Week 1 Analysis of Algorithm(算法分析)

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。

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

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值