Performance 是否有可能从图灵空间的复杂性来估计所需的RAM？ 图灵机可以考虑空间（磁带上的内存空间）和时间的复杂性。

有一些类，如PSPACE和EXPSPACE

此外，我们还可以提出PSPACE中绝对适用的算法

然而，当我实际编写程序时，有些程序运行得比其他程序快，有些程序的内存占用比其他程序小

假设我编写了一个PSPACE算法来解决问题X，也编写了一个EXPSPACE算法来解决同样的问题，EXPSPACE程序应该比PSPACE代码使用更多的RAM

根据启动算法的理论评级，有没有办法估计需要多少RAM

假设我编写了一个PSPACE算法来解决问题X，也编写了一个EXPSPACE算法来解决同样的问题，EXPSPACE程序应该比PSPACE代码使用更多的RAM

你想错了

这些复杂度类描述了执行算法所需内存的渐进增长。它们绝对不会告诉您所需的RAM的实际数量

基本上，对于某些大小的问题n，大于该大小的EXPSPACE将使用比PSPACE更多的内存，但对于小于n的任何内容，您都不能真正说出任何内容（就像对于小n，O（n2）算法可能比O（n）算法运行得更快）

假设我编写了一个PSPACE算法来解决问题X，也编写了一个EXPSPACE算法来解决同样的问题，EXPSPACE程序应该比PSPACE代码使用更多的RAM

你想错了

这些复杂度类描述了执行算法所需内存的渐进增长。它们绝对不会告诉您所需的RAM的实际数量

---

基本上，对于某些大小的问题n，大于该大小的EXPSPACE将使用比PSPACE更多的内存，但对于小于n的任何内容，您都不能真正说出任何内容（就像对于小n，O（n2）算法可能比O（n）算法运行得更快）。

原则上不。在实践中，有时

首先，你必须理解复杂性分析的实际含义（复习课本中的定义）。PSPACE仅仅意味着所需的空间由输入大小的多项式函数限定。它不会告诉你边界函数是什么，或者实际使用的空间是什么。所以，仅仅知道PSPACE中有一个算法是不可能解决RAM的任何问题的

如果你知道一个算法在PSPACE中，你可能会假设它使用的空间不仅仅是一个多项式，它是由一个多项式来描述的。这可能不是真的，但对于许多算法来说却是真的。然后，您可以计算（或测量）用于各种不同输入大小的空间，并尝试将多项式与数据匹配

---

一般来说，这是相当徒劳的（因为不知道多项式的阶数，有无限多可能的拟合）。但是在实践中，如果你知道所使用的空间是，比如说O（n），并且你知道什么样的输入会产生最坏的空间使用情况，那么你可以做出相当准确的预测。如果处理1MB的输入需要10MB的RAM，处理2MB的输入需要20MB的RAM，那么处理10MB的输入通常需要大约100MB的RAM。但你只能从更详细的算法知识中获得这种洞察力，而不仅仅是知道它具有多项式空间复杂性。

原则上不。在实践中，有时

首先，你必须理解复杂性分析的实际含义（复习课本中的定义）。PSPACE仅仅意味着所需的空间由输入大小的多项式函数限定。它不会告诉你边界函数是什么，或者实际使用的空间是什么。所以，仅仅知道PSPACE中有一个算法是不可能解决RAM的任何问题的

如果你知道一个算法在PSPACE中，你可能会假设它使用的空间不仅仅是一个多项式，它是由一个多项式来描述的。这可能不是真的，但对于许多算法来说却是真的。然后，您可以计算（或测量）用于各种不同输入大小的空间，并尝试将多项式与数据匹配

一般来说，这是相当徒劳的（因为不知道多项式的阶数，有无限多可能的拟合）。但是在实践中，如果你知道所使用的空间是，比如说O（n），并且你知道什么样的输入会产生最坏的空间使用情况，那么你可以做出相当准确的预测。如果处理1MB的输入需要10MB的RAM，处理2MB的输入需要20MB的RAM，那么处理10MB的输入通常需要大约100MB的RAM。但是，您只能从更详细的算法知识中获得这种洞察力，而不仅仅是知道它具有多项式空间复杂性。

'然后，您可以计算（或测量）用于各种不同输入大小的空间，并尝试将多项式与数据相匹配。一般来说，这是相当徒劳的（因为不知道多项式的阶数，有无限多可能的拟合）。但在实践中，如果你知道所使用的空间是，比如说O（n），并且你知道什么样的输入会产生最坏的空间使用情况，那么你可以做出相当准确的预测。如果我让相关代码达到足够稳定的状态，那将是一个实际的行动过程。然后，您可以计算（或测量）用于各种不同输入大小的空间，并尝试将多项式与数据匹配。一般来说，这是相当徒劳的（因为不知道多项式的阶数，有无限多可能的拟合）。但在实践中，如果你知道所使用的空间是，比如说O（n），并且你知道什么样的输入会产生最坏的空间使用情况，那么你可以做出相当准确的预测。如果我让相关代码达到足够稳定的状态，那将是一个实际的行动过程。谢谢