¿Qué es un algoritmo y por qué es importante su análisis?

En este artículo, discutiremos por qué el algoritmo y su análisis son importantes. En el análisis del algoritmo, generalmente se centró en el uso de la CPU (tiempo), el uso de la memoria, el uso del disco y el uso de la red. Todos son importantes, pero la mayor preocupación es el tiempo de CPU. Tenga cuidado de diferenciar entre:

• Rendimiento: cuánto tiempo/memoria/disco/etc. se utiliza cuando se ejecuta un programa. Esto depende de la máquina, compilador, etc. así como del código que escribimos.
• Complejidad: cómo se escalan los requisitos de recursos de un programa o algoritmo, es decir, qué sucede a medida que aumenta el tamaño del problema que resuelve el código.

Nota: La complejidad afecta el rendimiento, pero no al revés.

Análisis de algoritmos :
el análisis de algoritmos es una parte importante de la teoría de la complejidad computacional, que proporciona una estimación teórica de los recursos necesarios de un algoritmo para resolver un problema computacional específico. El análisis de algoritmos es la determinación de la cantidad de recursos de tiempo y espacio requeridos para ejecutarlo.

¿Por qué es importante el Análisis de Algoritmos ?

• Para predecir el comportamiento de un algoritmo sin implementarlo en una computadora específica.
• Es mucho más conveniente tener medidas simples para la eficiencia de un algoritmo que implementar el algoritmo y probar la eficiencia cada vez que cambia un determinado parámetro en el sistema informático subyacente.
• Es imposible predecir el comportamiento exacto de un algoritmo. Hay demasiados factores que influyen.
• El análisis es, pues, sólo una aproximación; no es perfecto
• Más importante aún, al analizar diferentes algoritmos, podemos compararlos para determinar cuál es el mejor para nuestro propósito.

Tipos de análisis de algoritmos:

1. Mejor caso 
2. Peor de los casos
3. Caso promedio

• Mejor caso: Defina la entrada para la cual el algoritmo toma menos tiempo o tiempo mínimo. En el mejor de los casos, calcule el límite inferior de un algoritmo. Ejemplo: en la búsqueda lineal, cuando los datos de búsqueda están presentes en la primera ubicación de datos grandes, ocurre el mejor de los casos.
• Peor caso : defina la entrada para la cual el algoritmo tarda mucho tiempo o el tiempo máximo. En el peor de los casos, calcule el límite superior de un algoritmo. Ejemplo: en la búsqueda lineal, cuando los datos de búsqueda no están presentes en absoluto, ocurre el peor de los casos.
• Caso promedio : en el caso promedio, tome todas las entradas aleatorias y calcule el tiempo de cálculo para todas las entradas.
  Y luego lo dividimos por el número total de entradas.

          Promedio de casos = tiempo de todos los casos aleatorios / número total de casos