2.1.7 AL/Estructuras de Datos Avanzadas y Análisis de Algoritmos
Muchos programas querrán que sus estudiantes tengan la exposición a los algoritmos más avanzados o los métodos de análisis. A continuación se presenta una selección de posibles temas avanzados que están al día y oportuna, pero no de una manera exhaustiva.
Temas:
Electivo
- Árboles balanceados (ej. árboles AVL, Arboles red-black, Arboles biselados (splay trees), Treaps)
- Grafos (ej. Ordenamiento Topológico, encontrando componentes puertemente conectados)
- Estructuras de Datos Avanzadas (ej. B-Trees, Fibonacci Heaps)
- Estructuras de Datos y Algoritmos basados en cadenas (ej. Arrays de sufijos, Arboles de sufijos, Arboles digitales (Tries)
- Redes de Flujo (ej. Flujo Máximo [Algoritmo de Ford-Fulkerson], Flujo Máximo - Mínimo Corte, Máxima Asignación Bipartita)
- Programación Lineal (Dualidad, Método Simplex, Algoritmos de punto interior)
- Algoritmos Teórico-Numéricos (Aritmética Modular, Prueba del Número Primo, Factorización Entera)
- Algoritmos Geométricos (Puntos, Segmentos de Línea, Polígonos [propiedades, intersecciones], encontrando el polígono convexo)
- Algoritmos aleatorios.
- Algortimos estocásticos.
- Algoritmos de aproximación.
- Análisis amortizado.
- Análisis Probabilístico.
- Algoritmos en línea y análisis competitivo.
Objetivos de Aprendizaje:
Elective:
- Entender el mapeamento de problemas del mundo real a soluciones algorítmicas (ejemplo, problemas de grafos, programas lineares,etc) [Evaluar]
- Seleccionar y aplicar técnicas de algoritmos avanzadas (ejemplo, randonmización, aproximación) para resolver problemas reales [Evaluar]
- Seleccionar y aplicar técnicas avanzadas de análisis (ejemplo, amortizado, probabilistico,etc) para algoritmos [Evaluar]
Generado por Ernesto Cuadros-Vargas , Sociedad Peruana de Computación-Peru, basado en el modelo de la Computing Curricula de IEEE-CS/ACM