核心原則：權衡速度、空間與可讀性
優化目標：在嚴格內存限制（嵌入式/移動設備）下最大化速度。優化常增加代碼量，需謹慎選擇熱點路徑。
1. 數據類型優化
- 優先用無符號整型：非負場景用
unsigned int，部分CPU無符號運算更快。
- 寄存器關鍵字：
register unsigned int var;提示編譯器優先分配寄存器（現代編譯器多自動優化）。
- 避免浮點運算：整型運算直接由CPU完成，浮點需协處理器/庫，慢數十倍。延後轉換，定點運算替代。
2. 除法與取模優化
- 除法極慢（20-140周期）。能用乘法/移位替代除法：
a/b > c → a > c*b（b>0且無溢出）。
- 除數為2的冪次：編譯器自動優化為移位。無符號移位更快（邏輯右移），有符號需算術右移修正負數截斷差異。
- 合併除法與取模：
a/b + a%b編譯器可合併為單次除法指令。
- 取模替換為條件判斷：
x = (x+1)%60 → if (++x >= 60) x=0;（已知範圍內更快）。
3. 變量與內存訪問優化
- 局部變量優於全局：全局變量不分配寄存器，須間接訪問。熱點循環中用局部變量緩存全局值，循環結束寫回。
- 避免指針別名：編譯器不知指針是否指向同一地址，不敢優化。用
restrict（C99）或局部變量緩存*ptr消除別名。
- 指針鏈緩存：
p->pos->x多次訪問 → Point3 *pos = p->pos; pos->x=...。
- 結構體傳指針：避免大結構體壓棧拷貝，傳
const Struct*。唯讀加const助編譯器優化。
4. 控制流優化
- 簡化條件表達式：將關系運算分組，便於條件執行指令（如ARM的條件執行）。
- 範圍檢查優化：
(x>=min && x → (unsigned)(x-min) < (max-min)（單次比較）。
- 利用零標誌位：
if (x+y < 0)後緊跟ADD指令可省CMP，編譯器自動優化。
- 惰性求值：
if (a>10 && b=4)將最可能為false的條件前置。
- switch優於if-else鏈：跳轉表O(1) vs 線性判斷。案例值稠密時用查找表更快（如字符串映射）。
- 二分決策樹：有序條件構建平衡判斷樹，最壞比較次數log₂N。
5. 循環優化
- 倒序循環：
for(i=n; i--;) 或 for(i=n; i!=0; --i)，終止條件測試i!=0比i快（隱含零標誌位）。
- 循環融合：合併相同範圍的多個循環，減少循環開銷，提高指令緩存命中。
- 函數內聯/循環內聯：將小函數調用移入循環體，或將循環移入函數，消除調用開銷。
- 循環展開：手動展開小循環（固定次數）或分塊展開（動態次數，如每8次一塊+switch處理餘數），減少分支預測失敗與計數器更新。
- 提前退出：搜索類循環找到目標即
break，避免無效遍歷。
6. 函數設計優化
- 函數短小精悍：利於寄存器分配與編譯器優化。
- 參數≤4個：ARM等架構前4參數用寄存器傳遞，超過部分壓棧（雙倍內存訪問）。
- 葉子函數：不調用其他函數，無需保存鏈接寄存器LR，極高效。熱點函數設計為葉子或
__inline。
- 內聯函數：
__inline消除調用開銷，參數為常量時可進一步常量傳播優化。慎用於大函數/高頻調用（代碼膨脹）。
7. 查找表替代計算
- sin/cos、偽隨機數、位計數等可預計算為表。精度換速度，嵌入式常用。
- 合併相近運算為單表，減少存儲與訪問開銷。
8. 浮點運算優化
- 除法慢於乘法2倍：
x/3.0 → x*(1.0/3.0)（倒數編譯期計算）。
- 優先用
float而非double（精度足夠時），佔用更少寄存器/內存，運算更快。
- 避免超越函數（sin/log等），由多項式逼近實現，極慢。查找表或CORDIC算法替代。
- 手動簡化浮點表達式：編譯器不敢重排浮點運算（精度/結合律差異），如
3*(x/3) ≠ x。
- 定點運算替代：數值範圍小時，整數模擬小數，精度更高速度更快。
9. 綜合技巧清單
- 以空間換時間：緩存熱點數據（sin表、隨機數池）。
- 少用全局變量，文件內部變量加
static。
- 避免遞歸（調用開銷大），改迭代/顯式棧。
- 一維數組快於多維（連續內存、索引計算簡單）。
#define宏替代極小函數（無調用開銷），注意副作用與類型安全。
參考資源
- ARM: Writing Efficient C for ARM (DAI 0034A)
- GNU C優化指南、Richard's C Optimization Page
- Agner Fog's Optimization Manuals
