Algoritmos ávidos

En mi opinion este tipo de algoritmos tienen gran relevancia en el desarrollo de aplicaciones no solamente en el área de informatica además de esto su interes de estudio radica en que sirven para optimizar diferentes tipos de problemas, pero también es importante saber que no necesariamente encuentran la solución más optima en cuanto a eficiencia débido a que toman lo primero que encuentran la solución que brindan es óptima en cuanto a tiempo.
Realmente pienso que su implementación es complicada aunque siempre se mencione que es fácil. Realmente vale la pena conocer de este tipo de algoritmos que se pueden aplicar en la vida real y que nos facilitan la toma de decisiones.
Probablemente no todos conozcan su aplicación pero una vez que se comprende su funcionamiento es cuando notamos de verdad que son de utiles y que las soluciones que se han obtenido son un gran aporte en la resolución de problemas.

¿Qué tiempo O(n) nos lleva representar un grafo dirigido con matrices de adyacencia? ¿ es ventajoso o no? ¿Qué otro método podemos usar?

Figura 1:Lista de adyacencias: se asocia a cada nodo del grafo una lista que contenga todos aquellos nodos que sean adyacentes a él.

Figura 2: Matriz de adyacencias: se asocia cada fila y cada columna a cada nodo del grafo, siendo los elementos de la matriz la relación entre los mismos, tomando los valores de 1 si existe la arista y 0 en caso contrario.

Para representar un grafo dirigido se pueden emplear varias estructuras de datos: la selección apropiada depende de las operaciones que se aplicarán a los vértices y a los arcos del grafo
Una representación común para un grafo dirigido G=(v,a) es la matriz de adyacencia. Supóngase que V {1,2…,n}. la matriz de adyacencia para g es una matriz A de dimensión nxn, de elementos booleanos, donde a [i,j] es verdadero sí, y solo sí existe un arco que vaya del vértice i al j . Con frecuencia se exhibirán matrices de adyacencia con 1 par verdadero y 0 para falso; las matrices de adyacencia pueden incluso obtenerse de esa forma. En la representación con una matriz de adyacencia, el tiempo de acceso requerido a un elemento es independiente del tamaño de V y A.
Así la representación con matrices de adyacencia es útil en los logaritmos para grafos en los cuales suele ser necesario saber si un arco dado está presente.
Algo muy relacionado es la representación con matriz de adyacencia etiquetada de un grafo dirigido, donde A[i,j] es la etiqueta del árbol que va del vértice i al vértice j. si no existe un arco de i a j, debe emplearse como entrada para A[i,j] un valoer que no pueda ser una etiqueta valida.
La principal desventaja de usar una matriz de adyacencia para representar un grafo dirigido es que requiere un Ω(n2) aún si el grafo dirigido tiene menos de n2 arcos. Solo leer o examinar la matriz puede llevar un tiempo O(n2), lo cual invalidara los algoritmos O(n) para la manipulación de grafos dirigidos con O(n ) arcos.
Para evitar esta desventaja se puede utilizar otra representación común para un grafo dirigido G=(v,a) llamada representación con lista de adyacencia. La lista de adyacencia para un vértice i es una lista en algún orden, de todos los vértices adyacentes a i. se pude representar G por medio de un arreglo CABEZA, donde CABEZA [i] es un apuntador a la lista de adyacencia del vértice i. la representación con lista de adyacencia de un grafo dirigido requiere un espacio proporcional a la suma de números de vértices mas el numero de arcos; se usa bastante cuando el numero de arcos es mucho menor que n2. Sin embargo una desventaja potencial es de la representación con listas de adyacencia es que puede llevar O(n) determinar si existe un arco del vértice i al vértice j, ya que puede haber O(n) vértices en la lista de adyacencia para el vértice i.

Teniendo en cuenta estas consideraciones se ha optado por realizar una mezcla de ambas representaciones intentando aprovechar de alguna forma las ventajas que ambas poseen. Por otra parte siguiendo con la idea de tratar tanto los grafos dirigidos como los no dirigidos bajo una misma estructura, la estructura elegida posee dos apariencias ligeramente diferentes para tratar de forma adecuada cada uno de estos dos tipos de grafos.

La estructura consiste (en el caso de que tengamos un grafo dirigido en una lista de vértices donde cada uno de estos posee dos listas, una de aristas incidentes a él y otra de adyacentes. Cada vez que se añade una arista al grafo se inserta en la lista de aristas adyacentes del vértice origen y en la de incidentes del vértice destino. De esta forma la estructura desplegada se asemejaría a una matriz de adyacencia en la cual hay una arista por cada 1 y el índice de la matriz es la posición dentro de la lista de vértices.

Bibliografía

http://decsai.ugr.es/~jfv/ed1/tedi/cdrom/docs/grafos.htm
Estructuras de datos y algoritmos: Alfred V. Aho, John E. Hopcroft, Jeffrey D. Ullman

Búsqueda binaria

Un árbo binario es aquel tipo de árbol en el que sus nodos solamente pueden tener cero, uno o dos nodos hijos.
El interés de los árboles binarios de búsqueda (ABB) radica en que su recorrido en inorden proporciona los elementos ordenados de forma ascendente y en que la búsqueda de algún elemento suele ser muy eficiente.
La búsqueda en árboles binarios es un método de búsqueda simple, dinámico y eficiente considerado como uno de los fundamentales en Ciencia de la Computación. De toda la terminología sobre árboles, tan sólo recordar que la propiedad que define un árbol binario es que cada nodo tiene a lo más un hijo a la izquierda y uno a la derecha. Para construir los algoritmos consideraremos que cada nodo contiene un registro con un valor clave a través del cual se efectuaran las búsquedas.

Aplicaciones de árboles binarios
Un árbol binario es una estructura de datos útil cuando se trata de hacer modelos de procesos en donde se requiere tomar decisiones en uno de dos sentidos en cada parte del proceso. Por ejemplo, supongamos que tenemos un arreglo en donde queremos encontrar todos los duplicados. Esta situación es bastante útil en el manejo de las bases de datos, para evitar un problema que se llama redundancia.
Una manera de encontrar los elementos duplicados en un arreglo es recorrer todo el arreglo y comparar con cada uno de los elementos del arreglo. Esto implica que si el arreglo tiene elementos, se deben hacer comparaciones, claro, no es mucho problema si es un número pequeño, pero el problema se va complicando más a medida que aumenta.
Si usamos un árbol binario, el número de comparaciones se reduce bastante, veamos cómo.
El primer número del arreglo se coloca en la raíz del con sus subárboles izquierdo y derecho vacíos. Luego, cada elemento del arreglo se compara son la información del nodo raíz y se crean los nuevos hijos con el siguiente criterio:

Si el elemento del arreglo es igual que la información del nodo raíz, entonces notificar duplicidad.
Si el elemento del arreglo es menor que la información del nodo raíz, entonces se crea un hijo izquierdo.
Si el elemento del arreglo es mayor que la información del nodo raíz, entonces se crea un hijo derecho.

La búsqueda lineal probablemente es sencilla de implementar e intuitiva. Básicamente consiste en buscar de manera secuencial un elemento, es decir, preguntar si el elemento buscado es igual al primero, segundo, tercero y así sucesivamente hasta encontrar el deseado. Entonces este algoritmo tiene una complejidad de O(n).


La búsqueda binaria al igual que otros algoritmos como el quicksort utiliza la técnica divide y vencerás. Uno de los requisitos antes de ejecutar la búsqueda binaria, es que el conjunto de elementos debe de estar ordenado. La idea consiste en ir dividiendo el arreglo en mitades. Por ejemplo supongamos que tenemos este vector:
int vector[10] = {2,4,6,8,10,12,14,16,18,20};
La clave que queremos buscar es 6.
El algoritmo funciona de la siguiente manera:

Su tiempo es (log2 n)
- Se busca el elemento del centro de la lista.
-Si es el buscado, se devuelve Si es mayor que el buscado (6), se repite la búsqueda sobre la primera mitad de la lista.
-Si es menor que el buscado (6), se repite la búsqueda sobre la segunda mitad de la lista.
-Se repite el algoritmo hasta que se encuentra el elemento o se llega a una lista de longitud cero (el elemento no existe).

Este proceso se resume de la siguiente forma: comienza comparando el elemento central del arreglo con el valor buscado. Si ambos coinciden finaliza la búsqueda. Si no ocurre así, el elemento buscado será mayor o menor en sentido estricto que el central del arreglo. Si el elemento buscado es mayor se procede a hacer búsqueda binaria en el subarray superior, si el elemento buscado es menor que el contenido de la casilla central, se debe cambiar el segmento a considerar al segmento que está a la izquierda de tal sitio central.




http://decsai.ugr.es/~jfv/ed1/tedi/cdrom/docs/arb_BB.htm
http://computacion.cs.cinvestav.mx/~acaceres/courses/estDatosCPP/node53.html
http://www.mailxmail.com/curso-aprende-programar/metodos-ordenamiento-busqueda

Aplicacion de grafos en la vida real

Los grafos son la representación natural de las redes, en las que estamos cada vez más incluidos probablemente sea díficil cuando no se conoce mucho sobre ellos interpretar en que aplicaciones son utililes pero si nos ponemos a pensar un poco son sumamente utiles sobre todo en el campo computacional.
buscando encontre unos cuantos ejemplos que fueron los que me resultaron bastante interesantes con sus respectivos links.
Ejemplos:
1
Uso de Grafos de Conceptos para la Generación Automática de Resúmenes en Biomedicina
La cantidad de documentación electrónica accesible desde cualquier lugar y cualquier dispositivo crece de manera exponencial. Gracias a los avances tecnológicos de las ´ultimas décadas, su almacenamiento y acceso ya no suponen un problema, pero el tiempo sigue siendo un bien valioso y limitado. Esta realidad afecta especialmente al campo de la medicina, en el que los recursos digitales son muchos y muy variados.
Es obvio que en este contexto, la generación automática de resúmenes (en adelante,
GAR), ya sean informativos o meramente indicativos, puede ser de gran utilidad.
Durante el ejercicio de la medicina, disponer de resúmenes de los historiales de los asientes puede ayudar a los profesionales a actuar con mayor celeridad en el tratamiento de urgencias sanitarias; mientras que, durante la Formación y la investigación, los resúmenes pueden ser útiles para determinar si un documento resulta de interés, y si merece o no una lectura exhaustiva.
Durante los últimos años, y como respuesta a esta explosión de información, han aparecido nuevos recursos lingüísticos para su tratamiento. Diccionarios, tesauros, bases de datos léxicas y grandes bases de conocimiento biomédico, muchos de ellos de disponibilidad publica, facilitan la construcción de sistemas de procesamiento de lenguaje natural y les confieren mayores garantías de éxito.
Por otra parte, construir resúmenes genéricos y totalmente independientes del Contexto es un ideal aún lejos de alcanzar.
Restringir el problema a un dominio concreto, la biomedicina, y un tipo de documentos
Específico.
En este trabajo se propone un método De extracción de oraciones de artículos biomédicos, mediante el mapeo del documento a los conceptos de la ontología biomédica, y la representación del documento y de sus oraciones como grafos. La selección de las oraciones relevantes se realiza a partir de la conectividad de los conceptos que contienen en el grafo del documento.
http://www.sepln.org/revistaSEPLN/revista/41/sec7-art2.pdf


2

La aplicación Grafos han optimizado la planeación de rutas a través de una secuencia de
visitas planteada en una ruta inicial, demostrando que puede mejorarse dicha ruta
mediante el algoritmo del problema del viajante tomando en cuenta factores como kilómetros, tiempo y coste .
http://www.upo.es/RevMetCuant/art21.pdf

3
La necesidad de realizar un análisis de impacto previo a la implementación de un cambio de configuraciones en la infraestructura tecnológica de un servicio de telecomunicaciones se puede realizar mediante un análisis que puede ser realizado visualizando a los componentes de la infraestructura como un grafo sobre el cual, realizando recorridas, se puede efectuar un análisis de alcance y con ello identificar a los involucrados. http://telcom2006.fing.edu.uy/trabajos/mvdtelcom-001.pdf

Anteriormente cito cada ejemplo con su link debido a que son estudios un tanto extensos y para una mejor comprensión es necesario leer los articulos completos, pero definitivamente me gusto mucho el tercero debido a la implementacion en telecomunicaciones.

Arboles Binarios

En ciencias de la computación, un árbol binario es una estructura de datos en la cual cada nodo siempre tiene un hijo izquierdo y un hijo derecho. No pueden tener más de dos hijos (de ahí el nombre "binario"). Si algún hijo tiene como referencia a null, es decir que no almacena ningún dato, entonces este es llamado un nodo externo. En el caso contrario el hijo es llamado un nodo interno. Usos comunes de los árboles binarios son los árboles binarios de búsqueda, los montículos binarios y Codificación de Huffman.

(La codificación de Huffman se utiliza a menudo en algún otro método de comprensión. Como la deflación y códec multimedia como JPEG y MP3 que tienen una cuantificación digital).

En teoría de grafos, se usa la siguiente definición: «Un árbol binario es un grafo conexo, acíclico y no dirigido tal que el grado de cada vértice no es mayor a 3». De esta forma sólo existe un camino entre un par de nodos.
Un árbol binario con enraizado es como un grafo que tiene uno de sus vértices, llamado raíz, de grado no mayor a 2. Con la raíz escogida, cada vértice tendrá un único padre, y nunca más de dos hijos. Si rehusamos el requerimiento de la conectividad, permitiendo múltiples componentes conectados en el grafo, llamaremos a esta última estructura un bosque.

Tienen una corta pero importante historia. A finales de los años 60, fabricantes de computadores y grupos de investigación independientes, compitieron en el desarrollo de sistemas de archivo de propósito general y los llamados "métodos de acceso" para sus máquinas. La Sperry Univac Corporation (junto con la Case Western Reserve University), H. Chiat, M. Schwartz y otros, desarrollaron e implementaron un sistema el cual llevaba a cabo las operaciones de

Inserción y Búsqueda de una manera afín al método del Árbol B.
Independientemente, B. cole, S. Radcliffe, M. Kauffman y otros, desarrollaron un sistema similar al de Control Data Corporation (junto con la Stanford University). R. Bayer y E. McCreight, hasta entonces, en los Boeing Scientific Research Labs, propusieron un mecanismo externo para el ndice con un costo relativamente bajo para la mayoría de las operaciones de búsqueda, inserción, actualización y borrado de datos. Lo llamaron Árbol B1. De aquí nace el Árbol B que todos conocemos.

Tipos de árboles binarios
Un árbol binario es un árbol con raíz en el que cada nodo tiene como máximo dos hijos.
Un árbol binario lleno es un árbol en el que cada nodo tiene cero o dos hijos.
Un árbol binario perfecto es un árbol binario lleno en el que todas las hojas (vértices con cero hijos) están a la misma profundidad (distancia desde la raíz, también llamada altura).
A veces un árbol binario perfecto es denominado árbol binario completo. Otros definen un árbol binario completo como un árbol binario lleno en el que todas las hojas están a profundidad n o n-1, para alguna n.
Un árbol binario es un árbol en el que ningún nodo puede tener más de dos subárboles. En un árbol binario cada nodo puede tener cero, uno o dos hijos (subárboles). Se conoce el nodo de la izquierda como hijo izquierdo y el nodo de la derecha como hijo derecho.

se usan en una inmensa gama de sistemas informáticos. Y constituyen una herramienta muy eficiente para administrar grandes volúmenes de datos. Es por ésto, que los Arboles B constituyen el núcleo de los motores de Búsqueda de las Bases de Datos.

Veamos un ejemplo real. Si como Ingenieros en Computación se nos encarga administrar la Base de Datos de todos los sufragantes de Honduras (los cuales son cientos de miles), entonces eberíamos usar una Estructura de Datos adecuada a nuestra problemática. Sabiendo que se nos pide Buscar personas, Verificar domicilios, Inscribir un sufragante, Eliminar a un sufragante, etc. La manera más idónea de hacerlo es usar una estructura dinámica y capaz de almacenar grandes cantidades de datos. Es por eso que elegimos los Arboles B, porque nos entregan una eficaz administración de los datos de muchas personas.
Además se usan en aplicaciones de Administración de Memoria, los Sistemas Operativos deben realizar un manejo óptimo de los datos en memoria primaria. Los Arboles B+ son muy usados en este ámbito.

En mi opinion las aplicaciones de los arboles binarios son muy variadas ya que se les puede utilizar para representar una estructura en la cual es posible tomar decisiones con dos opciones en distintos puntos, pero siento qiue poder implementarlos es complicado y repsentan ciertas desventajas como: Pero este tipo de árboles tienen varias desventajas:
Es difícil construir un árbol binario de búsqueda perfectamente equilibrado.
El número de consultas en el árbol no equilibrado es impredecible.
Y además el número de consultas aumenta rápidamente con el número de registros a ordenar..

http://msdn.microsoft.com/en-us/library/bb397951.aspx
http://msdn.microsoft.com/es-es/library/bb882536(v=VS.90).aspxhttp://articulos.conclase.net/?tema=algoritmos&art=arbolesb&pag=000
http://usuarios.multimania.es/arbolesbpro/historia.htm
http://es.wikipedia.org/wiki/%C3%81rbol_binario

Manejo de árboles en C#

Los árboles de expresiones representan el código de una estructura de datos en forma de árbol, donde cada nodo es una expresión, por ejemplo, una llamada a un método o una operación binaria como x.

En la ilustración siguiente se muestra un ejemplo de una expresión y su representación en forma de un árbol de expresión. Las diferentes partes de la expresión tienen un color distinto para hacerlas coincidir con el nodo correspondiente del árbol de expresión. También se muestran los diferentes tipos de los nodos del árbol de expresión.

Se puede hacer que el compilador de C # o Visual Basic cree un árbol de expresión, se basa en una expresión lambda anónima, o se puede crear árboles de expresión manualmente utilizando el System.Linq.Expressions espacio de nombres.
En c# se pueden implementar una expresión lambda que es una función anónima que puede contener expresiones e instrucciones y se puede utilizar para crear delegados o tipos de árboles de expresión.

Todas las expresiones lambda utilizan el operador lambda = >, que se lee como "va a". El lado izquierdo del operador lambda especifica los parámetros de entrada (si existe alguno), mientras que el lado derecho contiene el bloque de expresiones o instrucciones. La expresión lambda x => x * x se lee "x va a x veces x". Esta expresión se puede asignar a un tipo de delegado del siguiente modo:
Las expresiones lambda de C# 3.0 ofrecen una posibilidad adicional, no disponible para los métodos anónimos, y que juega un papel importante en la implementación de la tecnología LINQ (Language Integrated Query – Consultas Integradas en el Lenguaje), que también será incorporada a la próxima versión de C# y VB y que constituye, según la modesta opinión de este autor, uno de los avances más significativos de los últimos tiempos en el área de los lenguajes y sistemas de programación.

C# da la posibilidad de que las expresiones lambda puedan compilarse como árboles de expresiones, objetos de datos que representan en memoria al algoritmo de evaluación de una expresión. Estos árboles en memoria pueden ser luego fácilmente manipulados mediante software, almacenados, transmitidos, etc.

Como Generar árboles de expresiones

El espacio de nombres System.Linq.Expressions en c# proporciona una API para la compilación manual de árboles de expresiones. La clase Expression contiene métodos de generador estáticos que crean nodos del árbol de expresión de tipos específicos, por ejemplo, un objeto ParameterExpression, que representa una expresión de parámetro con nombre, o un objeto, MethodCallExpression, que representa una llamada a un método. ParameterExpression, MethodCallExpression y los demás tipos de árboles de expresiones específicos de la expresión se definen también en el espacio de nombres System.Linq.Expressions. Estos tipos se derivan del tipo abstracto Expression.
El compilador también puede generar un árbol de expresión. Un árbol de expresión generado por el compilador siempre tiene como raíz un nodo de tipo Expression(Of TDelegate); es decir, su nodo raíz representa una expresión lambda.
Los árboles de expresión deben ser inmutables. Esto significa que si desea modificar un árbol de expresión, debe construir un árbol de expresión nueva copiando la ya existente y la sustitución de los nodos en el mismo. Puede utilizar un visitante de árbol de expresión para recorrer el árbol de expresión existente.

Este tema me resulta un poco complejo pero lo que entiendo es que estos árboles permiten cambiar en tiempo de ejecución la expresión a ejecutar; es decir, estos árboles son estructuras que contienen expresiones que se utilizan para procesar los datos y algo que me llama mucho la atención es la inmutabilidad de estas estructuras ya que se tiene que copiar de nuevo para poder modificarlo.
http://msdn.microsoft.com/en-us/library/bb397951.aspx
http://msdn.microsoft.com/es-es/library/bb882536(v=VS.90).aspx

Recolector de basura

Algoritmo recolector de Basura.

Imagen 1( Hacer clic) : Recolección de Basura: El Espacio de memoria en sí va llenando Con Diferentes "objetos" (colores representados con), tambien pueden destruirse ALGUNOS de ELLOS, Dejando "huecos" en el Espacio de memoria ". De Cuando Ya No Queda Espacio Disponible, o de Cuando lo decida la Rutina de Recolección de Basura, la memoria es "compactada", de tareas pendientes colocando Los "objetos" Que Se estan usando al Principio, de tareas pendientes y consolidando Los "huecos" de memoria al final, quedando sin Gran Así área de memoria available PARA LA Futura Creación de Objetos.

Un recolector de Basura (del inglés, el colector de basura) es sin mecanismo implícito de Gestión de memoria implementado en ALGUNOS Lenguajes de Programación de tipo, interpretado o semi-interpretado.

El Concepto de Recolección de Basura FUE inventado Por John McCarthy en 1959 párr Evitar la Gestión manual de memoria en El lenguaje Lisp.
John McCarthy (n. 4 de septiembre de 1927, Boston, Massachusetts), tambien conocido Como Tío John McCarthy, es sin Prominente informático Que recibio El Premio Turing en 1971 SUS CONTRIBUCIONES Por Importantes en el Campo de Inteligencia Artificial la. De hecho ", fué el Responsable de introducir El Término" inteligencia "artificial, Concepto Que acuñó en la Conferencia de Dartmouth en 1955.McCarthy inventarios El lenguaje de Programación Lisp y publico Su DISEÑO EN Comunicaciones del ACM en 1960.

Cualquier Programa informático hace USO DE UNA Cierta Lea la versión de memoria de Trabajo Puesta A Su Disposición Por El Sistema Operativo.

This memoria Tiene Que servicios gestionada Por El Propio Programa párrafo:

• Reservar Espacios de memoria párr USO su.
• Liberar Espacios de memoria previamente reservados.
• Compactar consecutivos Espacios de memoria libres y Entre Sí.
• Llevar Cuenta de qué estan Espacios libres y Cuales no.

Generalmente, El programador dispone de Una Biblioteca de Código Que Se encarga de ESTAS tareas. No obstante, El programador es responsable Propio de utilizar adecuadamente this Biblioteca.

Ésto TIENE LA Ventaja De Que Se hace sin obligación de servicio universal Eficiente de la memoria, es Decir, Los Espacios libres de Quedán memoria de Cuando ya no necesarios hijo. No obstante, Este mecanismo Explícito de Gestión de memoria es propenso un Errores.
Por Ejemplo, sin olvidar programador PUEDE Liberar la Memoria De Que Manera, Tarde o Temprano, no disponible quede memoria, abortando la ejecución ni del Programa.

Por Ejemplo en Java:

Vez Que El Programa Solicita la Creación de las Naciones Unidas CADA nuevo Objeto en memoria sí verifica si heno Espacio Suficiente en heap el (sudeste de EE.UU. La montón párr CREAR Objetos de forma Dinámica en Tiempo de ejecución debe.). Si no lo heno, sí ejecuta El recolector de Basura Que Evalúa Objetos Que estan muertos y pueden eliminarse Por Tanto del montón párr Liberar Espacio. Si Queda Poco Espacio libre Disponible en memoria, La Máquina virtual PUEDE Also Decidir invocar Una ejecución celebra del recolector de Basura PARA HACER limpieza, y Optar Por PUEDE ampliar El Tamaño del montón si ESTÁ Por Debajo del Límite especificado. PUEDE forzarse Also Una limpieza COMPLETA Desde El Propio Código de Aplicación Java, invocando System.gc El Método ().

ALGUNOS Otros Lenguajes en Los q sí ejecución El recolector de basura:

ALGOL 68, BASIC, C # , Caml, Limpio , D, Eiffel , Haskell , Java, Javascript, Ceceo, Lua , Mercurio, ML, Modula-3 , Oberon, Oz Objetivo, 2,0 C, Perl, PHP, Prólogo, Pitón, Rubí, Smalltalk , ALGOL 68, Snobol.

Yo Pienso Que heno Quienes Tienen la ONU Concepto Equivocado de Los recolectores ya dados Que se que la ejecución debe de los Programas sí Vuelve Lenta. Pero si el pecado embargo nep ponemos analizar Este mecanismo Ayuda a Que El Tiempo de ejecución ni mejore y Sobre Todo de Cuando hace USO intensivo de memoria "en sí ya Que desecha una Quellos Procesos Que No estan en la USO.