【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