ในวิทยาการคอมพิวเตอร์อัลกอริทึมเชิงประจักษ์ (หรืออัลกอริทึมเชิงทดลอง ) คือการปฏิบัติในการใช้วิธีการเชิงประจักษ์เพื่อศึกษาพฤติกรรมของอัลกอริทึมการปฏิบัตินี้รวมการพัฒนาอัลกอริทึมและการทดลองเข้าด้วยกัน กล่าวคือ อัลกอริทึมไม่ได้ถูกออกแบบเพียงอย่างเดียว แต่ยังถูกนำไปใช้งานและทดสอบในสถานการณ์ต่างๆ ด้วย ในกระบวนการนี้ การออกแบบเบื้องต้นของอัลกอริทึมจะถูกวิเคราะห์เพื่อให้สามารถพัฒนาอัลกอริทึมได้ทีละขั้นตอน^{[ 1 ]}

วิธีการจากอัลกอริทึมเชิงประจักษ์ช่วยเสริมวิธีการเชิงทฤษฎีสำหรับการวิเคราะห์อัลกอริทึม [ ^{2 ] ด้วย}การประยุกต์ใช้วิธีการเชิงประจักษ์อย่างมีหลักการ โดยเฉพาะอย่างยิ่งจากสถิติมักจะสามารถได้รับข้อมูลเชิงลึกเกี่ยวกับพฤติกรรมของอัลกอริทึม เช่นอัลกอริทึมฮิวริสติก ประสิทธิภาพสูง สำหรับปัญหาเชิงคอมบินาทอริก ที่ยาก ซึ่ง (ในปัจจุบัน) ไม่สามารถเข้าถึงได้ด้วยการวิเคราะห์เชิงทฤษฎี^{[ 3 ]}วิธีการเชิงประจักษ์ยังสามารถใช้เพื่อให้ได้การปรับปรุงประสิทธิภาพของอัลกอริทึมอย่าง มีนัยสำคัญ ^{[ 4 ]}

นักวิทยาศาสตร์คอมพิวเตอร์ชาวอเมริกันCatherine McGeochระบุสาขาหลักสองสาขาของอัลกอริทึมเชิงประจักษ์ ได้แก่ สาขาแรก (เรียกว่าการวิเคราะห์เชิงประจักษ์ ) ซึ่งเกี่ยวข้องกับการวิเคราะห์และลักษณะเฉพาะของพฤติกรรมของอัลกอริทึมและสาขาที่สอง (เรียกว่าการออกแบบอัลกอริทึมหรือวิศวกรรมอัลกอริทึม ) ซึ่งมุ่งเน้นไปที่วิธีการเชิงประจักษ์เพื่อปรับปรุงประสิทธิภาพของ อั ลกอริทึม^{[ 5 ]}สาขาแรกมักอาศัยเทคนิคและเครื่องมือจากสถิติในขณะที่สาขาหลังนั้นอิงตามแนวทางจากสถิติการเรียนรู้ของเครื่องและการเพิ่มประสิทธิภาพเครื่องมือวิเคราะห์แบบไดนามิก ซึ่งโดยทั่วไป คือโปรไฟล์ประสิทธิภาพมักใช้เมื่อนำวิธีการเชิงประจักษ์มาใช้ในการคัดเลือกและปรับปรุงอัลกอริทึมประเภทต่างๆ เพื่อใช้ในบริบทต่างๆ^{[ 6 ] [ 7 ] [ 8 ]}

งานวิจัยด้านอัลกอริทึมเชิงประจักษ์ได้รับการตีพิมพ์ในวารสารหลายฉบับ รวมถึงACM Journal on Experimental Algorithmics (JEA) และJournal of Artificial Intelligence Research (JAIR) นอกจาก Catherine McGeoch แล้ว นักวิจัยที่มีชื่อเสียงในด้านอัลกอริทึมเชิงประจักษ์ ได้แก่Bernard Moret , Giuseppe F. Italiano , Holger H. Hoos , David S. JohnsonและRoberto Battiti ^{[ 9 ]}

ในกรณีที่ไม่มีอัลกอริธึมเชิงประจักษ์ การวิเคราะห์ความซับซ้อนของอัลกอริธึมอาจเกี่ยวข้องกับวิธีการทางทฤษฎีต่างๆ ที่สามารถนำไปใช้กับสถานการณ์ต่างๆ ที่อาจใช้อัลกอริธึมได้^{[ 10 ]}การพิจารณาเรื่องหน่วยความจำและแคชมักเป็นปัจจัยสำคัญที่ต้องคำนึงถึงในการเลือกอัลกอริธึมที่ซับซ้อนทางทฤษฎี หรือแนวทางในการเพิ่มประสิทธิภาพสำหรับวัตถุประสงค์ที่กำหนด^{[ 11 ] [ 12 ]}การวิเคราะห์ประสิทธิภาพเป็น เทคนิค การวิเคราะห์โปรแกรมแบบไดนามิกที่มักใช้ในการค้นหาและวิเคราะห์คอขวดในโค้ดของแอปพลิเคชันทั้งหมด^{[ 13 ] [ 14 ] [ 15 ]}หรือสำหรับการวิเคราะห์แอปพลิเคชันทั้งหมดเพื่อระบุโค้ดที่ทำงานได้ไม่ดี^{[ 16 ]}โปรไฟล์เลอร์สามารถเปิดเผยโค้ดที่เกี่ยวข้องกับปัญหาด้านประสิทธิภาพของแอปพลิเคชันได้มากที่สุด^{[ 17 ]}

โปรไฟล์เลอร์อาจช่วยในการพิจารณาว่าควรเลือกอัลกอริทึมหนึ่งเหนืออีกอัลกอริทึมหนึ่งในสถานการณ์ใด^{[ 18 ]}เมื่อมีการสร้างโปรไฟล์ของอัลกอริทึมแต่ละตัว เช่นเดียวกับการวิเคราะห์ความซับซ้อน การพิจารณาหน่วยความจำและแคชมักมีความสำคัญมากกว่าจำนวนคำสั่งหรือรอบการทำงานของนาฬิกา อย่างไรก็ตาม ผลการค้นพบของโปรไฟล์เลอร์สามารถนำมาพิจารณาโดยคำนึงถึงวิธีการที่อัลกอริทึมเข้าถึงข้อมูลมากกว่าจำนวนคำสั่งที่ใช้^{[ 19 ]}

การทำโปรไฟล์อาจให้ข้อมูลเชิงลึกที่เข้าใจง่ายเกี่ยวกับพฤติกรรมของอัลกอริทึม^{[ 20 ]}โดยการเปิดเผยผลการค้นพบประสิทธิภาพในรูปแบบภาพ^{[ 21 ]}ตัวอย่างเช่น การทำโปรไฟล์ประสิทธิภาพได้ถูกนำมาใช้ในระหว่างการพัฒนาอัลกอริทึมสำหรับการจับคู่ไวลด์การ์ดอัลกอริทึมยุคแรกสำหรับการจับคู่ไวลด์การ์ด เช่นอัลกอริทึมwildmatของRich Salz ^{[ 22 ]}มักจะอาศัยการเรียกซ้ำซึ่งเป็นเทคนิคที่ถูกวิพากษ์วิจารณ์ในด้านประสิทธิภาพ^{[ 23 ]}อัลกอริทึมการจับคู่ไวลด์การ์ดของ Kraussได้รับการพัฒนาโดยอาศัยความพยายามในการกำหนดทางเลือกที่ไม่ใช้การเรียกซ้ำโดยใช้กรณีทดสอบ^{[ 24 ]}ตามด้วยการเพิ่มประสิทธิภาพที่แนะนำผ่านการทำโปรไฟล์ประสิทธิภาพ^{[ 25 ]}ส่งผลให้เกิดกลยุทธ์อัลกอริทึมใหม่ที่คิดขึ้นโดยคำนึงถึงการทำโปรไฟล์และปัจจัยอื่นๆ^{[ 26 ]}โปรไฟล์เลอร์ที่รวบรวมข้อมูลในระดับบล็อกพื้นฐาน^{[ 27 ]}หรือที่อาศัยความช่วยเหลือจากฮาร์ดแวร์^{[ 28 ]}ให้ผลลัพธ์ที่แม่นยำเพียงพอที่จะช่วยนักพัฒนาซอฟต์แวร์ในการเพิ่มประสิทธิภาพอัลกอริธึมสำหรับคอมพิวเตอร์หรือสถานการณ์เฉพาะ^{[ 29 ]}การวิเคราะห์ประสิทธิภาพสามารถช่วยให้นักพัฒนาเข้าใจลักษณะของอัลกอริธึมที่ซับซ้อนซึ่งนำไปใช้ในสถานการณ์ที่ซับซ้อน เช่น อัลกอริธึม วิวัฒนาการร่วมที่ใช้กับปัญหาตามการทดสอบแบบสุ่ม และอาจช่วยนำไปสู่การปรับปรุงการออกแบบ^{[ 30 ]}

• วิศวกรรมอัลกอริทึม
• การวิเคราะห์อัลกอริธึม
• การวิเคราะห์ประสิทธิภาพ (การเขียนโปรแกรมคอมพิวเตอร์)
• การปรับแต่งประสิทธิภาพ
• การพัฒนาซอฟต์แวร์