En aquest tema, explorarem diverses tècniques per optimitzar el codi i millorar el rendiment dels algorismes. La optimització de codi és crucial per assegurar que els nostres programes s'executin de manera eficient, utilitzant el mínim de recursos possibles.

• Comprendre la importància de l'optimització de codi.
• Aprendre tècniques per identificar colls d'ampolla en el rendiment.
• Aplicar estratègies per millorar l'eficiència del codi.

• Rendiment: Un codi optimitzat s'executa més ràpidament, millorant l'experiència de l'usuari.
• Escalabilitat: Un codi eficient pot manejar un major volum de dades i usuaris sense degradar el rendiment.

• Memòria: Reduir l'ús de memòria pot evitar problemes de memòria insuficient.
• CPU: Optimitzar l'ús de la CPU pot reduir el temps de processament i el consum d'energia.

• Eines de Profiling: Utilitza eines com gprof, valgrind, o perf per identificar les parts del codi que consumeixen més temps.
• Exemple de Profiling amb gprof:

  gcc -pg -o programa programa.c
  ./programa
  gprof programa gmon.out > analysis.txt
  

• Funcions de Temps: Utilitza funcions com clock() en C o time en Python per mesurar el temps d'execució de diferents parts del codi.
• Exemple en Python:

  import time
  
  start_time = time.time()
  # Codi a mesurar
  end_time = time.time()
  print(f"Temps d'execució: {end_time - start_time} segons")
  

• Reducció de Complexitat: Simplifica els bucles per reduir la complexitat temporal.
• Exemple:

  # Codi no optimitzat
  for i in range(len(arr)):
      for j in range(len(arr)):
          if arr[i] == arr[j]:
              # Operació
  
  # Codi optimitzat
  for i in range(len(arr)):
      for j in range(i+1, len(arr)):
          if arr[i] == arr[j]:
              # Operació
  

• Estructures de Dades: Tria l'estructura de dades adequada per a cada problema (llistes, conjunts, diccionaris, etc.).
• Exemple:

  # Ús de diccionari per comptar freqüències
  freq = {}
  for item in arr:
      if item in freq:
          freq[item] += 1
      else:
          freq[item] = 1
  

• Memòria Cau: Emmagatzema resultats de càlculs costosos per reutilitzar-los.
• Exemple en Python amb functools.lru_cache:

  from functools import lru_cache
  
  @lru_cache(maxsize=None)
  def fibonacci(n):
      if n < 2:
          return n
      return fibonacci(n-1) + fibonacci(n-2)
  

• Paral·lelització: Divideix el treball en múltiples processos o fils per executar-lo simultàniament.
• Exemple en Python amb multiprocessing:

  from multiprocessing import Pool
  
  def treball(p):
      # Codi a paral·lelitzar
      return resultat
  
  if __name__ == "__main__":
      with Pool(4) as p:
          resultats = p.map(treball, dades)
  

Descripció: Optimitza el següent codi per reduir la seva complexitat temporal.

Solució:

Descripció: Implementa una funció per calcular el factorial d'un nombre utilitzant memòria cau.

Solució:

En aquest tema, hem après la importància de l'optimització de codi per millorar el rendiment i l'eficiència dels nostres programes. Hem explorat diverses tècniques per identificar colls d'ampolla i aplicar estratègies d'optimització, com ara l'optimització de bucles, l'ús d'estructures de dades adequades, la memòria cau i la paral·lelització. A més, hem practicat aquestes tècniques amb exercicis pràctics per reforçar els conceptes apresos.