1. Introduction:
本节对算法优化的重要性做了一个概括
两个由算法改进得以优化的技术:
1. Discrete Fourier Transform( 离散傅立叶变换):使用 FFT(快速傅立叶变换)把时间复杂度由O(N)降为O(log N)
2. N-body Simulation(N体模拟)(天文学): 使用 Barnes-Hut算法 ,把时间复杂度由O(N)降为O(log N)
还指出了算法优化的流程就是假设和观察相结合直到两者吻合。
2.Observations:
本节介绍了观察的一些方法
首先是观察程序的运行时间和数据量的关系:
建立图像时,一种方法是正常建立,既x轴是数据量,y轴是时间。还有一种log-log Plot,既对x轴和y轴都取对数。
按这个坐标系,许多时候图像会是一条直线,这样可以很方便的对函数做出假设
此时 log(T(n)) = b*log N+ c (b,c由直线图像得)
推导得 T(n)=2^(b*log N+ c)=2^c*N^b
做出假设
上面这个方程中的b 由算法和数据规模决定,而c由算法,数据规模及硬件环境决定
3.Mathmatical Models:
1) Knuth 提

这篇博客探讨了算法优化的重要性,通过离散傅立叶变换(FFT)和Barnes-Hut算法在天文学中的应用,展示了如何将时间复杂度从O(N)降至O(log N)。博主介绍了算法优化流程,包括观察程序运行时间和数据量的关系,以及数学模型如Knuth的运行时间公式。此外,还讨论了时间复杂度的估算方法,如忽略低阶项,并对常见时间复杂度分类进行了分析。
最低0.47元/天 解锁文章
1503

被折叠的 条评论
为什么被折叠?



