图灵机可以考虑空间（磁带上的内存空间）和时间的复杂性。
有 PSPACE 和 EXPSPACE 等类。
此外，我们可以展示 PSPACE 中的算法。
http://www.springerlink.com/content/3hqtq11mqjbqfj2g/
但是，当我实际编写程序时，有些程序的运行速度比其他程序快，有些程序的内存 (RAM) 占用空间比其他程序小。
如果我编写一个 PSPACE 算法来解决问题 X 和一个 EXPSPACE 算法来解决同样的问题，那么 EXPSPACE 程序应该比 PSPACE 代码使用更多的 RAM。
有没有什么方法可以根据起始算法的理论等级来估计会涉及多少 RAM？
【问题讨论】：
标签： performance algorithm complexity-theory ram turing-machines
如果我编写一个 PSPACE 算法来解决问题 X 和一个 EXPSPACE 算法来解决同样的问题，那么 EXPSPACE 程序应该比 PSPACE 代码使用更多的 RAM。
你猜错了。
这些复杂度类描述了执行算法所需的内存的渐近增长。他们完全没有告诉您实际所需的 RAM 数量。
基本上，对于某些大小的问题n，超过该大小的 EXPSPACE 会比 PSPACE 使用更多的内存，但对于任何低于 n 的问题，你真的不能说什么（就像 O(n2) 算法对于小的 n 可能比 O(n) 算法运行得更快）。
【讨论】：
原则上没有。在实践中，有时。
首先，您必须了解复杂性分析的实际含义（查看教科书中的定义）。 PSPACE 只是意味着所需的空间受输入大小的多项式函数的限制。它没有告诉你那个边界函数是什么，或者实际使用的空间是什么。因此，仅通过知道 PSPACE 中的算法，您无法计算出有关 RAM 的任何信息。
如果您知道 PSPACE 中的算法，您可能会假设它使用的空间不只是由多项式界定，而是由多项式描述。这可能不是真的，但对于许多算法来说它是真的。然后，您可以计算（或测量）用于各种不同输入大小的空间，并尝试将多项式与数据匹配。
一般来说这是徒劳的（因为在不知道多项式的阶数的情况下，有无数种可能的拟合）。但在实践中，如果你知道使用的空间是 O(n)，并且你知道什么样的输入会产生最坏情况下的空间使用，那么你可以做出相当准确的预测。如果需要 10MB 的 RAM 来处理 1MB 的输入，而 20MB 的 RAM 来处理 2MB 的输入，那么通常需要大约 100MB 的 RAM 来处理 10MB 的输入。但是，您只能从更详细的算法知识中获得这种洞察力，而不仅仅是知道它具有多项式空间复杂度。
【讨论】：