মেমোইজেশন (Memoization)

মেমোইজেশন (Memoization) হলো প্রোগ্রামিংয়ের একটি অপ্টিমাইজেশন কৌশল, যা প্রায়শই পুনরাবৃত্তিমূলক কাজের সময় ব্যয় কমাতে ব্যবহার করা হয়। মেমোইজেশন ব্যবহার করে কোনো ফাংশনের গণনা করা আউটপুট সংরক্ষণ করা হয়, যাতে একই ইনপুট ব্যবহার করে পুনরায় ফাংশন কল করার প্রয়োজন না পড়ে। এটি বিশেষ করে রিকার্সিভ ফাংশনে ব্যবহৃত হয়, যেখানে একাধিকবার একই আর্গুমেন্টসহ ফাংশন কল করা হয়।

মেমোইজেশনের মূল ধারণা

মেমোইজেশনের মূল ধারণা হলো, একটি ফাংশন একই ইনপুট ব্যবহার করে একাধিকবার কল করা হলে প্রথমবার আউটপুট তৈরি করে সেটি সংরক্ষণ করা এবং পরবর্তীবার একই ইনপুট এলে সেই সংরক্ষিত আউটপুটই ফেরত দেওয়া। এর ফলে গণনা বা প্রসেসিং টাইম কমে যায়, এবং ফাংশন অনেক দ্রুত চলে। মেমোইজেশন সাধারণত একটি ডিকশনারি বা হ্যাশম্যাপের মাধ্যমে আউটপুট সংরক্ষণ করে।

মেমোইজেশনের উদাহরণ

উদাহরণ ১: রিকার্সিভ ফিবোনাচ্চি সিরিজে মেমোইজেশন ব্যবহার

ফিবোনাচ্চি সিরিজ রিকার্সিভ পদ্ধতিতে অনেক বেশি সময় নিতে পারে, কারণ একই ফাংশন বারবার একই ইনপুটে কল হয়। মেমোইজেশন ব্যবহার করে এই সমস্যা সমাধান করা যায়।

# মেমোইজেশন ব্যবহার করে ফিবোনাচ্চি ফাংশন
memo = {}

def fibonacci(n):
    if n in memo:
        return memo[n]
    
    if n <= 1:
        return n
    
    memo[n] = fibonacci(n - 1) + fibonacci(n - 2)
    return memo[n]

print(fibonacci(10))  # আউটপুট: 55

এখানে memo ডিকশনারি ব্যবহার করে প্রতিটি n এর জন্য আউটপুট সংরক্ষণ করা হয়েছে। প্রথমবার কোনো n এর জন্য ফলাফল তৈরি হলে সেটি memo তে সংরক্ষণ করা হয়, এবং পরবর্তীবার একই n এলে সরাসরি memo থেকে ফলাফল প্রদান করা হয়।

উদাহরণ ২: ফ্যাক্টোরিয়াল ফাংশনে মেমোইজেশন ব্যবহার

factorial_memo = {}

def factorial(n):
    if n in factorial_memo:
        return factorial_memo[n]
    
    if n == 0 or n == 1:
        return 1
    
    factorial_memo[n] = n * factorial(n - 1)
    return factorial_memo[n]

print(factorial(5))  # আউটপুট: 120

এখানে factorial_memo নামক ডিকশনারি ব্যবহার করে প্রতিটি n এর জন্য ফ্যাক্টোরিয়ালের ফলাফল সংরক্ষণ করা হচ্ছে।

মেমোইজেশনের সুবিধা

১. টাইম কমপ্লেক্সিটি হ্রাস করে: মেমোইজেশন ব্যবহার করে একই ইনপুটের জন্য একই কাজ বারবার না করায় প্রসেসিং টাইম কমে।

২. রিকার্সিভ ফাংশনে কার্যকরী: বিশেষ করে রিকার্সিভ ফাংশনের ক্ষেত্রে মেমোইজেশন ব্যবহার করলে স্ট্যাক ওভারফ্লো এবং কম্পিউটেশনের পুনরাবৃত্তি হ্রাস পায়।

৩. ফাংশনাল প্রোগ্রামিং সমর্থন: ফাংশনাল প্রোগ্রামিংয়ের অনেক ক্ষেত্রে মেমোইজেশন ব্যবহৃত হয়, কারণ এটি ফাংশনগুলোকে পূর্বাভাসযোগ্য এবং দ্রুততর করে।

মেমোইজেশনের সীমাবদ্ধতা

১. মেমোরি ব্যবহারের বৃদ্ধি: মেমোইজেশন ব্যবহারের ফলে অনেক আউটপুট মেমোরিতে সংরক্ষণ করা হয়, যা মেমোরি ব্যবহারের পরিমাণ বাড়িয়ে দেয়।

২. সকল সমস্যায় কার্যকর নয়: মেমোইজেশন শুধুমাত্র নির্দিষ্ট ধরনের সমস্যায় কার্যকর, যেখানে ফাংশন বারবার একই ইনপুট ব্যবহার করে কল করা হয়। যদি প্রতিটি ইনপুট আলাদা হয়, তাহলে মেমোইজেশন তেমন কার্যকর নয়।

মেমোইজেশন বনাম ডাইনামিক প্রোগ্রামিং

মেমোইজেশন এবং ডাইনামিক প্রোগ্রামিং একই ধরনের ধারণার উপর ভিত্তি করে কাজ করে, কিন্তু তাদের প্রয়োগের পদ্ধতি কিছুটা ভিন্ন:

• মেমোইজেশন: এটি সাধারণত টপ-ডাউন পদ্ধতিতে কাজ করে, যেখানে ফাংশন প্রথমে রিকার্সিভভাবে কল করা হয় এবং আউটপুটগুলো ক্যাশে করা হয়।
• ডাইনামিক প্রোগ্রামিং (DP): এটি সাধারণত বটম-আপ পদ্ধতিতে কাজ করে, যেখানে ছোট সমস্যাগুলোর সমাধান থেকে বড় সমস্যার সমাধানে পৌঁছানো হয়।

Python-এর functools লাইব্রেরির মাধ্যমে মেমোইজেশন

Python-এর functools লাইব্রেরির lru_cache ডেকোরেটর ব্যবহার করে মেমোইজেশন খুব সহজে প্রয়োগ করা যায়। এটি ফাংশনের আউটপুট ক্যাশে সংরক্ষণ করে রাখে।

from functools import lru_cache

@lru_cache(maxsize=None)
def fibonacci(n):
    if n <= 1:
        return n
    return fibonacci(n - 1) + fibonacci(n - 2)

print(fibonacci(10))  # আউটপুট: 55

এখানে @lru_cache ডেকোরেটর fibonacci ফাংশনের আউটপুট ক্যাশে সংরক্ষণ করে, ফলে প্রতিবার একই ইনপুট এলে ক্যাশ থেকে ফলাফল প্রদান করে।

সারসংক্ষেপ

মেমোইজেশন একটি অপ্টিমাইজেশন টেকনিক, যা সময় ও প্রসেসিং পাওয়ার বাঁচাতে সহায়ক। এটি প্রায়শই রিকার্সিভ ফাংশনের ক্ষেত্রে ব্যবহার করা হয় এবং প্রোগ্রামের পারফরম্যান্স উন্নত করে। তবে মেমোরি ব্যবহারের পরিমাণ বাড়িয়ে দিতে পারে, তাই এটি প্রয়োগ করার ক্ষেত্রে সতর্কতা প্রয়োজন।

মেমোইজেশন (Memoization) হলো প্রোগ্রামিংয়ের একটি কৌশল, যেখানে ফাংশনের পূর্ববর্তী গণনার ফলাফল সংরক্ষণ করে রাখা হয়। ফলে যখন একই ইনপুট দিয়ে ফাংশন পুনরায় কল করা হয়, তখন সরাসরি সংরক্ষিত ফলাফল রিটার্ন করা হয়। এটি সময় সাশ্রয় করে এবং প্রোগ্রামের কার্যকারিতা বৃদ্ধি করে, কারণ প্রতিবার নতুন করে গণনা না করে পূর্বে সঞ্চিত ফলাফল ব্যবহার করা হয়।

মেমোইজেশনের ধারণা

মেমোইজেশনের মূল ধারণা হলো একটি ফাংশনের রিটার্ন মান সংরক্ষণ করা, যাতে একই ইনপুট পুনরায় ব্যবহার হলে দ্রুত ফলাফল প্রদান করা যায়। মেমোইজেশন মূলত ডায়নামিক প্রোগ্রামিং এবং রিকারশনে ব্যবহৃত হয়, যেখানে একই ইনপুট বারবার ফাংশনে পাঠানো হয়।

উদাহরণস্বরূপ, একটি রিকারসিভ ফাংশন যেটি ফিবোনাচ্চি সংখ্যা বের করে, সেটিতে মেমোইজেশন প্রয়োগ করলে অনেক সময় এবং মেমোরি সাশ্রয় হয়।

মেমোইজেশনের উদাহরণ

উদাহরণ: ফিবোনাচ্চি সিরিজ (Python)

ফিবোনাচ্চি সিরিজ বের করার রিকারসিভ ফাংশন সাধারণত ধীরগতিতে কাজ করে, কারণ এটি একই ইনপুটে বারবার কল হয়। মেমোইজেশন ব্যবহার করে এই কাজটি দ্রুততর করা যায়।

মেমোইজেশন ছাড়া ফিবোনাচ্চি ফাংশন

def fibonacci(n):
    if n <= 1:
        return n
    return fibonacci(n - 1) + fibonacci(n - 2)

print(fibonacci(10))  # আউটপুট: 55

উপরের ফাংশনটি পুনরাবৃত্তি করে প্রতিটি ফিবোনাচ্চি মান বের করার সময় আগের মানগুলোও বারবার কল হয়, যা অনেক ধীরগতির।

মেমোইজেশন সহ ফিবোনাচ্চি ফাংশন

memo = {}

def fibonacci(n):
    if n in memo:
        return memo[n]
    if n <= 1:
        return n
    memo[n] = fibonacci(n - 1) + fibonacci(n - 2)
    return memo[n]

print(fibonacci(10))  # আউটপুট: 55

এখানে আমরা একটি ডিকশনারি memo ব্যবহার করেছি, যেখানে প্রতিটি n এর জন্য ফিবোনাচ্চি মান সংরক্ষণ করা হয়। ফলে প্রতিবার নতুন মান গণনা না করে memo থেকে ফলাফল নেওয়া হয়, যা কোডের গতি বৃদ্ধি করে।

মেমোইজেশনের গুরুত্ব

১. কর্মক্ষমতা বৃদ্ধি

মেমোইজেশন কোডের কর্মক্ষমতা বৃদ্ধি করে। একই ইনপুটের জন্য বারবার গণনা না করে পূর্বে সংরক্ষিত মান ব্যবহার করার ফলে সময় সাশ্রয় হয় এবং কোড দ্রুত কার্যকর হয়।

২. ডায়নামিক প্রোগ্রামিং সমস্যার সমাধান

ডায়নামিক প্রোগ্রামিংয়ে মেমোইজেশন অত্যন্ত গুরুত্বপূর্ণ। এটি রিকারসিভ সমস্যাগুলোর সাব-সমস্যাগুলো সংরক্ষণ করে রাখে, যা পরবর্তীতে ব্যবহার করা যায় এবং একই সাব-সমস্যা পুনরায় সমাধান করা লাগে না।

৩. রিকারশনে স্ট্যাক ওভারফ্লো প্রতিরোধ

রিকারশনে স্ট্যাক ওভারফ্লো হতে পারে যদি ফাংশনটি অনেক গভীর স্তরে কল হয়। মেমোইজেশন ব্যবহার করে রিকারসিভ ফাংশনগুলোর কল সংখ্যা কমানো যায় এবং স্ট্যাক ওভারফ্লো প্রতিরোধ করা যায়।

৪. কমপ্লেক্সিটি হ্রাস

মেমোইজেশন সমস্যার জটিলতা হ্রাস করে। কিছু সমস্যার জন্য মেমোইজেশন একটি সল্যুশনকে এক্সপোনেনশিয়াল টাইম কমপ্লেক্সিটি থেকে লিনিয়ার টাইম কমপ্লেক্সিটিতে উন্নীত করতে পারে।

মেমোইজেশনের ব্যবহার ক্ষেত্র

১. ফিবোনাচ্চি সিরিজ ও অন্যান্য রিকারসিভ সমস্যা: ফিবোনাচ্চি, ফ্যাক্টোরিয়াল ইত্যাদি রিকারসিভ সমস্যা সমাধানে মেমোইজেশন খুবই কার্যকর।

২. গেম থিওরি ও গ্রাফ সমস্যা: বিভিন্ন গেম থিওরি ও গ্রাফ ভিত্তিক সমস্যা মেমোইজেশনের মাধ্যমে কার্যকরীভাবে সমাধান করা যায়।

৩. ক্যাশিং: প্রোগ্রামিংয়ে মেমোইজেশন ক্যাশিংয়ের মাধ্যমে করা হয়, যেখানে একই ফাংশন বা ইনপুটের ফলাফল ক্যাশ করা থাকে এবং পরবর্তীতে তা সরাসরি ব্যবহার করা যায়।

মেমোইজেশনের সীমাবদ্ধতা

১. অতিরিক্ত মেমোরি খরচ: মেমোইজেশনে অতিরিক্ত মেমোরি খরচ হয়, কারণ প্রতিটি ইনপুট ও আউটপুট সংরক্ষণ করতে হয়।

২. বৃহৎ ইনপুটে অপ্রয়োজনীয় সংরক্ষণ: যদি ইনপুটের সংখ্যা অনেক বেশি হয় এবং প্রতিটি সংরক্ষণ করতে হয়, তবে মেমোইজেশন কার্যকরী নাও হতে পারে।

সংক্ষেপে, মেমোইজেশন একটি শক্তিশালী কৌশল, যা একই ইনপুটের ফলাফল সংরক্ষণ করে পরবর্তীতে দ্রুত ফলাফল প্রদান করে। এটি রিকারশন ও ডায়নামিক প্রোগ্রামিংয়ে খুবই কার্যকর, কারণ এটি সময় ও কমপ্লেক্সিটি হ্রাস করে এবং কোডের কর্মক্ষমতা বৃদ্ধি করে।

মেমোইজেশন (Memoization) হলো প্রোগ্রামিংয়ের একটি কৌশল, যা ফাংশনের পারফরম্যান্স উন্নত করতে ব্যবহৃত হয়। এই কৌশলে ফাংশনের ফলাফলগুলো একটি ক্যাশে বা মেমোরিতে সংরক্ষণ করা হয়, যাতে একই ইনপুটে ফাংশনকে বারবার কল করা হলে পুনরায় গণনা করার পরিবর্তে সংরক্ষিত ফলাফলটি ব্যবহার করা যায়। এতে করে প্রোগ্রামের গতিশীলতা ও কার্যকারিতা উল্লেখযোগ্যভাবে বৃদ্ধি পায়, বিশেষত যখন ফাংশনটির মধ্যে রিকারশন বা পুনরাবৃত্তিমূলক কাজ থাকে।

মেমোইজেশন কীভাবে কাজ করে?

মেমোইজেশন ফাংশনের ইনপুট এবং আউটপুটগুলোকে একটি ডেটা স্ট্রাকচারে (যেমন ডিকশনারি বা ক্যাশে) সংরক্ষণ করে রাখে। যখন ফাংশনটি কল করা হয়, তখন প্রথমে দেখা হয় যে, ইনপুটটি পূর্বে প্রসেস করা হয়েছে কি না। যদি সংরক্ষিত মান পাওয়া যায়, তাহলে সেটি সরাসরি রিটার্ন করা হয়। অন্যথায় ফাংশনটি স্বাভাবিকভাবে কাজ করে এবং নতুন আউটপুট ক্যাশে সংরক্ষণ করা হয়।

মেমোইজেশন উদাহরণ (Python)

ধরা যাক, আমরা ফিবোনাচি সিরিজ গণনা করতে মেমোইজেশন ব্যবহার করতে চাই। সাধারণভাবে রিকারশন ব্যবহার করে ফিবোনাচি সিরিজ বের করতে হলে প্রতিটি ফাংশন কল বারবার একই উপ-সমস্যা সমাধান করে, যা সময়সাপেক্ষ হতে পারে। মেমোইজেশন ব্যবহার করে একে আরও কার্যকর করা যায়।

# সাধারণ রিকারশন (কোনো মেমোইজেশন ছাড়াই)
def fibonacci(n):
    if n <= 1:
        return n
    return fibonacci(n - 1) + fibonacci(n - 2)

print(fibonacci(10))  # আউটপুট: 55 (তবে এটি বড় n-এর জন্য ধীর হতে পারে)

এবার মেমোইজেশন ব্যবহার করে ফাংশনটির পারফরম্যান্স উন্নত করা যাক:

# মেমোইজেশন সহ রিকারশন
memo = {}

def fibonacci_memo(n):
    if n in memo:
        return memo[n]
    if n <= 1:
        return n
    memo[n] = fibonacci_memo(n - 1) + fibonacci_memo(n - 2)
    return memo[n]

print(fibonacci_memo(10))  # আউটপুট: 55 (এটি দ্রুত কাজ করবে)

এখানে fibonacci_memo ফাংশনে memo নামের একটি ডিকশনারি ব্যবহার করা হয়েছে, যেখানে পূর্বে গণনা করা মানগুলো সংরক্ষিত থাকে। এই কৌশল ফাংশনের সময় জটিলতাকে উল্লেখযোগ্যভাবে কমিয়ে আনে।

মেমোইজেশনের সুবিধা

১. পারফরম্যান্স বৃদ্ধি: মেমোইজেশন একই ইনপুটের জন্য পুনরাবৃত্তি এড়িয়ে ফাংশনের কার্যকারিতা বৃদ্ধি করে। এটি প্রোগ্রামকে দ্রুততর করে।

২. রিকারশন অপ্টিমাইজেশন: মেমোইজেশন রিকারসিভ ফাংশনের ক্ষেত্রে বিশেষ উপযোগী, কারণ এটি রিকারশন ডেপথ কমিয়ে দেয় এবং স্ট্যাক ওভারফ্লোর সম্ভাবনা কমায়।

৩. অতিরিক্ত গণনা হ্রাস: ফাংশনের একই কাজ বারবার করার পরিবর্তে একবার করা হয় এবং ফলাফলটি সংরক্ষণ করা হয়, যা প্রোগ্রামকে আরও কার্যকর করে।

Python-এ functools.lru_cache দিয়ে মেমোইজেশন

Python-এর functools লাইব্রেরিতে একটি বিল্ট-ইন ডেকোরেটর lru_cache রয়েছে, যা সহজেই মেমোইজেশন প্রয়োগে সহায়ক। এটি ফাংশনের ফলাফলগুলোকে ক্যাশে সংরক্ষণ করে এবং একাধিকবার একই ফলাফলের জন্য ফাংশন কল করতে হয় না।

উদাহরণ:

from functools import lru_cache

@lru_cache(maxsize=None)
def fibonacci_lru(n):
    if n <= 1:
        return n
    return fibonacci_lru(n - 1) + fibonacci_lru(n - 2)

print(fibonacci_lru(10))  # আউটপুট: 55

এখানে @lru_cache ডেকোরেটরটি fibonacci_lru ফাংশনে মেমোইজেশন প্রয়োগ করেছে। maxsize=None মানে এটি অসীম ক্যাশ সাইজ ব্যবহার করবে। একই ইনপুটে ফাংশন কল করলে এটি পূর্বের ফলাফল ব্যবহার করবে এবং পুনরায় কাজ করতে হবে না।

মেমোইজেশনের সীমাবদ্ধতা

১. মেমোরি ব্যবহারে সীমাবদ্ধতা: মেমোইজেশন ক্যাশে সংরক্ষণের জন্য মেমোরি ব্যবহার করে, যা বড় ইনপুট বা অতিরিক্ত ফলাফলের ক্ষেত্রে মেমোরি সমস্যার সৃষ্টি করতে পারে।

২. শুধুমাত্র ডিটারমিনিস্টিক ফাংশনের জন্য উপযোগী: মেমোইজেশন কেবল ডিটারমিনিস্টিক ফাংশনের জন্য কার্যকর, যেখানে একই ইনপুটে সবসময় একই আউটপুট পাওয়া যায়। র‌্যান্ডম বা পরিবর্তনশীল আউটপুটের ক্ষেত্রে মেমোইজেশন ব্যবহার করা যায় না।

মেমোইজেশনের ব্যবহারিক প্রয়োগ

১. গণিত সমস্যা: ফ্যাক্টরিয়াল, ফিবোনাচি, কম্বিনেটোরিক সমস্যা যেখানে একই ধরনের উপ-সমস্যা বারবার সমাধান করা হয়।

২. ডায়নামিক প্রোগ্রামিং: ডায়নামিক প্রোগ্রামিংয়ের সমস্যাগুলোতে মেমোইজেশন ব্যবহৃত হয়, যা সময় জটিলতা কমাতে সহায়তা করে।

৩. ওয়েব অ্যাপ্লিকেশন ক্যাশিং: মেমোইজেশন ব্যবহার করে অ্যাপ্লিকেশনের কিছু তথ্য ক্যাশে সংরক্ষণ করা হয়, যা দ্রুত লোড হতে সাহায্য করে।

মেমোইজেশন ফাংশনাল প্রোগ্রামিং এবং ডায়নামিক প্রোগ্রামিংয়ের ক্ষেত্রে একটি অত্যন্ত কার্যকর কৌশল। এটি সময় সাশ্রয় করে এবং প্রোগ্রামের কার্যকারিতা বাড়ায়, বিশেষ করে রিকারশন ও পুনরাবৃত্তিমূলক কাজের ক্ষেত্রে।

কেশিং (Caching) এবং মেমোইজেশন (Memoization) হলো দুটি গুরুত্বপূর্ণ কৌশল যা প্রোগ্রামিংয়ে ডেটা সংরক্ষণ এবং দ্রুত পুনরায় ব্যবহারের জন্য ব্যবহৃত হয়। এদের লক্ষ্য এক হলেও কার্যপ্রণালী এবং ব্যবহারের ক্ষেত্রে পার্থক্য রয়েছে।

কেশিং (Caching)

কেশিং হলো এমন একটি কৌশল যেখানে ডেটা বা রিসোর্সের ফলাফল সংরক্ষণ করা হয়, যাতে সেই ডেটা পুনরায় প্রয়োজন হলে দ্রুত অ্যাক্সেস করা যায়। এটি সাধারণত ডিস্ক বা মেমোরিতে ডেটা সঞ্চয় করে। কেশিং মূলত যেকোনো ধরণের ডেটার জন্য কাজ করতে পারে এবং বিভিন্ন প্রোগ্রাম, ব্রাউজার এবং সার্ভার সিস্টেমে ব্যবহার করা হয়।

কেশিং এর বৈশিষ্ট্য

• কেশিং ব্যবহার করে প্রায় যে কোনো ধরণের ডেটা সংরক্ষণ করা যায়, যেমন: API এর ডেটা, ফাইল, ডেটাবেস কল।
• কেশিং-এর ডেটা সাধারণত স্থায়ী বা সেশনের জন্য সংরক্ষণ করা হয়।
• কেশিং-এ ডেটা নির্দিষ্ট সময়ের জন্য সংরক্ষণ করা হয় এবং একটি নির্দিষ্ট সময়ের পরে এটি নতুন করে আপডেট করা যায়।

কেশিং উদাহরণ:

ধরা যাক, একটি ওয়েব অ্যাপ্লিকেশন রয়েছে যেখানে ব্যবহারকারীদের প্রোফাইল তথ্য বারবার ডাটাবেস থেকে ফেচ করতে হয়। কেশিং ব্যবহার করে একবার ডাটাবেস থেকে ডেটা নিয়ে তা মেমোরিতে সঞ্চয় করা যেতে পারে, যাতে পরবর্তীতে ডেটা ফেচ করার জন্য ডাটাবেসে নতুন করে রিকোয়েস্ট না পাঠানো লাগে।

cache = {}

def fetch_profile(user_id):
    if user_id in cache:
        return cache[user_id]  # কেশ থেকে ডেটা রিটার্ন করবে
    else:
        profile = db_call(user_id)  # ডাটাবেস থেকে ডেটা নিয়ে আসা
        cache[user_id] = profile
        return profile

মেমোইজেশন (Memoization)

মেমোইজেশন হলো রিকার্সিভ বা জটিল ক্যালকুলেশনের ক্ষেত্রে একটি নির্দিষ্ট ফাংশনের ফলাফল সংরক্ষণ করার একটি বিশেষ পদ্ধতি। মেমোইজেশন সাধারণত ফাংশনের ইনপুটের ভিত্তিতে আউটপুট সংরক্ষণ করে, যাতে একই ইনপুটের জন্য পরবর্তীতে ফাংশনটি পুনরায় কল করতে না হয়। এটি বিশেষত রিকার্সিভ ফাংশনের ক্ষেত্রে ব্যবহৃত হয়, যেখানে অনেক উপাদান বারবার ক্যালকুলেট করতে হয়।

মেমোইজেশন এর বৈশিষ্ট্য

• মেমোইজেশন শুধুমাত্র ফাংশনের নির্দিষ্ট ইনপুট এবং আউটপুট সংরক্ষণ করে।
• এটি সাধারণত রিকার্সিভ ফাংশন বা গণনাভিত্তিক কাজের জন্য ব্যবহৃত হয়।
• মেমোইজেশন মূলত এক্সপেনসিভ ফাংশন কল কমিয়ে দেয় এবং প্রোগ্রামের কার্যক্ষমতা বৃদ্ধি করে।

মেমোইজেশন উদাহরণ:

ধরা যাক, আমরা ফিবোনাচি সিরিজের একটি সংখ্যা নির্ণয় করতে চাই। সাধারণত রিকার্সিভ পদ্ধতিতে এটি নির্ণয় করতে বারবার একই ইনপুটের জন্য ক্যালকুলেশন করতে হয়। মেমোইজেশন ব্যবহার করে প্রতিটি ক্যালকুলেটেড মান সংরক্ষণ করা যায়, যাতে এটি বারবার ক্যালকুলেট না করতে হয়।

memo = {}

def fibonacci(n):
    if n in memo:
        return memo[n]  # মেমোইজড মান রিটার্ন করা হচ্ছে
    if n <= 1:
        return n
    result = fibonacci(n - 1) + fibonacci(n - 2)
    memo[n] = result  # মেমোতে সঞ্চয় করা হচ্ছে
    return result

print(fibonacci(10))  # আউটপুট: 55

এখানে মেমোইজেশন ব্যবহার করে ফিবোনাচি ফাংশনের ইনপুট আউটপুট সংরক্ষণ করা হচ্ছে। ফলে রিকার্সিভ কলের সংখ্যা কমে এবং কার্যক্ষমতা বৃদ্ধি পায়।

কেশিং এবং মেমোইজেশন এর মধ্যে পার্থক্য

সংক্ষেপে

• কেশিং হলো ডেটা বা রিসোর্স পুনরায় দ্রুত অ্যাক্সেসের জন্য সাময়িকভাবে সংরক্ষণ করা।
• মেমোইজেশন হলো ফাংশনের নির্দিষ্ট ইনপুট ও আউটপুট জোড়া সংরক্ষণ করা, যাতে বারবার ক্যালকুলেশনের প্রয়োজন না হয়।

দুটি কৌশলই প্রোগ্রামের কার্যক্ষমতা বাড়াতে সাহায্য করে, তবে ব্যবহারক্ষেত্র ভিন্ন। কেশিং যেকোনো ধরণের ডেটা সংরক্ষণে কার্যকর, আর মেমোইজেশন সাধারণত রিকার্সিভ বা গণনাভিত্তিক ফাংশনে প্রয়োগ করা হয়।