
Ученые из факультета вычислительной математики и кибернетики МГУ разработали новую стохастическую модель для анализа временной сложности алгоритмов, которые работают с базами данных. По данным «Научной России», этот метод учитывает неопределенность и вариативность входных данных, что делает оценку поведения алгоритмов более реалистичной.
В классических методах анализ времени выполнения часто выполняется на основе детерминированных сценариев, игнорируя случайные факторы, которые встречаются в реальных вычислительных системах. Например, структура запросов, распределение данных и особенности взаимодействия компонентов базы данных существенно влияют на время обработки. В новой модели временная сложность описывается с помощью вероятностных характеристик, что позволяет получить не просто асимптотические оценки, а полноценное распределение времени выполнения.
«Стохастический подход позволяет точнее характеризовать временные параметры вычислительных задач, особенно когда алгоритмы работают с базами данных в разнообразных и непредсказуемых условиях», — говорит профессор Андрей Борисов с кафедры математической статистики ВМК МГУ.
По словам исследователей, внедрение подобных моделей поможет лучше понимать и оптимизировать алгоритмы обработки данных, особенно в системах с высокой нагрузкой, где важна не только средняя производительность, но и вероятность возникновения задержек. Доклад с результатами работы опубликован в Journal of Computer and Systems Sciences International.
Информация предоставлена пресс-службой МГУ
Источник фото: ru.123rf.com





