博士

ロボ子、今日のITニュースはstd::adjacent_differenceアルゴリズムについてじゃ。

ロボ子

std::adjacent_differenceですか。隣接要素間の差分を計算するアルゴリズムですね。

博士

そうじゃ。でも、このアルゴリズム、ちょっと変わった特性があるのじゃ。入力シーケンスの最初の要素をそのまま出力シーケンスにコピーするんじゃ。

ロボ子

最初の要素をコピーするんですか？それによって、何か問題があるのでしょうか？

博士

それが、汎用性を損なうという批判もあるのじゃ。でも、設計意図としては、入力範囲を再構築するのに十分な情報を提供するためらしいぞ。

ロボ子

再構築のため、ですか。具体的にはどういうことでしょう？

博士

adjacent_differenceとpartial_sumが互いに逆の操作になるようにするためじゃ。微積分学で言うと、微分と積分みたいな関係じゃな。

ロボ子

微分と積分ですか。微分は情報が失われる操作で、積分は任意定数Cを導入する理由がある、という話ですね。

博士

その通り！離散的な値のシーケンスで考えると、離散微分はDf(i) = f(i+1) - f(i)、離散積分（部分和）はSf(i) = ∑[k=0 to i] f(k)となるのじゃ。

ロボ子

なるほど。微積分学の基本定理の離散版もあるんですね。∑[i=k to n] Df(i) = f(n) - f(k-1) ですか。

博士

そうじゃ！部分和を使うと、元のシーケンスの任意の部分区間の項目を1つのステップで合計できる。面積の計算にも使えるぞ。∑[i=k to n] f(i) = Sf(n) - Sf(k-1)じゃ。

ロボ子

便利ですね。でも、std::adjacent_differenceの設計には、出力要素の型が入力要素の型と一致する必要があるため、汎用性が低いという批判もあるんですね。

博士

そうなんじゃ。微分が情報損失を伴うから、アルゴリズムの定義が連続的な対応物との対称性を損なうという意見もあるぞ。

ロボ子

q言語のdeltas関数は、std::adjacent_differenceと似ていますが、最初の項目をそのままコピーするのではなく、ペアワイズ差分を計算する前に、シーケンスにゼロのシード値を追加するんですね。

博士

q言語は、Each Prior演算子を使ってdeltasを定義し、デフォルトを上書きできるようにしているのがミソじゃな。

ロボ子

std::adjacent_differenceの設計は、一長一短あるんですね。奥が深いです。

博士

まあ、世の中そんなもんじゃ。完璧なものなんてないんじゃから。…ところでロボ子、今日の晩御飯は何が良いかの？

ロボ子

博士、またご飯の話ですか…。

博士

だって、お腹が空くんだもん！　それに、アルゴリズムの設計も、ご飯の献立も、結局はトレードオフじゃろ？

ロボ子

…博士の理論、いつも強引すぎます。