Analyse de la complexité
en python
MP1
2019/2020
1
2 Introduction
Dans les chapitres précédents on s’est concentré sur l’écriture des
scripts et des fonctions python pour atteindre le bon résultat sans
jamais se soucier de l’aspect performance.
La performance d’un script est d’une part l’espace mémoire utilisé et
d’autre part le temps mis par le processeur lors du calcul du résultat.
On parle donc de complexité spatiale et de complexité temporelle.
Dans ce chapitre, on se focalisera sur l’aspect complexité temporelle.
Il ne s’agit pas de mesurer le temps d’exécution uniquement ( module
time de python) mais de décrire le comportement asymptotique d’un
script lorsque la taille des données augmente.
On utilisera donc des fonctions pour décrire l’ordre de grandeur du
temps d’execution.
3
Calcul du coûts des fonctions python(1)
Instructions Désignation Notations Formule du
calcul du coût
Instructions simples Input, print, =, Une unité de temps d’éxecution 1
>,<, != , ==, +,-
,*,/,//,%,**,
break, return
Structures If cond : C1 : temps d’execution de la C1+max(C2,C3)
conditionnelles bloc1 condition
else: C2:temps d’execution du bloc1
bloc2 C3:temps d’execution du bloc2
Boucle for for i in range(N): Ci: temps d’exécution du bloc1. N*Ci
Bloc1
4
Calcul du coûts des fonctions python(2)
Instructions Désignation Notations Formule du
calcul du coût
Boucle while while condition: C1: temps d’exécution de la
Bloc1 condition. M*max(C1,C2)
C2: temps d’exécution du bloc1
M: le nombre de boucles espérés
Calcul du coût du problème recherche du maximum
5
d’une liste
def maximum(tab,n):
1
max=tab[0]……………………..
La coût de la fonction est:
for i in range (n):……………….
n
……………………………….
1
if tab[i]>max:…………… 2*n 2+2*n
…………………………………
max=tab[i]…………. .
1
1
return(max)…………………
6 Calcul du coût du test de primalité
def premier (n):
La coût de la fonction est:
n-2
for i in range (2,n): ……… ……………………………….
3*(n-2) 3*(n-2)+1
1 reste + 1 comparaison
if n%i==0: ……………… …………………………………
.
1 return
return(False) …………
1 return
return(True) ………………
7 Calcul du coût de la puissance
def puissance(x,n):
La coût de la fonction est:
1
m=1…………. ……………………………….
n
for i in range (1,n+1):…………… 2*n 2*n+2
…………………………………
.
m=m*x………..
1+1
1
return(m)…………………………..
8 Mesure de la complexité
Le calcul du coût d’une fonction renseigne sur le temps nécessaire à son
exécution, mais il suffit de changer de machine pour que le coût change
même avec des données identiques.
Il est donc plus réaliste de construire une fonction qui décrit le
comportement du script lorsque:
La taille des données augmente: on parle de comportement
asymptotique des algorithmes ou scripts.
Et le traitement nécessitant le maximum de temps: on parle de
comportement dans le pire des cas
Il s’agit de la fonctions d’ordre de grandeur notées O qui permet de borner
la fonction de coût.
Cette fonction s’appelle « complexité d’un script ou algorithme ».
9 Mesure de la complexité
Pour calculer la complexité d'un programme :
Soit le coût suivant g(n)=5n3-6n2+4
1) on calcule le coût de chaque partie du
programme.
1/ On remplace les constantes
2) on combine ces coûts conformément aux multiplicatives par 1:
règles vues précédemment. 1n3-1n2+4
2/On annule les constantes additives
3) on simplifie le résultat grâce aux règles de Exemple
1n3-1n2=n3-n2
simplifications suivantes:
3/ On conserve le terme dominant:
On remplace les constantes g(n)= n3
multiplicatives par 1.
On annule les constantes additives . La complexité : O(g(n))=O(n3)
On conserve le terme dominant.
10
Les fonctions O des structures algorithmiques
usuelles
Instructions Notations Formule du calcul du coût
Instructions simples Input, print, =, >,<, != , ==, +,- O(1)
,*,/,//,%,**, break, return
Un bloc d’instructions On suppose que les complexités O(max(f1(n), f2(n),….fk(n))
simples: respectives de Inst1,Inst2…instk sont
Inst1 O(f1(n)), O(f2(n))…. O(fk(n))
Inst2
.
.
instk
Structures conditionnelles On suppose que les complexités O(max(g(n), f1(n), f2(n))
If cond : respectives de la condition , Bloc1
bloc1 et bloc2 sont O(g(n)), O(f1(n))et
else: O(f2(n))
bloc2
11
Calcul du coûts des fonctions python(2)
Instructions Notations Formule du calcul du coût
Boucle for La complexité de Bloc1 est: O(f(n)) O(N*f(n))
for i in range(N):
Bloc1
Boucle while O(g(n)): complexité de la condition. O(M*max(O(f(n),O(g(n)))
while condition: O(f(n)): complexité du bloc1
Bloc1 M: le nombre de boucles espérés
12 Les classes de la complexité(1)
Par ordre de complexité croissant on a les classes suivantes:
O(1) : complexité constante, pas d'augmentation du temps d'exécution
quand le paramètre croit exp: affectation, comparaison, …
O(log(n)) : complexité logarithmique, augmentation très faible du temps
d'exécution quand le paramètre croit. Exp: conversion de la base
décimale à la base binaire
O(n) : complexité linéaire, augmentation linéaire du temps d'exécution
quand le paramètre croit (si le paramètre double, le temps double). Exp
:somme des n premiers entiers naturels
O(n*log(n)) : complexité quasi-linéaire, augmentation un peu supérieure à
O(n). Exp: calcul la somme des chiffres des n premiers entiers naturels
13 Les classes de la complexité(2)
Par ordre de complexité croissant on a les classes suivantes:
O(n2) : complexité quadratique, quand le paramètre double, le temps
d'exécution est multiplie par 4. exemple :Tri sélection,….
O(ni) : complexité polynomiale, quand le paramètre double, le temps
d'exécution est multiplie par 2i.
O(an) : complexité exponentielle, quand le paramètre double, le temps
d'exécution est élevé à la puissance 2.
O(n!) : complexité factorielle, asymptotiquement équivalente à nn
14 Complexités des boucles multiplicatives (1)
Certaines boucles partent d’une variable ayant une petite valeur et la multiplient
par une constante jusqu’à ce qu’elle deviennent grande.
D’autres boucles partent d’une variable ayant une grande valeur et la divise
jusqu’à arriver à une petite valeur.
La complexité de ce genre de boucle s’écrit comme suit:
O(log base du multiplicateur ou diviseur (n))
15 Complexités des boucles multiplicatives (2)
i=1 # une petite valeur initiale La complexité de la
while i<=100: boucle while est:
i=i*2 # on multiplie i par 2 ……………………………….
# la valeur du multiplicateur est 2 O(Log2(100))
…………………………………
.
16 Complexités des boucles multiplicatives (3)
for i in range(n):
La complexité de la
j=1
boucle for est:
n boucles
while j<=i%2: ……………………………….
O(Log2(n)) O(n *Log2(n))
…………………………………
j=j*2
.
17
Complexités de la fonction factorielle
def factorielle(n):
fact=1 O(1)
O(1)
i=2 O(1) La complexité de la fonction
while(i<=n): O(n) est:
O(1)+O(1)*O(n)+O(1) =O(n)
fact=fact*I O(1) O(n)
O(1)
i=i+1 O(1)
return(fact) O(1)
18 Exemples de calcul de complexité(1)
Exemples d’instructions Complexité
for i in range(n): O(n)
for i in range(1,n+1,2): O(n)
for i in range(1,n//2): O(n)
i=0 O(log2(n))
While (i<n):
……
i=i*2
While (n!=0): O(log2(n))
……
n=n//2
While (n!=0): O(log10(n))
……
n=n//10
19 Exemples de calcul de complexité(2)
Exemples d’instructions Complexité
for i in range(n): O(n2)
for j in range(n):
for i in range(n): O(n2)
for j in range(1,i+1):
for i in range(1,n+1): O(n log2(n))
j=i
while(j!=0):
....
j=j//2
20 Calcul de la complexité
Exercice1
Dites si les affirmations suivantes sont vrais ou fausses:
2*n+3=O(n)………………………………………………
2n+log(n)=O(n2) ………………………………………………
2n7+5n4+3n2+1=O(n7) ………………………………………………
5n3+3*n*log(n)+6n=O(n3) ………………………………………………
3log(n)+2=O(log(n)) ………………………………………………
2n+100log(n)=O(log(n)) ………………………………………………
2n+2=O(2n) ………………………………………………
21 Calcul de la complexité
Exercice2
Quelle est la complexité de la fonction suivante:
def calcul(n): Réponse…………………
p=0 …………………………….
……………………………
for i in range(1,n*n+1): ……………………………
j=i ……………………………
……………………………
while(j!=0): …………
p=p+1
j=j//2
return(p)
22 Calcul de la complexité
Exercice3
Tri par insertion
Calcul de la complexité:
Procédure tri_Insertion (var tab : tableau entier [N])
i, k :entier ; ………………………………………………………………………
tmp : entier ;
………………………………………………………………………
Début
Pour i de 2 à N faire ………………………………………………………………………
tmp tab[i];
………………………………………………………………………
k i;
Tant que k > 1 ET tab[k - 1] > tmp faire ………………………………………………………………………
tab[k] tab[k - 1];
kk - 1; ………………………………………………………………………
Fin Tant que
………………………………………………………………………
tab[k] tmp;
Fin pour …………………………………………………………
Fin
