1. Профилируйте одну из собственных программ и воспользуйтесь описанными в зтой главе методами для повышения ее быстродействия.
2. На сайте этой книги находится программа на языке С, профиль которой приведен в табл. 9.1. Она представляет собой небольшую часть программы из главы 13. Попробуйте осуществить ее профилирование в своей системе. Если только ваша функция та Нос не обладает феноменальным быстродействием, большую часть времени программа будет тратить именно на ее вызов. Попробуйте увеличить быстродействие программы тем же методом, что и Вал Вайк.
3. Какие свойства алгоритма циклического сдвига позволили заменить оператор % оператором if, а не более ресурсоемким оператором while? Определите, в каких случаях использование оператора while вместо % оправдано.
4. Для положительного целого п, не большего размера массива, следующая рекурсивная функция возвращает максимальный элемент массива:
float arrmax(mt n){if (n == 1) return x[0] else return max(x[n-l], arrmax(n-1)),}
Если реализовать max как функцию, то максимальный элемент массива размерностью 10 ООО будет найден за несколько миллисекунд. Если реализовать max как макрос вида
#define max(a, b) ((а) > (b) ? (a) (b))
алгоритму потребуется 6 секунд на нахождение максимального из 27 элементов и 12 секунд на нахождение максимального из 28 элементов. Придумайте, при каких входных данных поведение программы снова станет нормальным. Проанализируйте время выполнения математически.
5. Как ведут себя различные алгоритмы двоичного поиска, если их применить к неотсортированным массивам?
6. Библиотеки С и C++ позволяют определить тип символа с помощью функций isdigit, isupper и islower. Как бы вы реализовали эти функции?
7. Имеется длинная последовательность байтов (например, миллиард). Каким образом можно быстро подсчитать количество единичных битов (то есть, не равных 0)?
8. Как можно использовать маркеры в программе, ищущей максимальный элемент массива?
9. Поскольку последовательный поиск проще двоичного, он более эффективен для небольших массивов. С другой стороны, растущее логарифмически количество сравнений обеспечивает преимущество двоичного поиска на больших объемах данных. Размер массива, для которого оба алгоритма работают за одинаковое время, зависит от оптимизации обеих программ. Как низко вы можете опустить эту границу и как высоко можно ее поднять? Чему равна эта граница на вашем компьютере, когда обе программы оптимизированы примерно одинаково?
10. Д. Б. Ломет (D. В. Lomet) обнаружил, что хэширование позволяет решить задачу о поиске целого числа среди тысячи более эффективно, чем оптимизированный двоичный поиск. Реализуйте несколько программ с кэшированием и сравните их быстродействие с двоичным поиском по быстродействию и занимаемой памяти.
И. В начале 60-х Вик Берец (Vic Berecz) обнаружил, что большая часть времени работы моделирующей программы в фирме Сикорски уходила на вычисление тригонометрических функций. Дальнейшие исследования показали, что аргументы функций всегда принимали значения, кратные пяти градусам. Как ему удалось уменьшить время работы программы?
12. Иногда программу удается оптимизировать с помощью математического, а не программистского подхода. Для вычисления значения полинома
у - апхп + cin^xn~x +... + а,*1 + а0
нижеследующая программа делает 2п умножений. Придумайте функцию, которая будет делать это быстрее.
У = а[0] х 1 = 1
for i = [1. n] xi = х * XI У = у + а[1]*xi
Опубликовал vovan666
April 17 2013 00:01:27 ·
0 Комментариев ·
3318 Прочтений ·
• Не нашли ответ на свой вопрос? Тогда задайте вопрос в комментариях или на форуме! •
Комментарии
Нет комментариев.
Добавить комментарий
Рейтинги
Рейтинг доступен только для пользователей.
Пожалуйста, залогиньтесь или зарегистрируйтесь для голосования.
Нет данных для оценки.
Гость
Вы не зарегистрированны? Нажмите здесь для регистрации.
Главная
Каталог файлов
