第六章
性能透视,提出了几个对性能进行优化的层次
- 算法和数据结构
- 算法优化
- 数据结构重组
- 代码优化
- 硬件
第七章
封底计算,没看仔细。
第八章
算法设计技术,提出了一个小问题(最大子序列和),针对这个问题研究四种不同的算法和对应的复杂度。
int maxvalue(int a, int b) {
if (a > b)
return a;
else
return b;
}
// 三层循环
int fun1() {
int maxsofar = 0;
int i,j,k,sum;
for (i=0;i<n;i++) {
for (j=i;j<n;j++) {
sum=0;
for (k=i;k<=j;k++)
sum+=x[k];
maxsofar = maxvalue(maxsofar, sum);
}
}
return maxsofar;
}
// 两层循环
int fun2() {
int maxsofar = 0;
int i,j,sum;
for (i=0;i<n;i++) {
sum=0;
for (j=i;j<n;j++) {
sum+=x[j];
maxsofar = maxvalue(maxsofar, sum);
}
}
return maxsofar;
}
// 两层循环,代码应该都很好理解
int fun3() {
int cumarr[];
int i,j,sum;
int maxsofar;
cumarr[-1] = 0;
for (i=0;i<n;i++)
cumarr[i] = cumarr[i-1] + x[i];
maxsofar = 0;
for (i=0;i<n;i++) {
for (j=i;j<n;j++) {
sum = cumarr[j] - cumarr[i-1];
maxsofar = maxvalue(maxsofar, sum);
}
}
return maxsofar;
}
// 分治算法,时间复杂度是O(n*log(n)),
int fun4(int l ,int u) {
int m,lmax,rmax,sum,i;
if (l > u)
return 0;
if (l == u)
return maxvalue(0, x[l]);
m = (l + u)/2;
lmax = sum = 0;
rmax = sum = 0;
for (i=m;i>=l;i--) {
sum += x[i];
lmax = maxvalue(lmax, sum);
}
for (i=m+1;i<=u;i++) {
sum += x[i];
rmax = maxvalue(rmax, sum);
}
return maxvalue(maxvalue(fun4(l,m), fun4(m+1,u)), lmax+rmax);
}
// 我自己的想法,动态规划,复杂度是O(n)
int fun5() {
int maxsum = 0;
int temp = 0,i;
for (i=0;i<n;i++) {
temp += x[i];
if (maxsum < temp)
maxsum = temp;
else if (temp < 0)
temp = 0;
}
return maxsum;
}
第九章
代码优化
问题1——整数求余
k=(j+rotdist)%n;
k=j+rotdist;
while (k>=n)
k-=n;
普通算术运算符的运行时间大约是10纳秒,%运算符的运行时间接近100纳秒,某些情况下第二中方法的效率高于第一种。
问题二——函数,宏以及内联代码
内联函数具有函数简洁的语义和宏的低开销。
问题三——顺序查找
通过在数组末尾设置标记值,可减少程序比较的次数,提高代码效率。
int search(int t) {
int temp = x[n];
x[n] = t;
for (int i = 0;;i++) {
if (x[i] == t)
break;
}
x[n] = temp;
if (i==n)
return -1;
else
return i;
}
第十章
关于空间压缩
减少程序所需数据存储空间的技术
不要保存,重新计算(生成器程序)
稀疏数据结构(稀疏矩阵)
数据压缩(相关的编码和解码)
分配策略(变长数组)
垃圾回收
减少代码空间的技术
函数定义
解释器
转化成机器语言