影響演算法執行效果的因素

① 舉例說明何謂演算法,特點是什麼評價一個演算法的優劣,主要從哪些因素分析

評價演算法優劣的四個分析因素：

1.正確性

能正確地實現預定的功能，滿足具體問題的需要。處理數據使用的演算法是否得當，能不能得到預想的結果。

2.易讀性

易於閱讀、理解和交流，便於調試、修改和擴充。寫出的演算法，能不能讓別人看明白，能不能讓別人明白演算法的邏輯？如果通俗易懂，在系統調試和修改或者功能擴充的時候，使系統維護更為便捷。

3.健壯性

輸入非法數據，演算法也能適當地做出反應後進行處理，不會產生預料不到的運行結果。數據的形式多種多樣，演算法可能面臨著接受各種各樣的數據，當演算法接收到不適合演算法處理的數據，演算法本身該如何處理呢？如果演算法能夠處理異常數據，處理能力越強，健壯性越好。

4.時空性

演算法的時空性是該演算法的時間性能和空間性能。主要是說演算法在執行過程中的時間長短和空間佔用多少問題。

演算法處理數據過程中，不同的演算法耗費的時間和內存空間是不同的。

(1)影響演算法執行效果的因素擴展閱讀：

演算法是對特定問題求解步驟的一種描述，它是指令的有限序列，其中每一條指令表示一個或多個操作。此外，一個演算法還具有下列5個重要的特性。

（1）、有窮性

一個演算法必須總是（對任何合法的輸入值）在執行有窮步之後結束，且每一步都可在有窮時間內完成。

（2）、確定性

演算法中每一條指令必須有明確的含義，讀者理解時不會產生二義性。即對於相同的輸入只能得到相同的輸出。

（3）、可行性

一個演算法是可行的，即演算法中描述的操作都是可以通過已經實現的基本運算執行有限次來實現的。

（4）、輸入

一個演算法有零個或多個的輸入，這些輸入取自於某個特定的對象的集合。

（5）、輸出

一個演算法有一個或多個的輸出，這些輸出是同輸入有著某種特定關系的量。

② 影響演算法設計的因素不包括

不包括計算環境。

影響預測演算法性能的因素主要有三個：問題的復雜度、模型的復雜度、可用的訓練數據量。

一個復雜問題同時擁有大量訓練數據，一個復雜模型可以得到比較精確的結果。

一個復雜問題沒有足夠多的數據，一個線性模型可能就是最好的結果。

一個簡單問題，一個線性模型就可以解決。

方法：

在回歸階段，當獲得最簡單情況的解後，逐級返回，依次得到稍復雜問題的解，例如得到fib(1)和fib(0)後，返回得到fib(2)的結果，……，在得到了fib(n-1)和fib(n-2)的結果後，返回得到fib(n)的結果。

在編寫遞歸函數時要注意，函數中的局部變數和參數知識局限於當前調用層，當遞推進入「簡單問題」層時，原來層次上的參數和局部變數便被隱蔽起來。在一系列「簡單問題」層，它們各有自己的參數和局部變數。

由於遞歸引起一系列的函數調用，並且可能會有一系列的重復計算，遞歸演算法的執行效率相對較低。當某個遞歸演算法能較方便地轉換成遞推演算法時，通常按遞推演算法編寫程序。例如上例計算斐波那契數列的第n項的函數fib(n)應採用遞推演算法，即從斐波那契數列的前兩項出發，逐次由前兩項計算出下一項，直至計算出要求的第n項。

③ 影響演算法執行時間的因素主要有哪些

影響演算法執行時間的因素包括：

1、演算法本身選用的策略；

2、問題的規模；

3、書寫程序的語言；

4、編譯產生的機器代碼質量；

5、機器執行指令的速度等。

為便於比較演算法本身的優劣，應排除其它影響演算法效率的因素。從演算法中選取一種對於所研究的問題來說是基本操作的原操作，以該基本操作重復執行的次數作為演算法的時間量。

(3)影響演算法執行效果的因素擴展閱讀：

縮短演算法時間的方法：

1、選擇合理的存儲結構。

數據的存儲結構，分為順序存儲結構和鏈式存儲結構。順序存儲結構的特點是藉助元素在存儲器中的相對位置來表示數據元素之間的邏輯關系；鏈式存儲結構則神豎握是藉助指示元素存儲地址纖搭的指針表示數據元素之間的邏輯關系。

2、使用直接初始化。游慶

與直接初始化對應的是復制初始化。

3、減少除法運算的使用。

無論是整數還是浮點數運算，除法都是一件運算速度很慢的指令，在計算機中實現除法是比較復雜的。所以要減少除法運算的次數。

④ 評價演算法的因素有哪些

1.時間復雜度
演算法的時間復雜度是指執行演算法所需要的時間。一般來說，計算機演算法是問題規模n 的函數f(n)，演算法的時間復雜度也因此記做。

T(n)=Ο(f(n))

因此，問題的規模n 越大，演算法執行的時間的增長率與f(n) 的增長率正相關，稱作漸進時間復雜度

2.空間復雜度
演算法的空間復雜度是指演算法需要消耗的內存空間。其計算和表示方法與時間復雜度類似，一般都用復雜度的漸近性來表示。同時間復雜度相比，空間復雜度的分析要簡單得多。

3.正確性

演算法的正確性是評價一個演算法優劣的最重要的標准。

4.可讀性

演算法的可讀性是指一個演算法可供人們閱讀的容易程度。
5.健壯性
健壯性是指一個演算法對不合理數據輸入的反應能力和處理能力，也成為容錯性。

⑤ 為什麼遺傳演算法優化後反而效果變差了

遺傳演算法優化時，可能會遇到過早收斂的問題，也就是演算法在早期階段就褲棚開始陷入局部最優解，導致後續的求解過程無法得到更好的結果。過早收斂的主要原因可能有以下幾種：
1. 種群規模太小：在遺傳演算法中，種群規模的大小會影響演算法的收斂速度和質量。如果種群規模太小，演算法容易陷入局部最優解。
2. 選擇運算元不合適：選擇運算元是遺傳演算法中比較重要的部分，它直接決定了種群中父代和子代的選擇情況。若選擇運算元的設計不當，可能會導胡中則致早期階段種群快速收斂到一個較小的范圍內。
3. 變異率太小：變異是遺傳演算法中使種群具有多樣性和避免早期收斂的重要方法之一。如果變異率太小，種群中的培薯多樣性就會越來越小，趨向於收斂到一個較小的范圍內。
4. 初始種群設計不合理：如果初始種群的設計不合理，可能會導致演算法在早期階段陷入局部最優解而無法跳出。
綜上所述，如果遺傳演算法優化後效果變差，可能存在演算法參數不適合或設計不當的問題，需要重新調整及優化演算法參數或方法，避免過早收斂等問題，以進一步優化遺傳演算法的效果。