อะไรคือเหตุผลในการเรียนรู้อัลกอริทึม / โครงสร้างข้อมูลที่แตกต่างกันซึ่งให้บริการเพื่อจุดประสงค์เดียวกัน

ฉันสงสัยเกี่ยวกับคำถามนี้ตั้งแต่ฉันเป็นนักเรียนระดับปริญญาตรี มันเป็นคำถามทั่วไป แต่ฉันจะทำอย่างละเอียดพร้อมตัวอย่างด้านล่าง

ฉันได้เห็นอัลกอริทึมมากมาย - ตัวอย่างเช่นสำหรับปัญหาการไหลสูงสุดฉันรู้อัลกอริทึม 3 อย่างที่สามารถแก้ปัญหาได้: ฟอร์ด - ฟัลเกอร์สัน, เอ็ดมันด์ - คาร์ปและดินิกโดย Dinic มีความซับซ้อนที่สุด

สำหรับโครงสร้างข้อมูล - ตัวอย่างเช่น heap - มี binary heaps, binomial heaps & Fibonacci heaps โดยที่ Fibonacci heap มีความซับซ้อนโดยรวมที่ดีที่สุด

สิ่งที่ทำให้ฉันสับสนคือ: มีเหตุผลใดบ้างที่เราจำเป็นต้องรู้จักพวกเขาทั้งหมด? ทำไมไม่เพียงแค่เรียนรู้และทำความคุ้นเคยกับความซับซ้อนที่ดีที่สุด?

ฉันรู้ว่ามันดีที่สุดถ้าเรารู้จักพวกเขาทั้งหมดฉันแค่อยากรู้ว่ามีเหตุผล "ที่ถูกต้องมากกว่า" เช่นปัญหา / อัลกอริทึมบางอย่างสามารถแก้ไขได้โดยใช้Aแต่ไม่ใช่Bเป็นต้น

มีตำรารอที่จะเขียนในบางจุดเป็นด้วยเรื่องของการทำงานโครงสร้างข้อมูลอัลกอริทึมและ Tradeoffs เกือบทุกอัลกอริทึมหรือโครงสร้างข้อมูลที่คุณน่าจะเรียนรู้ในระดับปริญญาตรีมีคุณสมบัติบางอย่างที่ทำให้ดีขึ้นสำหรับการใช้งานบางอย่างกว่าคนอื่น ๆ

ลองเรียงลำดับเป็นตัวอย่างเนื่องจากทุกคนคุ้นเคยกับอัลกอริธึมการจัดเรียงมาตรฐาน

ก่อนอื่นความซับซ้อนไม่ได้เป็นเพียงความกังวลเท่านั้น ในทางปฏิบัติปัจจัยคงที่มีความสำคัญซึ่งเป็นเหตุผลว่าทำไมการเรียงลำดับอย่างรวดเร็วมีแนวโน้มที่จะใช้มากกว่าการเรียงลำดับฮีปแม้ว่าการเรียงลำดับแบบเร็วจะมีความซับซ้อนในกรณีที่แย่ที่สุด

ประการที่สองมีโอกาสเสมอที่คุณพบว่าตัวเองอยู่ในสถานการณ์ที่คุณกำลังเขียนโปรแกรมภายใต้ข้อ จำกัด ที่แปลก ผมเคยมีที่จะทำสกัด quantile จากเจียมเนื้อเจียมตัวขนาด (1000 หรือดังนั้น) เก็บตัวอย่างเร็วที่สุดเท่าที่เป็นไปได้ แต่มันเป็นไมโครคอนโทรลเลอร์ขนาดเล็กที่มีหน่วยความจำสำรองอ่านเขียนน้อยมากเพื่อให้การปกครองออกมากที่สุดอัลกอริทึมการเรียงลำดับ การเรียงลำดับของเชลล์นั้นเป็นการแลกเปลี่ยนที่ดีที่สุดเนื่องจากเป็น sub-quadratic และไม่ต้องการหน่วยความจำเพิ่มเติม$O(n \log n)$

ในกรณีอื่น ๆ แนวคิดจากอัลกอริทึมหรือโครงสร้างข้อมูลอาจใช้กับปัญหาวัตถุประสงค์พิเศษ การเรียงลำดับฟองดูเหมือนจะช้ากว่าการเรียงลำดับการแทรกบนฮาร์ดแวร์จริงเสมอ แต่บางครั้งความคิดในการดำเนินการผ่านฟองสบู่ก็เป็นสิ่งที่คุณต้องการ

ลองพิจารณาตัวอย่างเช่นการสร้างภาพ 3 มิติหรือวิดีโอเกมบนการ์ดวิดีโอที่ทันสมัยซึ่งคุณต้องการวาดวัตถุตามลำดับจากกล้องใกล้กับกล้องไปจนถึงกล้องที่อยู่ไกลที่สุดด้วยเหตุผลด้านประสิทธิภาพ แต่ หากคุณไม่ได้รับการสั่งซื้อที่แน่นอนฮาร์ดแวร์จะดูแลมัน หากคุณเคลื่อนที่ไปรอบ ๆ สภาพแวดล้อม 3 มิติลำดับสัมพัทธ์ของวัตถุจะไม่เปลี่ยนแปลงมากนักระหว่างเฟรมดังนั้นการดำเนินการผ่านหนึ่งบับเบิลผ่านทุกเฟรมอาจเป็นการแลกเปลี่ยนที่สมเหตุสมผล (เครื่องยนต์ต้นกำเนิดโดย Valve ทำสิ่งนี้เพื่อผลกระทบของอนุภาค)

การคงอยู่พร้อมกัน, ตำแหน่งแคช, ความสามารถในการปรับขนาดได้บนคลัสเตอร์ / คลาวด์และโฮสต์ของสาเหตุอื่น ๆ ที่อาจเป็นไปได้ว่าเหตุใดโครงสร้างข้อมูลหรืออัลกอริทึมหนึ่งอาจจะเหมาะสมกว่าที่อื่นแม้ว่าจะมีความซับซ้อน

ต้องบอกว่านั่นไม่ได้หมายความว่าคุณควรจดจำอัลกอริธึมและโครงสร้างข้อมูลจำนวนมากในกรณีนี้ การต่อสู้ส่วนใหญ่รู้ตัวว่ามีการแลกเปลี่ยนเพื่อเอาเปรียบในตอนแรกและรู้ว่าจะต้องดูว่าคุณคิดว่าอาจมีบางสิ่งที่เหมาะสม

นอกเหนือจากข้อเท็จจริงที่ว่ามีการวัดค่าใช้จ่ายจำนวนมาก (เวลาทำงานการใช้หน่วยความจำแคชที่หายไปการคาดคะเนสาขาความซับซ้อนในการใช้งานความเป็นไปได้ในการตรวจสอบ ... ) บนเครื่องรุ่นต่างๆ (TM, RAM, PRAM, ... ) ค่าเฉลี่ยเทียบกับกรณีที่เลวร้ายที่สุดรวมถึงการพิจารณาค่าตัดจำหน่ายเพื่อชั่งน้ำหนักซึ่งกันและกันมักจะมีความแตกต่างในการทำงานมากกว่าขอบเขตของข้อกำหนดตำราเรียนพื้นฐาน

ตัวอย่างบางส่วน:

• การรวมมีความเสถียรโดยที่ Quicksort ไม่ได้เป็น
• แผนผังการค้นหาแบบไบนารี่จะให้คุณทำซ้ำตามลำดับแฮชเทเบิลทำไม่ได้
• Bellman-Ford สามารถรับมือกับน้ำหนักที่ติดลบได้ Dijkstra ไม่สามารถทำได้

นอกจากนี้ยังมีข้อควรพิจารณาเกี่ยวกับการสอนเพื่อให้:

• มันง่ายแค่ไหนที่จะเข้าใจวิธีแก้ปัญหาที่เกี่ยวข้องมากกว่าก่อนที่จะง่ายกว่า? (ต้นไม้ AVL (และการวิเคราะห์) โดยไม่มี BST; Dinic ที่ไม่มี Ford-Fulkerson; ... )
• คุณเห็นหลักการและรูปแบบเดียวกันนี้หรือไม่เมื่อคุณมีวิธีแก้ปัญหาเพียงปัญหาเดียวต่อปัญหาเมื่อเปรียบเทียบกับวิธีแก้ปัญหาหลายวิธี?
• การแสดงออกถึงโซลูชั่นเดียวต่อปัญหาช่วยให้มีการฝึกอบรมอย่างเพียงพอหรือไม่
• คุณควรทราบความกว้างของวิธีการแก้ปัญหาที่ได้รับการค้นพบ (เพื่อป้องกันไม่ให้คุณสร้างพวงมาลัยซ้ำแล้วซ้ำอีก?)
• เมื่อสัมผัสกับทางออกเดียวต่อปัญหาคุณจะเข้าใจวิธีแก้ไขปัญหาอื่น ๆ ที่คุณพบในสถานการณ์จริงหรือไม่ (พูดในไลบรารีการเขียนโปรแกรมจริงของโลก)?

1. นี่คือสิ่งที่เราเห็นมากจากโปรแกรมเมอร์ประเภทที่ไม่มีกล่อง CS ที่สมบูรณ์ในการกำจัดของพวกเขา

ในโลกแห่งความเป็นจริงในบางจุดคุณมีแนวโน้มที่จะทำงานเกี่ยวกับซอฟต์แวร์ที่เขียนขึ้นโดยทีมงานของคนอื่น ซอฟต์แวร์นี้บางส่วนจะถูกเขียนขึ้นก่อนที่คุณจะเกิด!

เพื่อให้เข้าใจถึงอัลกอริทึม / โครงสร้างข้อมูลที่ใช้จะเป็นประโยชน์อย่างยิ่งหากได้ทราบจำนวนอัลกอริธึม / โครงสร้างข้อมูลจำนวนมากรวมถึงตัวเลือกที่ไม่ถือว่าเป็น“ สถานะของศิลปะ” อีกต่อไป

คุณจะต้องทำงานกับอัลกอริทึมที่ไม่ได้มาตรฐานและใช้ในแอปพลิเคชันที่คุณกำลังทำงานอยู่ เมื่อคุณต้องปรับปรุงอัลกอริทึมเหล่านี้คุณจะพบว่าสมองของคุณเต็มไปด้วยวิธีที่มีประโยชน์ในการปรับปรุงอัลกอริทึมเนื่องจากคุณได้ศึกษาว่าคนอื่นมีอัลกอริทึมที่ดีขึ้นอย่างไร

นี่คือสิ่งที่ทำให้คนที่เรียนวิทยาศาสตร์คอมพิวเตอร์นอกเหนือจากคนที่เพิ่งเรียนรู้วิธีการเขียนโปรแกรม ในงานส่วนใหญ่ที่ฉันได้ทำงานมามีเวลาเมื่อศึกษาวิชาวิทยาการคอมพิวเตอร์ฉันสามารถแก้ปัญหาที่โปรแกรมเมอร์“ เรียนรู้จากหนังสือ” ไม่สามารถทำได้แต่ 95% ของเวลาที่ฉันพบว่าการศึกษาวิทยาการคอมพิวเตอร์ไม่ได้ประโยชน์อะไรเลย โปรแกรมเมอร์ที่มีประสบการณ์มากกว่าคนอื่น

หลายคนพูดถูกต้องว่าบ่อยครั้งที่ไม่มีอัลกอริทึมที่ดีที่สุด - ขึ้นอยู่กับสถานการณ์

นอกจากนี้ยังมีความเป็นไปได้ที่วันหนึ่งคุณจะเจอกับสถานการณ์ที่ไม่คุ้นเคย ยิ่งคุณรู้อัลกอริธึมมากเท่าไหร่โอกาสที่คุณจะรู้ว่ามันเกือบจะเป็นทางออกที่คุณสามารถใช้เป็นฐานได้

คำตอบที่ดีมากมีบางสิ่งที่ฉันคิดว่าหายไปแม้ว่าคำตอบของราฟาเอลจะพูดถึงเรื่องนี้บ้าง

ความง่ายในการใช้งานเป็นสิ่งที่ต้องคำนึงถึงด้วย
นั่นไม่ใช่ปัญหาของอัลกอริทึมการเรียงลำดับเนื่องจากแพลตฟอร์ม / ภาษาส่วนใหญ่มีการใช้งานแล้ว (และมักจะดีกว่าที่คุณสามารถทำได้) แต่อัลกอริธึมที่ผิดปกติอาจไม่สามารถใช้ได้
ขึ้นอยู่กับปัญหาของคุณคุณอาจไม่จำเป็นต้องใช้อัลกอริธึมที่ดีที่สุดถ้าเวลาการติดตั้งคือ 1 วันกับ 2 สัปดาห์