Question

在最近优化某些代码时，我们最终执行了我认为是“类型”的备忘录，但我不确定我们应该这样称呼它。下面的伪代码不是实际的算法（因为我们在应用程序中几乎不需要因子，并且发布所述代码是一种触发攻击）但它应该足以解释我的问题。这是原来的：

def factorial (n):
    if n == 1 return 1
    return n * factorial (n-1)

很简单，但是我们添加了固定点，因此可以避免大数字的大量计算，例如：

def factorial (n):
    if n == 1 return 1
    if n == 10 return 3628800
    if n == 20 return 2432902008176640000
    if n == 30 return 265252859812191058636308480000000
    if n == 40 return 815915283247897734345611269596115894272000000000
    # And so on.

    return n * factorial (n-1)

这当然意味着12!计算为12 * 11 * 3628800而不是效率较低的12 * 11 * 10 * 9 * 8 * 7 * 6 * 5 * 4 * 3 * 2 * 1。

但是我想知道我们是否应该调用此备忘录，因为它似乎被定义为记住过去的计算结果并使用它们。这更多是关于硬编码计算（不记住）和使用该信息。

这个过程是否有正确的名称，或者我们可以声称，memoisation不仅可以延伸到运行时完成的计算，还可以延伸到编译时完成的计算，甚至可以追溯到我开始编写之前在脑中完成的计算代码？

Answer 1

我称之为预先计算而不是记忆。你并不记得你在计算给定输入的最终答案的过程中所做的任何计算，而是预先计算特定输入的一些固定数量的答案。记住，因为我理解它实际上更类似于“缓存”一组结果，因为您计算它们以供以后重用。如果您要存储计算的每个值，以便以后不需要再次重新计算，那将是memoization。您的解决方案的不同之处在于，您从不存储程序中的任何“计算”结果，只存储已预先计算的固定点。如果您使用不同于预先计算的输入的输入重新使用该函数，则不必重新计算结果，只需重复使用它即可。

Answer 2

无论您是否对结果进行了硬编码，这仍然是记忆，因为您已经计算了期望再次计算的结果。现在这可能以运行时或编译时的形式出现..但不管怎样，都是memoization。

Answer 3

记忆在运行时完成。您正在编译时进行优化。所以，事实并非如此。

例如参见...... Wikipedia

或......

记忆化   “记忆化”这一术语是由唐纳德·米奇（Donald Michie，1968）创造的，指的是一个函数用于自动记住先前计算结果的过程。随着功能语言的兴起，这一想法近年来变得越来越流行;菲尔德和哈里森（1988）专门用了整整一章。基本思想是保留先前计算的输入/结果对的表。

Peter Norvig 加州大学（大胆是我的）

Link

Answer 4

def memoisation(f):
    dct = {}
    def myfunction(x):
        if x not in dct:            
            dct[x] = f(x)
        return dct[x]
    return myfunction

@memoisation
def fibonacci(n):
    if n == 0:
        return 0
    elif n == 1:
        return 1
    else:
        return fibonacci(n-1) + fibonacci(n-2)

def nb_appels(n):
    if n==0 or n==1:
        return 0
    else:
        return  1 + nb_appels(n-1) + 1 + nb_appels(n-2)


print(fibonacci(13))
print ('nbappel',nb_appels(13))

这被认为是记忆吗？

4 个答案: