编程珠玑（性能篇）

第六章

性能透视，提出了几个对性能进行优化的层次

1. 算法和数据结构
2. 算法优化
3. 数据结构重组
4. 代码优化
5. 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