chapter_computational_complexity/performance_evaluation/ #11
giscus[bot]
bot
Replies: 20 comments 15 replies
-
运行"地"快，是不是有错别字？ |
Beta Was this translation helpful? Give feedback.
-
|
感谢指正！（可以点击页面右上角的“铅笔”图标，直接修改原文内容，谢谢！） |
Beta Was this translation helpful? Give feedback.
-
|
感觉“运行速度快、占用内存少”更优 |
Beta Was this translation helpful? Give feedback.
-
|
二者不可兼得 |
Beta Was this translation helpful? Give feedback.
-
|
有个小建议： |
Beta Was this translation helpful? Give feedback.
-
|
哈喽，下一节“时间复杂度”和“空间复杂度”即计算复杂度，有做详细介绍～ |
Beta Was this translation helpful? Give feedback.
-
|
个人认为作者已经深入浅出的讲解了复杂度的概念啦，尽管没有一个很具体的例子～ |
Beta Was this translation helpful? Give feedback.
-
|
这一句“复杂度分析评估的是算法运行效率随着输入数据量增多时的增长趋势。” 貌似可以润色成 “复杂度分析旨在评估随着输入数据量增加，算法运行效率所呈现的增长趋势。” ？ |
Beta Was this translation helpful? Give feedback.
-
|
已润色该定义～ |
Beta Was this translation helpful? Give feedback.
-
|
应该去掉增长 有些算法运行效率和数据量是无关的 是一个常量 |
Beta Was this translation helpful? Give feedback.
-
|
“它描述了随着输入数据大小的增加，算法执行所需时间和空间的增长趋势”这个定义虽然抽象，但也挺好理解。 前面说过“随着输入数据量的变化，算法会表现出不同的效率”。 也就是说，数据量是「算法执行效率」的重要影响因素。 而时间和空间又是我们重要的消费资源。 把数据量看做 x 值，算法计算 x 值所需时间或空间当做 y 值。 计算出来的数据，就是一个横坐标的点（x，y）。 把不同的点，连接起来，就会是一条曲线。 不同的算法，就会有属于自己的不同“曲线”。 通过观察这条曲线的“陡峭”程度，也就是时间或空间增长的“快慢”，从而评价这个算法的性能。 |
Beta Was this translation helpful? Give feedback.
-
|
栩栩如生！ |
Beta Was this translation helpful? Give feedback.
-
|
那已知一系列的x，怎么得到对应的y值呢？通过实际计算机运行统计出来？ |
Beta Was this translation helpful? Give feedback.
-
哈哈, 确实感到些许困惑, 可能这就是理论知识让人略感抽象 |
Beta Was this translation helpful? Give feedback.
-
|
Day 1 : LGT 总结 ：理论估算不同的算法 最后我们都可以用（x,y）抛物线的形式来表示，不同的算法，随着数据量的增加（x改变），那么时间或者空间也可能发生改变（y改变） |
Beta Was this translation helpful? Give feedback.
-
|
我连复杂度都看不懂，咋搞 |
Beta Was this translation helpful? Give feedback.
-
|
可以理解个大概，先看后面几章，回头再看这里 |
Beta Was this translation helpful? Give feedback.
-
|
嗯，老板 |
Beta Was this translation helpful? Give feedback.
-
|
Completed |
Beta Was this translation helpful? Give feedback.
-
|
Hi，建议只在每章的首节打卡， |
Beta Was this translation helpful? Give feedback.
-
|
‧ 时间效率:算法运行速度的快慢。 ‧ 时间效率:算法运行的计算次数。 |
Beta Was this translation helpful? Give feedback.
-
|
“时间效率”整体上指的就是算法在“时间”上的快慢，而非运行计算次数。 即使算法 A 比算法 B 的计算次数更多，但算法 A 仍然可能比算法 B 更快（算法 B 的单元操作的平均计算时间长）。 |
Beta Was this translation helpful? Give feedback.
-
|
我的智商都看得懂 |
Beta Was this translation helpful? Give feedback.
-
|
抛去拗口的概念，采取两种方式实现同一个功能，但是不知道它们的优劣，直接为了这么小的功能进行测试（甚至是整个系统的测试），一是不切实际（资源有限），二是未必能屏蔽所有干扰（环境完全一致）。也因此考虑用复杂度来衡量，估算“时间”和“空间”各自的开销，是一种完全从代码层面（嵌套循环/所用内存多少）就可以估算的指标。 |
Beta Was this translation helpful? Give feedback.
-
|
下面有一个关于时间效率的讨论，作者认为：“时间效率”整体上指的就是算法在“时间”上的快慢，而非运行计算次数。还有人则说： 时间效率指算法运行的计算次数。 |
Beta Was this translation helpful? Give feedback.
-
|
是的，原因很直接：我们提出时间效率这个概念，最终想要关心的是“时间”上的快慢，而不是“执行次数”。 执行次数更多和时间复杂度关联，它是反映时间效率的有效指标，但很有可能给出错误的结论。我们有时会遇到一种情况：算法 A 比算法 B 的时间复杂度更高（更差），但反而在给定数据下运行地更快（时间更短、效率更高）。一个典型的例子是插入排序 vs. 归并排序在数据量较小时的效率对比。 |
Beta Was this translation helpful? Give feedback.
-
|
总结一下： |
Beta Was this translation helpful? Give feedback.
-
|
算法可以理解为用最小代价解决问题 |
Beta Was this translation helpful? Give feedback.
-
|
这些代价就包括时间复杂度和空间复杂度还有别的现实代价🥳 |
Beta Was this translation helpful? Give feedback.
-
|
我觉得这个写的好，好就好在我这种菜狗都看得懂 |
Beta Was this translation helpful? Give feedback.
-
|
效率评估方法主要分为两种：实际测试、理论估算。理论估算是复杂度分析，我们要考虑空间复杂度和时间复杂度。“随着输入数据大小的增加”意味着复杂度反映了算法运行效率与输入数据体量之间的关系。“时间和空间的增长趋势”表示复杂度分析关注的不是运行时间或占用空间的具体值，而是时间或空间增长的“快慢”。 |
Beta Was this translation helpful? Give feedback.
-
|
有种像导数，输入变化量△x----->输出的变化量△y，一种相对的概念 |
Beta Was this translation helpful? Give feedback.
-
|
我也是这么理解！ |
Beta Was this translation helpful? Give feedback.
and others
-
chapter_computational_complexity/performance_evaluation/
Your first book to learn Data Structure And Algorithm.
https://www.hello-algo.com/chapter_computational_complexity/performance_evaluation/
Beta Was this translation helpful? Give feedback.
All reactions