In computational complexity theory, a computational resource is a resource used by some computational models in the solution of computational problems. The simplest computational resources are computation time, the number of steps necessary to solve a problem, and memory space, the amount of storage needed while solving the problem, but many more complicated resources have been defined.
| Attributes | Values |
|---|
| rdf:type
| |
| rdfs:label
| - Υπολογιστικός πόρος (el)
- Computational resource (en)
- 計算資源 (ja)
- 計算資源 (zh)
|
| rdfs:comment
| - 計算資源（けいさんしげん、英語: computational resource）とは、コンピュータ科学などで、計算機（具体的なコンピュータ、そこで動くプロセスやジョブ、あるいは抽象的な計算模型）が「計算量」のために費す、具体的あるいは抽象的な「資源」である。計算機資源と言うこともあるが、その場合はプロセッサ時間や記憶装置などコンピュータのハードウェアの占有量のような具体的なものを指していることが多い。 その他に、アプリケーションプログラムの設定データのような情報をデスクトップ環境などのシステムが保存しているものを「リソース」と呼ぶことがある。詳細は、最後のの節のリンク先を参照のこと。 (ja)
- 在计算复杂性理论中，计算资源是一些计算模型在解决计算问题时使用的资源。 最简单的计算资源是计算时间，即解决一个问题所需的步骤数，以及内存空间，即解决问题时需要的存储量，但也有许多更复杂的资源被定义。 [需要引用] 一个计算问题一般[引用]是以其对任何有效输入的行动来定义的。问题的例子可能是 "给定一个整数n，确定n是否是素数"，或者 "给定两个数字x和y，计算积x*y"。随着输入越来越大，解决一个问题所需的计算资源也会增加。因此，解决一个问题所需的资源是用渐进分析法来描述的，即把资源确定为输入的长度或大小的函数。资源的使用经常使用大O符号进行部分量化。 计算资源是有用的，因为我们可以研究哪些问题可以在每一种计算资源的一定量中计算出来。通过这种方式，我们可以确定解决问题的算法是否是最优的，我们可以对算法的效率做出说明。所有能用一定量的某种计算资源解决的计算问题的集合是一个复杂性类，而不同复杂性类之间的关系是复杂性理论中最重要的课题之一。 描述普遍可得的计算设备 "计算资源 "一词通常被用来描述可访问的计算设备和软件。参见公用计算。 计算能力的形式化量化 在正式量化计算能力方面已经有了一些努力。有界图灵机已经被用来为特定的计算建模，使用状态转换的数量和字母大小来量化解决一个特定问题所需的计算努力。 (zh)
- Στη θεωρία υπολογιστικής πολυπλοκότητας, ο υπολογιστικός πόρος είναι ένας πόρος που χρησιμοποιείται από κάποια κατά τη λύση υπολογιστικών προβλημάτων. Οι απλούστεροι υπολογιστικοί πόροι είναι ο , ο αριθμός των βημάτων που χρειάζονται για την επίλυση ενός προβλήματος και ο χώρος μνήμης, δηλαδή το μέγεθος αποθηκευτικού χώρου που απαιτείται κατά την επίλυση του προβλήματος. Πέρα από αυτούς, έχουν οριστεί και άλλοι, αρκετά περιπλοκότεροι υπολογιστικοί πόροι. (el)
- In computational complexity theory, a computational resource is a resource used by some computational models in the solution of computational problems. The simplest computational resources are computation time, the number of steps necessary to solve a problem, and memory space, the amount of storage needed while solving the problem, but many more complicated resources have been defined. (en)
|
| dcterms:subject
| |
| Wikipage page ID
| |
| Wikipage revision ID
| |
| Link from a Wikipage to another Wikipage
| |
| sameAs
| |
| dbp:wikiPageUsesTemplate
| |
| has abstract
| - Στη θεωρία υπολογιστικής πολυπλοκότητας, ο υπολογιστικός πόρος είναι ένας πόρος που χρησιμοποιείται από κάποια κατά τη λύση υπολογιστικών προβλημάτων. Οι απλούστεροι υπολογιστικοί πόροι είναι ο , ο αριθμός των βημάτων που χρειάζονται για την επίλυση ενός προβλήματος και ο χώρος μνήμης, δηλαδή το μέγεθος αποθηκευτικού χώρου που απαιτείται κατά την επίλυση του προβλήματος. Πέρα από αυτούς, έχουν οριστεί και άλλοι, αρκετά περιπλοκότεροι υπολογιστικοί πόροι. Ένα υπολογιστικό πρόβλημα ορίζεται γενικά με βάση την ενέργεια που απαιτείται να διεκπεραιώσει σε κάποια έγκυρη είσοδο. Παραδείγματα προβλημάτων είναι: «Δεδομένου ενός ακέραιου n, να αποφανθεί εάν το n είναι πρώτος», ή «Δεδομένων δύο αριθμών x και y, να υπολογιστεί το γινόμενο x*y». Καθώς η είσοδος μεγαλώνει, αυξάνεται και το πλήθος των υπολογιστικών πόρων που απαιτούνται για την επίλυση του προβλήματος. Έτσι οι αναγκαίοι πόροι περιγράφονται με όρους , εκφράζοντάς τους ως συνάρτηση του μήκους ή του μεγέθους της εισόδου. Η χρήση πόρων συχνά ποσοτικοποιείται εν μέρει με . Οι υπολογιστικοί πόροι είναι χρήσιμοι διότι μας δίνουν τη δυνατότητα να ερευνήσουμε ποια προβλήματα μπορούν να επιλυθούν με συγκεκριμένο αριθμό από κάθε είδος υπολογιστικών πόρων. Με τον τρόπο αυτό μπορούμε να αποφανθούμε αν οι αλγόριθμοι που χρησιμοποιούνται για την επίλυση του προβλήματος είναι βέλτιστοι και μπορούμε τελικά να σχολιάσουμε την αποδοτικότητα κάποιου αλγορίθμου. Το σύνολο των προβλημάτων που μπορούν να επιλυθούν με χρήση ενός συγκεκριμένου πλήθους ενός συγκεκριμένου υπολογιστικού πόρου αποτελούν μια και οι σχέσεις μεταξύ διαφορετικών κλάσεων πολυπλοκότητας είναι ένα από τα πιο σημαντικά ζητήματα στη θεωρία πολυπλοκότητας. (el)
- In computational complexity theory, a computational resource is a resource used by some computational models in the solution of computational problems. The simplest computational resources are computation time, the number of steps necessary to solve a problem, and memory space, the amount of storage needed while solving the problem, but many more complicated resources have been defined. A computational problem is generally defined in terms of its action on any valid input. Examples of problems might be "given an integer n, determine whether n is prime", or "given two numbers x and y, calculate the product x*y". As the inputs get bigger, the amount of computational resources needed to solve a problem will increase. Thus, the resources needed to solve a problem are described in terms of asymptotic analysis, by identifying the resources as a function of the length or size of the input. Resource usage is often partially quantified using Big O notation. Computational resources are useful because we can study which problems can be computed in a certain amount of each computational resource. In this way, we can determine whether algorithms for solving the problem are optimal and we can make statements about an algorithm's efficiency. The set of all of the computational problems that can be solved using a certain amount of a certain computational resource is a complexity class, and relationships between different complexity classes are one of the most important topics in complexity theory. (en)
- 計算資源（けいさんしげん、英語: computational resource）とは、コンピュータ科学などで、計算機（具体的なコンピュータ、そこで動くプロセスやジョブ、あるいは抽象的な計算模型）が「計算量」のために費す、具体的あるいは抽象的な「資源」である。計算機資源と言うこともあるが、その場合はプロセッサ時間や記憶装置などコンピュータのハードウェアの占有量のような具体的なものを指していることが多い。 その他に、アプリケーションプログラムの設定データのような情報をデスクトップ環境などのシステムが保存しているものを「リソース」と呼ぶことがある。詳細は、最後のの節のリンク先を参照のこと。 (ja)
- 在计算复杂性理论中，计算资源是一些计算模型在解决计算问题时使用的资源。 最简单的计算资源是计算时间，即解决一个问题所需的步骤数，以及内存空间，即解决问题时需要的存储量，但也有许多更复杂的资源被定义。 [需要引用] 一个计算问题一般[引用]是以其对任何有效输入的行动来定义的。问题的例子可能是 "给定一个整数n，确定n是否是素数"，或者 "给定两个数字x和y，计算积x*y"。随着输入越来越大，解决一个问题所需的计算资源也会增加。因此，解决一个问题所需的资源是用渐进分析法来描述的，即把资源确定为输入的长度或大小的函数。资源的使用经常使用大O符号进行部分量化。 计算资源是有用的，因为我们可以研究哪些问题可以在每一种计算资源的一定量中计算出来。通过这种方式，我们可以确定解决问题的算法是否是最优的，我们可以对算法的效率做出说明。所有能用一定量的某种计算资源解决的计算问题的集合是一个复杂性类，而不同复杂性类之间的关系是复杂性理论中最重要的课题之一。 描述普遍可得的计算设备 "计算资源 "一词通常被用来描述可访问的计算设备和软件。参见公用计算。 计算能力的形式化量化 在正式量化计算能力方面已经有了一些努力。有界图灵机已经被用来为特定的计算建模，使用状态转换的数量和字母大小来量化解决一个特定问题所需的计算努力。 (zh)
|
| gold:hypernym
| |
| prov:wasDerivedFrom
| |
| page length (characters) of wiki page
| |
| foaf:isPrimaryTopicOf
| |
| is differentFrom
of | |
| is Link from a Wikipage to another Wikipage
of | |
| is Wikipage redirect
of | |
| is Wikipage disambiguates
of | |
| is foaf:primaryTopic
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)