mai semnificativi își schimbă poziția mult mai rar. Cu alte cuvinte, un bit de pe poziția \(i\) își schimbă valoarea odată la \(2^i\) incrementări, iar operația de transport apare odată la \(2^{i+1}\) incrementări.

Astfel, dacă avem un număr de incrementări fix (să presupunem că acesta este \(x\)), numărul de schimbări care se face este \(\frac{x}{2^0} + \frac{x}{2^1} + \dots + \frac{x}{2^n}\), unde \(n\) este lungimea maximă a acestui număr. Cu alte cuvinte, această sumă este de fapt aproximativ egală cu \(2 \cdot x\), iar complexitatea reală a acestei incrementări este \(O(1)\).

Ciurul lui Eratostene#

Deși am vorbit în detaliu de acest algoritm și în articolul său specific, nu am discutat foarte mult complexitatea sa. 

int prim[100001];
for (int i = 2; i <= n; i++) {
    if (prim[i] == 0) {
        for (int j = i + i; j <= n; j += i) {
            prim[j] = 1;
        }
    }
}

La prima vedere, ne-am putea gândi că complexitatea acestui algoritm ar fi \(O(n^2)\), deoarece avem două foruri și cel de-al doilea for merge de asemenea de la \(i\) la \(n\).

Totuși, pasul din cel de-al doilea for este de \(i\), deci trebuie să analizăm câți pași facem de fapt pentru un \(n\) fixat.

  • \(\frac{n}{2} + \frac{n}{3} + \frac{n}{5} + \dots\), sumă care converge la \(O(n \log \log n)\), datorită proprietăților sumelor armonice. Se poate observa și când programul este rulat că viteza lui de execuție este foarte bună în practică.

Operațiile specifice stivei#

Așa cum s-a observat în articolul nostru despre stivă, la un moment dat, putem scoate un număr mare de valori, în special dacă valoarea pe care o adăugăm este cea mai mare sau cea mai mică de până acum.

Totuși, deoarece pentru fiecare valoare putem să adăugăm și să o scoatem cel mult o singură dată, numărul total de operații va fi \(2 \cdot n\), iar complexitatea algoritmului devine \(O(n)\).

Hash table#

În unele probleme de algoritmică, suntem forțați să păstrăm valorile conform unei codificări de tip hash, pentru a reduce complexitatea totală. Deși în teorie, se poate întâmpla ca toate valorile să fie egale și complexitatea să devină liniară, în practică, valorile vor fi distribuite relativ normal și complexitatea pentru operații precum găsirea valorilor devine constantă.

Păduri de mulțimi disjuncte#

Deși intrăm mai mult în detalii aici, se poate demonstra cu ușurință faptul că complexitatea totală a operațiilor, dacă aplicăm optimizările descrise acolo devine \(O(n \log^{*} n)\), chiar dacă operațiile individuale sunt de ordin liniar.

Concluzii#

Analiza amortizată este o metodă folosită pentru foarte multe tipuri de algoritmi pentru a demonstra complexitatea acestora, atunci când lucrurile nu sunt evidente. De asemenea, această metodă se aplică și pentru anumite părți din probleme care deși în teorie par încete, complexitatea lor practică este una mai rapidă.

Probleme suplimentare#

Resurse suplimentare#