Programming by 彭于斌（ @archibate ） 两种代码写法：分支 vs 三目运算符 两种使用方式：排序 vs 不排序 测试结果（均为 gcc -O3 ） 测试结果可视化 图表比较：分支 vs 无分支 分支 无分支 0 0.01 0.02 0.03 耗时（越低越好） 乱序 有序 • 传统的分支方法实现的 uppercase ，对于 排序过的数据明显比乱序时高效。

256 KB ， 6 个物理核心每个都有一个， 总共 1.5 MB 。 • 三级缓存由各个物理核心共享，总共 12 MB 。 通过图形界面查看拓扑结构： lstopo 根据我们缓存的大小分析刚刚的图表 • 也可以看到刚刚两个出现转折的点，也是在 二级缓存和三级缓存的大小附近。 • 因此，数据小到装的进二级缓存，则最大带 宽就取决于二级缓存的带宽。稍微大一点则 只能装到三级缓存，就取决于三级缓存的带

两个矩形对象rect1 和rect2 各有自己的m_color，但关于setcolor 函数却是 共享相同的CRect::setcolor（其实更应该说是CShape::setcolor）。我用这张图表 示其间的关系： 让我替你问一个问题：同一个函数如何处理不同的资料？为什么rect1.setcolor 和 rect2.setcolor 明明都是调用CRect::setcolor（其实也就是 (WORD)122, 1, (AFX_PMSG)0 }, { 0, 0, 0, 0, 0, (AFX_PMSG)0 } }; 于是，以CView 为例，下面的源代码： 就被展开成为： 以图表示则为： 第３章 MFC 六大關鍵技術之模擬 175 0, 0, 0, 0, 0, (AFX_PMSG)0 CView::_messageEntries[] CView::messageMap inApp, CCmdTarget) // //{{AFX_MSG_MAP(CWinApp) // // Global File commands 以图表示BEGIN_¡ K/ON_¡ K/END_¡ K 宏的结果为： 注意：图中的AfxSig_vv 和AfxSig_is 都代表签名符号（Signature）。这些常数在AFXMSG_.H 中定义，稍后再述。

是最优解矛盾，说明最优解中必须包含物品 ? 。 对于该解中的其他物品，我们也可以构建出上述矛盾。总而言之，单位价值更大的物品总是更优选择，这说 明贪心策略是有效的。 如下图所示，如果将物品重量和物品单位价值分别看作一个 2D 图表的横轴和纵轴，则分数背包问题可被转 化为“求在有限横轴区间下的最大围成面积”。 通过这个类比，我们可以从几何角度理解贪心策略的有效性。 Figure 15‑6. 分数背包问题的几何表示 15

是最优解矛盾，说明最优解中必须包含物品 ? 。 对于该解中的其他物品，我们也可以构建出上述矛盾。总而言之，单位价值更大的物品总是更优选择，这说 明贪心策略是有效的。 如图 15‑6 所示，如果将物品重量和物品单位价值分别看作一张二维图表的横轴和纵轴，则分数背包问题可转 化为“求在有限横轴区间下围成的最大面积”。这个类比可以帮助我们从几何角度理解贪心策略的有效性。 图 15‑6 分数背包问题的几何表示 第 15 章 贪心 hello‑algo

。 对于该解中的其他物品，我们也可以构建出上述矛盾。总而言之，单位价值更大的物品总是更优选择，这说 明贪心策略是有效的。 如图 15‑6 所示，如果将物品重量和物品单位价值分别看作一个 2D 图表的横轴和纵轴，则分数背包问题可 被转化为“求在有限横轴区间下的最大围成面积”。这个类比可以帮助我们从几何角度理解贪心策略的有效 性。 图 15‑6 分数背包问题的几何表示 15.3 最大容量问题

是最优解矛盾，说明最优解中必须包含物品 ? 。 对于该解中的其他物品，我们也可以构建出上述矛盾。总而言之，单位价值更大的物品总是更优选择，这说 明贪心策略是有效的。 如图 15‑6 所示，如果将物品重量和物品单位价值分别看作一张二维图表的横轴和纵轴，则分数背包问题可转 化为“求在有限横轴区间下围成的最大面积”。这个类比可以帮助我们从几何角度理解贪心策略的有效性。 图 15‑6 分数背包问题的几何表示 第 15 章 贪心 hello‑algo

是最优解矛盾，说明最优解中必须包含物品 ? 。 对于该解中的其他物品，我们也可以构建出上述矛盾。总而言之，单位价值更大的物品总是更优选择，这说 明贪心策略是有效的。 如图 15‑6 所示，如果将物品重量和物品单位价值分别看作一张二维图表的横轴和纵轴，则分数背包问题可转 化为“求在有限横轴区间下围成的最大面积”。这个类比可以帮助我们从几何角度理解贪心策略的有效性。 图 15‑6 分数背包问题的几何表示 第 15 章 贪心 www