我对基本面的深入理解已经对这些类型的问题解决挑战造成了影响。
HackerRank矩阵旋转问题是一个非常有趣的解决方案。我建议那些试图丰富编码技能的人使用hackerrank（https://www.hackerrank.com/challenges/matrix-rotation-algo）
问题摘要是给出一个整数的R x C矩阵，其中R和C的最小值必须是偶数。您必须逆时针旋转矩阵x次。旋转适用于矩阵的元素，而不是矩阵尺寸，如果不清楚的话。
所以我用两种算法解决了这个问题。它们非常相似，因为您可以想象矩阵像洋葱层，您可以在每个层中循环，并旋转该层中的元素。旋转的数量只是x％（该层中元素的数量），因此如果给出x = 1,000,000，则重复完全旋转没有意义。
第一个，最快的是： https://codetidy.com/8002/
第二个，不循环旋转次数，而是做一些重要的逻辑和数学来确定将元素移动到哪里。 https://codetidy.com/8001/
所以当我写第二个时，我认为它会更快疯狂，因为你不会迭代每层中的最大旋转次数。然而，它最终变得更慢。
我不太明白为什么。我在控制台中记录了迭代次数，第一次迭代次数增加了50倍，但速度更快。
答案 0 :(得分：1)
迭代次数不是一切。以下是一些可能影响性能的一般事项。
要记住数组和矩阵的一个重要事项是缓存命中。如果您的操作产生大量缓存命中，则它们看起来会快几个数量级。要获得缓存命中，通常需要按内存顺序排列。对于顺序前进的数组。对于矩阵，它意味着首先递增最低指数。要获得未命中，您需要以大于高速缓存行大小的增量跳转（取决于CPU）。有趣的实验：基准for (i...) for (j...) ++m[i][j]和for (i...) for (j..) ++m[j][i]以查看差异。
在你的情况下，我猜想更快的方法至少对水平部分有非常线性的访问。
然后是分支预测。现代CPU管理指令以更好地利用现有硬件。分支（IF）会破坏管道，因为您不知道要采用哪条路径（该指令仍在执行）。作为优化，编译器/ CPU选择一个并开始处理，如果条件结果是另一种方式，它将抛弃一切并重新开始处理。检查通常会产生相同结果的内容（如i<n）会比那些难以预测的内容更快。
这些是一些低级别的原因，为什么更简单的方法可能看起来更快。添加一些更高级别的原因（比如编译器没有按照你期望的方式优化代码），你会得到这样的结果。
重要说明：复杂性反映了渐近行为。是的，对于足够大的矩阵，第二种方法会更快，并且用于此问题的大小很可能不够大。