ข้อพิสูจน์ของ Adleman ว่ามีอยู่ในP / p o l yแสดงให้เห็นว่าหากมีอัลกอริทึมแบบสุ่มสำหรับปัญหาที่ทำงานในเวลาt ( n )ในอินพุตของขนาดnจากนั้นยังมีอัลกอริทึมที่กำหนดขึ้นสำหรับปัญหา ที่รันในเวลาΘ ( t ( n ) ⋅ n )บนอินพุตของขนาดn [อัลกอริทึมรันอัลกอริทึมแบบสุ่มบนΘ ( n )สตริงการสุ่มแบบอิสระ จะต้องมีการสุ่มสำหรับอัลกอริทึมซ้ำที่ดีสำหรับอินพุตเป็นไปได้ทั้งหมด] อัลกอริธึมที่กำหนดขึ้นนั้นไม่เหมือนกัน - มันอาจทำงานแตกต่างกันไปตามขนาดอินพุตที่แตกต่างกัน ดังนั้นการโต้แย้งของ Adleman แสดงให้เห็นว่า - หากไม่มีใครสนใจเรื่องความเหมือนกัน - การสุ่มสามารถเร่งความเร็วอัลกอริธึมด้วยปัจจัยที่เป็นเชิงเส้นในขนาดอินพุต
มีตัวอย่างที่เป็นรูปธรรมใดบ้างที่การสุ่มแบบเร่งความเร็วในการคำนวณ (เพื่อความรู้ที่ดีที่สุดของเรา)
ตัวอย่างหนึ่งคือการทดสอบเอกลักษณ์พหุนาม ที่นี่อินพุตคือวงจรคำนวณขนาด n คำนวณพหุนาม m-variate บนสนามและภารกิจคือค้นหาว่าพหุนามเป็นศูนย์เหมือนกันหรือไม่ อัลกอริทึมแบบสุ่มสามารถประเมินพหุนามในจุดสุ่มในขณะที่อัลกอริทึมที่ดีที่สุดที่เรารู้จัก (และอาจดีที่สุดที่มีอยู่) ประเมินพหุนามในหลาย ๆ จุด
ตัวอย่างหนึ่งคือขั้นต่ำต้นไม้ที่อัลกอริทึมแบบสุ่มที่ดีที่สุดโดย Karger-Klein-Tarjan เป็นเส้นเวลาทอด (และน่าจะเป็นข้อผิดพลาดที่มีขนาดเล็กชี้แจง!) ในขณะที่ขั้นตอนวิธีการกำหนดที่ดีที่สุดโดย Chazelle ทำงานในเวลา ( αเป็นฟังก์ชัน Ackermann ผกผันดังนั้นการเร่งความเร็วการสุ่มจึงมีขนาดเล็กมาก) สิ่งที่น่าสนใจคือมันถูกพิสูจน์โดย Pettie และ Ramachandran ว่าหากมีอัลกอริธึมเชิงเส้นเชิงเวลาที่ไม่สม่ำเสมอสำหรับต้นไม้ที่ทอดยาวขั้นต่ำ
ตัวอย่างอื่น ๆ คืออะไร? ตัวอย่างใดที่คุณรู้ว่าการเร่งความเร็วการสุ่มนั้นมีขนาดใหญ่ แต่นี่อาจเป็นเพียงเพราะเรายังไม่พบอัลกอริธึมที่กำหนดอย่างมีประสิทธิภาพเพียงพอ