根据麻省理工学院（MIT）官网9月20日报道，该校研究人员全面分析了来自57部教科书和1137篇研究论文的相关数据后指出，总体而言，在面对规模较大的问题时，算法改进带来的收益大于硬件迭代，相关研究成果发表于《IEEE论文集》上。这是有史以来第一次对算法进展研究的综合分析。

依据待解决问题的类型，研究人员首先将算法划分为113个不同的算法族，系统地回顾了这些算法族的提出时间、改进时间，以及算法改进的总体趋势；随后针对不同的问题规模，对算法和硬件的改进率进行了对比分析；最后利用算法和硬件改进率的对比分析结果，给出了问题规模及算法族与改进率之间的相互关系。

研究发现，大数据背景下，在对那些拥有海量数据的领域进行数据分析、机器学习处理时，算法改进显得尤为重要。总的来说，在面对问题规模较大时，算法改进带来的收益大于硬件迭代（摩尔定律）。

信息来源：

https://news.mit.edu/2021/how-quickly-do-algorithms-improve-0920

https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9540991

https://mp.weixin.qq.com/s/kL4rxXEq3oxprpzZwiBj0g