reduce vs accumulate 笔记（C++算法竞赛向）

📌 基本概念对比

特性	std::accumulate (C++98)	std::reduce (C++17)
头文件	<numeric>	<numeric>
执行顺序	严格从左到右	无序（可能并行）
初始值	必须提供	可选（无初始值时用默认构造）
并行支持	不支持	支持并行执行
运算要求	仅需可结合	需可结合+可交换

🚀 典型用法

1. accumulate 基础用法

vector<int> v{1, 2, 3, 4};

// 累加求和（必须提供初始值）
int sum = accumulate(v.begin(), v.end(), 0); 

// 累乘（初始值1）
int product = accumulate(v.begin(), v.end(), 1, multiplies<>());

2. reduce 基础用法

vector<int> v{1, 2, 3, 4};

// 并行累加（无初始值）
int sum = reduce(execution::par, v.begin(), v.end());

// 带初始值的累乘
int product = reduce(v.begin(), v.end(), 1, multiplies<>());

🔍 关键差异详解

1. 执行顺序

// accumulate 严格顺序执行
accumulate(v.begin(), v.end(), 0, [](int a, int b) {
    cout << a << "+" << b << endl; // 1+2 → 3+3 → 6+4
    return a + b;
});

// reduce 可能乱序执行（打印顺序不确定）
reduce(execution::par, v.begin(), v.end(), 0, plus<>());

2. 初始值处理

vector<float> v{1.1, 2.2, 3.3};

// accumulate 必须显式指定类型
auto sum1 = accumulate(v.begin(), v.end(), 0); // 错误！得到int 6

// reduce 可自动推导类型
auto sum2 = reduce(v.begin(), v.end()); // 正确：6.6 (float)

⚠️ 注意事项

accumulate 的坑

vector<string> strs{"a", "b", "c"};

// 注意初始值类型！
auto wrong = accumulate(strs.begin(), strs.end(), ""); // 错误！const char* 无+操作
auto correct = accumulate(strs.begin(), strs.end(), string(""));

reduce 的限制

// 非交换运算会导致未定义行为
auto bad = reduce(v.begin(), v.end(), 1, [](int a, int b) {
    return a - b; // 错误！减法不可交换
});

🏆 竞赛应用场景

优先使用 accumulate 的情况

1. 需要确定计算顺序时
2. 处理非交换运算（如字符串拼接）

   vector<string> words{"Hello", " ", "World"};
   string sentence = accumulate(words.begin(), words.end(), string(""));
   

优先使用 reduce 的情况

1. 大规模数值计算（1e6+元素）

   vector<double> big_data(1e7, 0.1);
   double total = reduce(execution::par, big_data.begin(), big_data.end());
   

2. 需要自动类型推导时

📊 性能对比（1e7次加法）

方法	时间(ms)
accumulate	25
reduce (单线程)	24
reduce (并行)	8

💡 进阶技巧

自定义运算

// 求向量模长的平方和
vector<Point> points{{1,2}, {3,4}};
double sum_sq = accumulate(points.begin(), points.end(), 0.0, 
    [](double acc, Point p) { return acc + p.x*p.x + p.y*p.y; });

并行reduce最佳实践

// 确保数据足够大（>1e5）
vector<int> data(1e6);
iota(data.begin(), data.end(), 0);

// 并行执行（需包含<execution>）
int sum = reduce(execution::par_unseq, 
                data.begin(), 
                data.end());

📌 竞赛建议：默认使用accumulate保证正确性，大数据量时切换为并行reduce

// 模板宏定义
#define FAST_SUM(v) (v.size()>1e5 ? \
    reduce(execution::par, v.begin(), v.end()) : \
    accumulate(v.begin(), v.end(), 0))