หลังจากห่างไปนาน เพราะพิษของการสอบ Final
วันนี้เลยแวะมาฝากความฝันของตัวเองไว้

ตอนนี้มีหลายๆ โปรเจ็คที่อยากทำ แล้วก็ได้ลองลงมือทำไปแล้ว แต่ก็ยังทำไม่สำเร็จ
ปัญหาไม่ได้อยู่ที่เวลาครับ มันติดอยู่ที่เรามีความรู้ในเรื่องนั้นๆ ไม่พอ โปรเจ็คที่อยากทำ เช่น

  1. Library สำหรับสร้างไฟล์ PDF ซึ่งตรงนี้ก็มี Open source และ Help จากหลายๆ ที่ที่สามารถช่วยให้เข้าใจได้ครับ เช่น iText เป็น Library Open source สำหรับ Java ที่มีคนนิยมใช้มาก ผมก็ได้ลองศึกษาอยู่สักพักหนึ่ง พอเข้าใจโครงสร้าง File Structure แต่ก็หยุดซะก่อน (ดูนานแล้วเริ่มเบื่อ – -“)
  2. Read More…

Posted by: algo64 | 2010/07/05

GUNDUM Drawing

นี่มัน Microsoft Excel หรือ Illustrator กันแน่เนี่ย อึ้งเลย ความอดทนสูงมากๆ กว่าจะได้ขนาดเนี้ย

ดูแล้วอย่างหลงอ้าปากค้างกันนะครับ ^_^

== เมพขิงๆ ==

    พอดีผมติดปัญหาเรื่องการหาฟังก์ชันอนุกรม และวันนี้ได้เรียน Computer Algorithm จึงได้ถามอาจารย์เกี่ยวกับวิธีคิดหาฟังก์ชันอนุกรม และก็ได้คำตอบที่เข้าใจและพอเป็นแนวทางในการหาคำตอบของอนุกรมชนิดอื่นๆ อีก เช่น

กำหนดให้ อนุกรม a_n = \sum _{i=1}^n i

เราจะได้คำตอบ ณ n ใดๆ ว่า

a_1 = 1

a_2 = 1 + 2

a_3 = 1 + 2 + 3

a_{n-1} = 1 + 2 + 3  + \dots + (n-1)

a_n = 1 + 2 + 3 + \dots + (n-1) + n

แต่สมการทั่วไปที่เราได้เรียนมาคือ a_n = \frac{n(n+1)}{2}

ทำไมถึงได้เช่นนั้น??
Read More…

   สูตรอนุพันธ์ที่ใช้บ่อยในงานทางด้านคอมพิวเตอร์ ส่วนมากจะเป็นการหาอนุพันธ์ของฟังก์ชัน Exponential และ Logarithm
แต่ก่อนที่เราจะรู้การหาอนุพันธ์เหล่านี้ เราจะต้องรู้การหาอนุพันธ์ของฟังก์ชันทั่วไปซะก่อน
Read More…

ถ้าเราจะนิยามสัญลักษณ์ Asymptotic แต่ละชนิด จะได้ดังนี้ คือ

  1. Big-Oh (O)
    O(g(n)) = \{ f(n) | f(n) \preceq g(n) \}
    ผลลัพธ์ที่ได้คือ เซ็ตของฟังก์ชันที่มีค่าอัตราการเติบโตต่ำกว่าหรือเท่ากับ g(n)

    เช่น ถ้ากำหนดให้ O(g(n)) = N^2

    ดังนั้น เซ็ตของคำตอบก็คือ \{ N, \log N, N \log N, \frac{N^2}{2}, \dots \}
  2. Little-Oh (o)
    O(g(n)) = \{ f(n) | f(n) \prec g(n) \}
    ผลลัพธ์ที่ได้จะเหมือนกับ Big-Oh แต่จะต่างกันนิดเดียวคือ ฟังก์ชัน f(n) ต้องมีอัตราการเติบโตต่ำกว่าฟังก์ชัน g(n)
    เช่น กำหนดให้ o(g(n)) = N^2
    ดังนั้น \frac{N^2}{2} จะไม่อยู่ในเซ็ตของคำตอบ เพราะมีอัตราการเติบโตเท่ากัน
  3. Big-Omega (\Omega)
    O(g(n)) = \{ f(n) | f(n) \succeq g(n) \}

    ผลลัพธ์ที่ได้คือ เซ็ตของฟังก์ชันที่มีค่าอัตราการเติบโตสูงกว่าหรือเท่ากับ g(n)
  4. Little-Omega(\omega)

    O(g(n)) = \{ f(n) | f(n) \succ g(n) \}

    ผลลัพธ์ที่ได้คือ เซ็ตของฟังก์ชันที่มีค่าอัตราการเติบโตสูงกว่า g(n)
  5. Theta(\Theta)
    O(g(n)) = \{ f(n) | f(n) \succeq \Omega(g(n)) \ \cap\  f(n) \preceq O(g(n)) \}
Posted by: algo64 | 2010/06/29

Asymptotic Notation

   สัญลักษณ์ Asymptotic คือ ฟังก์ชันของเวลาที่ใช้ในการประมวลผลอัลกอริทึมหนึ่งๆ โดยพิจารณาค่าเมื่ออัลกอริทึมนั้นมีปริมาณข้อมูลมากๆ โดยสมมติให้ปริมาณข้อมูลมีขนาดอนันต์ (Infinity)  แล้วพิจารณาว่าเวลาที่ใช้ในการประมวลผลมีขอบเขตแนวโน้มการเติบโตทางเวลา (Growth in Run-Time) เป็นอย่างไร  ซึ่งเราจะเขียนออกมาให้อยู่ในรูปของฟังก์ชันทางคณิตศาสตร์
Read More…

Posted by: algo64 | 2010/06/29

Hello world!

สวัสดีชาวโลก (Hello World)

   Blog นี้ตั้งใจจะเปิดขึ้นมาเพื่อเขียนความรู้ต่างๆ ที่ได้เรียน และได้รู้มา เกี่ยวกับการเขียนโปรแกรมคอมพิวเตอร์โดยเน้นที่ภาษา C# เป็นหลัก (เพราะผมทำงานกับภาษานี้อยู่) เพื่อให้บุคคลทั่วไปสามารถเข้ามาศึกษาหาความรู้เพิ่มเติมได้ แต่เนื้อหาที่ Update จะมากน้อยเพียงใดคงต้องคอยดูกันครับ ฮ่าๆๆ

Categories