Análise De Desempenho de Algoritmos de Ordenação

A aplicação tem como objetivo testar o desempenho de diversos algoritmos de ordenação em diferentes cenários, gerando gráficos que facilitam a compreensão dos resultados obtidos. Com isso, será possível realizar uma análise comparativa dos algoritmos e fornecer insights detalhados sobre a eficiência de cada um, os quais serão apresentados em um artigo informativo.

💻 Feito Com:

📖 Documentação

• Artigo

💻 Pré-requisitos

Antes de começar, verifique se você atendeu aos seguintes requisitos:

• < Git >
• < NodeJS 18+ >

📥 Baixando o Projeto

Para clonar e baixar as dependências do projeto, utilize os comandos:

git clone https://github.com/pumba-dev/sorting-algorithms-comparison.git

cd sorting-algorithms-comparison

npm install

📝 Adicionando e Referênciando Novo Algoritmo

• Adicionando Novo Algoritmo

  Para adicionar um novo algoritmo, basta colocá-lo na pasta ./algorithms, que está localizada no diretório raiz do projeto. O algoritmo deve receber apenas uma lista como parâmetro e retornar a lista ordenada.

• Criando Referência

  Para criar uma referência ao algoritmo, é necessário adicionar um novo item ao objeto no arquivo ./algorithms/algorithms-setup.js. A chave representa o nome que será utilizado para identificar o algoritmo, enquanto o valor será um objeto contendo os atributos 'label' e 'function', que armazenam o nome e o código do algoritmo, respectivamente. Dessa forma, o arquivo de configuração reconhecerá o algoritmo corretamente.

  Exemplo:

  // ...
  import newSortingFn from "./new-sorting.js";
  
  export default {
    // ...
    ALGORITHMKEY: {
      label: "Algorithm Name",
      function: newSortingFn,
    },
  };

⚙️ Configurando Simulação

Para configurar os cenários de simulação altere os parametros do arquivo simulation-config.json no diretório raiz do projeto.

Params	Type	Description
replications	Number	Quantidade de replicações da simulação pra se tirar a média dos resultados
loadBalances	Number	Quantidade de entradas diferentes que serão usadas na simulação
minBalanceValue	Number	Tamanho da entrada do primeiro ponto de carga
maxBalanceValue	Number	Tamanho da entrada do último ponto de carga (somente para tipo distribuido de balanceamento)
balanceType	String	Modelo de geração das entradas que serão usadas na simulação (distributed ou exponential)
algorithms	Array	Nome dos algoritmos que serão utilizados na simulação

Balance Types

O tipo de balanceamento define o modelo de crescimento utilizado para gerar as entradas (pontos de cargas) das simulações.

• Distribuído

  No modelo de crescimento distribuído, os algoritmos são testados para valores de entrada com incrementos constantes. Ou seja, o tamanho da entrada varia em progressão aritmética.

  Exemplo:

  [100, 200, 300, 400, 500, 600, 700, 800, ...]
  

• Exponencial

  No modelo de crescimento exponencial, os algoritmos são testados para valores de entrada com incrementos exponencialmente maiores que o anterior. Ou seja, o tamanho da entrada varia em progressão geométrica.

  Exemplo:

  [128, 256, 512, 1024, 2048, 4096, 8192, 16384, ...]
  

🚀 Iniciando Simulação

Para iniciar a simulação, utilize o comando:

npm run start

Se a simulação for iniciada com sucesso, uma barra de progresso será exibida para acompanhar seu andamento. Após a conclusão das simulações, os resultados serão processados e convertidos em gráficos, que serão salvos na pasta ./results do projeto.

📫 Contribuindo com o Projeto

Para contribuir com o projeto, siga estas etapas:

1. Bifurque este repositório.
2. Crie um branch: git checkout -b <nome_branch>.
3. Faça suas alterações e confirme-as: git commit -m '<mensagem_commit>'
4. Envie para o branch original: git push origin main
5. Crie a solicitação de pull.

Como alternativa, consulte a documentação do GitHub em como criar uma solicitação pull.

🤝 Colaboradores

As seguintes pessoas contribuíram para este projeto:

Pumba Developer

Carlos Menezes

Gabriel Reis

💰 Donate

📝 Licença

Copyright © 2023 Pumba Developer

⬆ Voltar ao topo