МОСКВА, 19 февраля. /ТАСС/. Специалисты факультета вычислительной математики и кибернетики МГУ имени М. В. Ломоносова разработали метод анализа алгоритмов, который позволяет более точно оценивать производительность информационных систем за счет учета случайных факторов. Об этом сообщила пресс-служба вуза.
Авторы создали модель оценки временной сложности вычислительных алгоритмов, работающих с базами данных, которая оценивает их поведение в условиях неопределенности входных данных.
"Предложенная модель может быть полезна при проектировании и оптимизации алгоритмов обработки данных, а также при анализе производительности информационных систем, где важны не только худшие или средние оценки, но и вероятность возникновения задержек", - сообщили в МГУ.
Классические методы оценки предполагают фиксированные сценарии выполнения алгоритмов, что расходится с особенностями их применения на практике: при работе с базами данных и распределенными системами на время реализации алгоритма влияют такие случайные факторы как структура запросов, порядок доступа и особенности взаимодействия компонентов системы.
"Использование стохастических моделей позволяет более точно описывать временную сложность вычислительных задач в условиях взаимодействия с базами данных. Такой подход дает возможность учитывать реальные сценарии работы вычислительных систем и оценивать их поведение не только в теории, но и в прикладных условиях", - отмечает Андрей Борисов, профессор кафедры математической статистики ВМК МГУ, чьи слова приводятся в сообщении.
Результаты работы опубликованы в Journal of Computer and Systems Sciences International.