C SIMD值得吗？有更好的选择吗？

我有一些代码运行得相当好，但我想让它运行得更好。我的主要问题是它需要一个嵌套的for循环。外部一个用于迭代（必须连续发生），内部一个用于所考虑的每个点粒子。我知道对于外部的问题我无能为力，但我想知道是否有一种方法可以优化如下内容：

    void collide(particle particles[], box boxes[], 
        double boxShiftX, double boxShiftY) {/*{{{*/
            int i;
            double nX; 
            double nY; 
            int boxnum;
            for(i=0;i<PART_COUNT;i++) {
                    boxnum = ((((int)(particles[i].sX+boxShiftX))/BOX_SIZE)%BWIDTH+
                        BWIDTH*((((int)(particles[i].sY+boxShiftY))/BOX_SIZE)%BHEIGHT)); 
                        //copied and pasted the macro which is why it's kinda odd looking

                    particles[i].vX -= boxes[boxnum].mX;
                    particles[i].vY -= boxes[boxnum].mY;
                    if(boxes[boxnum].rotDir == 1) {
                            nX = particles[i].vX*Wxx+particles[i].vY*Wxy;
                            nY = particles[i].vX*Wyx+particles[i].vY*Wyy;
                    } else { //to make it randomly pick a rot. direction
                            nX = particles[i].vX*Wxx-particles[i].vY*Wxy;
                            nY = -particles[i].vX*Wyx+particles[i].vY*Wyy;
                    }   
                    particles[i].vX = nX + boxes[boxnum].mX;
                    particles[i].vY = nY + boxes[boxnum].mY;
            }   
    }/*}}}*/

无效碰撞（粒子粒子[]，长方体[]，
双boxShiftX，双boxShiftY）{/*{{{*/
int i；
双nX；
双纽约；
int-boxnum；
对于（i=0；i您是否有足够的分析来告诉您在该函数中花费的时间

例如，您确定在boxnum计算中花费的时间不是您的div和mod吗？有时编译器无法发现可能的移位/替换，即使是人类（或者至少知道BOX_大小和BWIDTH/bhweight的人，我不知道）可能会发现

花很多时间来模拟错误的代码是很遗憾的

另一件可能值得研究的事情是，是否可以将工作强制为可以与IPP这样的库一起工作的内容，这将对如何最好地使用处理器做出明智的决定

((int)(particles[i].sX+boxShiftX))/BOX_SIZE

如果sX是一个int（不知道），那么这是很昂贵的。在进入循环之前，将boxShiftX/Y截断为int。
我不确定SIMD会有多大好处；内部循环非常小且简单，所以我猜（通过查看）记住，我会尝试重写循环的主要部分，以避免超出所需的接触粒子阵列：

const double temp_vX = particles[i].vX - boxes[boxnum].mX;
const double temp_vY = particles[i].vY - boxes[boxnum].mY;

if(boxes[boxnum].rotDir == 1)
{
    nX = temp_vX*Wxx+temp_vY*Wxy;
    nY = temp_vX*Wyx+temp_vY*Wyy;
}
else
{
    //to make it randomly pick a rot. direction
    nX =  temp_vX*Wxx-temp_vY*Wxy;
    nY = -temp_vX*Wyx+temp_vY*Wyy;
}   
particles[i].vX = nX;
particles[i].vY = nY;

这有一个很小的潜在副作用，就是在最后不做额外的加法


另一个潜在的加速方法是在粒子阵列上使用
\uuuu restrict
，这样编译器可以更好地优化对速度的写入。此外，如果Wxx等是全局变量，它们可能每次都必须通过循环重新加载，而不是可能存储在寄存器中；使用
\uu restrict
将有助于我也是


由于您是按顺序访问粒子的，因此可以尝试在前面预取几个粒子（例如GCC上的
\uuuu builtin\u prefetch
），以减少缓存未命中率。由于您是按不可预测的顺序访问粒子，所以对框进行预取有点困难；您可以尝试以下操作

int nextBoxnum = ((((int)(particles[i+1].sX+boxShiftX) /// etc...
// prefetch boxes[nextBoxnum]


我刚刚注意到的最后一个问题是，如果box:：rotDir始终为+/-1.0，则可以消除内部循环中的比较和分支，如下所示：

const double rot = boxes[boxnum].rotDir; // always +/- 1.0
nX =     particles[i].vX*Wxx + rot*particles[i].vY*Wxy;
nY = rot*particles[i].vX*Wyx +     particles[i].vY*Wyy;


当然，分析前后的常见警告也适用。但我认为所有这些都可能有帮助，并且无论您是否切换到SIMD都可以做到。
请注意，还有libSIMDx86


（在编译时，您也可以尝试：gcc-O3-msse2或类似的方法）。
您的算法内存、整数和分支指令太多，没有足够的独立触发器从SIMD中获益。管道将不断暂停

找到一种更有效的随机化方法将是最重要的。然后，尝试使用float或int，但不能同时使用这两种方法。将条件条件重新转换为算术，或至少作为选择运算。只有这样，SIMD才成为一个现实的命题
老实说，可能是div和mod，但不是；我还没有找到一个分析器来告诉我在我目前的实验中，BOX_大小是1，你有一个很好的观点：BWIDTH，BHEIGHT是2的幂。你对更细粒度的分析器有什么建议吗？我希望任何采样分析器都能提供每行的信息，当然编译器优化会使行匹配有点不精确。英特尔vTune将为您提供比单个汇编指令更细粒度的信息，因此，如果您认为这是您想要看到的，那么这可能是一种方法像这样，我倾向于在多次运行中对代码计时，然后对其进行破解，以查看花费的时间。不幸的是，sX和boxShiftX都是双倍的，其目的是有效地随机舍入（boxShiftX在[-.5，.5]范围内）我不知道，当浮点数需要被截断并取模时，我通常会去wtf。这是一个整数问题被模糊化的标志。一旦你去了那里，通过缩放将浮点数变成整数通常会得到很大的回报。像这样的代码的最终结果往往是整数，可能是s上的一个像素屏幕。整数结果应该有整数数学。抱歉，我只是不知道你真正想做什么来提供更多帮助。我有这组粒子，正在将它们分类到“盒子”中。但是由于模拟的一个怪癖，盒子的位置必须在每个时间步之间跳跃，这就是为什么会发生这种情况。感谢接受我的answ呃，这些有多少帮助？