整數乘法編譯器自動優化

A. C++用位操作優化加減乘除法是什麼意思，具體指什麼

我覺得談不上優化, 如果真有性能提升, 編譯器也會自己優化.

對於一個十進制的數來說, 左移一位就等於乘以10, 比如 99 左移為 990.
左移2位就等於乘以10的2次方100, 比如 99左移2位就是9900

右移正好反過來, 是除.

計算機的數據是2進制, 所以用2代替10.
int x = 100;
x << 1; // 等於x*2
x << 2; // 等於x*4
x << 3; // 等於x*8
x >> 4; // 等於 x/16

有人說這么做性能比較高.

至於加減法, 我真不知道用位操作怎麼做.

B. 現代C/C++編譯器有多智能

最近在搞C/C++代碼的性能優化，發現很多時候自以為的優化其實編譯器早就優化過了，得結合反匯編才能看出到底要做什麼樣的優化。
請熟悉編譯器的同學結合操作系統和硬體談一談現代c/c++編譯器到底有多智能吧。哪些書本上的優化方法其實早就過時了？
以及程序員做什麼會讓編譯器能更好的自動優化代碼？
舉個栗子：
1，循環展開，大部分編譯器設置flag後會自動展開；
2，順序SIMD優化，大部分編譯器設置flag後也會自動優化成SIMD指令；
3，減少中間變數，大部分編譯器會自動優化掉中間變數；
etc.
查看代碼對應的匯編：
Compiler Explorer
【以下解答】
舉個之前看過的例子：
int calc_hash(signed char *s){ static const int N = 100003; int ret = 1; while (*s) { ret = ret * 131 + *s; ++ s; } ret %= N; if (ret < 0) ret += N; //注意這句 return ret;}
【以下解答】
舉個簡單例子，一到一百求和
#include int sum() { int ret= 0; int i; for(i = 1; i <= 100; i++) ret+=i; return ret;}int main() { printf("%d\n", sum()); return 0;}
【以下解答】
話題太大，碼字花時間…
先放傳送門好了。
請看Google的C++編譯器組老大Chandler Carruth的演講。這個演講是從編譯器研發工程師的角度出發，以Clang/LLVM編譯C++為例，向一般C++程序員介紹理解編譯器優化的思維模型。它講解了C++編譯器會做的一些常見優化，而不會深入到LLVM具體是如何實現這些優化的，所以即使不懂編譯原理的C++程序員看這個演講也不會有壓力。
Understanding Compiler Optimization - Chandler Carruth - Opening Keynote Meeting C++ 2015
演示稿：https://meetingcpp.com/tl_files/mcpp/2015/talks/meetingcxx_2015-understanding_compiler_optimization_themed_.pdf
錄像：https://www.youtube.com/watch?v=FnGCDLhaxKU（打不開請自備工具…）
Agner Fog寫的優化手冊也永遠是值得參考的文檔。其中的C++優化手冊：
Optimizing software in C++ - An optimization guide for Windows, Linux and Mac platforms - Agner Fog
要稍微深入一點的話，GCC和LLVM的文檔其實都對各自的內部實現有不錯的介紹。
GCC：GNU Compiler Collection (GCC) Internals
LLVM：LLVM』s Analysis and Transform Passes
========================================
反模式（anti-patterns）
1. 為了「優化」而減少源碼中局部變數的個數
這可能是最沒用的手工「優化」了。特別是遇到在高級語言中「不用臨時變數來交換兩個變數」這種場景的時候。
看另一個問題有感：有什麼像a=a+b;b=a-b;a=a-b;這樣的演算法或者知識？ - 編程
2. 為了「優化」而把應該傳值的參數改為傳引用
（待續…）
【以下解答】
推薦讀一讀這里的幾個文檔：
Software optimization resources. C++ and assembly. Windows, Linux, BSD, Mac OS X
其中第一篇：http://www.agner.org/optimize/optimizing_cpp.pdf
講解了C++不同領域的優化思路和問題，還有編譯器做了哪些優化，以及如何代碼配合編譯器優化。還有優化多線程、使用向量指令等的介紹，推薦看看。
感覺比較符合你的部分需求。
【以下解答】
一份比較老的slides：
http://www.fefe.de/source-code-optimization.pdf
【以下解答】
利用C++11的range-based for loop語法可以實現類似python里的range生成器，也就是實現一個range對象，使得
for(auto i : range(start, stop, step))
【以下解答】
我覺得都不用現代。。。。寄存器分配和指令調度最智能了
【以下解答】
每次編譯poco庫的時候我都覺得很為難GCC
【以下解答】
有些智能並不能保證代碼變換前後語義是等價的
【以下解答】
誒誒，我錯了各位，GCC是可以藉助 SSE 的 xmm 寄存器進行優化的，經 @RednaxelaFX 才知道應該添加 -march=native 選項。我以前不了解 -march 選項，去研究下再來補充為什麼加和不加區別這么大。
十分抱歉黑錯了。。。以後再找別的點來黑。
誤導大家了，實在抱歉。(??ˇ?ˇ??)
/*********以下是並不正確的原答案*********/
我是來黑 GCC的。
最近在搞編譯器相關的活，編譯OpenSSL的時候有一段這樣的代碼：
BN_ULONG a0,a1,a2,a3; // EmmetZC 註：BN_ULONG 其實就是 unsigned longa0=B[0]; a1=B[1]; a2=B[2]; a3=B[3];A[0]=a0; A[1]=a1; A[2]=a2; A[3]=a3;
【以下解答】
提示:找不到對象
【以下解答】
忍不住抖個機靈。
私以為正常寫代碼情況下編譯器就能優化，才叫智能編譯器。要程序員絞盡腦汁去考慮怎麼寫代碼能讓編譯器更好優化，甚至降低了可讀性，那就沒有起到透明屏蔽的作用。
智能編譯器應該是程序猿要較勁腦汁才能讓編譯器不優化。
理論上是這樣的。折疊我吧。
【以下解答】
編譯器智能到每次我都覺得自己很智障。
【以下解答】
雖然題主內容里是想問編譯器代碼性能優化方面的內容，但題目里既然說到編譯器的的智能，我就偏一下方向來說吧。
有什麼更能展示編譯器的強大和智能？
自然是c++的模版元編程
template meta programming
簡單解釋的話就是寫代碼的代碼，寫的還是c++，但能讓編譯器在編譯期間生成正常的c++代碼。
沒接觸過的話，是不是聽上去感覺就是宏替換的加強版？感覺不到它的強大呢？
只是簡單用的話，效果上這樣理解也沒什麼
但是一旦深入下去，尤其翻看大神寫的東西，這明明看著就是c++的代碼，但TM怎麼完全看不懂他在干什麼？後來才知道這其實完全是另外一個世界，可是明明是另外一個世界的東西但它又可以用來做很多正常c++能做的事....
什麼？你說它好像不能做這個，不能做那個，好像做不了太多東西，錯了，大錯特錯。就像你和高手考試都考了100分的故事一樣，雖然分數一樣，但你是努力努力再努力才得了滿分，而高手只是因為卷面分只有100分.....在元編程面前，只有想不到，沒有做不到。
再回頭看看其他答案，編譯器順手幫你求個和，丟棄下無用代碼，就已經被驚呼強大了，那模板元編程這種幾乎能在編譯期直接幫你「生成」包含復雜邏輯的c++代碼，甚至還能間接「執行」一些復雜邏輯，這樣的編譯器是不是算怪獸級的強大？
一個編譯器同時支持編譯語法相似但結果不同卻又關聯的兩種依賴語言，這個編譯器有多強大多智能？
寫的人思維都要轉換幾次，編譯器轉著圈嵌著套翻著番兒地編譯代碼的代碼也肯定是無比蛋疼的，你說它有多強大多智能？
一個代碼創造另外一個代碼，自己能按照相似的規則生成自己，是不是聽上去已經有人工智慧的發展趨勢了？
上帝說，要有光，於是有了光。
老子曰，一生二，二生三，三生萬物。
信c++，得永生！
===
FBI WARNING：模板元編程雖然很強大，但也有不少缺點，尤其對於大型項目，為了你以及身邊同事的身心健康，請務必適度且謹慎的使用。勿亂入坑，回頭是岸。
【以下解答】
c++11的auto自動類型推斷算么....
【以下解答】
智能到開不同級別的優化，程序行為會不同 2333
【以下解答】
這個取決於你的水平

C. 二進制數的乘法是否可以優化

1、無符號乘法。

無符號的乘法與加法類似，它的運算方式是比較簡單的，只是也可能產生溢出。對於兩個w位的無符號數來說，它們的乘積范圍在0到(2w-1)2之間，因此可能需要2w位二進制才能表示。

因此由於位數的限制，假設兩個w位的無符號數的真實乘積為pro，根據截斷的規則，則實際得到的乘積為 pro mod 2w。

2、補碼乘法。

與加法運算類似，補碼乘法也是建立在無符號的基礎之上的，因此我們可以很容易的得到，對於兩個w位的補碼數來說，假設它們的真實乘積為pro，

則實際得到的乘積為：

U2Tw(pro mod 2w。

上面的式子有一個假設，就是假設對於w位的兩個補碼數來說，它們的乘積的低w位與無符號數乘積的低w位是一樣的。這意味著計算機可以使用一個指令執行無符號和補碼的乘法運算。

3、乘法運算的優化。

根據小學所學的乘法運算，假設兩個w位的二進制數相乘，則需要進行w次與運算，然後進行w - 1次加法運算才能得到結果。

從此不難看出，乘法運算的時間周期是很長的。因此計算機界的高手們想出了一種方式可以優化乘法運算的效率，就是使用移位和加法來替代乘法。

上述優化的前提是對於一個w位的二進制數來說，它與2k的乘積，等同於這個二進制數左移k位，在低位補k個0。在書中對這一等式進行了證明，過程如下。

這個過程主要應用了無符號編碼的公式。

有了上面的基礎，就可以使用移位和加法對乘法優化了。

對於任意一個整數y，它總能使用二進制序列表示（假設不超過二進制的表示範圍），因此可以將x和y乘積的二進制序列表示為如下形式（此公式在書中沒有展現）。

x * y = x * (yw-12w-1 + ... + y020) = (x << w-1) * yw-1 +....+ (x << 0 ) * y0。

舉個例子，對於x * 17，可以計算x * 16 + x = (x << 4) + x ，這樣算下來的話，只需要一次移位一次加法就可以搞定這個乘法運算。

而對於x * 14，則可以計算 x * 8 + x * 4 + x * 2 = (x << 3) + (x << 2) + (x << 1) ，更快的方式可以這么計算，x * 16 - x * 2 = (x << 4) - (x << 1) 。

這里最後需要提一下的是，加法、減法和移位的速度並不會總快於乘法運算，因此是否要進行上面的優化就取決於二者的速度了。

4、二進制乘法的運算步驟。

二進制數乘法過程可仿照十進制數乘法進行。

但由於二進制數只有0或1兩種可能的乘數位，導致二進制乘法更為簡單。二進制數乘法的法則為：

1、0×0＝0。

2、0×1＝1×0＝0。

3、1×1＝1。

例如：1001和1010相乘的過程如下：

某次部分積的最低位必須和本位乘數對齊，所有部分積相加的結果則為相乘得到的乘積。

參考資料來源：網路——二進制乘法

D. c語言 大整數乘法

#include <stdio.h>
#include<string.h>
int main()
{
int i,j,k=0;
char a[201]="0",b[201]="0",c[401]="0"; //這里將c[0]設為『0』，影響到下面輸入
scanf("%s%s",a,b);
for (i=0;i<=strlen(a)-1;i++)
for (j=0;j<=strlen(b)-1;j++)
{c[i+j+1]+=(a[i]-'0')*(b[j]-'0');}
k=(strlen(a)+strlen(b)-1);
for (;k>=1;k--)
{
c[k-1]+=c[k]/10;
c[k]=c[k]%10; //這一步會將c[k]破壞，所以倒轉
}
if(c[0]!='0') //若最高位為0，則不輸出；
printf("%c",c[0]);
j=strlen(a)+strlen(b);
for (i=1;i<j;i++)
{
printf("%d",c[i]);
}
return 0;
}
======================================
系統報錯的原因是c[1]是char型，不是字元串數組，要用%c而是%s，我想你是把i寫成了1了

E. c++加法比乘法快嗎

1、無論任何語言(包括C++)，四則運算中最快的一定是「加減法」。這是由計算機硬體實現決定的。
2、「加減法」之後是「乘法」，最慢的是「除法」。
3、編譯器一般會自動選擇優化「乘除法」以提高性能。
4、優化方法一般為：移位操作+加減法。例如2*5=10優化後2<<2+2

F. cpu含有多少條指令

CPU的指令有多少，CPU的各項指數是多少，讓我們帶著這些疑問，一起看下去吧。

cpu 含有多少條指令：

Intel CPU的擴展指令集對於CPU來說，在基本功能方面，它們的差別並不太大，基本的指令集也都差不多，但是許多廠家為了提升某一方面性能，又開發了擴展指令集，擴展指令集定義了新的數據和指令，能夠大大提高某方面數據處理能力，但必需要有軟體支持，下面我們來i7處理器看一看歷代Intel指令集都有哪些：MMX指令集 MMX(Multi Media eXtension，多媒體擴展指令集)指令集是Intel公司於1996年推出的一項多媒體指令增強技術。MMX指令集中包括有57條多媒體指令，通過這些指令可以一次處理多個數據，在處理結果超過實際處理能力的時候也能進行正常處理，這樣在軟體的配合下，就可以得到更高的性能。MMX的益處在於，當時存在的 操作系統 不必為此而做出任何修改便可以輕松地執行MMX程序。但是，問題也比較明顯，那就是MMX指令集與x87浮點運算指令不能夠同時執行，必須做密集式的交錯切換才可以正常執行，這種情況就勢必造成整個系統運行質量的下降。 MMX指令集Intel代表處理器：Pentium MMXSSE指令集SSE(Streaming SIMD Extensions，單指令多數據流擴展)指令集是Intel在Pentium III處理器中率先推出的。其實，早在PIII正式推出之前，Intel公司就曾經通過各種 渠道 公布過所謂的KNI(Katmai New Instruction)指令集，這個指令集也就是SSE指令集的前身，並一度被很多傳媒稱之為MMX指令集的下一個版本，即MMX2指令集。究其背景，原來"KNI"指令集是Intel公司最早為其下一代晶元命名的指令集名稱，而所謂的"MMX2"則完全是硬體評論家們和媒體憑感覺和印象對"KNI"的 評價，Intel公司從未正式發布過關於MMX2的消息。而最終推出的SSE指令集也就是所謂勝出的"互聯網SSE"指令集。SSE指令集包括了70條指令，其中包含提高3D圖形運算效率的50條SIMD(單指令多數據技術)浮點運算指令、12條MMX 整數運算增強指令、8條優化內存中連續數據塊傳輸指令。理論上這些指令對目前流行的圖像處理、浮點運算、3D運算、視頻處理、音頻處理等諸多多媒體應用起到全面強化的作用。SSE指令與3DNow!指令彼此互不兼容，但SSE包含了3DNow!技術的絕大部分功能，只是實現的 方法 不同。SSE兼容MMX指令，它可以通過SIMD和單時鍾周期並行處理多個浮點數據來有效地提高浮點運算速度。 SSE指令集Intel代表處理器：Pentium IIISSE2指令集 SSE2(Streaming SIMD Extensions 2，Intel官方稱為SIMD流技術擴展2或數據流單指令多數據擴展指令集2)指令集是Intel公司在SSE指令集的基礎上發展起來的。相比於SSE，SSE2使用了144個新增指令，擴展了MMX技術和SSE技術，這些指令提高了廣大應用程序的運行性能。隨MMX技術引進的SIMD整數指令從64位擴展到了128 位，使SIMD整數類型操作的有效執行率成倍提高。雙倍精度浮點SIMD指令允許以 SIMD格式同時執行兩個浮點操作，提供雙倍精度操作支持有助於加速內容創建、財務、工程和科學應用。除SSE2指令之外，最初的SSE指令也得到增強，通過支持多種數據類型(例如，雙字和四字)的算術運算，支持靈活並且動態范圍更廣的計算功能。SSE2指令可讓軟體開發員極其靈活的實施演算法，並在運行諸如MPEG-2、MP3、3D圖形等之類的軟體時增強性能。Intel是從Willamette核心的Pentium 4開始支持SSE2指令集的，而AMD則是從K8架構的SledgeHammer核心的Opteron開始才支持SSE2指令集的。 SSE2指令集Intel代表處理器：老Pentium 4SSE3指令集 SSE3(Streaming SIMD Extensions 3，Intel官方稱為SIMD流技術擴展3或數據流單指令多數據擴展指令集3)指令集是Intel公司在SSE2指令集的基礎上發展起來的。相比於SSE2，SSE3在SSE2的基礎上又增加了13個額外的SIMD指令。SSE3中13個新指令的主要目的是改進線程同步和特定應用程序領域，例如媒體和游戲。這些新增指令強化了處理器在浮點轉換至整數、復雜演算法、視頻編碼、SIMD浮點寄存器操作以及線程同步等五個方面的表現，最終達到提升多媒體和游戲性能的目的。Intel是從Prescott核心的Pentium 4開始支持SSE3指令集的，而AMD則是從2005年下半年Troy核心的Opteron開始才支持SSE3的。但是需要注意的是，AMD所支持的SSE3與Intel的SSE3並不完全相同，主要是刪除了針對Intel超線程技術優化的部分指令。 SSE3指令集Intel代表處理器：基於Prescott核心新Pentium 4SSSE3指令集SSSE3(Supplemental Streaming SIMD Extensions 3)內置於Intel公司微處理器中的多媒體關聯的擴張指令集。是擴張了SSE3的產品，於2006年7月首次裝載在Core 2 Duo處理器中SSE3裝載了用一個命令一口氣處理復數個數據的「SIMD」的處理方式，特別在處理語音和動畫關聯上能夠高速地發揮力量。SSSE3是在 SSE3命令的基礎上又添加了32個新命令的產品，其原名為TNI，是SSE4指令集的子集,包含有13條命令。目前SSSE3也是最先進的指令集，增強了CPU的多媒體、圖形圖象和Internet等的處理能力。 SSSE3指令集Intel代表處理器：65nm 酷睿2SSE4指令集的兩個分支：SSE4.1 + SSE4.2SSE4指令集被認為是2001年以來Intel最重要的指令集擴展，包含54條指令。 Intel在Penryn處理器中加入了對SSE4.1的支持，共增加了47條新指令，提升了處理器在圖形、3D圖像與游戲、視頻編碼與影音處理等方面的性能表現。本次在Nehalem處理器中，進一步支持了SSE4.2指令集。SSE4.2完整的實現了SSE4指令集，相對於SSE4.1加入了7條新指令。 SSE4.1指令集45納米加入了SSE4.1指令集，令處理器的多媒體處理能力得到最大70%的提升。SSE4加入了6條浮點型點積運算指令，支持單精度、雙精度浮點運算及浮點產生操作，且IEEE 754指令 (Nearest, -Inf, +Inf, and Truncate) 可立即轉換其路徑模式，大大減少延誤，這些改變將對游戲及 3D 內容製作應用有重要意義。此外，SSE4加入串流式負載指令，可提高以圖形幀緩沖區的讀取數據頻寬，理論上可獲取完整的快取緩存行，即每次讀取64Bit而非8Bit，並可保持在臨時緩沖區內，讓指令最多可帶來8倍的讀取頻寬效能提升，對於視訊處理、成像以及圖形處理器與中央處理器之間的共享數據應用，有著明顯的效能提升。SSE4指令集讓45nm Penryn處理器增加了2個不同的32Bit向量整數乘法運算單元，並加入8位無符號(Unsigned)最小值及最大值運算，以及16Bit及32Bit有符號 (Signed) 運算。在面對支持SSE4指令集的軟體時，可以有效的改善編譯器效率及提高向量化整數及單精度代碼的運算能力。同時，SSE4改良插入、提取、尋找、離散、跨步負載及存儲等動作，令向量運算進一步專門。 SSE4.1指令集Intel代表處理器：45nm 酷睿2SSE4.2指令集 在Nehalem架構的Core i7處理器中，SSE4.2指令集被引入，加入了STTNI(字元串文本新指令)和ATA(面向應用的加速器)兩大優化指令。SSE4.2新加入的幾條新指令有兩類。第一類是字元串與文本新指令STTNI，STTNI包含了四條具體的指令。STTNI指令可以對兩個16位的數據進行匹配操作，以加速在XML分析方面的性能。據Intel表示，新指令可以在XML分析方面取得3.8倍的性能提升。第二類指令是面向應用的加速指令ATA。ATA包括冗餘校驗的CRC32指令、計算源操作數中非0位個數的POPCNT指令，以及對於打包的64位算術運算的SIMD指令。CRC32指令可以取代上層數據協議中經常用到的循環冗餘校驗，據Intel表示其加速比可以達到6.5~18.6倍;POPCNT用於提高在DNA基因 配對 、聲音識別等包含大數據集中進行模式識別和搜索等操作的應用程序性能。 Intel也公布了支持新指令集的開發工具。這些工具涵蓋了主流的編譯開發環境。目前已明確支持SSE4.2的開發環境包括：Intel C++ Compiler 10.X、微軟的Visual Studio 2008 VC++、GCC 4.3.1、Sun Studio Express等。程序員可以直接使用高級編程語言編程，編譯器會自動生成優化結果。當然程序員也可以用內嵌匯編的方式來達到目的。 SSE4指令集Intel代表處理器：45nm i7

G. java編譯器的代碼優化問題

理論上的就不說了，你自己搜也能搜到很多。
舉個例子，你從一個方法a調用了另一個方法b。
我們知道，在a和b之中是可以創建相同名稱的變數的，比如都有int i = 0;這句話。這種現象的根本原因在於，方法的調用會產生中斷，中斷產生後，cpu會做現場保護，包括把變數等進行壓棧操作，即把方法a的相關資源進行了壓棧，而方法b的相關資源放在棧頂，只有棧頂資源可以與cpu交互（就把方法a中的變數i保護起來），當方法b結束後出棧，a就又回到了棧頂，並獲取了方法b運行的結果，然後繼續運行。

哎，有些啰嗦了。方法的調用、中斷、壓棧出棧等等這些操作你說一點不消耗資源吧，那是不可能的，多少都會消耗一些，雖然很非常十分微不足道。那麼編譯器的優化過程，我知道的其作用之一，就是會把這些做一個優化。原本方法a一共10句話，你偏要只寫1句，然後第2句寫成方法b，第3句寫成方法c。。。。。，然後依次嵌套調用。這樣的源代碼，編譯器優化後，就跟你直接寫10句是一個結果，即做了一定程度上的優化。

H. c語言大整數乘法

#include<stdio.h>
#include<string.h>

void chengfa(char *a,char*b)
{
char c[10000];
int fuhao1,fuhao2;
if(a[0] == '-' || a[0] == '+') {
if(a[0] == '-')
fuhao1 = -1;
else fuhao1 = 1;
strcpy(c,a+1);
strcpy(a,c);
}
if(b[0] == '-' || b[0] == '+') {
if(b[0] == '-')
fuhao2 = -1;
else fuhao2 = 1;
strcpy(c,b+1);
strcpy(b,c);
}
int i , j;
for(i = 0; i< 10000;i++){
c[i] = '0';
}
int lena = strlen(a);
int lenb = strlen(b);
for(i = lena-1;i >=0;i--){
int k = 0;
for(j = lenb-1;j >=0;j--) {
char l = c[i+j+1];
c[i+j+1] = (c[i+j+1]-'0'+(b[j]-'0')*(a[i]-'0')+k)%10+'0';
k = (l-'0'+(b[j]-'0') * (a[i] -'0')+k)/10;
}
if(k!= 0) c[i] += k;
}
i = 0;
j = 0;
while(c[i] == '0') i++;
while(i <= lena+lenb-1) {
a[j] = c[i];
j ++;
i ++;
}
a[j] = '\0';
if(a[0] == '\0') a[0] = '0',a[1] = '\0';
if(fuhao1*fuhao2 == -1 && a[0] !='0') {
strcpy(c,a);
a[0] = '-';
a[1] = '\0';
strcat(a,c);
}
}

int main()
{
char a[10000],b[10000];
while(scanf("%s %s",a,b) == 2) {
chengfa(a,b);
printf("%s\n",a);
}

}
/*
//測試數據
3 4
12
1782362317836127863178 5
8911811589180639315890
2364782367834627864826 23478962483263478

*/