Decisions in MIPS (decisões)
Instruction for decisions in MIPS( instruções de decisão) :
* beq registo1, registo2, L1
* beq means "branch if equal"
Same as (C):
if ( registo1== registo2) goto L1
Instruction supplementary decision in MIPS(Instrução de decisão complementar):
* bne registo1, registo2, L1
* bne means “branch if not equal”
Same as (C):
if ( registo1 != registo2) goto L1
"Goto" statement in MIPS(instrução "goto"):
It is the jump instruction ("jump") jumps directly to "label" indicated
without checking any condition.
For example:
In C:
if (i == j) f=g+h;
else f=g-h;
pseudo instruction MIPS
if(condicion) goto TRUE; beq $S3,$S4,TRUE
Code FALSE; sub $S0,$S1,$S2
goto NEXT; j NEXT
TRUE code TRUE; TRUE
add $S0,$S1,$S2
NEXT: NEXT
Another example:
In C:
do {
g = g + A[i];
i = i + j;
} while (i != h);
where g,h,i,j,base of A, $s1, $s2, $s3, $s4, $s5
pseudo instruction:
LOOP: g=g+A[i]
i=i+j;
if(i!=h) goto LOOP;
MIPS:
LOOP : sll $St1,$S3,2 # St1=4*I
//Construction of the vector
add $t1,$t1,$S5 #St1=addr A[i] (address position for A[i])
lw $t1,0($t1) # $t1=A[i]
add $S1,$S1,$t1 # g= g+A[i]
add $S3,$S3,$S4 # i=i+j
bne $S3,$S2,LOOP # goto LOOP
# if(i!=h)
sábado, 18 de outubro de 2014
Análise de complexidade algoritmica
Razões para análise algorítmica:
→prever o seu desempenho (performance)
→comparar algoritmos
→estabelecer garantias para o algoritmo (T(N)<=Tmax)
T(N)=tempo de execução dum algoritmo com input size=N
→perceber a base teórica subjacente
→evitar bugs de performance
→prever o seu desempenho (performance)
→comparar algoritmos
→estabelecer garantias para o algoritmo (T(N)<=Tmax)
T(N)=tempo de execução dum algoritmo com input size=N
→perceber a base teórica subjacente
→evitar bugs de performance
Técnicas algorítmicas:
→dividir e conquistar
→programação dinâmica
→dividir e conquistar
→programação dinâmica
Exemplo:
Procurar um valor num determinado vector
Int procuraValor (Int *v,Int n, Int val)
{Int i;
For(i=0;i<n;i++)
If(v[i]==val)
Return i;
Return -1;
}
Procurar um valor num determinado vector
Int procuraValor (Int *v,Int n, Int val)
{Int i;
For(i=0;i<n;i++)
If(v[i]==val)
Return i;
Return -1;
}
Num algoritmo com tamanho de n dados ,temos 3 situações:
→melhor caso(best case ): situação mais favorável em termos de configuração dos dados na entrada T(N)=B(N)
→pior caso (worst case): situação mais desfavorável T(N)=W(N)
→caso médio (average case): e determinado estatisticamente o número médio de operações básicas T(N)=A(N)
→pior caso (worst case): situação mais desfavorável T(N)=W(N)
→caso médio (average case): e determinado estatisticamente o número médio de operações básicas T(N)=A(N)
Int s=0; // está instrução e executada 1 vez
For(i=0;i<n;i++)
S=+v[i] Única Instrução que acede ao vector(modelo de custo usado nesta análise poderia por exemplo: considerar apenas as instruções se acesso ao vector(ler ou escrever))
For(i=0;i<n;i++)
S=+v[i] Única Instrução que acede ao vector(modelo de custo usado nesta análise poderia por exemplo: considerar apenas as instruções se acesso ao vector(ler ou escrever))
estas instruções são executadas n vezes
sexta-feira, 17 de outubro de 2014
Análise algoritmica
* Utilizar metodologias e/ou técnicas de análise de desempenho de algoritmos com o objetivo de:
→prever a sua performance temporal e espacial
→comparar algoritmos entre si
→estabelecer garantias de desempenho
→perceber a base teórica subjacente
→evitar bugs de performance
→comparar algoritmos entre si
→estabelecer garantias de desempenho
→perceber a base teórica subjacente
→evitar bugs de performance
Abordagem empírica
1)variar o tamanho dos dados da entrada n(regra :aumentar o tamanho n, multiplicando o por 2)
2)medir para cada valor de n, o tempo do algoritmo
3)tentar encontrar a lei (função) matemática que melhor se afasta aos dados. Para isso aplica-se regressão LINEAR aos dados log-log
2)medir para cada valor de n, o tempo do algoritmo
3)tentar encontrar a lei (função) matemática que melhor se afasta aos dados. Para isso aplica-se regressão LINEAR aos dados log-log
quinta-feira, 16 de outubro de 2014
Multiplicidade
* Os relacionamentos têm uma multiplicidade, que especifica o número de elementos de cada entidade que participam neles
Exemplo anterior:
- Sabe -se que um aluno só se pode inscrever em um só um "curso"
- Sabe-se que num "curso" se podem inscrever nenhum ou N alunos
Exemplo anterior:
- Sabe -se que um aluno só se pode inscrever em um só um "curso"
- Sabe-se que num "curso" se podem inscrever nenhum ou N alunos
Modelo E R
Modelo E R
* Representa apenas aspectos estáticos( entidades , os seus relacionamentos e a as propriedades de ambas)
* Destina-se a melhorar o conhecimento do utilizador sobre os dados
Entidade: qualquer objecto indentificavel , por exemplo: aluno,curso, cliente....
Propriedade: é informação/dado sobre uma dada entidade, como por exemplo: idade, nome, morada,...
Relacionamento: entidade que serve para ligar dias ou mais entidades, como por exemplo: frequenta, tem....
* Representa apenas aspectos estáticos( entidades , os seus relacionamentos e a as propriedades de ambas)
* Destina-se a melhorar o conhecimento do utilizador sobre os dados
Entidade: qualquer objecto indentificavel , por exemplo: aluno,curso, cliente....
Propriedade: é informação/dado sobre uma dada entidade, como por exemplo: idade, nome, morada,...
Relacionamento: entidade que serve para ligar dias ou mais entidades, como por exemplo: frequenta, tem....
* Existe um relacionamento "inscrito" entre as entidade "aluno" e "curso"
* Esse relacionamento é caracterizado pelo atributo "data"
* As entidades "aluno" e "curso" têm os atributos mostrados
Subscrever:
Mensagens (Atom)