Время - выполнение - алгоритм
Cтраница 2
Для компиляции характерно, что осуществляющая ее программа-компилятор во время выполнения алгоритма уже не нужна и потому не находится в оперативной памяти ЭВМ. [16]
Мы видим, что вес инициализации по отношению к времени выполнения алгоритма незначителен. В терминах анализа при увеличении объема входных данных стоимость инициализации становится пренебрежимо малой. [17]
 |
К вычислению дисперсии трудоемкости алгоритма. [18] |
Прикладные методы оценки сложности вычислений ( трудоемкости алгоритмов, времени выполнения алгоритмов) изложены во многих статьях. Основополагающие вероятностные модели машинных программ были разработаны К. Во всех указанных работах рассматриваются способы вычисления среднего времени выполнения алгоритмов. [19]
 |
Это 2 - 3 - 4-дерево - результат 200 случайных вставок в первоначально пустое дерево. Все пути поиска в дереве содержат не более шести узлов. [20] |
Это подход ведет к большему количеству операций разделения узлов во время выполнения алгоритма, но его проще программировать, поскольку приходится учитывать меньше случаев. В рамках еще одного подхода уменьшение количества операций разделения узлов достигается за счет отыскания родственных узлов, не являющихся 4-узлами, когда есть готовность приступать к разделению 4-узла. [21]
Подобным же образом можно построить непрерывные функции распределения, для которых время выполнения алгоритма является функцией от &, возрастающей сколь угодно медленно. [22]
Таким образом, эти строки будут совпадающими по A i во время выполнения алгоритма 5.2. Поскольку YAt-строка состоит из щ, такой же должна быть и Х - строка. [23]
Если в действительности число вершин выпуклой оболочки равно h, то время выполнения алгоритма Джарвиса будет 0 ( hN), и он очень эффективен, когда заранее известно, что значение h мало. Например, если оболочка заданного множества является многоугольником с произвольным постоянным числом сторон, то ее можно найти за линейное относительно числа точек время. Этот факт чрезвычайно важен в свете анализа сложности алгоритмов построения выпуклой оболочки в среднем, который будет представлен в следующей главе. [25]
Намеченный способ рассуждений позволяет ограничиться только главным членом при сравнении или предсказании времени выполнения алгоритмов. Зачастую мы подсчитываем время выполнения константно-временных операций и хотим ограничиться только главным членом, подразумевая неявно, что точный анализ наподобие приведенного выше можно всегда провести, если потребуется. [26]
Как показывает опыт, состав функций ( операций) в системе Z наиболее существенно сказывается на времени выполнения алгоритмов ( быстродействии) и затратах оборудования в операционном устройстве. [27]
Понятие длины пути дерева имеет большое значение при анализе алгоритмов, поскольку эта величина часто непосредственно связана с временем выполнения алгоритма. Прежде всего рассмотрим длину пути бинарных деревьев, так как они имеют особенно тесное отношение к представлению деревьев в компьютере. [28]
Анализ низкой производительности с использованием О-нотации освобождает аналитика от необходимости включать в рассмотрение характеристики определенной машины. Выражение время выполнения алгоритма равно O ( f ( N)) не зависит от входных данных и полезно для распределения алгоритмов по категориям в независимости от входных данных и деталей реализации, и таким образом отделяет анализ алгоритма от какой-либо определенной его реализации. В анализе мы, как правило, отбрасываем постоянные множители. В большинстве случаев, если мы хотим знать, чему пропорционально время выполнения алгоритма, - N или logAf, - не имеет значения, где будет выполняться алгоритм - на небольшом компьютере или на суперкомпьютере; более того, не имеет значения даже то, хорошо или плохо реализован внутренний цикл алгоритма. [29]
 |
Тестовый рисунок. Сложность сцены измеряется числом граней. Степень взаимного затенения измеряется отношением. [30] |
Страницы: 1 2 3 4