如何估计使用递归Java的程序的时间和内存消耗

我在解决一个问题。桌子的大小是5X5，游览的起点可以是任何正方形。我找到了所有可能的开放式解决方案，并计算了程序的内存使用量和时间消耗。我在使用递归，在每一个骑士的移动中，我都在计算一个骑士接下来可能的移动

---

问题是如何在一张大得多的桌子上计算内存和时间消耗。Java中通常使用什么样的工具来估计无法实际运行的程序的这些值？这应该仅仅是使用O表示法的假设吗？

一般来说，没有Java工具或其他编程语言中的工具可以做到这一点。这是有关的，这是众所周知的无法解决的共同点

对于您的具体问题实例，您可以编写一个，尝试使用具体算法的理论分析（O表示法）从较小尺寸的电路板的测量值推断

例如，如果您知道，该运行时是O（2^n），这意味着

t=c*（2^n）（+可忽略部分）

可以通过在方程式中设置具体时间来计算常数c，例如，n=5，例如，如果测量t=10s，n=5：

10s=c*（2^5）

=>c=10秒/（2^5）

这只是一个例子（我不知道你的问题是否是O（2^n））

---

但正如我所说的，为此你必须知道算法的O-符号，它来自于人类数学直觉所发现的证明，一般来说，上帝算法是不可计算的。

一般来说，没有Java工具或其他编程语言中的工具可以做到这一点。这是有关的，这是众所周知的无法解决的共同点

对于您的具体问题实例，您可以编写一个，尝试使用具体算法的理论分析（O表示法）从较小尺寸的电路板的测量值推断

例如，如果您知道，该运行时是O（2^n），这意味着

t=c*（2^n）（+可忽略部分）

可以通过在方程式中设置具体时间来计算常数c，例如，n=5，例如，如果测量t=10s，n=5：

10s=c*（2^5）

=>c=10秒/（2^5）

这只是一个例子（我不知道你的问题是否是O（2^n））

---

但正如我所说，为此，你必须知道算法的O-符号，它来自人类数学直觉发现的证明，通常上帝算法无法计算。

你的大得多的桌子的放大比例是多少

请注意，计算的消耗量（时间和内存）与根据复杂性估计的消耗量之间可能存在显著差异。前面的答案（Thomas Philipp）是正确的，除了一个细节：

t=c*（2^n）（+可忽略部分）

从一个理论观点来看，这是一个矛盾：如果你关心因子c，你也可能关心所谓的“可忽略部分”。那些在复杂度测定中退出的，是O（2^N）世界，在这个世界上唯一重要的术语是在+无穷远处支配极限的术语

实际上，检查您的设置复杂性和算法中任何隐现的次要术语。例如，我工作的一个程序有一个简单的O（n^2 logn）解决方案。有O（n log n）前期工作和一些O（n）开销

我们面临的问题是，对于我们的消费者来说，该算法似乎没有以这种方式扩展。对于小任务，开销占主导地位。对于一个典型的评估任务，准备工作和主体的时间大致相等。对于一个真正的应用程序，主体显示了它的真实面目并接管了它，尽管前两个阶段花费的时间比评估任务的整个运行时间要长

---

简言之，中期计算没有按照外部观众的预期进行缩放，因为在较低的复杂度阶段具有较高的常量和系数值。

您的大得多的办公桌的缩放比例是多少

请注意，计算的消耗量（时间和内存）与根据复杂性估计的消耗量之间可能存在显著差异。前面的答案（Thomas Philipp）是正确的，除了一个细节：

t=c*（2^n）（+可忽略部分）

从一个理论观点来看，这是一个矛盾：如果你关心因子c，你也可能关心所谓的“可忽略部分”。那些在复杂度测定中退出的，是O（2^N）世界，在这个世界上唯一重要的术语是在+无穷远处支配极限的术语

实际上，检查您的设置复杂性和算法中任何隐现的次要术语。例如，我工作的一个程序有一个简单的O（n^2 logn）解决方案。有O（n log n）前期工作和一些O（n）开销

我们面临的问题是，对于我们的消费者来说，该算法似乎没有以这种方式扩展。对于小任务，开销占主导地位。对于一个典型的评估任务，准备工作和主体的时间大致相等。对于一个真正的应用程序，主体显示了它的真实面目并接管了它，尽管前两个阶段花费的时间比评估任务的整个运行时间要长

简言之，中期计算并不像外部观察者所期望的那样具有可伸缩性，因为在较低的复杂度阶段具有较高的常数和系数值