※ 引述《invalid (everlasting)》之铭言： : ※ 引述《gwliao (gwliao)》之铭言： : : 这是算一次Cost/Fitness value的时间. : : 假如能减少number of iterations的话, Total running time应该会减少. : : 不知你是用别人的Solver还是自己写? : : 假如是自己写话, 可以想想产生Next generation的方法. : : 用Solver的话, 那要试试能调的参数. : : 有啊, 读多一点书和写多一点程式. : : 可以未写程式前, 先猜这有没有意义. : 我觉得在演算法的层次上 : 在写之前本来就可以根据演算法本身的time/size complexity : 来选择，如果是自己想的演算法 : 最好是自己推一下complexity (数学要够好XD) : 这样才算是真正的设计演算法 : 必竟实作後牵涉的因素太多，倒推回去有的时候不是很准 : 而之前讨论的部份感觉起来其实满接近实作的范围 : 递回与回圈的比较，相信以看的懂组语的人来说根本就不是问题 : 而某些rule of thumb的确是可以在profile前提升效能 : 譬如针对cpu cache或是software pipeline的常识 : 或是阵列宣告等的小技巧 : 不过绝大多数的最佳化技巧，可能在某个平台上相当适合 : 而到另一个平台上就可能因为核心架构的不同而变成累赘 : 所以大部份的最佳化都会强烈建议等到profile後再进行 : 不然有可能是事倍功半 : 书的话比较少，毕竟演算法上的改良才是最有效的 : 实作上的技巧也会随硬体演进变化，没有太多不变的真理 : 在没有pipeline上的cpu玩software pipeline就一点用都没有 : 比起这个，良好的coding style更能够带来巨大的效益啊 演算法进化推一个先 这堆讨论串，让我想到了以前在上演算法时，老师有提到过的 演算法为何会出现，主要就是因为以前电脑不够好CPU不够快 如果你一只程式，要多耗费掉CPU的1秒的时间，那成本就会不知道要多多少 (以前的CPU使用时间是要算钱的，不过那是在没有PC的时代) 也因此就突出显出演算法的重要性，你可以多省几秒就可以多省一些研究经费 不过这是在金钱上的考量 但是在现今的硬体进步下，在PC上可能会觉得多那一秒没差， 或许在PC真的多那一秒没差，但是如果是在SERVER上跑这种程式 你跑一次要多一秒，那跑一万次就要多出1万秒，大概2.7小时 那这就是时间成本上的浪费了，但其实里面或许还有更多的考量在里面 这也是谓何就算在现在硬体已经成长到这样地步的情况下，依然会教你怎样写演算法 很多很多时候，你比别人多出一秒也能多做很多事情 尽管你需要为了这一秒，去花费更多时间再写演算法，但我认为是值得的 因为这就是属於自己的成长，相对的以後或许你可以用此演算法去套用在其他程式上 而不必要再去多花时间思考你就有一只很棒的程式，因为你脑袋就已经有这种架构 会很好很快速的帮你去建构你要的程式 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 125.225.99.201