越差越好有例子吗？

问题描述

用于正方形矩阵乘法的Coppersmith- Winograd算法。其时间复杂度是O（n 2.376） 相对于 为O（n 3幼稚乘法算法或） 相对于 为O（n 2.807对）的Strassen算法。

从维基百科文章：

但是，与Strassen算法不同，它没有在实践中使用，因为它仅对大型矩阵提供了一个优势，以至于现代硬件无法对其进行处理（Robinson 2005）。

解决方法

有没有有时间复杂广泛使用的算法 更糟 比其它已知的算法，但它是一个 更好 的选择， 所有的 实际情况（ 更糟糕的 复杂性，但
更好的 其他方式）？

可接受的答案可能是以下形式：

有算法A和B具有O(N**2)和O(N)时间复杂性相应，但B
具有这样的大恒定，它具有超过没有优势A，用于输入小于一个数量在宇宙的原子。

示例从答案中突出显示：

• 单纯形算法-最坏的​​情况是指数时间- 与 已知的多项式时间算法进行凸优化问题比较。

• 天真的中位数算法-最坏情况下的O（N ** 2） 与 已知的O（N）算法。

• 回溯正则表达式引擎-最坏情况的指数 与 基于O（N）Thompson NFA的引擎相比。

所有这些示例均利用最坏情况与平均情况。

是否有一些示例不依赖于最坏情况与平均情况之间的差异？

---

有关：

• ``越糟越好’‘的兴起。（出于这个问题的目的，“更糟”的用语比本文中的含义 更窄 （即，算法时间复杂度））

• Python的设计理念：

ABC集团追求完美。例如，他们使用了基于树的数据结构算法，该算法被证明对于渐近大集合是最佳的（但对于小集合来说并不是那么好）。

如果没有能够存储这些大集合的计算机（换句话说，在这种情况下，大不够大），将是这个示例的答案。

• 正方形矩阵乘法的Coppersmith–Winograd算法是一个很好的例子（最快（2008年），但不及更差的算法）。 还有其他吗？ 摘自维基百科文章：“在实践中不使用它，因为它仅对大型矩阵提供了优势，以至于现代硬件无法对其进行处理（Robinson 2005）。”