มีการใช้การวิเคราะห์ที่ราบรื่นนอกสถาบันการศึกษาหรือไม่

การวิเคราะห์ที่ราบรื่นนั้นหาทางเข้าไปสู่การวิเคราะห์กระแสหลักของอัลกอริทึมหรือไม่? เป็นเรื่องปกติหรือไม่ที่ผู้ออกแบบอัลกอริทึมจะใช้การวิเคราะห์ที่ราบรื่นกับอัลกอริทึมของพวกเขา

ฉันอาจจะผิด แต่ฉันคิดว่าการวิเคราะห์ที่ราบรื่นเป็นวิธีที่อธิบายพฤติกรรมในการปฏิบัติของอัลกอริทึมที่มีการรับประกันทางทฤษฎีที่ไม่ดี (Simplex, k-mean และอื่น ๆ ) ฉันไม่แน่ใจว่ามันจะหมายถึงอะไรในการใช้การวิเคราะห์ที่ราบรื่นในทางปฏิบัติยกเว้นการพิสูจน์ให้เห็นถึงการใช้ฮิวริสติกเฉพาะที่มีประสิทธิภาพแย่ที่สุด ("ฮิวริสติกของฉันมีพฤติกรรมเลวร้ายที่สุด blah blah แต่การวิเคราะห์ที่ราบรื่น ทำได้ดีในทางปฏิบัติ ฯลฯ ฯลฯ ")

วิธีที่ผู้คนวิเคราะห์อัลกอริทึมในโลกแห่งความเป็นจริงนั้นแตกต่างจากสถาบันการศึกษาอย่างมากมาย ในขณะที่ในสถาบันการศึกษาเป้าหมายคือการหาขอบเขตบนที่ถูกต้องพิสูจน์ในเวลาทำงานในชีวิตจริงเป้าหมายคือการเข้าใจวิธีการทำงานของอัลกอริทึมและปรับแต่งอะไรสามารถปรับปรุงเวลาทำงาน มีสองวิธีหลักที่ถูกแบนในสถาบันการศึกษา แต่ใช้ในทางปฏิบัติ:

• วิธีการประมาณ ที่นี่คุณใช้สมมติฐานที่ทำให้เข้าใจง่ายจำนวนมากเพื่อพยายามคาดการณ์เวลาทำงานของอัลกอริทึม คล้ายกับสิ่งที่นักฟิสิกส์เชิงทฤษฎี (เคยทำ)
• การทดลอง คุณเรียกใช้อัลกอริทึมของคุณและวัดสถิติหลายอย่าง - เวลาที่แต่ละส่วนทำงานเท่าไหร่จำนวนหน้าที่แต่ละฟังก์ชันถูกเรียกใช้บ่อยแค่ไหนที่แต่ละสาขาทำงานและอื่น ๆ ข้อมูลนี้สามารถใช้เพื่อปรับแต่งอัลกอริทึม การทดลองใช้เพื่อค้นหาว่ามีการประมาณบางอย่างขณะทำการวิเคราะห์อัลกอริทึมที่ใช้ในทางปฏิบัติหรือไม่

ที่กล่าวว่าฉันไม่คิดว่ามันเป็นเรื่องธรรมดามากที่จะวิเคราะห์อัลกอริทึมในทางปฏิบัตินอกเหนือจากการเพิ่มข้อความเติมในสิ่งพิมพ์ทางวิชาการที่เกี่ยวข้อง การโฟกัสนั้นเกี่ยวข้องกับวิศวกรรมซอฟต์แวร์หรือการปรับให้เหมาะสมในระดับต่ำขึ้นอยู่กับสาระสำคัญ

ในที่สุดการวิเคราะห์ที่ราบรื่นเป็นฮิวริสติกที่สามารถนำมาใช้อธิบายว่าทำไมอัลกอริธึมทำงานได้ดีกว่ากรณีที่เลวร้ายที่สุดที่พวกเขาจะแนะนำ - กล่าวคือเนื่องจากอินพุตบางตัวเป็น "สุ่ม" ในบางแง่มุม ฮิวริสติกนี้สามารถใช้ประมาณพฤติกรรมของอัลกอริทึมหากใช้วิธีการประมาณ