ACM模版

abs()函式對比

在C\C++的<math.h>和<cmath>中均有abs的實現，而今天心血來潮，另外手動實現了兩個abs()函式，用來做一下對比，一種是通過關係運算符判斷正負求解，一種是通過位運算求解，仔細看哦，很值得回味的測試……（PS：為了增大區別，每個函式的運算次數為MAXN次）。

#include <cstdio>
#include <iostream>
#include <ctime>
#include <cmath>

using namespace std;

const int MAXN = 1000000
 
;

int abs_1(int n)
{
    if (n < 0)
    {
        return -n;
    }
    else
    {
        return n;
    }
}

int abs_2(int n)
{
    return (n ^ (n >> 31)) - (n >> 31);
}

int main()
{
    int a, b = 0;
    while (cin >> a)
    {
        //  系統abs()函式測試
        long long start = clock();
        for
 
 (int i = 0; i < MAXN; i++)
        {
            b = abs(a);
        }
        long long end = clock();
        cout << "abs()   : " << a << ' ' << b << ' ' << end - start << '\n';

        //  判斷正負abs()函式實現
        start = clock();
        for (int i = 0; i < MAXN; i++)
        {
            b = abs_1(a);
        }
        end = clock();
        cout
 
 << "abs_1() : " << a << ' ' << b << ' ' << end - start << '\n';

        //  位運算abs()函式實現
        start = clock();
        for (int i = 0; i < MAXN; i++)
        {
            b = abs_2(a);
        }
        end = clock();
        cout << "abs_2() : " << a << ' ' << b << ' ' << end - start << '\n';
    }

    return 0;
}

經過多次測試，發現時間差距還是挺明顯的，當然對於一次abs()而言，差距可以視為沒有吧，當然這麼說不太嚴謹。

根據資料我們不難發現，abs_1()和abs_2()對於正負數的處理時間差別還是挺大的，但是令人好奇的是<cmath>中abs()對於正負數的處理時間卻幾乎相等，至於為什麼，就麻煩好奇心比我強的人去挖掘原始碼吧，然後告訴我怎麼實現的。

接著呢，我想abs_1()不用分析了，有腦子的都看得懂，而對於位運算搞定的abs_2()來說，可讀性真的不算高，對於不經常和位運算打交道的人而言，挺繞的。首先我們定義的是4個位元組的32位2進位制有符號整形，也就是int型，原諒我把一個整形形容的那麼複雜，好了，言歸正傳，因為有符號，所以我們知道第32位是符號位，所以n>>31最後得到的就是符號位的值，如果是負數，結果為-1，反之則為0。那麼如果n為正數，n^0-0=n，而如果為負數，n^(-1)的結果也就是|n|-1，所以最後再-(-1)也就是n的絕對值了，我想這裡不用過多解釋，直接用一組資料寫寫畫畫就知道了，真的不知道，那就麻煩你去看看位運算了，因為今天關鍵不是要搞位運算，所以，我還是不會解釋，畢竟我是一個懶人。

由於閒著也是數星星、數羊，於是我又進行了一個測試，測試<cmath>與<math.h>中abs()的區別，上面的資料已經有了前者的測試結果，所以鑑於我懶，我只再給出<math.h>的測試資料。

雖然和前邊的資料對比感覺不明顯，但是還是有些許區別的，我認為<math.h>的要比<cmath>的abs()穩定性差些。大概這就是為什麼C++推薦使用的標頭檔案是<cmath>，而<math.h>只是為了相容。

當然，以上所有測試資料都是基於我的機子，我的測試樣本，也許有的地方不夠準確，那麼我只能將其歸咎於我的失責，但是一貫喜歡找客觀原因的我會告訴你：測試樣本不夠大，測試樣本分佈不夠均勻。但是，懶惰的我，從不會因為知道這些就去重測，因為，現在都三點了，我還有線代沒看/(ㄒoㄒ)/~~，看過線代後還要看會兒程式碼大全……如果非要說我不夠嚴謹，沒有治學精神，那麼我也不得不承認，畢竟這種放大了一百萬倍後產生的差別還如此甚微的，真的沒有太大錙銖必較的價值。

測試了這麼大會兒，雖然測試資料上有些不夠嚴謹，但是我們基本上可以得出，位運算是最牛逼的！！！對於某種特定的需求，這裡的確可以產生可見的優化。

最後，跟上一句，倒數第三段是在浪費你們時間，我只是給自己找一個隨性一些的藉口，當然，這一段也是廢話。