（向量对）与（向量对）C++的速度[关闭]

Posted 2023-02-21

【中文标题】（向量对）与（向量对）C++的速度[关闭]

【英文标题】：speed of (vector of pairs) vs (pair of vectors) C++ [closed]

【发布时间】：2014-02-18 16:59:49

【问题描述】：

背景： 我已经完成了作为家庭作业编写的游戏。我们必须制作一个十六进制游戏。我决定使用 2d 节点向量来实现该板，并使用 2 个向量来跟踪节点邻居的 x 和 y 坐标。我用来确定获胜者的寻路算法与 Dijkstra 的相似。

我意识到使用 2 个向量的缺点是它们必须始终保持同步，但我问的是速度。我还意识到实现该板的更快方法可能是使用一维向量（我在完成程序的中途意识到这一点）。

问题：就原始速度而言，路径查找算法在使用 2 个向量来跟踪 (x,y) 时会运行得更快，还是如果我使用成对向量来实现，算法会运行得更快吗？

【问题讨论】：

这类问题最好通过一个小的自包含代码示例来回答，当您这样做时，您已经完成了构建自己的基准测试的 90%。

我过去做过类似的事情，而不是像(x, y)那样担心配对，我只是将配对转换为整数( x * Number_Of_rows + y)，这就是我用来存储每个单独位置的董事会。邻居以类似的方式存储，每个节点将存储std::list<int> 的邻居

也许你喜欢阅读 ***.com/questions/7274268/… 虽然阅读量很大，但其实施的 boost 文档可以提供有关 Djikstra 的更多见解：boost.org/doc/libs/1_55_0/libs/graph/doc/…

无法回答：这取决于算法、数据量、内存管理...

“我用来确定获胜者的寻路算法与 Dijkstra 的相似”不是为了提供不是“取决于”的答案而对代码的可接受描述。

【参考方案1】：

选择更适合您的需求。 在软件设计的这个阶段，您不应该关心性能。 更重要的是选择最适合您使用的数据结构。

这样做，您可能已经获得了性能优势。

【讨论】：

他说他已经完成了，在一个项目完成并且功能齐全之后，似乎是获得一些性能优势的最佳时机。此外，告诉他们不需要他们的问题的答案不是答案。

剖析是优化的最佳方式，也不是猜测或人们所说的微优化。

@user2581799：从这个答案中可能不明显的是用户是否真的预先考虑了设计。从这个问题来看，他似乎直到项目后期才考虑到成对向量的可能性。现在，aoeu 建议重新审视设计：您最适合使用哪种数据结构？ 那应该是否。 1 设计的驱动力（我认为成对的向量可能更好）。您甚至可以说，对于这种特殊情况，您甚至根本不应该考虑性能（直到测量）

【参考方案2】：

aoeu 说得对：首先要考虑好的表现。

其次，如果您担心游戏速度慢，请配置文件。找出有问题的区域并担心这些问题。

也就是说，有点关于速度：

顺序访问内存访问速度最快。跳来跳去是不好的。一个接一个地访问值是好的。

向量对（更一般地说，结构向量，VoS）或向量对（向量结构，SoV）是否更快的问题完全取决于您的访问模式。您是一起访问坐标对，还是先处理所有 x 值，然后处理所有 y 值？答案很可能会显示更快的数据布局。

也就是说，“最有可能”是指蹲下。简介，简介，简介。

【参考方案3】：

我的直觉告诉我，成对的向量会更快，但您可能需要对其进行测试。创建一个测试程序，将几百万个点插入到格式和时间中，这样更快。然后是哪种格式更快地提取存储数据的时间。

【参考方案4】：

首先，aoeu 很重要。

其次，关于一般优化：

优化的第一步是衡量，否则您没有基准来比较改进。

下一步是使用某种分析器来查看您的代码在哪里花费了周期/内存/其他，它可能不是您想的那样。

当您完成了这两个操作后，您就可以开始以正确的方式优化代码的正确部分了。

【参考方案5】：

除了我的评论。如果随着游戏的进行，您的实现运行速度较慢（我猜是其中的 AI 部分），那么可能是因为您在每次移动后都在运行 Dijkstra。随着棋盘上的移动越多，游戏越大，AI 的性能就越差。

建议使用disjoint-set 方法而不是Dijkstra 来确定获胜者。 disjoint-set 相对于 Dijkstra 的优势在于它不仅使用更少的内存，而且它不会随着游戏的进行而变慢，因此您可以在每个玩家移动后运行它。 Disjoint-set - Wikipedia, Union-find - princeton

我意识到改变一个项目关键部分的实现是一项艰巨的任务，因为它几乎需要DO IT ALL OVER AGAIN，但这只是一个建议，如果你担心人工智能的速度，那么这个绝对值得研究。还有其他实现 AI 的方法，例如 minMAX tree、Alphabeta pruning（这是对 minmax 树的改进）

Gl.