Algoritmo
En matemáticas, lógica, ciencias de la computación y disciplinas
relacionadas, un algoritmo (probablemente del latín tardío
algorithmus, y este del árabe clásico ḥisābu lḡubār, que significa
«cálculo mediante cifras arábigas»)1 es un conjunto de
instrucciones o reglas definidas y no-ambiguas, ordenadas y finitas
que permite, típicamente, solucionar un problema, realizar un
cómputo, procesar datos y llevar a cabo otras tareas o actividades.1
Dado un estado inicial y una entrada, siguiendo los pasos sucesivos
se llega a un estado final y se obtiene una solución. Los algoritmos
son el objeto de estudio de la algoritmia.2
En la vida cotidiana, se emplean algoritmos frecuentemente para
resolver problemas determinados. Algunos ejemplos son los
manuales de usuario, que muestran algoritmos para usar un aparato,
o las instrucciones que recibe un trabajador de su patrón. Algunos
ejemplos en matemática son el algoritmo de multiplicación, para
calcular el producto, el algoritmo de la división para calcular el Los diagramas de flujo sirven para
cociente de dos números, el algoritmo de Euclides para obtener el representar algoritmos de manera
máximo común divisor de dos enteros positivos, o el método de gráfica
Gauss para resolver un sistema de ecuaciones lineales.
En términos de programación, un algoritmo es una secuencia de
pasos lógicos que permiten solucionar un problema.
Definición
En general, no existe ningún consenso definitivo en cuanto a la
definición formal de algoritmo. Muchos autores los señalan como
listas de instrucciones para resolver un cálculo o un problema
Diagrama de Ada Lovelace de la
abstracto, es decir, que un número finito de pasos convierten los
"nota G", el primer algoritmo
datos de un problema (entrada) en una solución (salida).2 1 3 4 5 6
informático publicado
Sin embargo, cabe notar que algunos algoritmos no tienen
necesariamente que terminar o resolver un problema en particular.
Por ejemplo, una versión modificada de la criba de Eratóstenes, que nunca termine de calcular números
primos, no deja de ser un algoritmo.7
A lo largo de la historia, varios autores han tratado de definir formalmente los algoritmos utilizando
modelos matemáticos. Esto lo hizo Alonzo Church en 1936 con el concepto de "calculabilidad efectiva"
basada en su cálculo lambda y por Alan Turing basándose en la máquina de Turing. Los dos enfoques son
equivalentes, en el sentido de que se pueden resolver exactamente los mismos problemas con ambos
enfoques.8 9 No obstante, estos modelos están sujetos a un tipo particular de datos, como son números,
símbolos o gráficas mientras que, en general, los algoritmos funcionan sobre una vasta cantidad de
estructuras de datos.3 2 En general, la parte común en todas las definiciones se puede resumir en las
siguientes tres propiedades, siempre y cuando no consideremos algoritmos paralelos:7
Tiempo secuencial. Un algoritmo funciona en tiempo discretizado –paso a paso–,
definiendo así una secuencia de estados computacionales por cada entrada válida (la
entrada son los datos que se le suministran al algoritmo antes de comenzar).
Estado abstracto. Cada estado computacional puede ser descrito formalmente utilizando
una estructura de primer orden y cada algoritmo es independiente de su implementación
(los algoritmos son objetos abstractos), de manera que en un algoritmo las estructuras de
primer orden son invariantes bajo isomorfismo.
Exploración acotada. La transición de un estado al siguiente queda completamente
determinada por una descripción fija y finita; es decir, entre cada estado y el siguiente
solamente se puede tomar en cuenta una cantidad fija y limitada de términos del estado
actual.
En resumen, un algoritmo es cualquier cosa que funcione paso a paso, donde cada paso se pueda describir
sin ambigüedad y sin hacer referencia a una computadora en particular, y además tiene un límite fijo en
cuanto a la cantidad de datos que se pueden leer/escribir en un solo paso.
Esta amplia definición abarca tanto a algoritmos prácticos como aquellos que solo funcionan en teoría, por
ejemplo, el método de Newton y la eliminación de Gauss-Jordan funcionan, al menos en principio, con
números de precisión infinita; sin embargo, no es posible programar la precisión infinita en una
computadora, y no por ello dejan de ser algoritmos.10 En particular es posible considerar una cuarta
propiedad que puede usarse para validar la tesis de Church-Turing, de que toda función calculable se puede
programar en una máquina de Turing (o equivalentemente, en un lenguaje de programación suficientemente
general):10
Aritmetizabilidad. Solamente operaciones innegablemente calculables están disponibles en
el paso inicial.
Medios de expresión de un algoritmo
Los algoritmos pueden ser expresados de muchas maneras, incluyendo al lenguaje natural, pseudocódigo,
diagramas de flujo y lenguajes de programación entre otros. Las descripciones en lenguaje natural tienden a
ser ambiguas y extensas. El usar pseudocódigo y diagramas de flujo evita muchas ambigüedades del
lenguaje natural. Dichas expresiones son formas más estructuradas para representar algoritmos; no obstante,
se mantienen independientes de un lenguaje de programación específico.
La descripción de un algoritmo suele hacerse en tres niveles:
1. Descripción de alto nivel. Se establece el problema, se selecciona un modelo matemático y
se explica el algoritmo de manera verbal, posiblemente con ilustraciones y omitiendo
detalles.
2. Descripción formal. Se usa un pseudocódigo para describir la secuencia de pasos que
encuentran la solución.
3. Implementación. Se muestra el algoritmo expresado en un lenguaje de programación
específico o algún objeto capaz de llevar a cabo instrucciones.
También es posible incluir un teorema que demuestre que el algoritmo es correcto, un análisis de
complejidad o ambos.
Diagrama de flujo
Los diagramas de flujo son descripciones gráficas de algoritmos;
usan símbolos conectados con flechas para indicar la secuencia de
instrucciones y están regidos por ISO.
Los diagramas de flujo se emplean para representar algoritmos
pequeños, ya que abarcan mucho espacio y su construcción es
laboriosa. Por su facilidad de lectura se utilizan como introducción a
los algoritmos, descripción de un lenguaje y descripción de
procesos a personas ajenas a la computación.
Pseudocódigo
El pseudocódigo (falso lenguaje, el prefijo pseudo significa falso)
es una descripción de alto nivel de un algoritmo que emplea una
mezcla de lenguaje natural con algunas convenciones sintácticas
propias de lenguajes de programación, como asignaciones, ciclos y
condicionales, aunque no está regido por ningún estándar. Diagrama de flujo que expresa un
algoritmo para calcular la raíz
El pseudocódigo está pensado para facilitar a las personas el
cuadrada de un número
entendimiento de un algoritmo y, por lo tanto, puede omitir detalles
irrelevantes que son necesarios en una implementación.
Programadores diferentes suelen utilizar convenciones distintas, que
pueden estar basadas en la sintaxis de lenguajes de programación concretos. Sin embargo, el pseudocódigo,
en general, es comprensible sin necesidad de conocer o usar un entorno de programación específico, y es a
la vez suficientemente estructurado para que su implementación se pueda hacer directamente a partir de él.
Así, el pseudocódigo cumple con las funciones antes mencionadas para representar algo abstracto, los
protocolos son los lenguajes para la programación. Busque fuentes más precisas para tener mayor
comprensión del tema.
Sistemas formales
La teoría de autómatas y la teoría de funciones recursivas proveen modelos matemáticos que formalizan el
concepto de algoritmo. Los modelos más comunes son la máquina de Turing, máquina de registro y
funciones μ-recursivas. Estos modelos son tan precisos como un lenguaje máquina, careciendo de
expresiones coloquiales o ambigüedad; sin embargo, se mantienen independientes de cualquier
computadora y de cualquier implementación.
Implementación
Muchos algoritmos se han ideado para implementarse en un programa. No obstante, los algoritmos pueden
ser implementados en otros medios, como una red neuronal, un circuito eléctrico o un aparato mecánico y
eléctrico. Algunos algoritmos incluso se diseñan especialmente para implementarse usando lápiz y papel. El
algoritmo de multiplicación tradicional, el algoritmo de Euclides, la criba de Eratóstenes y muchas formas
de resolver la raíz cuadrada son solo algunos ejemplos.
Variables
Son elementos que toman valores específicos de un tipo de datos concreto. La declaración de una variable
puede realizarse comenzando con var. Principalmente, existen dos maneras de otorgar valores iniciales a
variables:
1. Mediante una sentencia de asignación.
2. Mediante un procedimiento de entrada de datos (por ejemplo: 'read').
Ejemplo:
...
i:=1;
read(n);
while i < n do begin
(* cuerpo del bucle *)
i := i + 1
end;
...
Estructuras secuenciales
La estructura secuencial es aquella en la que una acción sigue a otra en secuencia. Las operaciones se
suceden de tal modo que la salida de una es la entrada de la siguiente y así sucesivamente hasta el fin del
proceso. La asignación de esto consiste en el paso de valores o resultados a una zona de la memoria. Dicha
zona será reconocida con el nombre de la variable que recibe el valor. La asignación se puede clasificar de
la siguiente forma:
1. Simples: Consiste en pasar un valor constante a una variable (a ← 15)
2. Contador: Consiste en usarla como un verificador del número de veces que se realiza un
proceso (a ← a + 1)
3. Acumulador: Consiste en usarla como un sumador en un proceso (a ← a + b)
4. De trabajo: Donde puede recibir el resultado de una operación matemática que involucre
muchas variables (a ← c + b*1/2).
Un ejemplo de estructura secuencial, como obtener el área de un triángulo:
Inicio
...
float b, h, a;
printf("Diga la base");
scanf("%f", &b);
printf("Diga la altura");
scanf("%f", &h);
a = (b*h)/2;
printf("El área del triángulo es %f", a)
...
Fin
Algoritmos como funciones
Un algoritmo se puede concebir como una función que transforma los datos de un problema (entrada) en
los datos de una solución (salida). Más aún, los datos se pueden representar a su vez como secuencias de
bits, y en general, de símbolos cualesquiera.2 9 11
Como cada secuencia de bits representa a un número
natural (véase Sistema binario),
entonces los algoritmos son en esencia
funciones de los números naturales en
los números naturales que sí se pueden
calcular. Es decir que todo algoritmo Esquemática de un algoritmo que soluciona un problema de ciclo
calcula una función donde hamiltoniano
cada número natural es la codificación
de un problema o de una solución.
En ocasiones los algoritmos son susceptibles de nunca terminar, por ejemplo, cuando entran a un bucle
infinito. Cuando esto ocurre, el algoritmo nunca devuelve ningún valor de salida, y podemos decir que la
función queda indefinida para ese valor de entrada. Por esta razón se considera que los algoritmos son
funciones parciales, es decir, no necesariamente definidas en todo su dominio de definición.
Cuando una función puede ser calculada por medios algorítmicos, sin importar la cantidad de memoria que
ocupe o el tiempo que se tarde, se dice que dicha función es computable. No todas las funciones entre
secuencias datos son computables. El problema de la parada es un ejemplo.
Análisis de algoritmos
Como medida de la eficiencia de un algoritmo, se suelen estudiar los recursos (memoria y tiempo) que
consume el algoritmo. El análisis de algoritmos se ha desarrollado para obtener valores que de alguna forma
indiquen (o especifiquen) la evolución del gasto de tiempo y memoria en función del tamaño de los valores
de entrada.
El análisis y estudio de los algoritmos es una disciplina de las ciencias de la computación y, en la mayoría
de los casos, su estudio es completamente abstracto sin usar ningún tipo de lenguaje de programación ni
cualquier otra implementación; por eso, en ese sentido, comparte las características de las disciplinas
matemáticas. Así, el análisis de los algoritmos se centra en los principios básicos del algoritmo, no en los de
la implementación particular. Una forma de plasmar (o algunas veces "codificar") un algoritmo es escribirlo
en pseudocódigo o utilizar un lenguaje muy simple tal como Lexico, cuyos códigos pueden estar en el
idioma del programador.
Algunos escritores restringen la definición de algoritmo a procedimientos que deben acabar en algún
momento, mientras que otros consideran procedimientos que podrían ejecutarse eternamente sin pararse,
suponiendo el caso en el que existiera algún dispositivo físico que fuera capaz de funcionar eternamente.
En este último caso, la finalización con éxito del algoritmo no se podría definir como la terminación de este
con una salida satisfactoria, sino que el éxito estaría definido en función de las secuencias de salidas dadas
durante un periodo de vida de la ejecución del algoritmo. Por ejemplo, un algoritmo que verifica que hay
más ceros que unos en una secuencia binaria infinita debe ejecutarse siempre para que pueda devolver un
valor útil. Si se implementa correctamente, el valor devuelto por el algoritmo será válido, hasta que evalúe
el siguiente dígito binario. De esta forma, mientras evalúa la siguiente secuencia podrán leerse dos tipos de
señales: una señal positiva (en el caso de que el número de ceros sea mayor que el de unos) y una negativa
en caso contrario. Finalmente, la salida de este algoritmo se define como la devolución de valores
exclusivamente positivos si hay más ceros que unos en la secuencia y, en cualquier otro caso, devolverá
una mezcla de señales positivas y negativas.
Ejemplo de algoritmo
El problema consiste en encontrar el máximo de un conjunto de números. Para un ejemplo más complejo
véase Algoritmo de Euclides.
Descripción de alto nivel
Dado un conjunto finito de números, se tiene el problema de encontrar el número más grande. Sin
pérdida de generalidad se puede asumir que dicho conjunto no es vacío y que sus elementos están
numerados como .
Es decir, dado un conjunto se pide encontrar tal que para todo elemento
que pertenece al conjunto .
Para encontrar el elemento máximo, se asume que el primer elemento ( ) es el máximo; luego, se recorre
el conjunto y se compara cada valor con el valor del máximo número encontrado hasta ese momento. En el
caso de que un elemento sea mayor que el máximo, se asigna su valor al máximo. Cuando se termina de
recorrer la lista, el máximo número que se ha encontrado es el máximo de todo el conjunto.
Descripción formal
El algoritmo puede ser escrito de una manera más formal en el siguiente pseudocódigo:
Algoritmo Encontrar el máximo de un conjunto
función max( )
// es un conjunto no vacío de números//
← // es el número de elementos de //
←
para ← hasta hacer
si entonces
devolver
Sobre la notación:
"←" representa una asignación: ← significa que la variable toma el valor de ;
"devolver" termina el algoritmo y devuelve el valor a su derecha (en este caso, el máximo
de ).
Implementación
En lenguaje C++:
int max(int c[], int n)
{
int i, m = c[0];
for (i = 1; i < n; i++)
if (c[i] > m) m = c[i];
return m;
}
Véase también
Tipos de algoritmos según su función
Algoritmo de ordenamiento
Algoritmo de búsqueda
Técnicas de diseño de algoritmos
Algoritmos voraces (greedy): seleccionan los elementos más
prometedores del conjunto de candidatos hasta encontrar una solución.
En la mayoría de los casos la solución no es óptima.
Algoritmos paralelos: permiten la división de un problema en
subproblemas de forma que se puedan ejecutar de forma simultánea en
varios procesadores.
Algoritmos probabilísticos: algunos de los pasos de este tipo de
algoritmos están en función de valores pseudoaleatorios.
Algoritmos determinísticos: el comportamiento del algoritmo es lineal:
cada paso del algoritmo tiene únicamente un paso sucesor y otro
antecesor.
Algoritmos no determinísticos: el comportamiento del algoritmo tiene
forma de árbol y a cada paso del algoritmo puede bifurcarse a cualquier
número de pasos inmediatamente posteriores, además todas las ramas
se ejecutan simultáneamente.
Divide y vencerás: dividen el problema en subconjuntos disjuntos
obteniendo una solución de cada uno de ellos para después unirlas, ilustración
logrando así la solución al problema completo. animada del
Metaheurísticas: encuentran soluciones aproximadas (no óptimas) a proceso de un
problemas basándose en un conocimiento anterior (a veces llamado algoritmo de
experiencia) de los mismos. ordenación de
Programación dinámica: intenta resolver problemas disminuyendo su números.
coste computacional aumentando el coste espacial.
Ramificación y acotación: se basa en la construcción de las soluciones al
problema mediante un árbol implícito que se recorre de forma controlada encontrando las
mejores soluciones.
Vuelta atrás (backtracking): se construye el espacio de soluciones del problema en un árbol
que se examina completamente, almacenando las soluciones menos costosas.
Temas relacionados
Cota inferior asintótica
Cota ajustada asintótica
Complejidad computacional
Diagramas de flujo
Diagrama Nassi-Shneiderman
Máquina de Turing
Disciplinas relacionadas
Ciencias de la Computación
Análisis de algoritmos
Complejidad computacional
Gobierno por algoritmos
Informática
Inteligencia artificial
Investigación operativa
Matemáticas
Programación
Referencias
1. Real Academia Española. «algoritmo» ([Link] Diccionario de la
lengua española (23.ª edición). Consultado el 16 de octubre de 2023.
2. Brassard, Gilles; Bratley, Paul (1997). Fundamentos de Algoritmia. Madrid: PRENTICE
HALL. ISBN 84-89660-00-X.
3. Cormen, Thomas; Leiserson, Charles; Rivest, Ronald; Stein, Clifford (2009). Introduction to
algorithms. Cambridge, Massachusetts: The MIT Press. ISBN 978-0-262-53305-8.
4. Ralph P. Grimaldi (1998). «Propiedades de los números enteros: Inducción matemática».
Matemáticas Discreta y Combinatoria. México: Addison Wesley Longman de México.
ISBN 968-444-324-2.
5. Johnsonbaugh, Richard (2005). «Introducción a la teoría de números». Matemáticas
Discretas. México: PEARSON EDUCACIÓN. ISBN 970-26-0637-3.
6. Carl Reynolds & Paul Tymann (2008). Schaum's Outline of Principles of Computer Science.
McGraw-Hill. ISBN 978-0-07-146051-4.
7. Gurevich, Yuri (2000). «Sequential Abstract State Machines capture Sequential Algorithms»
([Link] ACM Transactions
on Computational Logic 1 (1): 77-111. ISSN 1529-3785 ([Link]
8. John E. Savage (1987). The Complexity of Computing. Krieger Publishing Co.
ISBN 089874833X.
9. Sipser, Michael (2005). Introduction to the Theory of Computation ([Link]
b/20060615070738/[Link] (2 edición). Course Technology.
ISBN 978-0534950972. Archivado desde el original ([Link] el 15 de
junio de 2006.
10. Nachum Dershowitz & Yuri Gurevich (2008). «A natural axiomatization of computability and
proof of Church's Thesis» ([Link]
[Link]). Bulletin of Symbolic Logic 14 (3): 299-350. ISSN 1079-8986 ([Link]
n/1079-8986).
11. Kelley, Dean (1995). Teoría de Autómatas y Lenguajes Formales ([Link]
b/20121114162557/[Link] Prentice Hall. ISBN 0-13-497777-7.
Archivado desde el original ([Link] el 14 de noviembre de 2012.
Consultado el 23 de noviembre de 2009.
Bibliografía
Aho, A. The Design and Analysis of Computer Algorithms
Cormen, T. H., Leiserson, C. E., Rivest, R. L. y Stein, C. Introduction to Algorithms (2nd ed.)
Brassard, G. y P. Bratley. Fundamentos de Algoritmia, (ISBN 848966000X)
Knuth, D. E. The Art of Computer Programming, [quien fue también, el creador del TeX]
Mamber, U. Introduction to Algorithms. A Creative Approach
Sedgewick, R. Algorithms in C (3r ed) (también existen versiones en C++ y Java)
Axt, P (1959). «On a Subrecursive Hierarchy and Primitive Recursive Degrees».
Transactions of the American Mathematical Society 92 (1): 85-105. JSTOR 1993169 ([Link]
[Link]/stable/1993169). doi:10.2307/1993169 ([Link]
Bell, C. Gordon and Newell, Allen (1971), Computer Structures: Readings and Examples,
McGraw–Hill Book Company, New York. ISBN 0-07-004357-4.
Blass, Andreas; Gurevich, Yuri (2003). «Algorithms: A Quest for Absolute Definitions» ([Link]
[Link]/~gurevich/Opera/[Link]). Bulletin of European Association for
Theoretical Computer Science 81. Includes an excellent bibliography of 56 references.
Bolter, David J. (1984). Turing's Man: Western Culture in the Computer Age ([Link]
rg/details/turingsmanwester0000bolt) (1984 edición). Chapel Hill, NC: The University of
North Carolina Press. ISBN 978-0-8078-1564-9., ISBN 0-8078-4108-0
Boolos, George; Jeffrey, Richard (1999). Computability and Logic ([Link]
computabilitylog0000bool_r8y9) (4th edición). Cambridge University Press, London.
ISBN 978-0-521-20402-6. (requiere registro).: cf. Chapter 3 Turing machines where they discuss
"certain enumerable sets not effectively (mechanically) enumerable".
Burgin, Mark (2004). Super-Recursive Algorithms. Springer. ISBN 978-0-387-95569-8.
Campagnolo, M.L., Moore, C., and Costa, J.F. (2000) An analog characterization of the
subrecursive functions. In Proc. of the 4th Conference on Real Numbers and Computers,
Odense University, pp. 91–109
Church, Alonzo (1936a). «An Unsolvable Problem of Elementary Number Theory». The
American Journal of Mathematics 58 (2): 345-363. JSTOR 2371045 ([Link]
045). doi:10.2307/2371045 ([Link] Reprinted in The Undecidable,
p. 89ff. The first expression of "Church's Thesis". See in particular page 100 (The
Undecidable) where he defines the notion of "effective calculability" in terms of "an
algorithm", and he uses the word "terminates", etc.
Church, Alonzo (1936b). «A Note on the Entscheidungsproblem». The Journal of Symbolic
Logic 1 (1): 40-41. JSTOR 2269326 ([Link] doi:10.2307/2269326 ([Link]
[Link]/10.2307%2F2269326). Church, Alonzo (1936). «Correction to a Note on the
Entscheidungsproblem». The Journal of Symbolic Logic 1 (3): 101-102. JSTOR 2269030 (http
s://[Link]/stable/2269030). doi:10.2307/2269030 ([Link] Reprinted in
The Undecidable, p. 110ff. Church shows that the Entscheidungsproblem is unsolvable in
about 3 pages of text and 3 pages of footnotes.
Daffa', Ali Abdullah al- (1977). The Muslim contribution to mathematics. London: Croom
Helm. ISBN 978-0-85664-464-1.
Davis, Martin (1965). The Undecidable: Basic Papers On Undecidable Propositions,
Unsolvable Problems and Computable Functions ([Link]
sic0000davi). New York: Raven Press. ISBN 978-0-486-43228-1. (requiere registro). Davis gives
commentary before each article. Papers of Gödel, Alonzo Church, Turing, Rosser, Kleene,
and Emil Post are included; those cited in the article are listed here by author's name.
Davis, Martin (2000). Engines of Logic: Mathematicians and the Origin of the Computer.
New York: W.W. Nortion. ISBN 978-0-393-32229-3. Davis offers concise biographies of Leibniz,
Boole, Frege, Cantor, Hilbert, Gödel and Turing with von Neumann as the show-stealing
villain. Very brief bios of Joseph-Marie Jacquard, Babbage, Ada Lovelace, Claude Shannon,
Howard Aiken, etc.
Dean, Tim (2012). «Evolution and moral diversity». Baltic International Yearbook of
Cognition, Logic and Communication 7. doi:10.4148/biyclc.v7i0.1775 ([Link]
clc.v7i0.1775).
Dennett, Daniel (1995). «Darwin's Dangerous Idea» ([Link]
erous0000denn). Complexity 2 (1) (New York: Touchstone/Simon & Schuster). pp. 32 (http
s://[Link]/details/darwinsdangerous0000denn/page/32)–36. Bibcode:1996Cmplx...2a..32M (h
ttp://[Link]/abs/1996Cmplx...2a..32M). ISBN 978-0-684-80290-9. doi:10.1002/(SICI)1099-
0526(199609/10)2:1<32::AID-CPLX8>[Link];2-H ([Link]
9609%2F10%292%3A1%3C32%3A%3AAID-CPLX8%[Link]%3B2-H). (requiere registro).
Dilson, Jesse (2007). The Abacus ([Link]
((1968, 1994) edición). St. Martin's Press, NY. ISBN 978-0-312-10409-2., ISBN 0-312-10409-X
Yuri Gurevich, Sequential Abstract State Machines Capture Sequential Algorithms ([Link]
[Link]/viewdoc/download?doi=[Link].3017&rep=rep1&type=pdf), ACM
Transactions on Computational Logic, Vol 1, no 1 (July 2000), pp. 77–111. Includes
bibliography of 33 sources.
van Heijenoort, Jean (2001). From Frege to Gödel, A Source Book in Mathematical Logic,
1879–1931 ((1967) edición). Harvard University Press, Cambridge. ISBN 978-0-674-32449-7.,
3rd edition 1976[?], ISBN 0-674-32449-8 (pbk.)
Hodges, Andrew (1983). «Alan Turing: The Enigma». Physics Today 37 (11) (New York:
Simon and Schuster). pp. 107-108. Bibcode:1984PhT....37k.107H ([Link]
hT....37k.107H). ISBN 978-0-671-49207-6. doi:10.1063/1.2915935 ([Link]
ISBN 0-671-49207-1. Cf. Chapter "The Spirit of Truth" for a history leading to, and a
discussion of, his proof.
Kleene, Stephen C. (1936). «General Recursive Functions of Natural Numbers» ([Link]
[Link]/web/20140903092121/[Link]
=GDZPPN002278499&L=1). Mathematische Annalen 112 (5): 727-742. S2CID 120517999 (http
s://[Link]/CorpusID:120517999). doi:10.1007/BF01565439 ([Link]
565439). Archivado desde el original ([Link]
=GDZPPN002278499&L=1) el 3 de septiembre de 2014. Consultado el 30 de septiembre
de 2013. Presented to the American Mathematical Society, September 1935. Reprinted in
The Undecidable, p. 237ff. Kleene's definition of "general recursion" (known now as mu-
recursion) was used by Church in his 1935 paper An Unsolvable Problem of Elementary
Number Theory that proved the "decision problem" to be "undecidable" (i.e., a negative
result).
Kleene, Stephen C. (1943). «Recursive Predicates and Quantifiers». American
Mathematical Society Transactions 54 (1): 41-73. JSTOR 1990131 ([Link]
31). doi:10.2307/1990131 ([Link] Reprinted in The Undecidable,
p. 255ff. Kleene refined his definition of "general recursion" and proceeded in his chapter
"12. Algorithmic theories" to posit "Thesis I" (p. 274); he would later repeat this thesis (in
Kleene 1952:300) and name it "Church's Thesis"(Kleene 1952:317) (i.e., the Church thesis).
Kleene, Stephen C. (1991). Introduction to Metamathematics (Tenth edición). North-Holland
Publishing Company. ISBN 978-0-7204-2103-3.
Knuth, Donald (1997). Fundamental Algorithms, Third Edition. Reading, Massachusetts:
Addison–Wesley. ISBN 978-0-201-89683-1.
Knuth, Donald (1969). Volume 2/Seminumerical Algorithms, The Art of Computer
Programming First Edition. Reading, Massachusetts: Addison–Wesley.
Kosovsky, N.K. Elements of Mathematical Logic and its Application to the theory of
Subrecursive Algorithms, LSU Publ., Leningrad, 1981
Kowalski, Robert (1979). «Algorithm=Logic+Control». Communications of the ACM 22 (7):
424-436. S2CID 2509896 ([Link] doi:10.1145/359131.359136 (htt
ps://[Link]/10.1145%2F359131.359136).
A.A. Markov (1954) Theory of algorithms. [Translated by Jacques J. Schorr-Kon and PST
staff] Imprint Moscow, Academy of Sciences of the USSR, 1954 [i.e., Jerusalem, Israel
Program for Scientific Translations, 1961; available from the Office of Technical Services,
U.S. Dept. of Commerce, Washington] Description 444 p. 28 cm. Added t.p. in Russian
Translation of Works of the Mathematical Institute, Academy of Sciences of the USSR, v. 42.
Original title: Teoriya algerifmov. [QA248.M2943 Dartmouth College library. U.S. Dept. of
Commerce, Office of Technical Services, number OTS .]
Minsky, Marvin (1967). Computation: Finite and Infinite Machines ([Link]
computationfinit0000mins) (First edición). Prentice-Hall, Englewood Cliffs, NJ. ISBN 978-0-13-
165449-5. (requiere registro). Minsky expands his "...idea of an algorithm – an effective
procedure..." in chapter 5.1 Computability, Effective Procedures and Algorithms. Infinite
machines.
Post, Emil (1936). «Finite Combinatory Processes, Formulation I». The Journal of Symbolic
Logic 1 (3): 103-105. JSTOR 2269031 ([Link] doi:10.2307/2269031 ([Link]
[Link]/10.2307%2F2269031). Reprinted in The Undecidable, pp. 289ff. Post defines a simple
algorithmic-like process of a man writing marks or erasing marks and going from box to box
and eventually halting, as he follows a list of simple instructions. This is cited by Kleene as
one source of his "Thesis I", the so-called Church–Turing thesis.
Rogers, Jr, Hartley (1987). Theory of Recursive Functions and Effective Computability. The
MIT Press. ISBN 978-0-262-68052-3.
Rosser, J.B. (1939). «An Informal Exposition of Proofs of Godel's Theorem and Church's
Theorem». Journal of Symbolic Logic 4 (2): 53-60. JSTOR 2269059 ([Link]
059). doi:10.2307/2269059 ([Link] Reprinted in The Undecidable,
p. 223ff. Herein is Rosser's famous definition of "effective method": "...a method each step of
which is precisely predetermined and which is certain to produce the answer in a finite
number of steps... a machine which will then solve any problem of the set with no human
intervention beyond inserting the question and (later) reading the answer" (p. 225–226, The
Undecidable)
Santos-Lang, Christopher (2014). «Moral Ecology Approaches to Machine Ethics» ([Link]
[Link]/[Link]). Machine Medical Ethics. Intelligent Systems, Control and
Automation: Science and Engineering 74. Switzerland: Springer. pp. 111-127. ISBN 978-3-319-
08107-6. doi:10.1007/978-3-319-08108-3_8 ([Link]
Scott, Michael L. (2009). Programming Language Pragmatics (3rd edición). Morgan
Kaufmann Publishers/Elsevier. ISBN 978-0-12-374514-9.
Sipser, Michael (2006). Introduction to the Theory of Computation ([Link]
introductiontoth00sips). PWS Publishing Company. ISBN 978-0-534-94728-6.
Sober, Elliott; Wilson, David Sloan (1998). Unto Others: The Evolution and Psychology of
Unselfish Behavior ([Link] Cambridge:
Harvard University Press. (requiere registro).
Stone, Harold S. (1972). Introduction to Computer Organization and Data Structures (https://
[Link]/details/introductiontoco0000ston) (1972 edición). McGraw-Hill, New York.
ISBN 978-0-07-061726-1. Cf. in particular the first chapter titled: Algorithms, Turing Machines,
and Programs. His succinct informal definition: "...any sequence of instructions that can be
obeyed by a robot, is called an algorithm" (p. 4).
Tausworthe, Robert C (1977). Standardized Development of Computer Software Part 1
Methods. Englewood Cliffs NJ: Prentice–Hall, Inc. ISBN 978-0-13-842195-3.
Turing, Alan M. (1936–37). «On Computable Numbers, With An Application to the
Entscheidungsproblem». Proceedings of the London Mathematical Society. Series 2 42:
230-265. doi:10.1112/plms/s2-42.1.230 ([Link] Corrections,
ibid, vol. 43(1937) pp. 544–546. Reprinted in The Undecidable, p. 116ff. Turing's famous
paper completed as a Master's dissertation while at King's College Cambridge UK.
Turing, Alan M. (1939). «Systems of Logic Based on Ordinals». Proceedings of the London
Mathematical Society 45: 161-228. doi:10.1112/plms/s2-45.1.161 ([Link]
Fs2-45.1.161). Reprinted in The Undecidable, pp. 155ff. Turing's paper that defined "the
oracle" was his PhD thesis while at Princeton.
United States Patent and Trademark Office (2006), 2106.02 **>Mathematical Algorithms:
2100 Patentability ([Link]
tm), Manual of Patent Examining Procedure (MPEP). Latest revision August 2006
Enlaces externos
Wikilibros alberga un libro o manual sobre Algoritmia.
Wikcionario tiene definiciones y otra información sobre algoritmo.
Obtenido de «[Link]
