Приложение 2: различия между версиями

Материал из Алговики
Перейти к навигации Перейти к поиску
[непроверенная версия][непроверенная версия]
(Новая страница: «= Нахождение суммы элементов массива сдваиванием = == Свойства и структура алгоритма == ===…»)
 
(Полностью удалено содержимое страницы)
 
(не показаны 4 промежуточные версии этого же участника)
Строка 1: Строка 1:
= Нахождение суммы элементов массива сдваиванием =
 
  
== Свойства и структура алгоритма ==
 
 
=== Общее описание алгоритма ===
 
 
'''Метод сдваивания''' используется в качестве быстрого варианта вычисления длинных последовательностей ассоциативных операций (например, массового суммирования). Получил распространение благодаря как наименьшей из возможных высоте алгортима, так и из-за ряда своих вычислительных характеристик, а также (в среде нечисленных алгоритмов) из-за своей рекурсивности, то есть лёгкости записи.
 
 
=== Математическое описание алгоритма ===
 
 
Исходные данные: одномерный массив <math>n</math> чисел.
 
 
Вычисляемые данные: сумма элементов массива.
 
 
Формулы метода: элементы на каждом этапе алгоритма разбиваются на пары. В каждой из пар находится сумма составляющих её элементов. На следующем этапе на пары разбиваются уже эти суммы (и те элементы, которые не вошли в уже вычисленные суммы), и т. д.
 
 
=== Вычислительное ядро алгоритма ===
 
 
Вычислительное ядро последовательно-параллельного метода суммирования можно составить как из элементарных бинарных (всего <math>n - 1</math>) вычислений сумм, так и (рекуррентно) из набора реализаций метода сдваивания меньших размерностей.
 
 
=== Макроструктура алгоритма ===
 
 
Как уже записано в описании ядра алгоритма, основную часть метода составляют рекурсивные вызовы сумм массивов меньшей размерности.
 
 
=== Схема реализации последовательного алгоритма ===
 
 
В своём чистом виде суммирование сдваиванием редко используют при последовательной реализации, поскольку при этом усложняется общая схема алгоритма и резко растёт потребность в памяти, нужной для хранения промежуточных данных.
 
 
=== Последовательная сложность алгоритма ===
 
 
Для вычисления суммы массива, состоящего из <math>N</math> элементов, при любых разложениях <math>N</math> на пары суть алгоритма сводится к простому переставлению скобок в формуле суммирования, и количество операций неизменно и равно <math>N - 1</math>. Поэтому алгоритм должен быть отнесён к алгоритмам ''линейной сложности'' по количеству последовательных операций.
 
 
=== Информационный граф ===
 
 
На рис.1 изображён граф алгоритма. В данном случае выполнено суммирование 16 элементов массива.
 
Вершины, соответствующие входным данным, даны синим цветом, выходным данным - красным цветом.
 
 
[[file:binary-tree-based summation graph.png|center|thumb|500px|Рисунок 1. Суммирование массива методом сдваивания]]
 
 
=== Ресурс параллелизма алгоритма ===
 
 
Для суммирования массива порядка <math>n</math> методом сдваивания в параллельном варианте требуется последовательно выполнить <math>\lceil \log_2 n \rceil</math> ярусов с убывающим (от <math>\frac{n}{2}</math> до <math>1</math>) количеством операций суммирования.
 
При классификации по высоте ЯПФ, таким образом, метод сдваивания относится к алгоритмам с ''логарифмической сложностью''. При классификации по ширине ЯПФ его сложность будет ''линейной''.
 
 
=== Входные и выходные данные алгоритма ===
 
 
Входные данные: массив <math>x</math> (элементы <math>x_i</math>).
 
 
Дополнительные ограничения: отсутствуют.
 
 
Объём входных данных: <nowiki/><math>N</math>.
 
 
Выходные данные: сумма элементов массива.
 
 
Объём выходных данных: один скаляр.
 
 
=== Свойства алгоритма ===
 
 
Соотношение последовательной и параллельной сложности в случае неограниченных ресурсов, как хорошо видно, является <math>\frac{n}{\log_2 n}</math> (отношение линейной к логарифмической). При этом вычислительная мощность алгоритма, как отношение числа операций к суммарному объему входных и выходных данных — всего-навсего ''1 (входных и выходных данных столько же, сколько операций)''. При этом алгоритм полностью детерминирован. Дуги информационного графа нелокальны, от яруса к ярусу наблюдается показательный рост их длины, при любом размещении вершин графа.
 
 
== Литература ==
 
<references />
 

Текущая версия на 11:07, 17 сентября 2015