অ্যালগরিদমের দক্ষতা বিশ্লেষণের দুটি উপায়
- এটির রানটাইমের উপরে একটি অ্যাসিম্পটোটিক উপরের আবদ্ধ রাখার জন্য এবং
- এটি চালাতে এবং পরীক্ষামূলক ডেটা সংগ্রহ করতে।
আমি অবাক হয়েছি যদি এমন কোনও ঘটনা ঘটে থাকে যেখানে (1) এবং (2) এর মধ্যে উল্লেখযোগ্য ফাঁক রয়েছে। এর অর্থ এই যে, উভয়ই (ক) পরীক্ষামূলক তথ্যগুলি একটি শক্ত অ্যাসিমেটোটিকের প্রস্তাব দেয় বা (খ) সেখানে এল এবং অ্যালগরিদম এক্স এবং ওয়াই রয়েছে যে তাত্ত্বিক বিশ্লেষণে বোঝা যায় যে এক্স এর চেয়েও ভাল এবং এক্স পরীক্ষামূলক তথ্য থেকে বোঝা যাচ্ছে যে ওয়াইয়ের চেয়ে অনেক ভাল এক্স.
যেহেতু পরীক্ষাগুলি সাধারণত গড়-কেস আচরণ প্রকাশ করে, তাই আমি বেশিরভাগ আকর্ষণীয় উত্তর আশা করি গড়-উচ্চ স্তরের ক্ষেত্রে উল্লেখ করা s তবে আমি সম্ভবত আকর্ষণীয় উত্তরগুলি বাতিল করতে চাই না যা বিভিন্ন সীমানা সম্পর্কে কথা বলে, যেমন সিম্প্লেক্স সম্পর্কে নোমের উত্তর।
ডেটা স্ট্রাকচার অন্তর্ভুক্ত করুন। দয়া করে প্রতি উত্তরে একটি অ্যালগো / ডিএস দিন।
আপনি কোন ধরণের উপরের সীমানা সম্পর্কে কথা বলছেন তা যদি তা স্পষ্ট হয় তবে এটি সহায়তা করবে। আপনি কি কেবল এমন সমস্যার কথা বলছেন যার জন্য সবচেয়ে খারাপ ক্ষেত্রে সময় জটিলতার জন্য সবচেয়ে ভাল ওপরের এবং নিম্ন সীমার মধ্যে একটি গুরুত্বপূর্ণ ব্যবধান রয়েছে? অথবা আপনি কী এমন সমস্যাগুলিও অন্তর্ভুক্ত করছেন যার জন্য সবচেয়ে খারাপ সময়ের জটিলতার সীমাবদ্ধতা জানা যায়, তবে চলমান সময়গুলি উল্লেখযোগ্যভাবে দ্রুত হয়? সবচেয়ে খারাপ ক্ষেত্রে জটিলতার চেয়ে স্মুথড জটিলতা বিবেচনা করা আরও আকর্ষণীয় হতে পারে। 'সাধারণ' ইনপুট বা এলোমেলো ইনপুটগুলির পরীক্ষামূলক ফলাফলগুলি প্যাথোলজিকাল ইনপুটগুলির অস্তিত্বকে অস্বীকার করতে খুব কম করে।
—
জেমস কিং
সেক্ষেত্রে আমি মনে করি যে দুটি প্রশ্ন পৃথকভাবে জিজ্ঞাসা করা উচিত: একটি সবচেয়ে খারাপ-জটিল জটিলতা এবং গড়-কেস / স্মুথড জটিলতার মধ্যে ব্যবধান সম্পর্কে এবং তাত্ত্বিক গড়-কেস / স্মুটেড জটিলতা এবং ব্যবহারিক পরীক্ষামূলক ফলাফলের মধ্যে ব্যবধান সম্পর্কে। সম্পাদনা করুন: আমি আমার মন্তব্যটি লেখার সময় আপনি এটিকে সম্বোধন করে একটি সম্পাদনা করেছেন :)
—
জেমস কিং