边界优化

原文标题：Using bounds for optimization

原文作者：Andrew Koenig

原文链接：http://dobbscodetalk.com/index.php?option=com_myblog&show=Using-bounds-for-optimization.html&Itemid=29

 

      我意识到，最近碰到的一项优化技术我已经看到过很多次了，但是我几乎从没有看到过对这项技术的明确说明。本文试图来弥补这个不足。

      假设你要查找数组中的最小元素。除非数组排过序，否则你只能检查每个元素并记录下迄今为止你所看到过的最小值，而没有更好的办法。

      现在我们让问题变得复杂点：你有一个二维的无符号整形数组，你想要找到具有最小和的那一行。当然，你可以使用类似的方法，计算每行元素之和并记录下值最小的那一行。然而，只要意识到，当你计算每行元素之和的时候，只要和的值超过了当前的最小值就可以停止，你通常就可以让程序更快。

      这项技术的一般形式就是，假如我们可以对期望得到的计算结果加上约束，这样只要结果不满足约束，我们就可以拒绝做任何更多的事情。

      另外一个例子，假设程序知道地图上所有加油站在哪里，并试图找到距给定点车程距离最小的一家。总的来说，两点间的车程距离是难以计算的——但是我们肯定知道车程距离不可能比直接距离小——也就是两点间的直线距离。

      因此，当我们寻找加油站时，我们可以通过计算直接距离开始；假如直接距离大于当前的最小车程距离，我们就没有必要再计算到现在加油站的车程距离，因为我们知道它不可能是最小的。

      字符串实现有时使用有关的技术来实现比较。如果不同长度的字符串被定义为不相等，那么相等的比较可能应该从长度的比较开始。进行长度的比较不但可以避免字符串长度不一样时的昂贵计算，而且可以让接下来的比较更容易，因为我们知道比较是在长度一样的情况下才进行的。

      最后，值得注意的是，类似的优化已经广泛应用于电子游戏的程序，在那里被称为alpha-beta剪枝。思想是，评价移动X，你不需要考虑所有你对手的反应，只要你发现了一个比移动Y后你对手的最佳反应要好的反应，你就不需要再考虑X，因为移动Y对你来说总是更好的。

      随着计算的复杂化，这种优化的价值变得更清楚。因此，应用领域应该是那些不太清楚的地方——如中等复杂度计算——因为那是你最有可能忽视的地方。