Se toma en este curso el diseño de estructuras de datos considerando principalmente las evocaciones asociativas con respuesta no múltiple y algunos tipos de evocaciones no asociativas, como las extremales.
Además se inicia al alumno en el análisis de algoritmos, con el fin de que aprenda a comparar distintos algoritmos y porque es fundamental para poder diseñar buenos algoritmos.
En esta asignatura se sientan las primeras bases que serán utilizadas por la asignatura Organización de Archivos y Bases de Datos I para construir una base sólida en las disciplinas Estructuras de Datos y Bases de Datos, de forma tal que si opta por obtener sólo el título intermedio tiene la idoneidad suficiente en la temática contando con los conceptos, principios y teorías que constituyen el ámbito de competencia. En caso de que el alumno persiga obtener el título de licenciado, tiene una formación sólida como para encarar un estudio teórico más fuerte de esta temática, que será desarrollado en la asignatura Base de Datos II.

1. Repaso de temas y homogenización de terminología:
Conjuntos: conjunto, elemento, pertenencia. Inclusión de conjuntos. Unión, intersección y diferencia. Sus propiedades.Relaciones Binarias: Dominio y Rango. Relación Inversa. Restricciones. Casos particulares: función, relaciones totales, inyectivas y suryectivas.Relaciones con dominio y rango coincidentes. Propiedades que caracterizan casos particulares de relación: reflexiva, antireflexiva, no reflexiva, simétrica, antisimétrica, débilmente antisimétrica, no simétrica, transitiva y completa. Tipos de relaciones: Preorden parcial, Orden parcial, Orden Total y Buen Orden. Equivalencia.Operaciones con relaciones: Operaciones propias de conjunto: unión, intersección y diferencia. Composición de relaciones binarias: sus propiedades. Extensión de funciones y operaciones a subconjuntos.

2. Explicitación del objetivo de la materia.
Las estructuras. Dato e información. Doble acepción de estructuras de datos: estructura de la información y estructura de almacenamiento. Visión relacional. Fundamento de la evocación asociativa. Concepto de Servicio en una estructura de datos. Altas, bajas y modificaciones. Varios servicios de evocación con eficiencia. Datos de un problema de estructuras de datos. Algoritmos: análisis y diseño.

3. Terminología de teoría de grafos
Definición: grafos, digrafos, p-grafos, p-digrafos. Orden. Funciones de incidencia y adyacencia que relacionan arcos y vértices. Grado. Vértices aislados. Grafos triviales. Sub(di)grafo, (di)grafo parcial. (di)Grafos bipartitos. Cadena, camino, ciclo, cociclo, circuito, cocircuito. Fuentes y sumideros. Conectividad, componente (conexa). Conectividad fuerte, bloque. Conectividad cuasi-fuerte. Raíz y raíz del grafo inverso. Árboles, árbol subtenso, foresta. Arborescencias.

4. Propiedades, demostraciones y representación de grafos.
Número ciclomático y número cociclomático, y su deducción a partir de las magnitudes fundamentales. Caracterizaciones equivalentes de árbol y arborescencia. Construcción de base de ciclos y cociclos a partir de un árbol subtenso. Construcción sistemática de árboles subtensos. Lema de los 3 colores. Distancias en grafos. Representaciones básicas de grafos.

5. Evaluación de algoritmos.
Planteo. Problema. Función de costo. Necesidad de una función de evaluación. Propiedades de tales funciones. Medidas en tiempo y espacio. Elección de la función de evaluación. Familias de problemas. Solución parametrizada. Función O (Big O), W (Big Omega) y Q (Big Theta). Propiedades. Complejidad. Clases de Complejidad.
Técnicas para plantear y resolver ecuaciones de recurrencias.
Funciones generatrices.

6. Listas, Pilas y Colas.
Listas vinculadas y secuenciales. Incidencia del orden, Incidencia del tipo de recurrencia que la define. Operaciones: localización, alta, baja y evocación. Análisis de costos. Costos a priori y a posteriori. Búsqueda binaria: bisección y trisección.Lista Invertida: alta, baja, evocación, localización. Análisis de costos.Pilas y colas: alta y baja (o evocación). Su implantación secuencial y vinculada.

7. Lista de 2 niveles.
Descriptores de listas, representación computacional. Listas de descriptores. Optimización de parámetros.

8. Direccionamiento Directo.
Condiciones para su aplicación. Relajación de la exigencia de totalidad. Ejemplos de funciones de enumeración. Otras aplicaciones de las funciones de enumeración.

9. Árboles computacionales.
Definición. Representación computacional. Distinción con el árbol de teoría de grafos. Árbol completo, lleno y balanceado. Almacenamiento por extensión y por comprensión. Árboles Binarios de Búsqueda (árboles ordenados). Árboles Balanceados en altura (AVL). Operaciones básicas sobre árboles. Operaciones sobre árboles balanceados en altura: rotaciones simples y dobles. Determinación del esfuerzo medio y máximo de búsqueda. Magnitudes, deducción de relaciones entre ellas. Contar árboles: cantidad total y frecuencia de cada forma.

10. Parva.
Definición. Operaciones. Aplicaciones: Heapsort, Algoritmo de Dijkstra (con costo por arco) y Algoritmo de Prim.

11. Distribución pseudo-aleatoria de datos.
Motivación, las dos partes del problema. Funciones de pseudo-aleatorización. El problema del rebalse. Distintas propuestas para su manejo. Su motivación. Deducción de distintos esfuerzos para rebalse separado y para realeatorizado a una ranura por balde.

12. Skip Lists.
Definición. Operaciones. Análisis de costos. Análisis de ventajas y desventajas respecto de otras estructuras.

13. Técnicas de diseño de algoritmos.
Técnicas ávidas, programación dinámica, dividir para vencer. Ejemplos de aplicación en algoritmos sobre grafos: Dijkstra, Floyd, Warshall, Kruskal y Prim. Otros ejemplos de aplicación de las distintas técnicas: ordenamientos, búsquedas, codificación de Huffmann, etc...

14. Búsqueda en Texto.
Representación de textos. Estructuras de datos para búsqueda en texto: Trie, Árboles Patricia.

Prácticos de aula:
1. Repaso de relaciones y funciones.

2. Desarrollo de algoritmos para realizar búsqueda de elementos en las distintas representaciones computacionales posibles para un conjunto: listas, árboles, distintos tipos de manejos de rebalse. Implantación de las distintas variantes de búsqueda binaria.

3. Teoría de Grafos: representación de grafos, aplicación de los distintos conceptos teóricos a ejemplos. Algoritmos sobre grafos.

4. Funciones de evaluación: análisis de ejemplos; selección de funciones de evaluación de acuerdo al problema planteado. Notaciones Asintóticas: análisis detallado de su utilización para expresar tiempos de ejecución de un trozo de programa, incluyendo el como se obtiene en caso de tener recursividad.

5. Análisis de distintas implantaciones de listas: diseño de los algoritmos necesarios en cada caso y cálculos de esfuerzos. Implementación de las distintas variantes de búsqueda por bisección y su cálculo de esfuerzo.

6. Implantación de pilas y colas. Mejoras a listas vinculadas y secuenciales: implantación. Cálculos de esfuerzo para las distintas estructuras. Implantación de lista de 2 niveles. Optimización de parámetros para distintos casos. Cálculos de esfuerzo para distintos tipos de estructuras. Direccionamiento directo.

7. Distribución pseudo-aleatoria de datos: implantación de los distintos algoritmos para cada una de las estrategias de manejo de rebalse. Implantación de Parva. Arbol Binario de Búsqueda: construcción de ejemplos e implantación de algoritmos. Balanceo sin utilizar técnicas de AVL. Arbol binario balanceado: construcción de ejemplos, implantación de algoritmos. Skip List: construcción de ejemplos e implantación de algoritmos. Árboles como estructuras de Información. Barridos en árboles.

8. Técnicas de diseño de algoritmos. Análisis de los algoritmos analizados para cada técnica. Diseño de algoritmos para distintos problemas planteados como ejemplos, usando las técnicas estudiadas.

9. Representación de textos. Implantación de un trie. Implantación de Árboles Patricia. Comparación.

Prácticos de máquina:

1. Se desarrollará un práctico que consiste en el estudio de una situación real a informatizar y se programarán distintas versiones desde el punto de vista de las estructuras de almacenamiento a utilizar para cada servicio, teniendo en cuenta las estructuras que gradualmente se vayan incorporando en las teorías y prácticos de aula.

2. Implantación de una Parva de mínimos.

3. Utilizando lo realizado en el práctico anterior, se implementará algún algoritmo que necesite usar una parva (Dijkstra, Prim, etc...).

Condiciones de regularización:
* Aprobar los dos parciales o sus recuperaciones.
* Aprobar los trabajos en máquina que se realicen.
* 70 % de asistencia a clases teóricas.
* 70 % de asistencia a clases prácticas.

Se toman dos parciales, cada uno tiene una recuperación y hay una única recuperación por trabajo que se puede utilizar sólo para recuperar uno de los parciales.


Modalidad de examen final: El examen final podrá ser oral y/o escrito

Examen Libre: No se admiten alumnos libres dado que los prácticos de máquina y aula se desarrollan de manera incremental desde comienzo de cuatrimestre, por consiguiente no es posible en un examen poder evaluar correctamente todo este proceso.