Algoritmo

Ir a la navegaciónIr a la búsqueda
No debe confundirse con Logaritmo.

Los diagramas de flujo sirven para representar algoritmos de manera gráfica

Diagrama de Ada Lovelace de la "nota G", el primer algoritmo informático publicado

En matemáticas, lógica, ciencias de la computación y disciplinas relacionadas, un
algoritmo (del latín algorithmus y este del griego arithmos, que significa
«número», quizá también con influencia del nombre del matemático persa Al-
Juarismi)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.2 Dados 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.1

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 cociente de dos números, el
algoritmo de Euclides para obtener el máximo común divisor de dos enteros
positivos, o el método de 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.

Índice
1 Definición
2 Medios de expresión de un algoritmo
2.1 Diagrama de flujo
2.2 Pseudocódigo
2.3 Sistemas formales
2.4 Implementación
2.5 Variables
2.6 Estructuras secuenciales
3 Algoritmos como funciones
4 Análisis de algoritmos
5 Ejemplo de algoritmo
5.1 Descripción de alto nivel
5.2 Descripción formal
5.3 Implementación
6 Véase también
6.1 Tipos de algoritmos según su función
6.2 Técnicas de diseño de algoritmos
6.3 Temas relacionados
6.4 Disciplinas relacionadas
7 Referencias
8 Bibliografía
9 Enlaces externos
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 abstracto, es decir, que un número finito de pasos
convierten los datos de un problema (entrada) en una solución (salida).123456 Sin
embargo cabe notar que algunos algoritmos no necesariamente tienen 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 a los

algoritmos utilizando modelos matemáticos. Esto fue realizado por 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 en que se pueden resolver exactamente los mismos problemas con ambos
enfoques.89 Sin embargo, 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.31 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 ser usada 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 usualmente se hace en tres niveles:

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.
Descripción formal. Se usa pseudocódigo para describir la secuencia de pasos que
encuentran la solución.
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

Diagrama de flujo que expresa un algoritmo para calcular la raíz cuadrada de un

número {\displaystyle x}x
Artículo principal: 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 son usados para representar algoritmos pequeños, ya que
abarcan mucho espacio y su construcción es laboriosa. Por su facilidad de lectura
son usados como introducción a los algoritmos, descripción de un lenguaje y
descripción de procesos a personas ajenas a la computación.

Pseudocódigo
Artículo principal: 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.

El pseudocódigo está pensado para facilitar a las personas el 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 utilizar 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 son ideados para implementarse en un programa. Sin embargo, los
algoritmos pueden ser implementados en otros medios, como una red neuronal, un
circuito eléctrico o un aparato mecánico y eléctrico. Algunos algoritmos inclusive
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:

Mediante una sentencia de asignación.

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:

Simples: Consiste en pasar un valor constante a una variable (a ← 15)

Contador: Consiste en usarla como un verificador del número de veces que se realiza
un proceso (a ← a + 1)
Acumulador: Consiste en usarla como un sumador en un proceso (a ← a + b)
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
Artículo principal: Teoría de la computabilidad

Esquemática de un algoritmo que soluciona un problema de ciclo hamiltoniano

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.1911 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 calcula una función {\displaystyle f\colon \mathbb {N} \to \mathbb {N} }
{\displaystyle f\colon \mathbb {N} \to \mathbb {N} } donde 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
Artículo principal: 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 {\displaystyle C}C 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 {\displaystyle
c_{0},c_{1},\dots ,c_{n}}{\displaystyle c_{0},c_{1},\dots ,c_{n}}.

Es decir, dado un conjunto {\displaystyle C=\{c_{0},c_{1},\dots ,c_{n}\}}{\

displaystyle C=\{c_{0},c_{1},\dots ,c_{n}\}} se pide encontrar {\displaystyle m}m
tal que {\displaystyle x\leq m}{\displaystyle x\leq m} para todo elemento {\
displaystyle x}x que pertenece al conjunto {\displaystyle C}C.

Para encontrar el elemento máximo, se asume que el primer elemento ({\displaystyle

c_{0}}c_{0}) 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 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({\displaystyle C}C)

//{\displaystyle C}C es un conjunto no vacío de números//

{\displaystyle n}n ← {\displaystyle |C|}{\displaystyle |C|} //{\displaystyle |C|}{\
displaystyle |C|} es el número de elementos de {\displaystyle C}C//
{\displaystyle m}m ← {\displaystyle c_{0}}c_{0}
para {\displaystyle i}i ← {\displaystyle 1}1 hasta {\displaystyle n}n hacer
si {\displaystyle c_{i}>m}{\displaystyle c_{i}>m} entonces
{\displaystyle m}m ← {\displaystyle c_{i}}c_i
devolver {\displaystyle m}m
Sobre la notación:

"←" representa una asignación: {\displaystyle m}m ← {\displaystyle x}x significa

que la variable {\displaystyle m}m toma el valor de {\displaystyle x}x;
"devolver" termina el algoritmo y devuelve el valor a su derecha (en este caso, el
máximo de {\displaystyle C}C).
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

ilustración animada del proceso de un algoritmo de ordenación de números.

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, logrando así la solución al
problema completo.
Metaheurísticas: encuentran soluciones aproximadas (no óptimas) a problemas
basándose en un conocimiento anterior (a veces llamado experiencia) de los mismos.
Programación dinámica: intenta resolver problemas disminuyendo su 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
Informática
Inteligencia artificial
Investigación operativa
Matemáticas
Programación
Referencias
Brassard, Gilles; Bratley, Paul (1997). Fundamentos de Algoritmia. Madrid:
PRENTICE HALL. ISBN 84-89660-00-X.
Real Academia Española. Diccionario de la lengua española "Conjunto ordenado y
finito de operaciones que permite hallar la solución de un problema."
Cormen, Thomas; Leiserson, Charles; Rivest, Ronald; Stein, Clifford (2009).
Introduction to algorithms. Cambridge, Massachusetts: The MIT Press. ISBN 978-0-
262-53305-8.
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.
Johnsonbaugh, Richard (2005). «Introducción a la teoría de números». Matemáticas
Discretas. México: PEARSON EDUCACIÓN. ISBN 970-26-0637-3.
Carl Reynolds & Paul Tymann (2008). Schaum's Outline of Principles of Computer
Science. McGraw-Hill. ISBN 978-0-07-146051-4.
Gurevich, Yuri (2000). «Sequential Abstract State Machines capture Sequential
Algorithms». ACM Transactions on Computational Logic 1 (1): 77-111. ISSN 1529-3785.
John E. Savage (1987). The Complexity of Computing. Krieger Publishing Co. ISBN
089874833X.
Sipser, Michael (2005). Introduction to the Theory of Computation (2 edición).
Course Technology. ISBN 978-0534950972. Archivado desde el original el 15 de junio
de 2006.
Nachum Dershowitz & Yuri Gurevich (2008). «A natural axiomatization of
computability and proof of Church's Thesis». Bulletin of Symbolic Logic 14 (3):
299-350. ISSN 1079-8986.
Kelley, Dean (1995). Teoría de Autómatas y Lenguajes Formales. Prentice Hall. ISBN
0-13-497777-7. Archivado desde el original 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.
doi:10.2307/1993169.
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». 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 (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 (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.
doi:10.2307/2371045. 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. doi:10.2307/2269326. Church, Alonzo
(1936). «Correction to a Note on the Entscheidungsproblem». The Journal of Symbolic
Logic 1 (3): 101-102. JSTOR 2269030. doi:10.2307/2269030. 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. 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.
Dennett, Daniel (1995). «Darwin's Dangerous Idea». Complexity 2 (1) (New York:
Touchstone/Simon & Schuster). pp. 32–36. Bibcode: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.
(requiere registro).
Dilson, Jesse (2007). The Abacus ((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,
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. ISBN 978-0-671-
49207-6. doi:10.1063/1.2915935., 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».
Mathematische Annalen 112 (5): 727-742. S2CID 120517999. doi:10.1007/BF01565439.
Archivado desde el original el September 3, 2014. Consultado el September 30, 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.
doi:10.2307/1990131. 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. doi:10.1145/359131.359136.
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 (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. doi:10.2307/2269031. 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.
doi:10.2307/2269059. 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».
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.
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. PWS Publishing
Company. ISBN 978-0-534-94728-6.
Sober, Elliott; Wilson, David Sloan (1998). Unto Others: The Evolution and
Psychology of Unselfish Behavior. Cambridge: Harvard University Press. (requiere
registro).
Stone, Harold S. (1972). Introduction to Computer Organization and Data Structures
(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.. 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. 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, Manual of Patent Examining Procedure (MPEP). Latest
revision August 2006