Думаю, тут некорректно задан вопрос в опросе. По крайней мере, если он соотносится со статьей. Т.к. фактически значимость оценивают все-таки люди, просто выражают ее не в числах, а с помощью просмотров статей на вики, упоминания автора и т.д. Машина так и остается тупым калькулятором, который все это подсчитывает.
Мне кажется, основная проблема при таких задержках — это сложность синхронизации с другими органами чувств. Мозг говорит, что рука уже переместилась в пространстве, а зрение показывает, что она еще на старом месте; голова уже повернулась — а картинка еще нет и т.д. Интересны результаты, если бы можно было все чувства «задержать».
В такие моменты вспоминается старый бородатый анекдот: — Что там за шум на улице, Бэрримор?
— Это гей-парад, сэр.
— И чего же они требуют, Бэрримор?
— Однополой любви, сэр.
— Им разве кто-то запрещает?
— Нет, сэр.
— Так почему же всё-таки они шумят?
— П#$орасы, сэр.
Тут уже вопрос уходит в другую плоскость — нужно ли на самом деле решение? Об этом я и не рассуждаю — тут в общих чертах и не скажешь никогда точно. Но уметь искать решения, даже когда с первого взгляда задача кажется нерешаемой — мне кажется, неплохое качество.
Во многом да, но лично мне требуется больше времени чтобы привыкнуть к чужому ноутбуку, чем просто к обычно клавиатуре. Вообще, идеальной для меня была бы Microsoft Natural Ergonomic Keyboard 4000 с ходом клавиш, чуть более жестким, чем ноутбучные — чтобы избежать случайных нажатий при просто лежащих на ФЫВАОЛДЖ пальцах.
Такая же проблема — сейчас такой пользуюсь и ход клавиш бывает очень неприятно тугим, что замедляет скорость печати где-то на 20% по сравнению с родной ноутбучной клавиатурой с раздолбанными клавишами. Иногда вообще не получается нажать клавишу из-за того, что не рассчитал усилие, и приходится править. Хотя, конечно, само расположение клавиш и общая эргономика очень удобные — руки не устают вообще, а вот после ноубучной клавы ощущения очень неприятные бывают в кистях. И, кстати, мне очень не нравится, что кнопка «F Lock» находится сразу после F12, без какого-то пробела или тактильно ощутимого перехода — после работы на других клавиатурах про нее забываешь и не попадаешь по нужным F-клавишам.
Может быть, будет немного не в тему, но скажу, как я научился искать не проблему, а решение. И это олимпиадное программирование, так шумевшее в последние дни в связи с финалом ICPC. После решения кучи олимпиадных задач, когда есть четкое условие и гарантия, что задача решаема, привыкаешь к модели мышления «решение есть, но я его еще не придумал или пока не знаю такого метода». И уже в процессе обдумывания возникает несколько вариантов, как можно немного изменить условия, чтобы ты мог сесть и начать писать код. Так что даже если ты не придумаешь решения к начальной задаче, ты всегда можешь предложить менеджеру несколько других вариантов со слегка другими условиями.
Может быть, это одна из причин, почему олимпиадников так любят в крупных компаниях.
Потому что все привыкли слушать ее там, вот и все. Да и интеграция с остальными социальными возможностями — насколько было просто скинуть другу послушать любимую песню, либо зайти к незнакомому человеку и сразу понять его музыкальные вкусы.
Всегда считал, что чтение большого количества книг учит человека правильной, грамотной и уместной речи. Надеюсь, я встретил исключение из тех, что только подтверждают правило. Но, видимо, автор что-то упустил при чтении и «заглатывая» книги по штуке в день так и не почерпнул ни капли литературы.
Если ошибся в суждениях — извиняюсь.
Если в двух словах — представим, что нам нужно отсортировать массив из N элементов, для простоты условимся, что все ключи попарно различны. Эти элементы поступают на вход алгоритма сортировки в виде одной из N! различных перестановок этих элементов. Фактически, задачей алгоритма сортировки является нахождение такой перестановки, применение которой к входной перестановке ее отсортирует. Причем для каждой из возможных входных перестановок существует 1 единственная перестановка, переводящая входной массив в отсортированный.
Алгоритм сортировки постепенно «уточняет» необходимую перестановку так, чтобы в итоге осталась одна единственная, сортирующая именно эту входную последовательность. Здесь можно представить работу алгоритма как дерево принятия решений — на каждом шаге множество возможный перестановок «делится» на те, которые точно не подходят и те, среди которых есть искомая. Т.е., например, до первого шага алгоритма у нас есть N! вариантов, а после первого шага — t1,1 вариантов, и исключены t1,2 вариантов. Причем t1,1 + t1,2 = N!.. На втором шаге уже t1,1 делится на t2,1 и t2,2 так что t2,1 + t2,2 = t1,1 и т.д. В этом дереве каждый лист соответствует одной перестановке — следовательно, их N! штук. Дерево строго бинарно. Если h — высота этого дерева, значит, на i-м уровне дерева не более, чем 2^(i — 1) вершин. И всего вершин — не более 2^h. Так получается неравенство 2^h >= N!.. После логарифмирования обеих частей можно получить следующую цепочку: h >= log_2(N!) >= (N/2) * log_2(N/2). Т.е. высота дерева не может расти медленнее, чем N*log_2(N), получается, h = O(N*log_2(N)) — это и является нижней оценкой на высоту дерева.
Немного скомкано получилось, уж извините, но идея, надеюсь, понятна.
Вам хотели объяснить, что есть такое понятие, как асимптотическая сложность алгоритма. Она записывается для данного алгоритма так: O(n^2). Это означает, что рост количества реальный действий, совершаемых программой — T(n) — не может расти быстрее, чем функция C*n^2, где C — некоторая константа.
Вообще говоря, при учете сложности алгоритмов на эту константу нечасто обращают внимание. Потому что важна именно зависимость скорости работы от размера входных данных. Для алгоритмов сортировок, основанных на сравнении элементов, доказано, что не может существовать алгоритма со сложностью лучшей, чем n*log(n).
Опять же, взять в сравнение эту самую сортировку вставками и, например, HeapSort. У второго алгоритма эта константа намного больше — сами операции более сложные, плохо используется кеш, и т.д. Но тем не менее, HeapSort лучше именно тем, что при достаточно больших значениях n он превзойдет InsertionSort именно за счет того, что его асимптотическая сложность O(n*log(n)), и это при достаточно большом n «компенсирует» сколько угодно большую константу этого алгоритма.
Осознаю, что с непривычки, новичок и вообще, но я в тот день так вымотался от нервного истощения, что лучше бы поспал.
Исключительно дело привычки. Когда вы ходить учились, уверен, у вас это тоже отнимало кучу физических и моральных сил. И писать, и читать, и т.д. Вождение — один из навыков, который с опытом требует все меньше сил для реализации. Конечно, если погодная/иная ситуация не требует максимального сосредоточения. Я, например, привычный путь до учёбы уже спустя год после начала вождения проделываю, успевая спокойно подумать о предстоящем дне и окончательно придя в бодрое расположение духа.
— Что там за шум на улице, Бэрримор?
— Это гей-парад, сэр.
— И чего же они требуют, Бэрримор?
— Однополой любви, сэр.
— Им разве кто-то запрещает?
— Нет, сэр.
— Так почему же всё-таки они шумят?
— П#$орасы, сэр.
Может быть, это одна из причин, почему олимпиадников так любят в крупных компаниях.
Если ошибся в суждениях — извиняюсь.
Алгоритм сортировки постепенно «уточняет» необходимую перестановку так, чтобы в итоге осталась одна единственная, сортирующая именно эту входную последовательность. Здесь можно представить работу алгоритма как дерево принятия решений — на каждом шаге множество возможный перестановок «делится» на те, которые точно не подходят и те, среди которых есть искомая. Т.е., например, до первого шага алгоритма у нас есть N! вариантов, а после первого шага — t1,1 вариантов, и исключены t1,2 вариантов. Причем t1,1 + t1,2 = N!.. На втором шаге уже t1,1 делится на t2,1 и t2,2 так что t2,1 + t2,2 = t1,1 и т.д. В этом дереве каждый лист соответствует одной перестановке — следовательно, их N! штук. Дерево строго бинарно. Если h — высота этого дерева, значит, на i-м уровне дерева не более, чем 2^(i — 1) вершин. И всего вершин — не более 2^h. Так получается неравенство 2^h >= N!.. После логарифмирования обеих частей можно получить следующую цепочку: h >= log_2(N!) >= (N/2) * log_2(N/2). Т.е. высота дерева не может расти медленнее, чем N*log_2(N), получается, h = O(N*log_2(N)) — это и является нижней оценкой на высоту дерева.
Немного скомкано получилось, уж извините, но идея, надеюсь, понятна.
Вообще говоря, при учете сложности алгоритмов на эту константу нечасто обращают внимание. Потому что важна именно зависимость скорости работы от размера входных данных. Для алгоритмов сортировок, основанных на сравнении элементов, доказано, что не может существовать алгоритма со сложностью лучшей, чем n*log(n).
Опять же, взять в сравнение эту самую сортировку вставками и, например, HeapSort. У второго алгоритма эта константа намного больше — сами операции более сложные, плохо используется кеш, и т.д. Но тем не менее, HeapSort лучше именно тем, что при достаточно больших значениях n он превзойдет InsertionSort именно за счет того, что его асимптотическая сложность O(n*log(n)), и это при достаточно большом n «компенсирует» сколько угодно большую константу этого алгоритма.
Исключительно дело привычки. Когда вы ходить учились, уверен, у вас это тоже отнимало кучу физических и моральных сил. И писать, и читать, и т.д. Вождение — один из навыков, который с опытом требует все меньше сил для реализации. Конечно, если погодная/иная ситуация не требует максимального сосредоточения. Я, например, привычный путь до учёбы уже спустя год после начала вождения проделываю, успевая спокойно подумать о предстоящем дне и окончательно придя в бодрое расположение духа.