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 19:21:57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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
387
458
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++
894
680
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
354
212
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
805
198
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
12
1
🔥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
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781