原帖由 无心人 于 2009-2-18 10:34 发表 http://bbs.emath.ac.cn/images/common/back.gif
:)
关键是ALU算法并不是最好的
这就是为什么Intel推SIMD的原因
也许你的算法改SSE2更快
SIMD 的妙处是将同一个128bit数据可以看做 128x1 / 64x1 / 32x4 / 8x16
如何看待取决于不同的指令。
这样可以做到多路并行的效果。
这里的ALU算法并不是最好的，
但在一定使用范围内却是最有效的。
比如，如果确知被开方数不大于 0xFFFF，
则仅需调用 8 次 SQRT_CORE 即可。
这是 FPU 等其它算法所不具备的。
当然，也可看作是 FPU 算法的精度过剩造成的，
因为实际上它是在做 64bit 数的开方。
SIMD 系列指令集也分整型指令和浮点型指令。
一般来说，整型指令比浮点型指令具有更短的周期，以及更大的吞吐率。
是53Bit啊
宝宝的代码我修改了
改成肯定是64位浮点运算了
:)
你程序能不能使用一个预先得到的初始值？
根据首四位，能得到一个2位的初始值
主要是嫌 bsr 指令周期太长（新的 CPU 已改善不少），
要不完全可以动态决定循环次数的。
2个周期的指令还嫌长啊
:lol
如果你是AMD的U
怎么不用shr啊
你查到的是在 Core 2；
在 P4E 上得 2+16 个周期，
在 AMD K7 上得 23+9，
在 AMD K8上得 28+10，
在 AMD K7 上得 7+4。
P4上是6个啊
微操作3个，6个周期延迟
P4E是16个
微操作2个，16个周期延迟
呵呵
LEA 代价也不小
P4E是2.5
P4才是0.5
__declspec(naked)
DWORD __fastcall iSqrt_FPU1_yaos(DWORD n)
{
__asm
{
push ecx
sub esp, 4
mov word ptr , 0x0E60
fnstcw word ptr
fldcw word ptr //提前设定截断加64位
mov eax, ecx
shr eax, 31
fld qword ptr
fild dword ptr
faddp st(1), st
fsqrt
fistp dword ptr
fldcw word ptr
mov eax,
add esp, 8
ret
}
}
继续优化， 通过测试