Herramienta para clasificación y comparación de algoritmos que trabajan con grandes vectores

Abstract

[Resumen]: En ocasiones, la teoría y la práctica no coinciden a la perfección. Existen factores contextuales que pueden provocar ciertas diferencias entre estas dos realidades. Esto ocurre en el ámbito de los algoritmos que trabajan con grandes vectores, donde hay elementos que jugarán un papel fundamental en los resultados finales. La herramienta desarrollada se centrará en algunos de los algoritmos más conocidos de ordenación y búsqueda sobre vectores. Su objetivo es mostrar, de forma sencilla y con el apoyo de una interfaz gráfica, cómo trabajan estos algoritmos en diferentes entornos de ejecución. De esta forma, el usuario podrá observar el número de operaciones realizadas y los tiempos de ejecución de cada algoritmo en contextos distintos, de manera que pueda extraer sus propias conclusiones acerca del algoritmo más eficiente en cada caso. Además, se mostrará una orientación al usuario de la complejidad empírica obtenida para cada algoritmo partiendo de un modelo de regresión ajustado como base. En conclusión, esta herramienta permitirá una rápida elección del algoritmo más adecuado según la necesidad del usuario. Entre estas necesidades pueden estar desde el diseño y optimización de software, donde la elección del algoritmo correcto puede marcar una gran diferencia en rendimiento y coste computacional; hasta procesos de análisis estadístico que requieran una previa ordenación de los datos o la búsqueda de un elemento concreto.[Abstract]: Sometimes, theory and practice do not perfectly align. There are contextual factors that can cause certain differences between these two realities. This occurs in the field of algorithms that work with large vectors, where there are elements which play a key role in the final results. The developed tool will focus on some of the most well-known sorting and searching algorithms applied to vectors. Its goal is to demonstrate, in a simple way and with the support of a graphical interface, how these algorithms perform in different execution environments. In this way, the user will be able to observe the number of operations performed and the execution times of each algorithm in different contexts, allowing them to draw their own conclusions about which algorithm is the most efficient in each case. Additionally, the user will be provided with guidance on the empirical complexity obtained for each algorithm, based on a fitted regression model. In conclusion, this tool will enable a quick selection of the most suitable algorithm according to the user’s needs. These needs may range from software design and optimization, where choosing the right algorithm can make a significant difference in performance and computational cost; to statistical analysis processes that require prior data sorting or the search for a specific element.