哪种模型的算法运行时间存在？
我们都希望mergesort比bublesort快，并注意mergesort对于bubblesort进行O（n log n）比较与O（n 2 ）。
对于其他算法，您可以计算其他操作（比较比较和交换），例如指针取消引用，数组查找，固定大小整数算术等。
有哪些建模执行时间的方法？
我知道自己正在计算从磁盘读取和写入磁盘的块数;请参阅我对When does Big-O notation fail?的回答，以获得冗长的描述。
另一个是计算缓存未命中数。这通过查看内存层次结构的所有级别来扩展I / O模型。
对于分布式算法（例如在安全多方计算中），第三种方法是计算通过网络传输的数据量（通常以通信轮次或消息数量来衡量）。
为了预测算法的性能，有哪些其他有趣的东西可以计算（而不是计数！）？
另外，这些模型有多好？据我所知，缓存遗忘算法与磁盘上数据的I / O高效算法相比具有竞争力，但对于内存中算法则不然
特别是：在哪些特定情况下，这些模型会错误预测相对表现？根据我自己的实验，当数据足够小以适应内存时，Fibonacci堆不会加快Dijstra的最短路径（相对于二进制堆）。
答案 0 :(得分：4)
您必须定义计算模型，估算每项操作的成本，然后根据这些成本分析算法;当然，成本取决于您要部署算法的特定环境和底层机器的特性，因此这个问题实在太普遍了。
在算法课程中，我们假设每个操作都花费1，所以我们只计算循环次数;在与主存储器一起使用的算法中，我们假设每个操作（从I / O读取/写入除外）成本为0（和读/写1），依此类推。
这些模特是否与现实紧密相关？这取决于现实：您的环境和机器。
您在缓存未命中时的计算可能在核心组合上是正确的，但对于单元处理器是错误的，例如，您必须手动传输SPE内存的内容。
答案 1 :(得分：0)
我认为无论您使用O（n ...）表示法建模执行时间/空间的基础，您都假设一个规范化的环境。我认为无论你指定什么模型，无论你测量多少变量来确定它......它只适用于标准化环境。因此，当磁盘I / O在竞争条件中较低时，可能不需要O（n ...）来计算这些开销......如果你看到了我的观点。
因此，O（n）模拟输入n上的标准化环境中的典型性能。
通过扩展，您可以说磁盘读取的顺序为O（n），或者内存分配的顺序为O（n），依此类推。增加压力的外部事件（例如调度）不应该在典型时间/空间/任何事件发生的模型中起作用。
或许我错过了你的观点（我怀疑我可能会这样）。
答案 2 :(得分：0)
对于我正在使用的实时平台，最近我发现复制大量数据（例如：KB范围内，而不是MB范围）实际上比我预期的更快。可能这与今天使用的大型缓存有关，或者可能只是速度极快的处理器速度。但结果是，为了避免数据拷贝，人们真的不应该费心去歪曲一个人的代码了。
相反，我真正需要注意的是设备访问和上下文切换。这些越多越好。
“零缓冲”设备驱动程序与速度同步的日子结束了。