※ 引述《invalid (everlasting)》之銘言： : ※ 引述《gwliao (gwliao)》之銘言： : : 這是算一次Cost/Fitness value的時間. : : 假如能減少number of iterations的話, Total running time應該會減少. : : 不知你是用別人的Solver還是自己寫? : : 假如是自己寫話, 可以想想產生Next generation的方法. : : 用Solver的話, 那要試試能調的參數. : : 有啊, 讀多一點書和寫多一點程式. : : 可以未寫程式前, 先猜這有沒有意義. : 我覺得在演算法的層次上 : 在寫之前本來就可以根據演算法本身的time/size complexity : 來選擇，如果是自己想的演算法 : 最好是自己推一下complexity (數學要夠好XD) : 這樣才算是真正的設計演算法 : 必竟實作後牽涉的因素太多，倒推回去有的時候不是很準 : 而之前討論的部份感覺起來其實滿接近實作的範圍 : 遞迴與迴圈的比較，相信以看的懂組語的人來說根本就不是問題 : 而某些rule of thumb的確是可以在profile前提升效能 : 譬如針對cpu cache或是software pipeline的常識 : 或是陣列宣告等的小技巧 : 不過絕大多數的最佳化技巧，可能在某個平台上相當適合 : 而到另一個平台上就可能因為核心架構的不同而變成累贅 : 所以大部份的最佳化都會強烈建議等到profile後再進行 : 不然有可能是事倍功半 : 書的話比較少，畢竟演算法上的改良才是最有效的 : 實作上的技巧也會隨硬體演進變化，沒有太多不變的真理 : 在沒有pipeline上的cpu玩software pipeline就一點用都沒有 : 比起這個，良好的coding style更能夠帶來巨大的效益啊 演算法進化推一個先 這堆討論串，讓我想到了以前在上演算法時，老師有提到過的 演算法為何會出現，主要就是因為以前電腦不夠好CPU不夠快 如果你一隻程式，要多耗費掉CPU的1秒的時間，那成本就會不知道要多多少 (以前的CPU使用時間是要算錢的，不過那是在沒有PC的時代) 也因此就突出顯出演算法的重要性，你可以多省幾秒就可以多省一些研究經費 不過這是在金錢上的考量 但是在現今的硬體進步下，在PC上可能會覺得多那一秒沒差， 或許在PC真的多那一秒沒差，但是如果是在SERVER上跑這種程式 你跑一次要多一秒，那跑一萬次就要多出1萬秒，大概2.7小時 那這就是時間成本上的浪費了，但其實裏面或許還有更多的考量在裡面 這也是謂何就算在現在硬體已經成長到這樣地步的情況下，依然會教你怎樣寫演算法 很多很多時候，你比別人多出一秒也能多做很多事情 儘管你需要為了這一秒，去花費更多時間再寫演算法，但我認為是值得的 因為這就是屬於自己的成長，相對的以後或許你可以用此演算法去套用在其他程式上 而不必要再去多花時間思考你就有一隻很棒的程式，因為你腦袋就已經有這種架構 會很好很快速的幫你去建構你要的程式 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 125.225.99.201