首先，这不是任何家庭作业问题，它只是一般类型的算法。在一个并行计算过程中，我正在把我的脑袋缠绕在一个具有运行时O（某些+ ... log p）的算法风格上。例如，我们研究了O（n / p + log p）的序列约简算法，其中p = #procs，n是问题大小。记录库2.
我遇到的问题是log（p）的想法。对于我来说，我常常看到log（n）到处都是将问题减少到两个大小为n / 2的子问题等。第二种只是将算法的步复杂性作为log（p）的想法。因为如果我增加处理器的数量，这意味着对于固定大小的问题，那么我增加了算法中的步骤数量？我一直认为算法的阶跃复杂性是算法的固有顺序方面，因此增加或减少处理器的数量不会对此产生任何影响。这是一个不好的想法吗？
我想有用的是一些算法的伪代码，其中log（p）的运行时间在其中。
答案 0 :(得分：3)
考虑计算n个数的总和。每个处理器都可以分配n / p编号，但是如何将各个处理器的结果相加？对于运行时O（n / p + p），您可以将所有p结果传递给一个处理器，但是您可以以树状方式更快地组合总和。
答案 1 :(得分：0)
我认为O（n / p + log（p））确实有意义，因为n / p + log（p）随着p变量的增加而减小，所以运行时间随着你添加处理器和这个界限确实有意义;否则log（p）的运行时间不太可能是自然的，因为它相对于处理器数量正在减少。