Métodos de Pesquisa

Luiz Arão Carvalho ¹ <maximusmano@gmail.com>

Universidade Federal do Tocantins (UFT) – Curso de Ciências da Computação – Campus Palmas

Av: NS 15 ALC NO 14, 109 Norte ,CEP 77001-090 – Palmas - TO

R esumo

Este artigo aborda algumas características entre alguns dos mais conhecidos e
usados métodos de pesquisa, a seqüencial e a binária, mostrando as diferenças e
semelhança entre estes.

Palavras-chave: Métodos de pesquisa, pesquisa binária, pesquisa seqüencial.

1. INTRODUCAO

Uma das tarefas mais habituais na programação é a pesquisa de informações, o que exige o
desenvolvimento de algoritmos eficientes de pesquisa [1] Neste trabalho discutiremos um pouco
sobre métodos de pesquisa seqüencial e binária.
Essas técnicas também são conhecidas como algoritmos de busca. Em ciência da
computação, um algoritmo de busca, em termos gerais, é um algoritmo que toma um problema
como entrada e retorna a solução para o problema, geralmente após resolver um número possível de
soluções. A maioria dos algoritmos estudados por cientistas da computação que resolvem
problemas são algoritmos de busca. O conjunto de todas as soluções possíveis para um problema é
chamado de espaço de busca [2].
Alguns tipos de pesquisa necessitam que haja uma organização da informação, como é o
caso da pesquisa binária, então para efeito de estudo desse método foi estudados alguns métodos de
ordenação e por fim escolhido o mais apropriado para nosso a abordagem, o quick sort.
Nesse artigo então falaremos sobre a pesquisa seqüencial(ou linear) e a busca binária,
mostrado características de ambas, situações onde diferem, como essas são implementadas alguns
resultados obtidos com testes de cada uma.

1.1. PESQUISA SEQUENCIAL.

Pesquisa seqüencial ou busca linear é um tipo de pesquisa em vetores ou listas que

ocorre de modo seqüencial, ou seja, elemento por elemento, assim a função do tempo em
relação ao número de elementos é linear, ou seja, cresce proporcionalmente. Algo
importante a se ressaltar é a necessidade de que o vetor no qual se deseja realizar a pesquisa
esteja, de alguma maneira, ordenado. Por realizar muitas comparações e buscar um resultado
de maneira bruta, essa não é considerada a pesquisa mais eficiente, mas pode ser aplicada
em vários casos sem nenhum tipo de prejuízo.
Como dito essa técnica possui um custo de processamento linear, ou seja, seu custo
aumenta de acordo com o tamanho da entrada e o posicionamento do elemento a se r
encontrado. Tendo isso em mente podemos afirmar que o melhor caso para nosso algoritmo
seria encontrar o elemento na primeira comparação (na primeira posição do nosso vetor), já
o pior caso aconteceria se esse elemento estivesse na ultima posição, realizando assim N
comparações, sendo N o numero de elementos em nosso vetor , já em um possível caso
médio seria uma busca por qualquer elemento entre o ultimo e o primeiro.
 1.1.1. Implementação

Com o objetivo de tornar as funções, o mais versátil possível, elas têm uma variável
de entrada que indica o índice do vetor onde deve começar a pesquisa. As funçõ es calculam
e devolvem o índice do elemento onde está armazenado o valor procurado. Podemos
observar isso melhor com o algoritmo abaixo:

Função procura(vetor, elementoProcurado)

inicio

para cada elemento do vetor, até que o vetor acabe, faça

se elementoDoVetor for igual ao elementoProcurado

Retorne a posicaoDoVetor
Fim do se
Fim do Para

Informe que elementoProcurado não foi encontrado se não o achar

Fim da função procura

Algoritmo 1: Pesquisa Seqüencial

Para demonstrar o real funcionamento do algoritmo foi implementado o seguinte

código em ruby:

Figura 1: Classe da Pesquisa Sequencial

busca_sequencial(vetor,elemento) é o método que realiza essa tarefa, onde vetor e

elemento são respectivamente o vetor de elementos a ser feita a busca e o elemento a ser
buscado. Logo a frente uma variável de instancia chamada @result, é inicializado com um
hash para que possa guardar o resultado da busca, essa estrutura é composta de :pos, que
guarda a posição do elemento, :iter que indica a quantidade de iterações realizadas e
:valor, a titulo de informação, permanece com o valor buscado.
A partir daí temos um bloco onde pegamos cada elemento (linha 11 a 14)
comparamos se este é igual ao elemento buscado se não ele prossegue sempre a cada
comparação aumenta o valor do índice de iterações e de posicionamento no vetor. Caso não
encontremos o elemento retornamos o vetor sem a posição.

1.2. BUSCA BINARIA.

A pesquisa ou busca binária (em inglês binary search algorithm ou binary chop) é
um algoritmo de busca em vetores que requer acesso aleatório aos elementos do mesmo. Ela
parte do pressuposto de que o vetor está ordenado e realiza sucessivas divisões do espaço de
busca (Divisão e conquista) comparando o elemento buscado (chave) com o elemento no
meio do vetor. Se o elemento do meio do vetor for a chave, a busca termina com sucesso.
Caso contrário, se o elemento do meio vier antes do elemento buscado, então a busca
continua na metade posterior do vetor. E finalmente, se o elemento do meio vier depois da
chave, à busca continua na metade anterior do vetor. [3].

1.2.1. Implementação

Para melhorar nosso entendimento sobre a busca binária abaixo, Algoritmo 1, temos
o algoritmos que mostra a estratégia da busca binária:

Função procura(vetor, elementoProcurado)

inicio

maximo recebe inicio do vetor

mínimo recebe fim do vetor
meio recebe maximo mais mínimo dividido por 2

enquato mínimo menor maximo

se meio for igual ao elementoProcurado

Retorne a meio
Se não, se elementoProcurado menor que meio
maximo recebe meio menos 1
se não
mínimo recebe meio mais 1
Fim do se

Fim do enquanto

Informe que elementoProcurado não foi encontrado se não o achar

Fim da função procura

Algoritmo 2: Pesquisa Binária

 Novamente implementamos uma função para que possamos ver esse algoritmo em
ação, o seguinte método foi implementado em ruby:

O método busca binária necessita de três variáveis de paramentos vetor,

elemento e ordenar, que são, consecutivamente, o vetor de elementos, o elemento a ser
procurado e um booleano que indica se deve ou não ser feita a ordenação do vetor.
Inicializamos então, na linha 37 a variável inf(limite inferior) com zero, pois é o
primeiro índice de nosso vetor, logo após inicializamos sup(limite superior) com o tamanho
do vetor menos um, e uma variável @result, que é o conjunto de solução que comporta a
posição do elemento encontrado, a quantidade de comparações que foi realizada para esse
feito e o valor do elemento procurado. Na linha 41 verificamos a necessidade de ordenação
do vetor e a efetuamos se verdadeira.
Da linha 43 á 53, temos um loop onde realizamos comparação entre inf e sup para
finalizar nossas comparações, incrementamos o numero de it erações e definimos a posição
do elemento a ser comparado com o elemento procurado como sendo a metade do nosso
vetor, ai então verificamos que naquela posição(meio do vetor) se encontra o elemento
buscado se não, verificamos se esse elemento é menor que o elemento do meio do vetor se
isso for verdade, então definimos o limite superior do vetor como o índice do meio menos 1.
Se o elemento buscado for maior fazemos o inverso, o limite inferior se torna então o indice
mediano mais 1.
Se após isso não encontrarmos o elemento definimos a posição como nula e
retornamos o resultado
2. RESULTADOS

Para efetuar uma comparação entre os dois métodos de busca, em questão de

complexidade será utilizada a notação O grade (Big O).
Para um vetor com N elementos, o pior caso da pesquisa seqüencial é quando o valor
procurado está no ultimo elemento do vetor ou não existe naquele conjunto, o que exige a
análise dos N elementos do vetor. Se considerarmos ainda, que a probabilidade do valor
procurado estar em qualquer um dos elementos do vetor é igual, então a pesquisa seqüencial
analisa em média N elementos. Se considerarmos que a probabilidade do valor não existir
no vetor é igual a ser qualquer um dos elementos desse conjunto, então a pesquisa
seqüencial analisa em média N+1 elementos. Portanto, a eficiência do algoritmo de pesquisa
seqüencial é de ordem O(N).

Para o mesmo vetor, o pior caso da pesquisa binária é quando se reduz o intervalo em
análise a apenas um elemento do vetor, o que exige a análise de log2(N+1) elementos do
vetor. Portanto, podemos definir a eficiência do algoritmo de pesquisa binária é de ordem
O(log2 N).
Partindo desses resultado então podemos afirmar que o método binário, com um
conjunto suficientemente grande de elementos, é mais vantajoso que o seqüencial, caso
nosso vetor esteja ordenado, caso o vetor não esteja ordenado isso se inverte. Por exemplo
se utilizamos o método quick sort para ordenar o vetor antes do processo de busca binária
teríamos O(log2 N) + O(N²), ou seja, nosso algoritmo agora teria complexidade O(N²), bem
maior que a O(N) do método seqüencial.
Foram realizados então testes utilizando cada um dos métodos aqui mostrados para
verificar essas afirmações:

2.1.1. Testes com Vetor Ordenado

O Elemento 499999 foi encontrado na Posição 499999, com 1 iterações

O Elemento 999999 foi encontrado na Posição 999999, com 20 iterações

O Elementos aleatório 746373 foi encontrado na posição 746373, com 17 iterações

O Elementos aleatório 851150 foi encontrado na posição 851150, com 20 iterações

O Elementos aleatório 562607 foi encontrado na posição 562607, com 19 iterações

O Elementos aleatório 361931 foi encontrado na posição 361931, com 19 iterações

O Elementos aleatório 200714 foi encontrado na posição 200714, com 18 iterações

O Elementos aleatório 320341 foi encontrado na posição 320341, com 15 iterações

O Elementos aleatório 651574 foi encontrado na posição 651574, com 18 iterações

O Elementos aleatório 303724 foi encontrado na posição 303724, com 16 iterações

O Elementos aleatório 609029 foi encontrado na posição 609029, com 17 iterações

O Elementos aleatório 215504 foi encontrado na posição 215504, com 20 iterações

Resultado 1: Binário com vetor Ordenado

 A primeira linha utilizamos o método de busca com a melhor solução possível, ou
seja para que ele ache na primeira iteração o elemento buscado, a segunda linha mostra o
inverso buscamos o elemento 999999, como ele é um elemento de extremidade ele será o
encontrado apenas na ultima iteração, tornando-se assim um exemplo de pior caso. As 10
linhas subseqüentes são números aleatórios que variam suas iterações.
Com esse resultado podemos observar o seguinte, o máximo de iterações que
necessitamos realiza par encontrar um eleme nto é vinte, isso realmente é muito pouco se
considerarmos a quantidade de elementos existentes no vetor (Um Milhão).

O Elemento 0 foi encontrado na Posição 0, com 1 iterações

O Elemento 999999 foi encontrado na Posição 999999, com 1000000 iterações

O Elemento aleatório 932076 foi encontrado na posição 932076, com 932077 iterações

O Elemento aleatório 818878 foi encontrado na posição 818878, com 818879 iterações

O Elemento aleatório 874453 foi encontrado na posição 874453, com 874454 iterações

O Elemento aleatório 489119 foi encontrado na posição 489119, com 489120 iterações

O Elemento aleatório 138820 foi encontrado na posição 138820, com 138821 iterações

O Elemento aleatório 277097 foi encontrado na posição 277097, com 277098 iterações

O Elemento aleatório 954754 foi encontrado na posição 954754, com 954755 iterações

O Elemento aleatório 407988 foi encontrado na posição 407988, com 407989 iterações

O Elemento aleatório 952064 foi encontrado na posição 952064, com 952065 iterações

O Elemento aleatório 865820 foi encontrado na posição 865820, com 865821 iterações

Resultado 2: Pesquisa Seqüencial

Vemos então no Resultado 2 a diferença, se tratando de iterações, onde na pesquisa

binária realiza no máximo vinte iterações para um vetor de um milhão de posições, já a
pesquisa seqüencial realizará até um milhão de iterações caso o elemento esteja na ultima
posição.
Temos na primeira linha, desse segundo resultado, o melhor caso, que para esse
exemplo seria que o elemento buscado esteja na primeira posição do vetor, pois assim só
necessita de uma iteração para encontrá-lo. Na segunda linha obtivemos o pior caso, onde o
elemento buscado se encontra na ultima posição necessitando para o encontrar de um milhão
de interações.
As dez linhas seguintes representam casos médios realizados aleatoriamente,
observa-se que para encontrar os objetos são necessárias tantas interações quantos são os
elementos antecedentes a ele na ordem do vetor, isso proporciona um gasto computacional
bem grande caso o vetor possua extrema quantidade de elementos.
Então podemos afirmar que a busca binária é melhor que a busca seqüencial? Não,
ela é melhor empregada em certo tipo de situação , por exemplo para um numero pequeno de
elementos, 100 por exemplo, a diferença entre o tempo de processamento das duas é quase
inexistente. E o maior motivo para afirmar que a seqüencial pode ser ainda melhor que a
binária é a necessidade de que para a utilização da busca binária é necessário que o vetor de
elementos esteja ordenado. Caso não esteja o custo de ordenação pode ser bem maior que
uma busca seqüencial, para verificar essa possibilidade foram realizados testes com os
algoritmos implementados.

user system total real

Busca Seqüencial 0.000000 0.000000 0.000000 0.000000
(Melhor caso):
Busca Seqüencial 2.297000 0.000000 2.297000 2.329000
(Pior caso)
Busca Seqüencial 11.640000 0.000000 11.640000 11.703000
(Casos Médios
10x)
Total 14.032.000 s
Tabela 1: Bench Mark da busca Seqüencial

Na tabela 1 temos o resultado em Segundos das buscas realizadas a um vetor de um

milhão de posições, onde para o melhor caso o tempo de busca foi insignificante, chegando
a zero em nossa amostra, já para o pior caso chegamos a ter quase 2,3(em tempo de
processamento) segundos para percorrer todo o vetor em busca do elemento e pouco mais de
2,3 de tempo real. Para os casos médios chegamos a mais de 11,5 segundos, o que
caracteriza que entre pesquisas fáceis e mais complicadas tivemos uma média de pouco mais
de um segundo para cada pesquisa.

user system total real

Busca binária 0.000000 0.000000 0. 000000 0.000000
(Melhor caso):
Busca binária 0.000000 0.000000 0.000000 0.000000
(Pior caso)
Busca binária 0.000000 0.000000 0.000000 0.000000
(Casos Médios
10x)
Total
Tabela 2: Bench Mark Pesquisa Binária em vetor ordenado

Vemos aqui a eficiência de nossa busca binária, todos os tempos, tanto em pior
quanto melhor ou até mesmo o tempo de 10 buscas seguidas simulando um caso médio, não
chegou a alguma importância significante para o processamento de nossa busca.
Como dito anteriormente para que nossa busca binária funcione, o vetor de entrada
deve estar organizado previamente, caso essa ordenação não exista nosso algoritmo perde
sua eficiência vejamos a tabela 3 o resultado de buscas com ordenação.
user system total real
Busca binária c/ 84.078000 0.188000 84.266000 84.796000
Ordenação
(Melhor caso):
Busca binária c/ 86.860000 0.140000 87.000000 87.047000
Ordenação (Pior
caso)
Busca binária c/ 811.125000 1.657000 812.782000 816.063000
Ordenação
(Casos Médios
10x)
Total
Tabela 3: Busca Binária com ordenação
 Verificamos agora o custo que a ordenação do vetor realiza sobre o tempo de
processamento do algoritmo, foi utilizada para esse teste a ordenação com a técnica quick
sort, até mesmo para o melhor caso não há grande diferença, pois o custo de processamento
que realmente importa é o de ordenação.

3. CONCLUSÃO

Os métodos de busca são ferramentas de grande auxilio e que são comumente utilizadas em
diversas áreas não só da computação, o estudo desses métodos se faz necessário para a melhor
compreensão e melhor utilização desses métodos em problemas do dia a dia. Algo que deve ser
focado sempre é em quais situações determinado método é melhor que outro, pois não há um
método que seja ideal para qualquer que seja a situação, o estudo da complexidade é uma das
melhor formas de escolher essas técnicas para sua melhor funcionalidade.

REFERÊNCIAS BIBLIOGRÁFICAS

[1] Rocha, A, e Borges,(2000) A. Programação Estruturas de dados e algoritmos em C,

Departamento de Eletrônica e Telecomunicações, Universidade de Aveiro, Portugal.

[2] Wikipédia. (2008) “Algoritmos de Busca”, http://pt.wikipedia.org/wiki/Algoritmo_de_busca,

Outubro.

[3] Wikipédia. (2008) “Algoritmos Binária”,

http://pt.wikipedia.org/wiki/Pesquisa_bin%C3%A1ria, Outubro.