ทำความรู้จักกับ Memorization และการใช้งานในภาษา ABAP

 

ในโลกของการเขียนโปรแกรม แนวคิดของการทำให้การคำนวณมีประสิทธิภาพมากขึ้นมักมีบทบาทสำคัญในหลาย ๆ ด้าน โดยเฉพาะในการพัฒนาแอปพลิเคชันที่ต้องการประสิทธิภาพสูง หนึ่งในวิธีการที่ช่วยเพิ่มประสิทธิภาพในการทำงานของโปรแกรมคือการใช้เทคนิค "Memorization" หรือที่เรียกว่าการบันทึกผลลัพธ์ของฟังก์ชันที่เคยคำนวณไว้เพื่อหลีกเลี่ยงการคำนวณซ้ำ ในบทความนี้เราจะมาทำความรู้จักกับแนวคิดนี้ในภาษาที่มีเอกลักษณ์อย่าง ABAP กันค่ะ

#### Memorization คืออะไร?

Memorization เป็นเทคนิคทางการเขียนโปรแกรมที่ช่วยให้การคำนวณมีประสิทธิภาพมากขึ้น โดยการเก็บผลลัพธ์ของฟังก์ชันที่เคยคำนวณไว้ใน Storage หรือ Cache เพื่อให้สามารถเรียกใช้ผลลัพธ์เหล่านั้นได้อีกในอนาคต โดยไม่ต้องคำนวณซ้ำ ซึ่งจำเป็นในเคสที่ฟังก์ชันใช้เวลาในการคำนวณนานหรือมีการคำนวณในลักษณะที่ซ้ำกันบ่อยๆ

#### การใช้งาน Memorization ในการแก้ปัญหา

Memorization มักจะถูกใช้ในการแก้ปัญหาที่เกี่ยวข้องกับการคำนวณที่ซับซ้อน โดยเฉพาะอย่างยิ่งในอัลกอริธึมที่มีลักษณะการคำนวณฟีบอนนาชี ซึ่งเป็นตัวอย่างที่ดีในการแสดงให้เห็นถึงความสำคัญของ Memorization

#### ตัวอย่าง Code ใน ABAP

เรามาดูกันที่ตัวอย่างการใช้ Memorization ในภาษา ABAP โดยในการคำนวณฟีบอนนาชี เราจะสร้างฟังก์ชันที่สามารถเก็บผลลัพธ์ของคำนวณไว้เพื่อไม่ต้องทำซ้ำ

 DATA: lt_fibonacci TYPE TABLE OF i WITH EMPTY KEY.

FORM calculate_fibonacci USING number TYPE i.
  DATA: result TYPE i.

  IF number <= 0.
    result = 0.
  ELSEIF number = 1 OR number = 2.
    result = 1.
  ELSE.
    IF line_exists( lt_fibonacci[ number ] ).
      result = lt_fibonacci[ number ].
    ELSE.
      result = calculate_fibonacci( number - 1 ) + calculate_fibonacci( number - 2 ).
      lt_fibonacci[ number ] = result.
    ENDIF.
  ENDIF.

  RETURN result.
ENDFORM.

START-OF-SELECTION.
  DATA: fibonacci_number TYPE i VALUE 10,
        fibonacci_value TYPE i.

  fibonacci_value = calculate_fibonacci( fibonacci_number ).
  WRITE: / 'Fibonacci of', fibonacci_number, 'is', fibonacci_value.

ในตัวอย่างนี้ เราได้สร้างตาราง `lt_fibonacci` เพื่อใช้เก็บผลลัพธ์ของฟังก์ชันการคำนวณฟีบอนนาชี เมื่อเราทำการคำนวณฟังก์ชันจะตรวจสอบว่าผลลัพธ์นั้นมีอยู่ในตารางแล้วหรือไม่ หากมีอยู่แล้วก็จะทำการเรียกใช้ผลลัพธ์นั้นทันที แทนที่จะคำนวณใหม่

#### Use Case ในโลกจริง

Memorization มีการนำไปใช้ในหลาย ๆ สถานการณ์ เช่น:

1. การคำนวณ Pathfinding: ในการพัฒนาเกมหรือแอปพลิเคชันที่เกี่ยวข้องกับการค้นหาตำแหน่ง หรือต้องการหาสถานที่ที่ดีที่สุด การใช้ Memorization เพื่อเก็บเส้นทางที่คำนวณแล้วจะช่วยประหยัดเวลาคำนวณ ทำให้เกมลื่นไหลมากยิ่งขึ้น

2. Machine Learning: ในการฝึกโมเดล Machine Learning บางครั้งจะต้องทำการคาดการณ์ซ้ำๆ การใช้ Memorization สามารถช่วยในการลดเวลาในการคำนวณได้เป็นอย่างมาก

3. ประมวลผลข้อมูลขนาดใหญ่: ในกรณีของการประมวลผลข้อมูลที่มีขนาดใหญ่ การใช้เทคนิค Memorization ช่วยให้ลดเวลาการเข้าถึงข้อมูลได้เป็นอย่างดี

#### การวิเคราะห์ Complexity

ในการใช้ Memorization ความซับซ้อนของเวลาในการคำนวณจะลดลงอย่างชัดเจน ฟังก์ชันฟีบอนนาชีแบบดั้งเดิมมีความซับซ้อน O(2^n) แต่เมื่อใช้ Memorization ความซับซ้อนจะลดลงเหลือ O(n) เนื่องจากไม่จำเป็นต้องคำนวณซ้ำ

#### ข้อดีและข้อเสียของ Memorization

 

ข้อดี

:

- ประหยัดเวลาในการคำนวณซ้ำ ๆ โดยการเก็บผลลัพธ์

- เหมาะสำหรับฟังก์ชันที่คำนวณขึ้นอยู่กับค่าที่ผ่านมา

- ค่าใช้จ่ายในการใช้หน่วยความจำมีประสิทธิภาพในบางกรณี

 

ข้อเสีย

:

- การจัดการหน่วยความจำที่อาจเพิ่มขึ้นโดยเฉพาะเมื่อมีค่าที่ต้องคำนวณจำนวนมาก

- อาจเกิดปัญหาในกรณีของฟังก์ชันที่มีค่าผลลัพธ์ที่ไม่มีการเก็บค่า

- หากมีการคำนวณที่ใช้ผลลัพธ์จากหลายแหล่งอาจต้องสร้างระบบ Memorization ที่ซับซ้อนขึ้น

#### สรุป

Memorization เป็นเทคนิคที่สำคัญในการเขียนโปรแกรมเพื่อเพิ่มประสิทธิภาพในการคำนวณ โดยเฉพาะอย่างยิ่งในทางการคำนวณเชิงซ้ำในฟังก์ชันต่าง ๆ การนำเสนอการเขียนในภาษา ABAP เป็นเพียงหนึ่งในวิธีที่เราสามารถนำพาแนวคิดนี้ไปใช้ได้.

หากคุณต้องการเรียนรู้และเข้าศึกษาทางด้านการเขียนโปรแกรมอย่างเป็นระบบและมีประสิทธิภาพมากยิ่งขึ้น เราขอเชิญชวนคุณเข้าร่วมการเรียนรู้ที่ EPT (Expert-Programming-Tutor) ที่เรามีหลักสูตรหลากหลายที่จะช่วยพัฒนาความรู้ความสามารถของคุณให้แข็งแกร่งยิ่งขึ้นอย่างไม่มีที่สิ้นสุด!

 

 

หมายเหตุ: ข้อมูลในบทความนี้อาจจะผิด โปรดตรวจสอบความถูกต้องของบทความอีกครั้งหนึ่ง บทความนี้ไม่สามารถนำไปใช้อ้างอิงใด ๆ ได้ ทาง EPT ไม่ขอยืนยันความถูกต้อง และไม่ขอรับผิดชอบต่อความเสียหายใดที่เกิดจากบทความชุดนี้ทั้งทางทรัพย์สิน ร่างกาย หรือจิตใจของผู้อ่านและผู้เกี่ยวข้อง