বিগ ও স্বরলিপিটি পারফরম্যান্সের বৈচিত্র্য পরিমাপের একটি ইউনিট মুক্ত মাধ্যম, সুতরাং এটি গণনামূলক আদিমের তুলনামূলক খরচের তুলনায় দুর্বল।
সংক্ষেপে:
বড় ও স্বরলিপি হ'ল একক মুক্ত, আপেক্ষিক প্রকারের পরিমাপ (পরম পরিমাপের বিপরীতে)। এটি কেবল পারফরম্যান্সের প্রকরণকে পরিমাপ করতে পারে, নিখুঁত কর্মক্ষমতা নয়, যার জন্য ধ্রুবকগুলি অনেক বেশি গুরুত্বপূর্ণ। সুবিধাটি হ'ল এটি এটিকে বহুলাংশে বাস্তবায়নের জন্য স্বতন্ত্র করে তোলে, সহজ বিশ্লেষণের মাধ্যমে যা প্রাথমিক ক্রিয়াকলাপগুলির আপেক্ষিক ব্যয়কে উপেক্ষা করতে পারে, যতক্ষণ না এই ব্যয়গুলি ইতিবাচক স্থির উপরের এবং নিম্ন সীমাগুলি থাকে। তবে পরিণতি হ'ল ধ্রুবক কারণগুলি অর্থহীন । তবুও, এমনকি তার উদ্দেশ্যযুক্ত উদ্দেশ্যে, অ্যাসিম্পটোটিক জটিলতার বিশ্লেষণ অন্যান্য কারণে প্রশ্ন করা যেতে পারে , এবং যত্ন সহকারে বিবেচনা করা উচিত। উদাহরণস্বরূপ, কাঁচা ইনপুট আকারটি বিবেচনা করার জন্য সঠিক প্যারামিটার নাও হতে পারে।
প্রথম মন্তব্যটি আপনার প্রশ্নটি খুব সঠিকভাবে বলা হয়নি। আপনি ধ্রুবক অবহেলা যখন মধ্যে3 , সেখানে প্রকৃতপক্ষে একটি "তিন ভাঁজ পরিবর্তন করুন", কিন্তু উভয় একই হারে পরিবর্তিত হতে, এবং আপনি করতে পারেন না দাবী করে যে, "[এক] জিনিস 3 বার নানারকম অন্য তুলনায় আরো দ্রুত"।3 এন
ল্যান্ডাউ স্বরলিখনের ধ্রুবকটিকে উপেক্ষা করার একটি ভাল কারণ হ'ল আমাদের নির্ভরযোগ্য কোনও ইউনিট নেই। যখন কেউ বলে যে বি আপনার চেয়ে দ্বিগুণ দূরে বাস করে তখন কোনও ইউনিটের স্বতন্ত্রভাবে এর অর্থ হয়। আমি হালকা বছরগুলিতে এটি করার সময় আপনি ইঞ্চিতে দূরত্ব পরিমাপ করলেও আমরা তাতে একমত হতে পারি। তবে পরম দূরত্বের পরিমাপের জন্য নির্দিষ্ট ইউনিটগুলির প্রয়োজন হয় এবং এটির সংখ্যাসূচক সূত্রটি নির্বাচিত ইউনিটের উপর নির্ভর করে।
অ্যালগরিদম দ্বারা গৃহীত প্রকৃত সময়টি প্রাথমিক ক্রিয়াকলাপের মৃত্যুর সময় উপর নির্ভর করে, যা খুব যন্ত্র নির্ভর। আপনি প্রাথমিক ক্রিয়াকলাপগুলির সংখ্যা গণনা করতে পারেন তবে তারা সবাই একই সময় নেয় বলে বিশ্বাস করার কোনও কারণ নেই এবং বেশ কয়েকটি ক্রিয়াকলাপকে একক মধ্যে সংমিশ্রণ করা বা বিপরীতভাবে কোনও ক্রিয়াকলাপকে ছোট ছোট করে বিচ্ছিন্ন করা সম্ভব হয়, যাতে সংখ্যাটি অপারেশনগুলি সত্যই অর্থবহ নয়, যদি না আপনি কোনও রেফারেন্স ভার্চুয়াল মেশিনে সম্মত হন। রেফারেন্স স্বতন্ত্র হওয়া একটি সুবিধা।
পদ্ধতির সুবিধার আরেকটি দৃষ্টিভঙ্গি হ'ল বিশ্লেষণে আপনার যত্ন নেওয়া সমস্ত প্রাথমিক ক্রিয়াকলাপের সংখ্যা গণনা করা হচ্ছে যতক্ষণ না তাদের ব্যয়ের একটি উচ্চতর বাউন্ড এবং ইতিবাচক নিম্ন সীমা থাকে। আপনাকে স্বতন্ত্র ব্যয় নিয়ে চিন্তা করতে হবে না।
যাইহোক, সেই সুবিধার জন্য মূল্য দেওয়ার জন্য মূল্যটি হ'ল গণনা ব্যয় নির্ধারণ অনির্দিষ্ট ইউনিট দিয়ে দেওয়া হয়, এবং গণনার সময়, উদাহরণস্বরূপ, ন্যানোসেকেন্ড বা মিলেনিয়া হতে পারে - আমরা জানার চেষ্টাও করি না। অন্য কথায় ধ্রুবক কারণগুলি অর্থহীন, কারণ ইউনিট পরিবর্তন করা ধ্রুবক উপাদানকে পরিবর্তন করা থেকে অবিচ্ছেদ্য এবং কোনও রেফারেন্স ইউনিট ব্যবহার করা হয় না।
যেমনটি প্যাট্রিক ৮ by দ্বারা উল্লেখ করা হয়েছে , এটি বোঝার জন্য যথেষ্ট যে ইনপুট আকারের ক্ষেত্রে কোনও অ্যালগোরিদম স্কেল করে তবে এটি কোনও রেফারেন্স ইউনিটে নির্ভর না করার কারণে পারফরম্যান্সের একটি নিখুঁত পরিমাপ দেয় না। একটি সাধারণ রেফারেন্স অ্যাবস্ট্রাক্ট মেশিন আনসংস করা সম্ভব যখন কোনও ব্যক্তি পৃথক পৃথক অ্যালগরিদমের পারফরম্যান্স তুলনা করতে চান, তবে উপলব্ধি বিশদ দ্বারা তুলনা পক্ষপাতদুষ্ট নয় তা নিশ্চিত করা আরও কঠিন। অ্যাসিম্পোটিক জটিলতায়, এই ঝুঁকিটি এড়ানো হয় কারণ আপনি নিজের সাথে অ্যালগরিদমের তুলনা করেন।
যাইহোক, একটি অ্যালগরিদম চয়ন করতে কেবল একজন নিষ্পাপ প্রোগ্রামার কেবলমাত্র asympotic জটিলতার উপর নির্ভর করে। অবিচ্ছিন্ন ধ্রুবক এবং প্রাথমিক ক্রিয়াকলাপের আসল ব্যয় সহ আরও অনেক মানদণ্ড রয়েছে। তদ্ব্যতীত, সবচেয়ে খারাপ ক্ষেত্রে জটিলতা একটি দুর্বল সূচক হতে পারে, কারণ সবচেয়ে খারাপ ক্ষেত্রে জটিলতার উত্স খুব কমই ঘটতে পারে, এবং ইনপুটটির টুকরোগুলিতে যথেষ্ট পরিমাণে এটির সীমিত ব্যর্থতা রয়েছে। উদাহরণস্বরূপ ট্রি অ্যাডজয়নিং ব্যাকরণগুলির সাধারণ পার্সারগুলির একটি তাত্ত্বিক জটিলতা এবং এটি অনুশীলনে বেশ ব্যবহারযোগ্য। আমি যে সবচেয়ে খারাপ পরিস্থিতি জানি তা হ'ল
দামাস-হিন্ডলি-মিলনার পলিমারফিক ধরণের অনুক্রমও ( এন)6)এমএল এর জন্য ব্যবহৃত অ্যালগরিদম, যা ঘৃণ্যতম সবচেয়ে জটিল ক্ষেত্রে জটিলতা। তবে এটি এমএল ব্যবহারকারীদের বিরক্ত করবে না, বা এমএল-তে খুব বড় প্রোগ্রাম রচনা রোধ করবে বলে মনে হচ্ছে না। ধ্রুবকের চেয়েও গুরুত্বপূর্ণ বিষয় রয়েছে। প্রকৃতপক্ষে, অ্যাসিম্পটোটিক বিশ্লেষণ ইনপুটটির জটিলতার কিছু পরিমাপের সাথে একটি গণনার ব্যয়ের একটি পরিমাপ সম্পর্কিত। তবে কাঁচা আকার সঠিক মাপ নাও হতে পারে।
জটিলতা হ্রাস পাওয়ার মতো, এটি তাত্ত্বিকভাবে খারাপ হতে পারে তবে এটি বেশিরভাগ ডেটা স্পেসের জন্য অপ্রাসঙ্গিক হতে পারে ... কখনও কখনও। অ্যাসিপটোটিক জটিলতা বিশ্লেষণ একটি সরঞ্জাম এবং সমস্ত সরঞ্জামের মতো এর সুবিধাগুলি এবং এর সীমাবদ্ধতা সহ একটি ভাল এবং ডিজাইন করা সরঞ্জাম। ধ্রুবকটির সাথে বা ছাড়াই, যা অর্থহীন হতে পারে, রায় ব্যবহার করা জরুরি।