Анализ алгоритмов и методы их построения скорее дискретная математика, чем ИТ.

Aspirantfm, мне кажется, нас просто троллят.

Может тоже выдать какую-нибудь чушь из экономики или истории и открыть отдельную ветку?

Исходное сообщение, на которое я ответил было
И хоть бы кто заметил абсурдность самой фразы. Хоть бы кто. Нет, он что сказал?
мда.

Фраза составлена неудачно. Откроем новую ветку и будем это обсуждать?

Зачем? Мы в текущей ветке обсуждаем текущие неудачные высказывания. Что же по сути алгоритмов - я, лично, об этом пока не думал и собственного аргументированного и сложившегося мнения не имею. Так что пока опираюсь на мнение Келлермана и Тим Лидера

теория алгоритмов, ваш КО.

В цитате Келлермана из этой ветки говорится о программах, а не об алгоритмах. В качестве научной новизны предлагаются именно алгоритмы, а не программы. Так что "мнение Келлермана" по поводу научной новизны алгоритмов, а не программ, из этой темы не следует.

Теперь о скорости работы. Представим себе, что в ряде прикладных вычислительных задач мощности современных компьютеров не хватает для их решения (то есть существующие алгоритмы будут работать годами, а задачи будут оставаться без решения). Появляется новый алгоритм, который до этого никто не использовал (это ни в коей мере не инженерный результат, а чистое новое знание, которое до этого не существовало). В результате его применения, прикладные вычислительные задачи решаются за несколько минут. Данный алгоритм, бесспорно, имеет научную новизну. Я думаю из приведённого примера видно, что более быстрые алгоритмы могут содержать научную новизну.

Другой пример. Была практическая задача. Мощности компьютеров, стоящих в учреждении, не хватало для её решения. Программа была переписана с Basic на C. Практическая задача оказалась решена. Это инженерная задача, не содержит научной новизны.

Не совсем. Скорее Algorithm engineering (Методы разработки алгоритмов). Теория алгоритмов тесно связанная с этим дисциплина, являющаяся одним из его оснований. Некоторые вопросы, например, трудоемкость алгоритма, являются общими предметами изучения этих дисциплин.
Но, скажем, неразрешимостью, Algorithm engineering не занимается (действительно, зачем?). Тогда как в теории алгоритмов - это центральная тема.
Многие авторы внесли свой вклад и в теорию алгоритмов и в Algorithm engineering.

И все это находится под колпаком Дискретной математики (в широком понимании, т. е. конечной, а не непрерывной) и к инженерному ИТ отношения не имеет. Точнее имеет: программисты должны знать основы, чтобы уметь применить при необходимости.

А вообще терминология - вещь спорная :D

KKK, согласен с Вами... видимо неспециалисты вообще не видят разницы между программами и алгоритмами, между кодированием, проектированием, программированием, отладкой, разработкой алгоритма и т. д.

Ну давайте проанализруем ваш пример. Уже во второй раз, так как в первый я писал, а браузер завис и все труды пошли прахом. Ну, продолжим. Итак, у нас есть: 1) некая задача, 2) известные варианты её решения, 3) предложенный вами алгоритм решения задачи, который лучше прочих тем, что... Так вот, чем он лучше - сейчас не важно, быстрее, выше, сильнее - это лишь его отличие, оно может быть любым. Тогда получается, что к старой проблеме вы предлагаете новое решение, отличное от прочих тем, что... и т.д. Теперь смотрим, что есть алгоритм и действительно ли это решение задачи? Это метод, способ, средство или реализация програмная? Вот когда мы отбросим частности, подойдем к этому с общенаучных позиций, вот тогда уже мы сможем говорить. А талдычить "быстрый алгоритм" - это удел аспирантафм сейчас, здесь науки нет.

Ink, в общем виде они правы:
Выдержка из паспорта специальности 05.13.01
Области исследований:
1. Теоретические основы и методы системного анализа, оптимизации, управления, принятия решений и обработки информации.
2. Формализация и постановка задач системного анализа, оптимизации, управления, принятия решений и обработки информации.
3. Разработка критериев и моделей описания и оценки эффективности решения задач системного анализа, оптимизации, управления, принятия решений и обработки информации.
4. Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений и обработки информации.
5. Разработка специального математического и алгоритмического обеспечения систем анализа, оптимизации, управления, принятия решений и обработки информации.
6. Методы идентификации систем управления на основе ретроспективной, текущей и экспертной информации.
7. Методы и алгоритмы структурно-параметрического синтеза и идентификации сложных систем.
8. Теоретико-множественный и теоретико-информационный анализ сложных систем.
9. Разработка проблемно-ориентированных систем управления, принятия решений и оптимизации технических объектов.
10. Методы и алгоритмы интеллектуальной поддержки при принятии управленческих решений в технических системах.
11. Методы и алгоритмы прогнозирования и оценки эффективности, качества и надежности сложных систем.
12. Визуализация, трансформация и анализ информации на основе компьютерных методов обработки информации.
13. Методы получения, анализа и обработки экспертной информации.

Team_Leader, я бы еще добавил
01.01.07 Вычислительная математика, пункты 1, 2
01.01.09 Дискретная математика и математическая кибернетика
05.13.18 Математическое моделирование, численные методы и комплексы программ, пункты 4, 6, 7

Но дело не только в формулах специальностей. Тот же Дональд Кнут ничего про эти специальности не знает, однако алгоритмами занимается...