এটি প্রসঙ্গে নির্ভর করে। তাত্ত্বিক কম্পিউটার বিজ্ঞানে সাধারণত প্রতিটি বহুপদী সময় অ্যালগোরিদমকে 'দক্ষ' বলে মনে করা হয়। উদাহরণস্বরূপ অ্যালগরিদমে উদাহরণস্বরূপ একটি রানটাইম কার্যকর হিসাবে বিবেচিত হবে, যদিও এটি practice কোনও যুক্তিসঙ্গত মানের জন্য ব্যবহারযোগ্য হবে না । স্যাট-এর জন্য একটি অ্যালগরিদম যা in এ চলে একটি আশ্চর্যজনক অগ্রগতি হবে।এন1 /ε1 / εεএন2100
ক্লাসিক অ্যালগোরিদমগুলিতে, অর্থাৎ ৮০ এর দশক এবং তার আগের এলগরিদমগুলিতে, কম রানটাইম বা তার বেশি মনে করুন (ম্যাট্রিক্সের গুণ, কম দামের মিল, প্রবাহ, লিনিয়ার প্রোগ্রামিং) দক্ষ বলে বিবেচিত হয়। তারা এখনও বেশিরভাগ লোকদের দ্বারা দক্ষ হিসাবে বিবেচিত হয়, আমি বলব। অবশ্যই একটি অ্যালগরিদমকে দক্ষ হিসাবে বিবেচনা করা হয় না যদি কোনও অ্যালগরিদম পরিচিত হয়, উদাহরণস্বরূপ বাছাইয়ের ক্ষেত্রে।এন3এন2এন লগএন
আজকাল সাবলাইনার অ্যালগোরিদম বা স্ট্রিমিং অ্যালগরিদমের দিকে ঝোঁক রয়েছে যা ডেটা টেরাবাইটের সাথে ডিল করতে সক্ষম। গুগলের সূচীতে সমস্ত পৃষ্ঠার পৃষ্ঠার র্যাঙ্কটি গণনা করতে ম্যাট্রিক্স গুণনের চেষ্টা করুন। যে কাজ করবে না।
অবশ্যই, অবশ্যই কার্যকর হিসাবে, একটি অ্যালগরিদমের asympotic রানটাইম পুরো গল্পটি বলে না। অ্যালগরিদম রয়েছে যা ভাল অ্যাসিম্পটোটিক রানটাইম আছে, তবে ধ্রুবকগুলি এত বিশাল যে তারা কার্যকরভাবে ব্যবহার করতে পারে না। কখনো। লিপটন তাদের গ্যালাকটিক অ্যালগোরিদম বলে । রবার্ট সেডজউইক এমনকি বলেছেন যে সবচেয়ে খারাপ ক্ষেত্রে সীমা "প্রায়শই ভবিষ্যদ্বাণী করার জন্য অকেজো, প্রায়শই গ্যারান্টি জন্য অকেজো" এবং "সবচেয়ে খারাপ ক্ষেত্রে বিশ্লেষণ পারফরম্যান্সের পূর্বাভাস দেওয়ার জন্য অকেজো" কম্পিউটার বিজ্ঞানের পিছনে রেখেছিলেন ।