Foram realizados 4 testes a fim de avaliar a otimização de saltos condicionais dentro de dois laços aninhados para operação com matrizes. O código original está contido no arquivo otimizacao_condicional_original.py, enquanto a versão otimizada para avaliação está no arquivo arquivo otimizacao_condicional.py.
A versão original é composta pelo seguinte código:
n = 200
a = []
b = []
d = []
c = np.ones((n,n))
for i in range(0,n):
a.append(i*5.3)
b.append(i+0.8)
d.append(i+0.1)
for i in range(0,n):
for j in range(0,n):
c[i][j] = i*0.3
for k in range(0,n):
if a[k]>b[k]:
for i in range(0,n):
for j in range(0,n):
c[i][j] += k + (b[k] * a[k])/(j + 1)
else:
for i in range(0,n):
for j in range(0,n):
c[i][j] += k + (b[k] * a[k])/(j + 1)A versão avaliada após a otimização consiste na substituição da linha 18, que verifica se cada elemento do vetor a é maior que o elemento na posição correspondente do vetor b, por um vetor auxiliar booleano com valores verdadeiros paras as instâncias de a maiores que a do vetor b e falso para o contrário. A seguir pode ser vista versão otimizada.
n = 200
a = []
b = []
d = []
c = np.ones((n,n))
maior = []
for i in range(0,n):
a.append(i*5.3)
b.append(i+0.8)
d.append(i+0.1)
maior.append(a[i]<=b[i])
for i in range(0,n):
for j in range(0,n):
c[i][j] = i*0.3
for k in range(0,n):
if maior[k]:
for i in range(0,n):
for j in range(0,n):
c[i][j] += k + (b[k] * a[k])/(j + 1)
else:
for i in range(0,n):
for j in range(0,n):
c[i][j] += k + (b[k] * a[k])/(j + 1)Por fim, as versões invertidas trocam o sinal de > por <= na condicional de comparação entre os elementos de a e b. A tabela abaixo mostram que houve uma redução de 7.23% no tempo de execução da versão otimizada em relação à original.
| Versão | Tempo (s) | Otimização Relativa |
|---|---|---|
| Original | 5.58545 | - |
| Após otimização | 5.17865 | - 7.23 % |
| Original Invertida | 5.57677 | - 0.15 % |
| Após otimização Invertida | 8.51751 | 52.49% |