Biblioteca de Algoritmos Personalizada

Este projeto tem como foco o estudo prático de algoritmos de busca e ordenação aplicados a cenários reais. Ele inclui o desenvolvimento de uma biblioteca personalizada em Python que incorpora as técnicas de ordenação e busca estudadas, seguindo as melhores práticas de programação orientada a objetos (POO).

Estrutura da Biblioteca

A biblioteca está estruturada da seguinte forma:

• O pacote algoritmos contém módulos para ordenação (ordenacao.py) e busca (busca.py).
• O pacote testes contém módulos para testar os algoritmos de ordenação e busca.
• main.py é a aplicação principal onde a biblioteca personalizada é utilizada como um módulo.

Implementações

Algoritmos de Ordenação

Todos os algoritmos de ordenação estudados estão implementados no módulo ordenacao.py.

Algoritmos de Busca

Todos os algoritmos de busca estudados estão implementados no módulo busca.py.

Testes

O pacote de testes inclui testes para validar a funcionalidade da biblioteca. Os testes cobrem diferentes tamanhos de entrada e condições, como listas ordenadas e não ordenadas.

Testes de Ordenação

• Vetor ordenado crescente: [3, 7, 33, 59, 71]
• Vetor não ordenado: [71, 7, 3, 9, 7]
• Vetor ordenado decrescente: [71, 59, 33, 7, 3]
• Vetor vazio: []
• Vetor com um único elemento: [42]
• Vetor com elementos repetidos: [3, 7, 3, 9, 7]
• Vetor com elementos negativos: [-5, -3, -9, -1]

Testes de Busca

• Busca por um elemento presente no vetor.
• Busca por um elemento não presente no vetor.
• Busca em um vetor vazio.
• Busca em um vetor com um único elemento.

Análise de Desempenho e Relatórios de Teste

A análise de desempenho é realizada para determinar a eficiência dos algoritmos. Esta análise calcula o tempo de execução de cada algoritmo.

Passos:

1. Importar módulos necessários: Importar os módulos de ordenação e busca da biblioteca, juntamente com módulos adicionais como time, random e matplotlib.pyplot.

2. Gerar dados de teste: Criar listas de diferentes tamanhos para testar os algoritmos de ordenação e busca.

3. Medir tempo de execução: Para cada lista de teste, medir o tempo de execução de cada algoritmo de ordenação e busca.

4. Armazenar resultados: Armazenar os resultados dos tempos de execução em um dicionário.

5. Gerar gráfico: Usar matplotlib.pyplot para gerar um gráfico comparando o tempo de execução dos algoritmos em função do tamanho da lista de teste.

6. Salvar gráfico: Salvar o gráfico como uma imagem.

7. Identificar o algoritmo campeão: Analisar o gráfico para determinar qual algoritmo teve o melhor desempenho em termos de tempo de execução.

Contribuidores

• [Lucca]
• [Willian]
• [G.Onodera]