Complejidad computacional

La complejidad computacional considera globalmente todos los posibles algoritmos para

resolver un problema dado.
Estamos interesados en la distincin que existe entre los problemas que pueden ser
resueltos por un algoritmo en tiempo polinmico y los problemas para los cuales no
conocemos ningn algoritmo polinmico, es decir, el mejor es no-polinmico.
La teora de la NP-Completitud no proporciona un mtodo para obtener algoritmos de
tiempo polinmico, ni dice que que estos algoritmos no existan. Lo que muestra es que
muchos de los problemas para los cuales no conocemos algoritmos polinmicos estn
computacionalmente relacionados.
De esta forma se presentarn definiciones que pretenden distinguir entre los problemas
tratables (aquellos que no son tan duros) y los problemas intratables (duros o que
consumen mucho tiempo). La mayora de estos problemas ocurren como problemas de
optimizacin combinatoria.

Complejidad del mejor caso: Se entiende como el mejor de los casos aquel en que
se realizan la menor cantidad de operaciones para resolver un problema.

Complejidad del caso promedio: Se entiende como caso promedio aquel en que se
realizan el nmero promedio de operaciones para dar solucin a un problema.

Complejidad del peor caso: Se entiende como el peor de los casos aquel en que se
realizan la mayor cantidad de operaciones para dar solucin a un problema dado.
Cmo se mide la complejidad?

La complejidad se mide por la notacin asinttica O (log n) y esta a su vez determina el

grado de complejidad del algoritmo, el cual se mide por tiempo de procesamiento, espacio
de memoria, etc.
Clasificacin de los problemas
Los problemas matemticos se pueden dividir en primera instancia en dos grupos:

Problemas indecidibles: aquellos que no se pueden resolver mediante un

algoritmo.

Problemas decidibles: aquellos que cuentan al menos con un algoritmo para su

cmputo.

Sin embargo, que un problema sea decidible no implica que se pueda encontrar su solucin,
pues muchos problemas que disponen de algoritmos para su resolucin son inabordables
para un computador por el elevado nmero de operaciones que hay que realizar para
resolverlos. Esto permite separar los problemas decidibles en dos:

Intratables: aquellos para los que no es factible obtener su solucin.

Tratables: aquellos para los que existe al menos un algoritmo capaz de resolverlo
en un tiempo razonable.

Clases de los problemas

Clase P
Los problemas clase P son aquellos que pueden ser abordados durante la prctica y tratados mediante el
uso de una mquina determinista en tiempo polinmico; es decir, son aquellos problemas en que su
mejor solucin es de complejidad superior a la polinmica.

Ejemplos: Todos los algoritmos a los que se les ha podido establecer su tiempo de
ejecucin.
Clase NP
Algunos de estos problemas intratables pueden caracterizarse por el curioso hecho de que
puede aplicarse un algoritmo polinmico para comprobar si una posible solucin es vlida
o no. Esta caracterstica lleva a un mtodo de resolucin no determinista consistente en
aplicar heursticos para obtener soluciones hipotticas que se van desestimando (o
aceptando) a ritmo polinmico. Los problemas de esta clase se denominan NP (la N de nodeterministas y la P de polinmicos). Los problemas de la clase P son subconjunto de los de
clase NP.
Ejemplos: Torres de Hanoi, Ordenacin por el mtodo Shell.
Clase NP Completos
Los problemas np completos son los peores que existe pues no cuentan con un algoritmo
capaz de darles solucin y, en caso de que llegasen a tenerlo, esto provocara que los
problemas np dejarn de
existir. Esta
clase
de
problemas se basan en la
transformacin polinomial, la
cual consiste en trasformar
un problema D1 a otro
problema D2 mediante el uso
de un algoritmo determinista
de tiempo polinomial.
Ejemplos: Vendedor Viajero,
Mochila.