Тема: Апостериорный анализ и оценка эффективности алгоритмов
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
📋 Содержание
Постановка задачи 4
Обзор литературы 5
Глава 1. Исследование ресурсоемкости 7
1.1. Общие положения исследования 7
1.2. Построение гистограммы частот 8
1.3. Определение объема выборки 8
1.3.1 Метод с использованием схемы Бернулли 9
1.3.2 Метод на основе закона распределения 9
Глава 2. Проведение экспериментального исследования функции объема памяти 11
2.1. Описание выбранного алгоритма 11
2.2. Генерация данных 11
2.3. Этап предварительного исследования 12
2.4. Этап основного исследования 14
Глава 3. Создание автоматизированной системы 18
Выводы 20
Заключение 21
Список литературы
📖 Введение
В разработке таких алгоритмов не обойтись без предварительного анализа: нужно уметь оценивать те или иные ресурсы, которые алгоритм потребляет во время работы. Самый распространенный ресурс — это время выполнения алгоритма. Он является важнейшим, так как пользователи не любят ждать. Второй по значимости ресурс — это память. Причем, если время выполнения алгоритма вычисляется как количество базовых операций и связано с функцией трудоемкости алгоритма, то память обычно берется не как суммарное количество памяти, которое потребляет алгоритм, а как количество дополнительной памяти, при этом память связана с функцией объема памяти алгоритма.
Обычный асимптотический анализ не всегда точен для конечного диапазона длин входов из-за часто больших коэффициентов у компонентов функций ресурсной эффективности:
*A(D)= CV- VA(D)+ Cf- /A(D),
где V — объем потребляемой алгоритмом Aпамяти, f— трудоемкость.
В данной работе будет рассмотрен новый подход на основе эмпирического анализа: по данным, полученным экспериментальным путем, будет построена функция доверительной ресурсоемкости (доверительной памяти) с выбранным коэффициентом доверия, а также для упрощения процесса разработана автоматизированная система в виде сайта.
✅ Заключение
Исходный код всех программ находится в публичном репозитории в GitHub [16].