Skip to content

caiomoises/JumpSearch

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Grupo 6: Busca De Strings utilizando JumpSearch

Problemática:

Implemente um algoritmo que manipula um tipo estruturado de alunos e possui a funcionalidade de buscar alunos em um arquivo.
  • Problemática resolvida utilizando as linguagens Python e C.

Desenvolvedores:

Tópicos

Sobre o JumpSearch

O jump search é um algoritmo de busca em um array ordenado, que permite encontrar o valor de um elemento específico de forma eficiente. Ele é baseado na ideia de "saltar" para a próxima posição de busca em vez de percorrer todo o array item por item.

O algoritmo começa por definir o tamanho do "salto" que será utilizado para buscar o elemento desejado. Em seguida, ele realiza saltos sequenciais até encontrar uma posição cujo valor seja maior ou igual ao valor desejado.

A partir deste ponto, o algoritmo realiza uma busca linear nos elementos do bloco anterior até encontrar o valor desejado ou determinar que ele não existe no array.

Bem mais eficiente do que uma busca linear.

JumpSearch

Etapas de pesquisa de salto

Entradas:

  • Array/lista A de tamanho n
  • Chave de pesquisa item

Saída:

  • Índice da chave de pesquisa correspondente item ou -1 se não for encontrado

Passos

  • Passo 1: Encontre o comprimento da lista de fontes classificadas n = len(A)

  • Passo 2: Determine o Tamanho de Bloco adequado m = √n

  • Passo 3: A iteração começa no índice de i = 0 ate item com uma etapa que continua até que a janela chegue ao final da lista.

  • Passo 4: Compare A[i+m] ( i+m é o último índice de um bloco) e o item

    • a) Se A[i+m] == item, retorno i+m;

    • b) Se A[i+m] > item, proceda à busca linear dentro do bloco conhecido como lista derivada B = A[i: i+m]

      • Itere e compare cada elemento da lista com a chave de pesquisa e retorne a correspondência, i se encontrada; Saídas de código
    • c) Se A[i+m] < item, Prossiga com a próxima iteração para a Etapa 4

  • Etapa 5: itere os elementos da lista que não cabem no bloco e retorne o índice correspondente i. Se nenhuma correspondência for encontrada, retorne -1;

Implementação

Em C:

  • Busca por matricula:
// Aplicar o algoritmo Jump Search para encontrar o índice do aluno no array
    while (i < qnta && alunos[i].matricula < matricula) // Executa um loop enquanto a matrícula do aluno atual for menor do que a matrícula procurada
    {
        i += salto; // Incrementa o índice do aluno com base no tamanho do salto
    }
    if (i >= qnta || alunos[i].matricula > matricula) // Se o índice do aluno atual for maior ou igual ao tamanho do array de alunos ou a matrícula do aluno atual for maior do que a matrícula procurada
    {
        i -= salto;                                 // Decrementa o índice do aluno com base no tamanho do salto
        for (j = i; j < i + salto && j < qnta; j++) // Executa um loop para percorrer os alunos próximos ao índice do aluno atual, no intervalo [i, i+salto)
        {
            if (alunos[j].matricula == matricula) // Se a matrícula do aluno atual for igual à matrícula procurada
            {
                return &alunos[j]; // Retorna o ponteiro para o aluno encontrado
            }
        }
        return NULL; // Retorna NULL para indicar que não foi encontrado nenhum aluno
    }
    else if (alunos[i].matricula == matricula) // Se a matrícula do aluno atual for igual à matrícula procurada
    {
        return &alunos[i]; // Retorna o ponteiro para o aluno encontrado
    }

    return NULL; // Retorna NULL para indicar que não foi encontrado nenhum aluno
}
  • Busca por nome:
// Aplicar o algoritmo Jump Search para encontrar o índice do aluno no array
    while (i < qnta && strcmp(alunos[i].nome, nome) < 0)
    {
        i += salto;
    }
    if (i >= qnta || strcmp(alunos[i].nome, nome) > 0)
    {
        i -= salto;
        for (j = i; j < i + salto && j < qnta; j++)
        {
            if (strcmp(alunos[j].nome, nome) == 0)
            {
                return &alunos[j];
            }
        }
        return NULL;
    }
    else if (strcmp(alunos[i].nome, nome) == 0)
    {
        return &alunos[i];
    }

    return NULL;
}

Em Python:

def jump_search(self, nome, documento, matricula): #função chamada "jump_search" que recebe três parâmetros
        busca = f"{nome}   {matricula}   {documento}" #cria uma string de busca combinando os parâmetros
        with open('Aluno.txt', 'r') as arquivo: #abre o arquivo "Aluno.txt" no modo leitura
            linhas = arquivo.readlines() #atribui seu conteúdo a uma variável "linhas"
            n = len(linhas) #recebe o número de linhas do arquivo "Aluno.txt"
            jump = int(math.sqrt(n)) #Define o tamanho do salto
            prev = 0 #inicializada com 0 para armazenar a posição anterior em que a busca foi feita
            while jump < n and linhas[jump] <= busca: #Se a linha atual for menor do que "busca", o loop continua com um salto
                prev = jump
                jump += jump
            for i in range(prev, min(jump, n)): #loop por cada linha dentro desse intervalo
                if linhas[i].strip() == busca: #verifica se ela é igual à string de busca "busca"
                    aluno = Aluno(nome, matricula, documento)
                    return f"Nome: {aluno.nome}, Documento: {aluno.documento}, Matrícula: {aluno.matricula}" #cria um objeto aluno e retorna uma string com os detalhes do aluno
        return None #caso a busca não seja bem sucedida

Análise Big-O

Vamos fazer uma análise mais geral de como o Jump Search funciona. Mais uma vez, consideraremos o pior cenário em que o elemento a ser encontrado está no final da lista.

Calculando:

    /*
    Quantidade de alunos = n
    T(n) = (c1 + c2 + c3 + c6 + c7 + c10 + c11) + (c4 + c5 + c8 + c9)√n
    a = (c4 + c5 + c8 + c9)                b = (c1 + c2 + c3 + c6 + c7 + c10 + c11)
    T(n) = a√n + b

    ou seja: O(√n)
    */

complexidade raiz n

Para obter uma lista de n elementos e um tamanho de bloco de m, a Pesquisa de salto realizaria n/m saltos de maneira ideal. Considerando o tamanho do bloco √n, o tempo de execução também seria O(√n).

Comparativo

Isso coloca a pesquisa de salto entre a pesquisa linear (pior) com uma complexidade de tempo de execução de O(n)e a pesquisa binária (melhor) com uma complexidade de tempo de execução de O(log n). Portanto, o Jump Search pode ser usado em locais onde a pesquisa binária não é viável e a pesquisa linear é muito cara.

Complexidade

Video explicando o codigo na linguagem C

Referências:

Releases

No releases published

Packages

No packages published

Languages

  • Python 84.9%
  • C 15.1%