C++用函數(shù)對(duì)算法性能進(jìn)行測(cè)試
前言
“Algorithm+Data Structures=Programs”——瑞士計(jì)算機(jī)科學(xué)家尼古拉斯·沃斯
工具
C/C++庫函數(shù)中的time.h/ctime庫中的clock()函數(shù)
模板
#include<iostream>
#include<ctime>
using namespace std;
clock_t start_time = clock();
{ 算 法 代 碼 塊 };
clock_t end_time = clock();
cout<<(double)(end_time - start_time) / CLOCKS_PER_SEC<<"秒";
說明
clock()函數(shù)返回類型為clock_t(實(shí)際上是long類型),它返回從開啟某個(gè)程序進(jìn)程到再次調(diào)用clock()函數(shù)之間的CPU時(shí)鐘計(jì)時(shí)單元(時(shí)鐘周期)。
CLOCKS_PER_SEC是標(biāo)準(zhǔn)庫中所定義的宏,表示每1秒CPU時(shí)鐘計(jì)時(shí)單元(時(shí)鐘周期)的個(gè)數(shù)
end_time - start_time 表示該程序執(zhí)行期間CPU時(shí)鐘計(jì)時(shí)單元(時(shí)鐘周期)的總個(gè)數(shù),除以每秒鐘CPU時(shí)鐘計(jì)時(shí)單元(時(shí)鐘周期),即可得到程序?qū)嶋H運(yùn)行時(shí)間,返回的單位是毫秒。
測(cè)試
分別測(cè)試選擇排序算法和C++中的sort()函數(shù)的算法性能,測(cè)試數(shù)據(jù)由隨機(jī)數(shù)生成。
#include<iostream> #include<algorithm> #include<ctime> using namespace std; //選擇排序 void SelectSort(int a[],int n){ for(int i=0;i<n;i++){ int min_index=i; for(int j=i+1;j<n;j++) if(a[j]<a[min_index]) min_index=j; swap(a[i],a[min_index]); } } //隨機(jī)數(shù)組 int* RandomArray(int n,int rangeL,int rangeR){ int *arr=new int[n];//創(chuàng)建一個(gè)大小為n的數(shù)組 srand(time(NULL));//以時(shí)間為"種子"產(chǎn)生隨機(jī)數(shù) for(int i=0;i<n;i++){ arr[i]=rand()%(rangeR-rangeL+1)+rangeL;//生成指定區(qū)間[rangeL,rangeR]里的數(shù) } return arr; } int main(){ int n; cout<<"請(qǐng)輸入數(shù)據(jù)規(guī)模n: ";cin>>n; int *arr1,*arr2; arr1=RandomArray(n,0,10000); arr2=arr1; clock_t start_time1=clock(); SelectSort(arr1,n);//選擇排序算法 clock_t end_time1=clock(); cout<<"選擇排序耗時(shí):"<<(double)(end_time1-start_time1)/CLOCKS_PER_SEC<<"秒"<<endl; clock_t start_time2=clock(); sort(arr2,arr2+n);//C++中sort()排序函數(shù),底層為優(yōu)化的快速排序算法 clock_t end_time2=clock(); cout<<"優(yōu)化快排耗時(shí):"<<(double)(end_time2-start_time2)/CLOCKS_PER_SEC<<"秒"<<endl; return 0; }
測(cè)試結(jié)果
測(cè)試結(jié)果分析
通過對(duì)比可知,在數(shù)據(jù)規(guī)模相同的情況下,C++sort()排序算法的性能遠(yuǎn)遠(yuǎn)遠(yuǎn)遠(yuǎn)優(yōu)于選擇排序。
我們能從數(shù)據(jù)上直觀的看到數(shù)據(jù)規(guī)模的增長(zhǎng)所帶來的運(yùn)行時(shí)間的加長(zhǎng),數(shù)據(jù)規(guī)模由10000變?yōu)?00000,擴(kuò)大了10倍,那么根據(jù)時(shí)間復(fù)雜度的分析,選擇排序的算法時(shí)間會(huì)擴(kuò)大100倍左右,而sort()排序函數(shù)則會(huì)擴(kuò)大10倍左右,由測(cè)試結(jié)果看出,確實(shí)如此。
因?yàn)檫x擇排序算法的時(shí)間復(fù)雜度為O(n^2),而C++sort()排序函數(shù)的底層實(shí)現(xiàn)原理是快速排序算法,而且是優(yōu)化的快速排序,系統(tǒng)會(huì)根據(jù)數(shù)據(jù)形式和數(shù)據(jù)量自動(dòng)選擇合適的排序方法。它每次排序中不只選擇一種方法,比如給一個(gè)數(shù)據(jù)量較大的數(shù)組排序,開始采用快速排序,分段遞歸,分段之后每一段的數(shù)據(jù)量達(dá)到一個(gè)較小值后它就不繼續(xù)往下遞歸,而是選擇插入排序,如果遞歸的太深,他則會(huì)選擇堆排序,時(shí)間復(fù)雜度為O(nlogn)??梢奀++中sort()排序算法性能之強(qiáng)悍!(吶喊)
到此這篇關(guān)于C++用函數(shù)對(duì)算法性能進(jìn)行測(cè)試的文章就介紹到這了,更多相關(guān)C++性能測(cè)試內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Matlab利用隨機(jī)森林(RF)算法實(shí)現(xiàn)回歸預(yù)測(cè)詳解
這篇文章主要為大家詳細(xì)介紹了Matlab如何利用隨機(jī)森林(RF)算法實(shí)現(xiàn)回歸預(yù)測(cè),以及自變量重要性排序的操作,感興趣的小伙伴可以了解一下2023-02-02C語言實(shí)現(xiàn)學(xué)生學(xué)籍管理系統(tǒng)程序設(shè)計(jì)
這篇文章主要為大家詳細(xì)介紹了C語言實(shí)現(xiàn)學(xué)生學(xué)籍管理系統(tǒng)程序設(shè)計(jì),文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2022-07-07C++中的不規(guī)則二維數(shù)組實(shí)現(xiàn)代碼
本文介紹了一個(gè)在C++中保存不定長(zhǎng)二維數(shù)組的數(shù)據(jù)結(jié)構(gòu),在這個(gè)結(jié)構(gòu)中,我們使用了一個(gè)含有指針和數(shù)組長(zhǎng)度的結(jié)構(gòu)體,用這樣的一個(gè)結(jié)構(gòu)體構(gòu)造一個(gè)結(jié)構(gòu)體數(shù)組,用于存儲(chǔ)每一個(gè)不定長(zhǎng)的數(shù)組,感興趣的朋友一起看看吧2024-03-03二叉樹中葉子節(jié)點(diǎn)的統(tǒng)計(jì)和樹高問題
今天小編就為大家分享一篇關(guān)于二叉樹中葉子節(jié)點(diǎn)的統(tǒng)計(jì)和樹高問題,小編覺得內(nèi)容挺不錯(cuò)的,現(xiàn)在分享給大家,具有很好的參考價(jià)值,需要的朋友一起跟隨小編來看看吧2019-03-03簡(jiǎn)要對(duì)比C語言中的setgid()函數(shù)和setregid()函數(shù)
這篇文章主要介紹了C語言中的setgid()函數(shù)和setregid()函數(shù)的簡(jiǎn)要對(duì)比,是C語言入門學(xué)習(xí)中的基礎(chǔ)知識(shí),需要的朋友可以參考下2015-08-08