Algorithm 不同复杂度算法的实时CPU数据

有谁能告诉我一些可靠的资源/文件，其中对不同复杂度的算法所花费的时间进行了一些真实的讨论，例如

O（logn）、O（n）、O（nlogn）、O（n^2）、O（n^3）

等。我特别感兴趣的是一些文件/网站，可以回答以下问题：

给定一个机器配置（CPU、内存），以N个实例作为输入运行mergesort（或二进制搜索或其他一些标准算法）需要多少时间（毫秒/秒），其中N可以从100到100万不等

---

如果有人能向我指出一份文件，该文件不仅能给我以毫秒为单位的时间，而且能给我一个近似值/启发法，说明如果上述算法在移动设备（智能手机）上运行，将产生的能量成本（焦耳/k焦耳），那就更好了.

我已经花了一些时间来做你要求的事情。这不是大学研究或实时/生产级别的代码，但可能会有所帮助

我已经实现了许多数据结构和算法，并使用排序、未排序等数据对它们进行了测试。

---

此外，您还可以自己轻松获取其他信息，因为所有代码都是开源的，并且都在网站上。

这似乎是一个“错误的问题”。（1） 复杂性类不会告诉你你想知道什么。（2） 即使您指定了

N

以及CPU和内存，算法也不会在时间或精力上产生成本。算法的精确实现很重要（这意味着使用的语言很重要），编译器/解释器的质量也很重要（特别是优化）。我想你要找的是一个基准网站，是的。我对一个精确的数字并不挑剔——因为现实世界中的程序很难是具有对数n时间复杂性的二进制搜索。我想要的是一个启发式算法，即在这个配置为N=1000的设备上运行时，这个算法在O（m^3+L）时间内运行需要xxx毫秒。我非常确信这是可以做到的，但从复杂性来看，这肯定是不可能做到的。我可以向您展示两种算法，它们都是

O（n^3）

，其中一种算法的运行时间是另一种算法的两倍。因此，复杂度界限在您所寻找的实际性能数据中几乎是偶然的。如果您的算法前面有不同的常数，这是非常可能的。但是我确信O（n^3）算法将比O（logn）算法更复杂，这就是我感兴趣的。我甚至对O（n^3），O（n^2）时间都不挑剔。这只是一个近似值，表示此配置的复杂性需要xxx ms/ns等。这只是一个近似值。我真的会很惊讶，即使这也不可用。当我参与其中时，Java mobile曾经充斥着这类东西。我想我已经使用了Futuremark和Anfymark，当时他们网站上每个手持设备/J2ME实现的基准测试结果会告诉你每秒绘制多少三角形，多少浮点运算，排序速度等等。这对你是否有用取决于特定算法您感兴趣的是，它恰好是详细基准测试结果的一部分，以及基准测试代码是实时报告还是仅报告相对分数。不过，我从未使用过电源基准测试。谢谢链接。在某些情况下，您的站点确实很有用。然而，与固定配置上的实际时间相比，我更感兴趣的是如何实际计算时间？或者，如果我可以这样说——“给定一个O（N^2）算法（A），其输入为N=100个32位整数，在一台具有给定CPU/内存配置的机器上执行时，A将花费多少时间（以ns/ms/sec为单位）？”。我对能回答这个问题的粗略的启发式/公式感兴趣（或者至少给我一个下限）。