मुझे लगता है कि गौसियन दक्षता गणना लागत से संबंधित कुछ है।
गॉसियन अनुकूलन की दक्षता क्लाउड ई। शैनन के कारण सूचना के सिद्धांत पर निर्भर करती है। जब कोई घटना P की संभावना P के साथ होती है, तो सूचना −log (P) प्राप्त की जा सकती है। उदाहरण के लिए, यदि औसत फिटनेस P है, तो अस्तित्व के लिए चयनित प्रत्येक व्यक्ति के लिए प्राप्त की गई जानकारी औसतन iflog (P) होगी - और जानकारी प्राप्त करने के लिए आवश्यक कार्य / समय 1 / P के समानुपाती होता है। इस प्रकार, यदि दक्षता, ई, को हमारे द्वारा प्राप्त करने के लिए आवश्यक कार्य / समय से विभाजित जानकारी के रूप में परिभाषित किया गया है: ई = .P लॉग (पी)। यह कार्य P = 1 / e = 0.37 होने पर अधिकतम प्राप्त करता है। एक ही परिणाम एक अलग विधि के साथ Gaines द्वारा प्राप्त किया गया है।
मैं बस यह निष्कर्ष निकाल सकता हूं कि गॉसियन दक्षता जितनी अधिक होगी, किसी बड़े नमूने के मजबूत पैमाने के अनुमानक की तरह कुछ की गणना के लिए कम संसाधनों (RAM) की आवश्यकता होती है। चूंकि सीपीयू बाकी कंप्यूटर की तुलना में बहुत तेज है, इसलिए हम 128GB RAM कहने के साथ एक बार करने के बजाय कई बार ट्रायल / एरर एल्गोरिथम चलाना पसंद करते हैं। जब गाऊसी दक्षता अधिक होगी तो काम कम समय में हो जाएगा।