Logo

菜单

Korbin
Korbin
发布于 2025-08-14 / 1 阅读
0
0

C++ numeric 中的算法

C++ 标准库的 头文件是进行数值计算的宝库。它不仅仅包含几个简单的函数，而是提供了一整套强大、高效且灵活的算法，用于处理序列数据。这些算法能够帮助我们写出更简洁、更具表现力且性能更高的代码，尤其是在现代 C++ (C++17 及以后) 中，它们中的许多都支持并行执行。

本文将全面介绍 头文件中的核心算法，分为三大类：

  1. 累积与归约 (Reduction)：将一个序列合并成单个值。
  2. 扫描与前缀和 (Scan)：计算序列的中间累积结果。
  3. 数值生成与数学工具：用于初始化序列和基础数学计算。

累积与归约 (Reduction)

这类算法的目标是将一个序列中的所有元素通过某个二元操作（如加法、乘法）合并成一个单一的值。

std::accumulate (C++98)

这是最经典、最基础的累积算法。它严格按照从左到右的顺序进行计算。

  • 功能：计算一个序列 [first, last) 中所有元素的总和，从一个初始值 init 开始。
  • 特点：保证严格的顺序执行，可以通过自定义操作实现求积、字符串拼接等。
#include 
#include 
#include 
#include 

std::vector nums = {1, 2, 3, 4, 5};

// 计算总和
int sum = std::accumulate(nums.begin(), nums.end(), 0); // 15

// 计算乘积
int product = std::accumulate(nums.begin(), nums.end(), 1, std::multiplies()); // 120

// 拼接字符串
std::vector words = {"Hello", " ", "World"};
std::string sentence = std::accumulate(words.begin(), words.end(), std::string("")); // "Hello World"

std::reduce (C++17)

std::reduce 是 std::accumulate 的现代化、可并行化版本。

  • 功能：与 accumulate 类似，但不保证计算顺序。
  • 核心区别：
    1. 并行性：允许乱序执行，因此可以利用 std::execution::par 等执行策略进行并行计算，从而大幅提升性能。
    2. 操作要求：由于乱序执行，提供的二元操作必须满足结合律和交换律（如加法、乘法），否则结果未定义。
    3. 默认初始值：有一个不需要 init 参数的版本，它会使用元素类型的默认构造函数（例如 int{} 即 0）作为初始值。
#include 
#include 
#include 

std::vector big_vec(1'000'000, 1);

// 使用并行策略计算总和
long parallel_sum = std::reduce(std::execution::par, big_vec.begin(), big_vec.end(), 0L);

何时选择？

  • 需要保证顺序（如减法），或在 C++17 之前的代码中，使用 std::accumulate。
  • 追求性能，且操作允许乱序（如加法），现代 C++ 代码首选 std::reduce。

std::inner_product (C++98)

  • 功能：计算两个序列的内积（点积）。它将两个序列的对应元素相乘，然后将所有乘积累加起来。
  • 灵活性：可以自定义累积操作和元素配对操作。
std::vector v1 = {1, 2, 3};
std::vector v2 = {4, 5, 6};

// 计算内积: (1*4 + 2*5 + 3*6)
int dot_product = std::inner_product(v1.begin(), v1.end(), v2.begin(), 0); // 32

std::transform_reduce (C++17)

这是最强大的归约算法，完美体现了 "map-reduce" 思想。

  • 功能：
    1. 单序列：先对每个元素应用一个转换操作（map），然后再对结果进行归约（reduce）。
    2. 双序列：先对两个序列的对应元素应用一个二元操作（transform），然后再对结果进行归约（reduce）。
  • 特点：可并行化，且将转换和归约合二为一，避免了创建中间容器。
std::vector nums = {1, 2, 3, 4};

// 计算平方和 (1*1 + 2*2 + 3*3 + 4*4)
int sum_of_squares = std::transform_reduce(
    nums.begin(), nums.end(),
    0,                                 // 初始值
    std::plus<>(),                     // Reduce 操作: 相加
    [](int x) { return x * x; }        // Transform 操作: 平方
); // 30

扫描与前缀和 (Scan)

扫描算法不会将序列归约为单个值，而是生成一个包含所有中间累积结果的新序列。

std::partial_sum (C++98)

  • 功能：计算序列的“部分和”，即 inclusive_scan 的早期版本。结果中的第 i 个元素是原序列前 i+1 个元素的和。
std::vector data = {1, 2, 3, 4, 5};
std::vector result(5);

std::partial_sum(data.begin(), data.end(), result.begin());
// result: {1, 3, 6, 10, 15}

std::inclusive_scan & std::exclusive_scan (C++17)

这两个是现代化的、可并行的扫描算法。

  • inclusive_scan：包含当前元素的扫描，行为与 partial_sum 相同。
  • exclusive_scan：不包含当前元素的扫描，结果中的第 i 个元素是原序列前 i 个元素的和。
std::vector data = {1, 2, 3, 4, 5};
std::vector incl_res(5), excl_res(5);

// 包含当前项的前缀和
std::inclusive_scan(data.begin(), data.end(), incl_res.begin());
// incl_res: {1, 3, 6, 10, 15}

// 不包含当前项的前缀和
std::exclusive_scan(data.begin(), data.end(), excl_res.begin(), 0);
// excl_res: {0, 1, 3, 6, 10}

std::adjacent_difference (C++98)

  • 功能：可以看作是 partial_sum 的逆运算，计算序列中每两个相邻元素之间的差。
std::vector data = {1, 3, 6, 10, 15};
std::vector result(5);

std::adjacent_difference(data.begin(), data.end(), result.begin());
// result: {1, 2, 3, 4, 5} (恢复了原始序列)

数值生成与数学工具

std::iota (C++11)

  • 功能：用一个从指定值开始连续递增的序列来填充一个范围。非常适合快速初始化。
std::vector nums(5);
std::iota(nums.begin(), nums.end(), 10); // 填充 10, 11, 12, 13, 14

std::gcd & std::lcm (C++17)

  • 功能：计算两个整数的最大公约数（Greatest Common Divisor）和最小公倍数（Least Common Multiple）。
int a = 12, b = 18;
int common_divisor = std::gcd(a, b);   // 6
int common_multiple = std::lcm(a, b); // 36

总结

头文件为 C++ 开发者提供了一套声明式、高效且功能强大的工具。通过使用这些算法，我们可以：

  • 提高代码可读性：算法的名称（如 accumulate, transform_reduce）清晰地表达了代码的意图。
  • 提升代码性能：C++17 引入的并行版本算法可以充分利用现代多核 CPU 的计算能力。
  • 减少错误：标准库算法经过了充分的测试和优化，比手写的循环更可靠。

下次当你需要对一个序列进行数值计算时，不妨先查阅一下 头文件，很可能已经有一个完美的算法在等着你了。

参考

  1. https://cppreference.cn/w/cpp/numeric
  2. https://cplusplus.com/reference/numeric/
C++ STL 容器介绍

评论