funccost是函数func运行时间百分比,funcspeedup是你优化函数的运行的系数。
所以,如果你优化了函数TriangleIntersect执行40%的运行时间,使它运行快了近两倍,而你的程序会运行快25%。
这意味着不经常使用的代码不需要做较多优化考虑(或者完全不优化)。
这里有句俗语:让经常执行的路径运行更加高效,而运行稀少的路径正确运行。
2. 代码先保证正确,然后再考虑优化
这并不意味着用8周时间写一个全功能的射线追踪算法,然后用8周时间去优化它。
分多步来做性能优化。
先写正确的代码,当你意识到这个函数可能会被经常调用,进行明显的优化。
然后再寻找算法的瓶颈,并解决(通过优化或者改进算法)。通常,改进算法能显著地改进瓶颈——也许是采用一个你还没有预想到的方法。所有频繁调用的函数,都需要优化。
3. 我所了解的那些写出非常高效代码的人说,他们优化代码的时间,是写代码时间的两倍。
4.跳转和分支执行代价高,如果可能,尽量少用。
函数调用需要两次跳转,外加栈内存 *** 作。
优先使用迭代而不是递归。
使用内联函数处理短小的函数来消除函数调用开销。
将循环内的函数调用移动到循环外(例如,将for(i=0i<100i++) DoSomething()改为DoSomething() { for(i=0i<100i++) { … }})。
if…else if…else if…else if…很长的分支链执行到最后的分支需要很多的跳转。如果可能,将其转换为一个switch声明语句,编译器有时候会将其转换为一个表查询单次跳转。如果switch声明不可行,将最常见的场景放在if分支链的最前面。
5. 仔细思考函数下标的顺序。
两阶或更高阶的数组在内存中还是以一维的方式在存储在内存中,这意味着(对于C/C++数组)array[i][j] 和 array[i][j+1]是相邻的,但是array[i][j] 和array[i+1][j]可能相距很远。
以适当的方式访问存储实际内存中的数据,可以显著地提升你代码的执行效率(有时候可以提升一个数量级甚至更多)。
现代处理器从主内存中加载数据到处理器cache,会加载比单个值更多的数据。该 *** 作会获取请求数据和相邻数据(一个cache行大小)的整块数据。这意味着,一旦array[i][j]已经在处理器cache中,array[i][j+1]很大可能也已经在cache中了,而array[i+1][j]可能还在内存中。
一般都用Matlab中的Simulink做无线通信的仿真。Matlab命令栏中输入“simulink”(不输入引号)。其中,在左面列出的库中有Communications Blockset,可以在新建文档中拖入模块,如信道,调制方式,CRC校验,编码方式等等,进行系统级的仿真。祝学习愉快!
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)