C++ 是否可以用openMP初始化一个复杂度为O（1）的向量？（C+；+；）

我正在尝试使用openMP并行化结构中的一些向量函数。虽然它在我的大多数实现中都能很好地工作，但我发现由于

std:：vector

的构造函数具有线性复杂性，因此我无法获得更好的性能，反而得到了比按顺序进行初始化更糟糕的结果

这是一个初始值设定项

         /**
         * @brief Construct a new constant parallel Vector object with a given value constantEntry
         * 
         * @param dim 
         * @param constantEntry 
         */
        parallelVector(const int dim, const double constantEntry){
            dimension = dim;
            values = std::vector<double>(dimension);

            #pragma omp parallel for schedule(static)
            for (int i=0 ; i<dimension; i++){
                values[i] = constantEntry;
            }
        }

/**
*@brief构造一个新的具有给定值constantEntry的常量平行向量对象
* 
*@param-dim
*@param constantEntry
*/
平行向量（常数整型，常数双常数）{
尺寸=尺寸；
值=标准：：向量（维度）；
#计划的pragma omp并行（静态）
对于（int i=0；i
模板
未初始化的结构\u分配器：std:：allocator{
模板
无效构造（T*p、美国和…美国）{
：：新（（空*）p）T（标准：：远期（美国）…）；
}
//传递0个参数时不构造
空洞构造（T*p）{}；
};

随后：

    int dimension = 0;
    std::vector<double, uninitialized_allocator<double>> values;
    parallelVector(const int dim, const double constantEntry):
      dimension(dim),
      values(dim)
    {
        #pragma omp parallel for schedule(static)
        for (int i=0 ; i<dimension; i++){
            values[i] = constantEntry;
        }
    }

int维=0；
std：：向量值；
平行向量（常数整型，常数双常数）：
尺寸（dim），
数值（dim）
{
#计划的pragma omp并行（静态）
对于（inti=0；ii）如果向量中有N个元素，你应该如何在不到O（N）的时间内将它们放入向量中？你的意思是在M个线程中进行？这就需要O（N/M）时间，这仍然是O（N）。您只想创建向量内存缓冲区而不初始化它吗？理想情况下，我希望创建缓冲区，并且只需要在for循环中初始化它。这就是您所说的O（N/M）。我在文档页上读到，可以使用分配器使用O（1）创建内存缓冲区，这就是我的意思。可能措词不当。FWIW，
values=std:：vector（dimension，constantEntry）；
摆脱了循环，对于一个好的向量实现，它应该得到某种低级别的并行化，比如SIMD。它也应该被移到“不确定”中，但我猜
values=std:：vector（dimension）；
比整个循环更昂贵，我不希望使用多个线程会有任何加速。请注意，您把事情弄混了。您谈论的是构造函数和分配，但您的代码是关于并行分配给已构造向量的元素。您是否分别测量了这两部分？是的，现在因为行
values=std:：vector（dimension）；
已经是O（N），所以我无法在循环中加速它。我使用
values=std:：vector（dimension，constantEntry）；
作为我的“顺序向量”结构，但我只是想知道是否有一种方法，我可以在不初始化的情况下创建内存缓冲区，然后像代码中的for循环那样使用赋值。谢谢。我想这就是我所希望的。但是我注意到我并没有得到我所期望的加速-你认为这是因为
结构（t*）吗
调用？@MichaelB您正在使用什么优化设置？您是如何评测的？请注意，std vector仍然从中央堆获取内存，这可能会很昂贵，在某些平台上，在您无论如何访问它之前，归零内存不会归零。我运行/O1，不使用评测器，只是使用
std:：chrono
进行简单的度量。
    int dimension = 0;
    std::vector<double, uninitialized_allocator<double>> values;
    parallelVector(const int dim, const double constantEntry):
      dimension(dim),
      values(dim)
    {
        #pragma omp parallel for schedule(static)
        for (int i=0 ; i<dimension; i++){
            values[i] = constantEntry;
        }
    }