क्या एल्गोरिदम (और सामान्य रूप से दक्षता) कम महत्वपूर्ण हैं?

29

चूंकि गणना शक्ति खरीदना अतीत की तुलना में बहुत सस्ती है, क्या एल्गोरिदम का ज्ञान और कुशल होना कम महत्वपूर्ण है? यह स्पष्ट है कि आप एक अनंत लूप से बचना चाहेंगे, इसलिए, सब कुछ नहीं जाता है। लेकिन अगर आपके पास बेहतर हार्डवेयर हैं, तो क्या आपके पास किसी तरह से खराब सॉफ्टवेयर हो सकता है?

efficiency

— Quora Feans
स्रोत

2

"दोनों हाँ और नहीं"!

— vzn

4

अब जब हवाई जहाज मौजूद हैं, और ट्रांस-अटलांटिक भाड़ा सभी को जहाजों पर नहीं जाना है, तो क्या शिपिंग स्पीड कम महत्वपूर्ण है? FedEx और DHL ग्राहक ऐसा नहीं सोचते हैं।

— पीटर शोर

2

यदि इनपुट का आकार काफी बड़ा है, तो एल्गोरिदम के बीच एक ऑर्डर-ऑफ-परिमाण अंतर महत्वपूर्ण है, भले ही मशीन कितनी तेज हो। लेकिन मैं कभी-कभी केवल एक निरंतर कारक अंतर को "अनुकूलित करने" के लिए परिवर्तन करने में बेवकूफ बनाता हूं, यह महसूस करने के लिए कि प्रोग्रामिंग भाषा की वाक्य रचना में चीनी का उपयोग करके <कफ> पायथन </ खांसी> मेरे "अनुकूलन" की तुलना में काफी तेज है।

— कोजिरो

— विलाप

यहाँ एक दिलचस्प केस स्टडी उदाहरण है विंडोज, जो कुछ / कई मायनों में उच्च अनुकूलित हार्डवेयर पर भी कुशलता से कम चलती है ... जैसे कि मूरेस कानून हार्डवेयर में सुधार कर रहा है, ऐसा प्रतीत होता है कि सॉफ्टवेयर में भी इसी तरह का मुद्रास्फीति संबंधी कानून है आधुनिक सॉफ़्टवेयर हर समय अधिक से अधिक कर रहा है, नई परतों के साथ जोड़ा और गुणा किया गया है ... जिस तरह से एक गैस सभी उपलब्ध मात्रा को भरता है उसके अनुरूप है ... या जिसमें कोई बजट कितना बड़ा या बढ़ता है हमेशा उपयोग किया जाता है या कुछ हद तक उग आया ... विकासवादी दौड़

— vzn

31

मैं परिचय से एल्गोरिथ्म पुस्तक के उदाहरण को वास्तव में पसंद करता हूं , जो एल्गोरिथ्म दक्षता का महत्व दर्शाता है:

आइए दो सॉर्टिंग एल्गोरिदम की तुलना करें: सम्मिलन सॉर्ट और मर्ज सॉर्ट करें । उनकी जटिलता क्रमशः और है। आमतौर पर मर्ज सॉर्ट में एक बड़ा स्थिर कारक होता है, तो चलो मान लेते हैं $O(n^2) = c_1n^2$ $O(n\log n) = c_2n \lg n$ $c_1 < c_2$ ।

आपके प्रश्न का उत्तर देने के लिए, हम धीमी गति के कंप्यूटर (B) में चलने वाले विलय सॉर्ट अल्गोरिथम के विरुद्ध एक तेज़ कंप्यूटर (ए) के रनिंग इंसर्शन टाइम का मूल्यांकन करते हैं।

हमारा मानना है:

इनपुट समस्या का आकार 10 मिलियन संख्या है: ; $n=10^7$
कंप्यूटर ए प्रति सेकंड निर्देशों को निष्पादित करता है (~ 10GHz); $10^{10}$
कंप्यूटर बी केवल निर्देश प्रति सेकंड (~ 10MHz) निष्पादित करता है ; $10^7$
निरंतर कारक (जो थोड़ा अधिक घटा है) और (वास्तव में छोटा है)। $c_1=2$ $c_2=50$

तो इन धारणाओं के साथ

कंप्यूटर एक के लिए तरह केनंबर और

\frac{2 \cdot (10^{7})^{2} instructions}{10^{10} instructions / second} = 2 \cdot 10^{4} seconds

$\frac{2 \cdot (10^7)^2 \text{ instructions}} {10^{10} \text{ instructions}/\text{second}} = 2 \cdot 10^4 \text{ seconds}$

10^{7}

$10^7$

\frac{50 \cdot 10^{7} \lg 10^{7} instructions}{10^{7} instructions / second} \approx 1163 seconds

$\frac{50 \cdot 10^7 \lg 10^7 \text{ instructions}} {10^{7} \text{ instructions}/\text{second}} \approx 1163 \text{ seconds}$

कंप्यूटर के लिए बी।

तो कंप्यूटर, जो 1000 गुना धीमा है, समस्या को 17 गुना तेजी से हल कर सकता है। वास्तव में मर्ज के प्रकार का लाभ और भी अधिक महत्वपूर्ण होगा और समस्या के आकार के साथ बढ़ेगा। मुझे आशा है कि यह उदाहरण आपके प्रश्न का उत्तर देने में मदद करता है।

हालांकि, यह सभी एल्गोरिथ्म जटिलता के बारे में नहीं है। आज उच्च CPU आवृत्ति के साथ मशीन के उपयोग से एक महत्वपूर्ण स्पीडअप प्राप्त करना लगभग असंभव है। लोगों को मल्टी-कोर सिस्टम के लिए एल्गोरिदम डिजाइन करने की आवश्यकता है जो अच्छी तरह से पैमाने पर हो। यह भी एक मुश्किल काम है, क्योंकि कोर की वृद्धि के साथ, एक ओवरहेड (मेमोरी एक्सेस को प्रबंधित करने के लिए, उदाहरण के लिए) भी बढ़ता है। तो एक रैखिक स्पीडअप प्राप्त करना लगभग असंभव है।

तो संक्षेप में, कुशल एल्गोरिदम का डिज़ाइन आज भी उतना ही महत्वपूर्ण है जितना कि पहले, क्योंकि न तो आवृत्ति में वृद्धि और न ही अतिरिक्त कोर आपको कुशल एल्गोरिदम द्वारा लाए गए की तुलना में स्पीडअप देगा।

— पावेल ज़ैचेनकोव
स्रोत

4

यह उल्लेखनीय है कि रैखिक स्पीडअप की असंभवता अमदल के कानून से उत्पन्न होती है ।

— बार्टोज़ प्रेज़ीबल्स्की

अमदल का कानून हमेशा लागू नहीं होता है। कम्प्यूटेशनल साइंस में ऐसी समस्याएं हैं जो समस्या का आकार बढ़ने पर गैर-समानांतर कार्य का अंश शून्य हो जाता है। कहो कंप्यूटिंग

लेता है

काम करते हैं और आप की गणना करने की जरूरत है

के लिए

विभिन्न

। धारावाहिक में समय लागत है

f (x)

$f(x)$

n^{2}

$n^2$

\sum_{i = 1}^{n} f (x_{i})

$\sum_{i=1}^n f(x_i)$

n

$n$

x_{i}^{'} s

$x_i's$

O (n \cdot n^{2} + n) = O (n^{3})

$O(n\cdot n^2 + n) = O(n^3)$ , जबकि

प्रोसेसर के समानांतर , काम

।

n

$n$

O (n^{2} + n) = O (n^{2})

$O(n^2 + n) = O(n^2)$

— निक अल्जीरिया

"तो, कंप्यूटर, जो 1000 गुना धीमा है, समस्या को 17 गुना तेजी से हल कर सकता है।" यह एक गलत बयान है क्योंकि आप एक ही समय में हार्डवेयर की गति और विभिन्न एल्गोरिदम का संयोजन कर रहे हैं। बल्कि प्रत्येक प्रकार के कंप्यूटर ए बनाम कंप्यूटर बी की तुलना अलग से करें। (मैं कंप्यूटर ए पर मर्ज सॉर्ट, या कंप्यूटर बी पर सम्मिलन सॉर्ट का उपयोग क्यों नहीं कर सकता हूं?)

— एक्वालेक्स

3

@AquaAlex, उदाहरण का उद्देश्य यह दिखाना है कि धीमा कंप्यूटर सिलेक्ट किए गए एल्गोरिथम के माध्यम से तेजी से एक को बेहतर बना सकता है। हम प्रत्येक प्रकार के लिए निष्पादन समय की तुलना अलग-अलग कर सकते हैं या A पर मर्ज सॉर्ट चला सकते हैं और B. पर सम्मिलन सॉर्ट कर सकते हैं। लेकिन यह दर्शाता है कि एक तेज़ कंप्यूटर आमतौर पर धीमी गति से बेहतर प्रदर्शन करता है, जिसका कोई मतलब नहीं है।

— पावेल जेइचेनकोव

ठीक है, इसलिए यह विचार दिखाना था कि एक अधिक कुशल एल्गोरिथ्म अभी भी तेजी से सीपीयू और बड़ी मेमोरी पर दिन में भी वजन वहन करता है।

— AquaAlex

36

इसके विपरीत। एक ही समय में हार्डवेयर सस्ता हो रहा है, कई अन्य विकास होते हैं।

सबसे पहले, संसाधित किए जाने वाले डेटा की मात्रा तेजी से बढ़ रही है। इसके कारण क्वैसिलिनियर टाइम एल्गोरिदम और बड़े डेटा के क्षेत्र का अध्ययन किया गया है । खोज इंजन के बारे में उदाहरण के लिए सोचें - उन्हें बड़ी मात्रा में प्रश्नों को संभालना है, बड़ी मात्रा में डेटा को संसाधित करना है, और इसे जल्दी से करना है। एल्गोरिदम पहले से कहीं अधिक महत्वपूर्ण हैं।

दूसरा, मशीन लर्निंग का क्षेत्र मजबूत हो रहा है, और एल्गोरिदम से भरा हुआ है (आप अपने बीए में जो सीखते हैं, उससे अलग तरह का)। क्षेत्र संपन्न है, और हर बार जब वास्तव में एक नया एल्गोरिथ्म का आविष्कार किया जाता है, और प्रदर्शन में काफी सुधार होता है।

तीसरा, वितरित एल्गोरिदम अधिक महत्वपूर्ण हो गए हैं, क्योंकि हम सीपीयू प्रसंस्करण की गति में वृद्धि को रोक रहे हैं । आजकल कंप्यूटिंग पावर को समानांतर करके बढ़ाया जा रहा है , और इसमें समर्पित एल्गोरिदम शामिल हैं।

चौथा, सीपीयू की बढ़ती शक्ति का प्रतिकार करने के लिए, आधुनिक प्रोग्रामिंग प्रतिमान सुरक्षा खामियों का मुकाबला करने के लिए आभासी मशीन विधियों को नियुक्त करते हैं। यह एक प्रशंसनीय कारक द्वारा इन कार्यक्रमों को धीमा कर देता है। कॉंड्रम में जोड़ते हुए, आपका ऑपरेटिंग सिस्टम घंटियाँ और सीटी पर अधिक CPU समय का निवेश कर रहा है, जो आपके वास्तविक कार्यक्रमों के लिए कम CPU समय छोड़ रहा है, जिसमें CPU-गहन एल्गोरिदम जैसे वीडियो संपीड़न और विघटन शामिल हो सकते हैं। इसलिए जब हार्डवेयर तेज होता है, तो इसका उपयोग कुशलता से नहीं किया जाता है।

संक्षेप में, बड़ी मात्रा में डेटा को संभालने के लिए कुशल एल्गोरिदम आवश्यक हैं; के क्षेत्र में नए प्रकार के एल्गोरिदम पॉप अप कर रहे हैंकृत्रिम बुद्धि ; वितरित एल्गोरिदम ध्यान में आ रहे हैं; और सीपीयू शक्ति का विभिन्न कारणों से (लेकिन मुख्य रूप से, क्योंकि कंप्यूटर अधिक शक्तिशाली हो रहा है) कम कुशलता से दोहन किया जाता है। एल्गोरिदम अभी तक मृत नहीं हैं।

— युवल फिल्मस
स्रोत

"एल्गोरिदम अभी तक मृत नहीं हैं" ... इसके विपरीत हम संभवतः "एल्गोरिदम का स्वर्ण युग" जी रहे हैं ....

— 18

12

एल्गोरिदम का ज्ञान तेजी से एल्गोरिदम को लिखने की तुलना में बहुत अधिक है।

यह आपको समस्या को हल करने के तरीके (जैसे विभाजित और जीतना, गतिशील प्रोग्रामिंग, लालची, कमी, रैखिक प्रोग्रामिंग, आदि) देता है जिसे आप तब लागू कर सकते हैं जब आप एक नई और चुनौतीपूर्ण समस्या का सामना कर रहे हों। एक उपयुक्त दृष्टिकोण रखने से आमतौर पर ऐसे कोड बनते हैं जो लिखने में सरल और अधिक तेज़ होते हैं। इसलिए मुझे केविन के जवाब से असहमत होना पड़ा क्योंकि कोड जो सावधानी से नहीं डाले जाते हैं वे अक्सर न केवल धीमे होते हैं बल्कि जटिल भी होते हैं। मुझे डेविड परनास का यह उद्धरण पसंद है:

मैंने अक्सर डेवलपर्स को "किसी ऐसे व्यक्ति के रूप में वर्णित किया है जो किसी बड़ी प्रणाली को जल्दी से बनाना जानता है।" बड़ी प्रणालियों को जल्दी से बनाने में कोई चाल नहीं है; जितनी जल्दी आप उन्हें बनाएंगे, उतना ही बड़ा होगा!

(बेशक, हमें अच्छे कोड लिखने के लिए सॉफ़्टवेयर डिज़ाइन विधियों के साथ एल्गोरिदम को संयोजित करने की भी आवश्यकता है।)

एल्गोरिदम का ज्ञान भी हमें बताता है कि आपके डेटा को कैसे व्यवस्थित किया जाए ताकि आप उन्हें और अधिक संसाधित कर सकें आसानी से डेटा संरचनाओं के उपयोग के माध्यम और कुशलतापूर्वक ।

इसके अलावा, यह हमें अनुमान लगाने का एक तरीका देता है आपके दृष्टिकोण की दक्षता का और समय जटिलता, अंतरिक्ष जटिलता और कोड की जटिलता में कई अलग-अलग दृष्टिकोणों के बीच व्यापार-उतार को समझने का । इन ट्रेड-ऑफ को जानना आपके संसाधन की कमी के भीतर सही निर्णय लेने की कुंजी है।

सॉफ्टवेयर दक्षता के महत्व पर, मैं विर्थ के नियम को उद्धृत करूंगा:

सॉफ्टवेयर हार्डवेयर की तुलना में अधिक तेजी से धीमा हो रहा है।

लैरी पेज ने हाल ही में यह बताया कि सॉफ्टवेयर हर 18 महीने में दो बार धीमा हो जाता है, और इस तरह मूर के नियम को आगे बढ़ाता है।

— दाई
स्रोत

7

हां , वे व्यापक उद्योग में 'अपेक्षाकृत' कम महत्वपूर्ण हैं। पाठ संपादक 'काफी तेज' हो सकता है और इसमें बहुत सुधार की आवश्यकता नहीं हो सकती है। आईटी प्रयास का बड़ा हिस्सा यह सुनिश्चित करने के लिए जाता है कि जावा में लिखा गया A, C के साथ लिखे गए घटक B के साथ काम करता है, कोबोल (या कुछ) में लिखी गई संदेश कतार के माध्यम से सही ढंग से संचार करता है, या उत्पाद को बाजार में लाने के लिए आदि।

इसके अलावा वास्तुकला जटिल हो गया। जब आपके पास सादे पुराने सरल प्रोसेसर थे जहां आपके पास प्रति चक्र 1 निर्देश था और आपने विधानसभा में लिखा था कि अनुकूलन 'आसान' थे (आपको बस निर्देशों की संख्या की आवश्यकता है)। वर्तमान में आपके पास एक साधारण प्रोसेसर नहीं है, लेकिन रजिस्टर रीनेमिंग और मल्टीपल लेवल कैश के साथ पूरी तरह से पाइपलाइज्ड, सुपरसेलकर, आउट-ऑफ-ऑर्डर प्रोसेसर है। और आप असेंबली में नहीं बल्कि C / Java / etc में लिखते हैं। जहां कोड संकलित / JITed (आमतौर पर बेहतर कोड के लिए तो आप या मैं विधानसभा में लिखेंगे), या पायथन / रूबी / में ... जहां कोड की व्याख्या की जाती है और आपको मशीन से कई स्तर के अमूर्त द्वारा अलग किया जाता है। Microoptimalifications कठिन हैं और अधिकांश प्रोग्रामर विपरीत प्रभाव प्राप्त करेंगे।

नहीं , वे अनुसंधान में और 'संपूर्ण' में उतने ही महत्वपूर्ण हैं शब्दों हैं। ऐसे क्षेत्र हैं जहां गति महत्वपूर्ण है क्योंकि वे बड़ी मात्रा में डेटा पर काम करते हैं। इस पैमाने पर जटिलताएं मायने रखती हैं जैसा कि पावेल उदाहरण द्वारा दिखाया गया है।

हालाँकि आगे के मामले हैं - एल्गोरिदम से 'डाउन' होना अभी भी एक विकल्प है जब गति के मामले (एचपीसी, एम्बेडेड डिवाइस आदि) को चुना जाता है। आपको कई विश्वविद्यालयों के समूह मिलेंगे जो कंपाइलर और / या सॉफ्टवेयर ऑप्टिमाइज़ेशन में विशेषज्ञता रखते हैं। उदाहरण के लिए लूप ऑर्डर करने का एक साधारण स्वैप एक हजार समय का स्पीडअप प्राप्त कर सकता है, क्योंकि यह कुशलतापूर्वक कैश का उपयोग करता है - जबकि यह एक सीमावर्ती उदाहरण हो सकता है कि सीपीयू-मेमोरी गैप पिछले 30 वर्षों में 1000 गुना बढ़ता है। इसके अलावा कंप्यूटर आर्किटेक्चर सीएस का हिस्सा है। इसलिए गणना की गति में सुधार के कई वास्तव में सामान्य सीएस क्षेत्र का एक हिस्सा हैं।

औद्योगिक पक्ष पर - जब आपके पास HPC क्लस्टर गति मायने रखती है क्योंकि एकल कार्यक्रम दिनों, महीनों या वर्षों तक चल सकता है। न केवल आपको बिजली बिल का भुगतान करने की आवश्यकता है, बल्कि प्रतीक्षा करने से भी पैसे खर्च हो सकते हैं। आप दो बार ज्यादा हार्डवेयर फेंक सकते हैं लेकिन 700M $ को शायद ही सभी लेकिन सबसे बड़ी कंपनियों के लिए एक पॉकेट परिवर्तन माना जा सकता है - ऐसे मामलों में प्रोग्रामर सबसे सस्ता विकल्प है और अगर नई भाषा में प्रोग्राम को फिर से लिखना सिर्फ एक 'छोटे' स्पीडअप का मतलब है - वे हो सकता है गौर किजिए।

इसके अलावा गति बेहतर UX का मतलब हो सकता है। मोबाइल फोन ओएस की कई समीक्षाएं बताती हैं कि कौन सा 'स्नैपर' है और जबकि यह 'ट्रिक्स' द्वारा किया जा सकता है, यह निश्चित रूप से अध्ययन का एक क्षेत्र है। इसके अलावा, आप अपने डेटा को तेज़ी से एक्सेस करना चाहते हैं और तेज़ी से वही करते हैं जो आपको चाहिए। कभी-कभी इसका मतलब है कि आप और अधिक कर सकते हैं - खेल में आपके पास सब कुछ करने के लिए 0.017s हैं और जितनी तेज़ी से आप अधिक कैंडीज डाल सकते हैं उतना ही आप कर सकते हैं।

— मैकीज पीचोटका
स्रोत

2

यह एक दिलचस्प चर्चा है। और हमारे पास यहां देखने के लिए कुछ चीजें हैं।

सैद्धांतिक कंप्यूटर विज्ञान - यह एक विकसित विज्ञान है जिसका अर्थ है कि समय बीतने के साथ हम समस्याओं को हल करने के नए और बेहतर तरीके पाएंगे, जिसका अर्थ है उदाहरण के लिए खोज और छँटाई के लिए बेहतर एल्गोरिदम।
बड़े समुदायों / बड़े पुस्तकालयों - क्योंकि बहुत सारे काम अन्य लोगों द्वारा किए गए हैं, हम केवल उनके काम पर निर्माण कर सकते हैं और उनके द्वारा पहले से बनाए गए एल्गोरिदम का उपयोग कर सकते हैं और यहां तक कि कोडित भी कर सकते हैं। और इन पुस्तकालयों को समय के साथ अपडेट किया जाएगा जिससे हमें अधिक कुशल कार्यक्रमों / एल्गोरिदम तक स्वचालित पहुंच मिल सकेगी।
विकास - अब यहाँ हमारे पास एक समस्या है जो मुझे लगता है। बहुत सारे प्रोग्रामर कंप्यूटर वैज्ञानिक नहीं हैं इसलिए वे व्यावसायिक समस्याओं को हल करने के लिए कोड लिखते हैं तकनीकी / सैद्धांतिक समस्याओं को नहीं और उदाहरण के लिए एक त्वरित प्रकार के रूप में एक बबल सॉर्ट का उपयोग करके खुश होंगे। और यहां हार्डवेयर की गति खराब प्रोग्रामर को खराब एल्गोरिदम और खराब कोडिंग प्रथाओं का उपयोग करने से दूर होने देती है। मेमोरी, सीपीयू स्पीड, स्टोरेज स्पेस ये चीजें अब बड़ी चिंता का विषय नहीं हैं और हर कुछ महीनों में चीजें बड़ी, तेज और सस्ती हो रही हैं। मेरा मतलब है कि नए सेलफोन को देखो। वे अब 1970/80 के दशक से मेनफ्रेम कंप्यूटर / सर्वर से अधिक उन्नत हैं। अधिक भंडारण, अधिक प्रसंस्करण शक्ति, तेज मेमोरी।
UI और DATA - उपयोगकर्ता इंटरफ़ेस / उपयोगकर्ता अनुभव और DATA को अब विकास के अधिकांश क्षेत्रों में सुपर कुशल कोड से अधिक महत्वपूर्ण माना जाता है। इसलिए गति तभी बनती है और जारी होती है जब किसी उपयोगकर्ता को लंबा इंतजार करना पड़ता है। यदि हम उपयोगकर्ता को एक अच्छा लुक और फील देते हैं और वह उस एप्लिकेशन से अच्छी प्रतिक्रिया प्राप्त करता है जो वह खुश है। और अगर व्यापार जानता है कि सभी डेटा सुरक्षित रूप से और सुरक्षित रूप से संग्रहीत किए जाते हैं और वे इसे पुनः प्राप्त कर सकते हैं और इसे किसी भी समय हेरफेर कर सकते हैं, तो उन्हें परवाह नहीं है कि उन्हें कितनी जगह की आवश्यकता है।

इसलिए मुझे यह कहना होगा कि कुशल प्रोग्रामर अब महत्वपूर्ण या आवश्यक नहीं हैं, यह सिर्फ इतना है कि बहुत कम कंपनियां / उपयोगकर्ता लोगों को सुपर कुशल प्रोग्रामर होने के लिए पुरस्कृत करते हैं, और हार्डवेयर बेहतर होने के कारण हम कम होने के साथ दूर हो रहे हैं। कुशल। लेकिन कम से कम अभी भी वहां के लोग दक्षता पर ध्यान केंद्रित कर रहे हैं और सामुदायिक भावना के कारण हर किसी को इससे लाभ मिलता है।

— AquaAlex
स्रोत

1

इस दिलचस्प और गहरे प्रश्न पर कुछ अन्य कोण जो घटना के अंतःविषय और क्रॉस-कटिंग पहलुओं पर जोर देते हैं। दाई ने अपने उत्तर में विर्थ के नियम को उद्धृत किया:

सॉफ्टवेयर हार्डवेयर की तुलना में अधिक तेजी से धीमा हो रहा है।

अर्थशास्त्र में देखी गई घटनाओं के लिए इस विचार के दिलचस्प समानताएं हैं। ध्यान दें कि अर्थशास्त्र का कंप्यूटर विज्ञान के साथ कई गहरे संबंध हैं, जैसे कि समय-निर्धारण में जहां "लोड-बैलेंसिंग" एल्गोरिदम द्वारा अनुरोध पर दुर्लभ संसाधन (थ्रेड्स आदि) आवंटित किए जाते हैं। एक और उदाहरण है जिसे निर्माता-उपभोक्ता कतार कहा जाता है। इसके अलावा, नीलामी।

इसके अलावा, उदाहरण के कानूनों की सूची, विकिपीडिया :

पार्किंसंस का नियम - "इसके विस्तार के लिए उपलब्ध समय को पूरा करने के लिए काम का विस्तार होता है।" सी। नॉर्थकोट पार्किंसन (1909-1993) द्वारा गढ़ा गया, जिन्होंने अपनी कोरलरी भी गढ़ी, "व्यय आय को पूरा करने के लिए बढ़ जाता है।" कंप्यूटर में: सभी उपलब्ध मेमोरी को भरने के लिए प्रोग्राम का विस्तार होता है।

जेवॉन के विरोधाभास के लिए कुछ मजबूत समानता भी है जो कि अधिक कुशल वाट स्टीम इंजनों को न्यूकमेन डिजाइन को बदलने के लिए शुरू करने के बाद ऊर्जा के उपयोग में वृद्धि में देखी गई थी, लेकिन इंजनों के उपयोग या प्रसार में वृद्धि हुई:

अर्थशास्त्र में, Jevons विरोधाभास (/ ʒɛdəvznz /; कभी-कभी Jevons प्रभाव) यह प्रस्ताव है कि तकनीकी प्रगति जो उस दक्षता को बढ़ाती है जिसके साथ एक संसाधन का उपयोग किया जाता है, उस संसाधन की खपत की दर में वृद्धि (कमी के बजाय) होती है।

सादृश्य यह है कि हार्डवेयर संसाधन है और सॉफ्टवेयर संसाधन की खपत (उर्फ, आपूर्ति बनाम मांग) की तरह है। इसलिए सॉफ्टवेयर और हार्डवेयर (और प्रत्येक में उन्नति) एक दूसरे के साथ एक कसकर युग्मित सहजीवी प्रतिक्रिया लूप में कुछ हद तक मौजूद हैं, एक अर्थ में, सहवास । इस परस्पर क्रिया को प्रभावित करने वाले कई जटिल और परस्पर संबंध कारक हैं, जैसे:

— vzn
स्रोत

क्यों होता है पतन? मुझे पार्किंसंस कानून और जेवन्स विरोधाभास का बहुत खुलासा हुआ है।

— युवल फिल्मस

@YuvalFilmus मेरा अनुमान है: व्याकरण के साथ समस्याएं। मुझे इस बार जवाब पढ़ने की अपनी क्षमता को परेशान करने वाला नहीं लगा, लेकिन मैंने इसे सुधारने की कोशिश की।

— जुहो

1

यह "व्याकरण के साथ समस्याएं" नहीं है, यह एक अलग शैली है। यह कहने जैसा है कि एक मूल वक्ता अपनी भाषा बोलने में "गलतियाँ" करता है, जबकि वास्तव में या तो भाषा बदल रही है, या क्षेत्रीय परिवर्तन है। इस मामले में, यह vzn की मुहावरेदार शैली है।

— युवल फिल्मस

-3

नहीं, ज्यादातर अंतरिक्ष जटिलता पर विचार करते समय! एक सामान्य कंप्यूटर की भंडारण क्षमता तेजी से बढ़ रही है।

— एंडी
स्रोत

क्या यह सही नहीं होगा - यदि आपके पास 'अनंत' भंडारण है तो आपको अंतरिक्ष जटिलता के बारे में परेशान करने की आवश्यकता नहीं होगी। 'समस्या' यह नहीं है कि भंडारण बढ़ता है, बल्कि कम्प्यूटेशनल पावर और मेमोरी की वृद्धि के द्वारा दिए गए स्पीडअप को भरने वाले सिंक में काम करने के लिए डेटा बढ़ता है - जो कि एक अच्छी बात है, हम ब्रह्मांड को अधिक वास्तविक रूप से मॉडल करना चाहते हैं, अधिक प्रोटीन आदि। (पीएस। मैंने नीचे मतदान नहीं किया है)

— मैकीज पीचोटका

4

यह सच है कि मोबाइल एप्लिकेशन के कई डेवलपर्स अनंत संसाधन लगते हैं , लेकिन दुर्भाग्य से मेरा डिवाइस बहुत ही सीमित है।

— राफेल