比較測演算法

1. 請教：數據結構，如何測試演算法的好壞

一般演算法的好壞標准有以下：
1、准確性，首先必須保證演算法得出的結果准確，這里的准確性並不是代表一定要得到某個值。例如在進化演算法中，得出的非支配解集就存在一定的隨機性，可以通過建立數學方法去討論解的好壞。
2、時間復雜度和空間復雜度，現在對於空間復雜度討論較少，都是時間復雜度的討論。
3、演算法的健壯性，有的演算法是為了某一個具體的實例而建立的，但是有的演算法就有通用性。

2. Miller Rabin演算法的演算法比較

Miller-Rabin演算法在基於Fermat定理的演算法中是最優秀的，無論從誤判概率還是從速度上看，它都優於其它 Fermat 類演算法，例如 ： Fermat 演算法 、 Lehmann 演算法、 Solovay- Strassen演算法等。Lucas 測試是Pomerance、Selfridge 和 Wagstaff 提出的一種基於Lucas序列的概率素數測試演算法，該演算法一輪消耗的 時間大概相當於6輪Miller-Rabin測試。一輪Lucas 的誤判概率 為4/15，該演算法經過一些改進,一輪的誤判概率達到1/8。這 種演算法在誤判概率和速度的權衡考慮上不如Miller-Rabin 演算法。Grantham-Frobenius 測 試(QFT) 是 Grantham 提出的基於 Frobenius概率素數和Frobenius強概率素數理論的演算法，給定 一組參數(b,c)，誤判概率可以被控制在1/7710以下。時間復雜度是(3+O(1))log2(n)( 以模n乘法為基本操作)，大概相當於3輪Miller-Rabin演算法。這種演算法理論比較艱深，目前只停留在理論研究階段，還不適合現實應用。Adams 和Shanks 提出了一種基於Perrin 序列的演算法，他們演算法的Q和I兩種情況下還沒發現偽素數，沒有考慮演算法 的速度，只是就誤判概率來進行研究，他們的工作主要是側 重數學理論研究，演算法目前還不適合現實應用。

3. 幾種人體運動檢測演算法的比較分析

引言人體運動分析是目前一個研究熱點,在智能安全監控系統、體育運動分析、醫療診斷等領域具有廣泛的應用前景。它主要涉及計算機視覺、模式識別、圖像處理以及人工智慧等領域,是跨學科的研究課題。其研究核心是從視頻中檢測和跟蹤人體,獲取人體運動數據,以此為基礎重建人體的三維運動,進而描述和理解人體運動。其中人體運動目標檢測的檢測效果直接影響後期的目標識別、跟蹤及行為理解等工作,因此運動人體檢測技術是計算機視頻圖像處理中最基礎、最關鍵的技術,對運動檢測演算法進一步研究具有深遠意義。人體運動檢測是指在輸入視頻圖像中確定運動人體的位置、尺度大小和姿態的過程[1]。目前採用比較多、比較經典的人體運動檢測方法有時間差分法、背景減除法、光流法等。筆者扼要闡述OGHMs法的理論依據,在現有演算法的基礎上,引入圖形學的腐蝕運算,應用於最後獲得的檢測結果,實驗證明腐蝕運算的引入使最終的運動檢測效果更好。同時對其他幾種常用的方法進行介紹和實際應用,根據得到的實驗結果,對這幾種方法以及OGHMs法進行分析和比較,並指出其優點和不足。所有的實驗都是

4. 有沒有測試演算法的軟體

測試演算法？？？這東西貌似沒聽過。推薦效率？？？如果是運行效率的話，直接拿同一組測試數據，分別跑老演算法和你改進的演算法，得出運行時間就可以

5. 什麼是比率測演算法

比率測演算法是 倒扣測演算法 的延伸，它是依據 成本利潤率 來測算單位產 品 目標成本 的一種 預測 方法。 這種方法要求事先確定先進的成本利潤率，並以此推算目標成本， 這種方法常常用於 新產品 目標成本的預測。

記得採納啊