Algorithm 计算复杂性方面超越时间和空间的其他资源

一般来说，在计算复杂性中，我们讨论时间和空间复杂性。也就是说，我们思考解决某个问题需要多少时间或空间

---

我想知道，在讨论计算复杂性时，是否还有另一种资源（超越时间和空间）可以作为参考。

人们已经考虑了对外部内存（）和缓存（）的引用数量。当计算被分成两个或多个节点时，这些节点之间通信的复杂性是令人感兴趣的（），这里有一些简洁的证明

---

这些措施之间也有联系。最明显的是，使用几乎任何资源都需要时间，因此任何不超过T个时间单位的资源都可能不超过任何其他资源的O（T）个单位。Hartmanis和Hopcroft发表了一篇论文“计算复杂性理论概述”，该论文将计算复杂性置于坚实的数学基础之上。这定义了计算复杂性度量的一个非常普遍的概念，并且（定理4）证明了（它们的摘要）“在一个度量中“容易”计算的函数在其他度量中“容易”计算”。然而，这个结果（和本文的其他大部分一样）是数学上抽象的术语，在现实世界中不一定有任何实际的结果。这里使用的两种复杂度之间的联系非常松散，一种度量中的多项式复杂度完全可能是另一种度量中的指数复杂度（或更糟）。

人们已经考虑了对外部内存（）的引用数量和缓存（）的使用。当计算被分成两个或多个节点时，这些节点之间通信的复杂性是令人感兴趣的（），这里有一些简洁的证明

---

这些措施之间也有联系。最明显的是，使用几乎任何资源都需要时间，因此任何不超过T个时间单位的资源都可能不超过任何其他资源的O（T）个单位。Hartmanis和Hopcroft发表了一篇论文“计算复杂性理论概述”，该论文将计算复杂性置于坚实的数学基础之上。这定义了计算复杂性度量的一个非常普遍的概念，并且（定理4）证明了（它们的摘要）“在一个度量中“容易”计算的函数在其他度量中“容易”计算”。然而，这个结果（和本文的其他大部分一样）是数学上抽象的术语，在现实世界中不一定有任何实际的结果。这里使用的两种复杂度之间的联系非常松散，一种度量中的多项式复杂度完全可能是另一种度量中的指数复杂度（或更糟）。

虽然我没有在复杂度理论的框架中讨论过它们，但计算的其他属性超出了空间和时间（延迟）人们可能会试图研究吞吐量和能源消耗。早期生成部分结果的能力可能很有意思，因此可以将关键第一个结果的延迟与完整结果的延迟分开进行研究。虽然我没有看到在复杂性理论框架中讨论这些问题，但计算的其他属性超出了空间和时间（延迟）人们可能会试图研究吞吐量和能源消耗。早期产生部分结果的能力可能很有意思，因此，从延迟到完整结果，可以单独研究关键第一个结果的延迟。