【问题标题】:The uncertainty principle of computer science [closed]计算机科学的不确定性原理[关闭]
【发布时间】:2013-08-07 16:21:47
【问题描述】:

当我研究一个算法来解决一个计算问题时,我经常会体验到使用更多的内存可以提高速度,并且可以以增加运行时间为代价来减少内存的使用,但我永远不能强迫运行时间和内存消耗的乘积低于明显明显的限制。这形式上类似于海森堡的不确定性原理:位置不确定性与粒子动量不确定性的乘积不能小于给定阈值。

有没有一个计算机科学的定理,它断言同样的事情?我想应该可以从图灵机的理论中推导出类似的东西。

【问题讨论】:

  • 您可能会从cs.stackexchange.com 那里得到(更好的)答案,我们这些可悲的黑客对这些高级概念了解多少?
  • @HighPerformanceMark 好主意,谢谢!
  • 这个问题似乎是题外话,因为它是关于计算机科学理论而不是编程,并且更适合 cs.stackexchange.com。
  • 您总是可以强制将复杂度的总和低于任何算法的时间复杂度,并低于 2 的任何算法的空间复杂度的幂,但这并不是真的有用,因为它是微不足道的。
  • @YuvalFilmus 在这里给出了肯定的回答:cs.stackexchange.com/a/13664 谢谢大家的cmets!

标签: performance algorithm computer-science turing-machines


【解决方案1】:

我个人并不熟悉与海森堡的不确定性原理相似的描述,本身,但这听起来与Computational Complexity Theory 密切相关。问题可以根据一些固有的、不可简化的复杂性进行分类,我认为这就是您对“运行时间和消耗内存的乘积”的限制所得到的结果。

【讨论】:

  • +1 我同意,问题的复杂性可能决定了限制。有时间复杂度和空间复杂度,我想的是它们之间的关系,这可以解释极限。
猜你喜欢
  • 2013-01-29
  • 1970-01-01
  • 2010-09-18
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2010-10-20
相关资源
最近更新 更多