C++20标准算法扩展详解 - 从CXX20-The-Complete-Guide看现代C++算法演进
2025-06-24 08:16:56作者:冯梦姬Eddie
引言
C++20标准为算法库带来了多项重要扩展,这些改进使算法使用更加现代化和便捷。本文将深入解析这些变化,帮助开发者更好地理解和使用现代C++算法。
范围支持
C++20显著增强了对范围(Ranges)的支持,这是算法库最重要的改进之一。
核心特性
- 统一参数传递:现在可以将整个容器或视图作为单个参数传递给算法,不再需要分别传递开始和结束迭代器
- 投影功能:新增投影参数支持,允许在算法操作前对元素进行转换
使用方式
这些新特性位于std::ranges命名空间中,使用时需要显式指定命名空间:
std::vector<int> v{1, 2, 3};
auto result = std::ranges::find(v, 2); // 直接传递整个容器
当前限制
需要注意的是,以下算法尚未支持范围:
- 数值算法(如
accumulate()) - 并行执行算法
lexicographical_compare_three_way()
新增算法
C++20引入了几种实用的新算法,极大丰富了标准库的功能。
范围极值算法
新增了三个专门处理范围的极值算法:
| 算法名称 | 功能描述 |
|---|---|
| min() | 计算范围中的最小值 |
| max() | 计算范围中的最大值 |
| minmax() | 同时计算最小值和最大值 |
这些算法支持比较条件和投影参数,使用示例如下:
std::vector<int> coll{0, 8, 15, 47, 11};
// 计算最小值
std::cout << std::ranges::min(coll) << '\n'; // 输出0
// 计算最大值
std::cout << std::ranges::max(coll) << '\n'; // 输出47
// 同时获取最小值和最大值
auto [min, max] = std::ranges::minmax(coll);
std::cout << min << ' ' << max << '\n'; // 输出0 47
元素位移算法
C++20新增了两个实用的位移算法:
| 算法名称 | 功能描述 |
|---|---|
| shift_left() | 将元素向前移动 |
| shift_right() | 将元素向后移动 |
这两个算法分别返回新的结束或开始位置,使用示例如下:
std::vector<int> coll{1, 2, 3, 4, 5, 6, 7, 8};
// 向前移动1个位置
std::shift_left(coll.begin(), coll.end(), 1);
// 结果:2,3,4,5,6,7,8,8
// 向后移动3个位置
auto newbeg = std::shift_right(coll.begin(), coll.end(), 3);
// 结果:2,3,4,2,3,4,5,6
三路字典序比较
新增的lexicographical_compare_three_way()算法使用<=>运算符比较两个范围,返回新的比较类别类型。不过目前该算法还不支持范围参数和投影参数。
执行策略扩展
C++20在并行算法执行策略方面也有重要更新。
新增unseq策略
C++20引入了std::execution::unseq执行策略,允许在单个线程内进行向量化(SIMD)处理。完整的执行策略如下:
| 策略 | 含义 |
|---|---|
| seq | 单线程顺序执行 |
| par | 多线程并行执行 |
| unseq | 单线程向量化执行(C++20新增) |
| par_unseq | 多线程向量化执行 |
使用示例
std::vector<double> coll;
// ...初始化数据...
// 使用unseq策略进行平方根计算
std::for_each(std::execution::unseq,
coll.begin(), coll.end(),
[](auto& val) {
val = std::sqrt(val);
});
注意事项
- 非顺序执行策略可能导致操作交错执行
- 不应在这些策略中使用阻塞同步(如互斥锁),否则可能导致死锁
- 实际是否使用SIMD取决于硬件支持和实现决策
总结
C++20对算法库的扩展使现代C++编程更加高效和便捷。范围支持简化了算法调用,新增算法丰富了功能集,而执行策略的扩展则为性能优化提供了更多可能性。开发者应当根据具体场景选择合适的算法和策略,以充分发挥现代C++的优势。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218