/* 可以修改的代码区域 */ // ----------------------------------- for (int i = 0; i < MAXN; ++i) { c[i] += a[i] * b[i]; } // ----------------------------------- 用SIMD指令集优化

使用SIMD（Single Instruction, Multiple Data）指令集可以实现对向量操作的并行计算，从而优化代码性能。在这个例子中，我们可以使用SIMD指令集来优化循环计算。

首先，确保你的编译器支持SIMD指令集，并且已经打开了相应的优化选项。不同的编译器有不同的选项，例如GCC可以使用"-march=native"选项来启用最优的指令集。

接下来，我们可以将循环内的操作改为使用SIMD指令集提供的向量化函数。在C/C++中，常见的SIMD指令集有SSE、AVX等，可以使用相应的库来调用这些指令集。

以下是一个示例代码，使用AVX指令集进行向量化计算：

#include <immintrin.h>

// ...

for (int i = 0; i < MAXN; i += 8) // 假设MAXN是8的倍数
{
    __m256d va = _mm256_load_pd(&a[i]); // 加载8个双精度浮点数到寄存器
    __m256d vb = _mm256_load_pd(&b[i]);
    __m256d vc = _mm256_load_pd(&c[i]);

    __m256d result = _mm256_mul_pd(va, vb); // 向量乘法运算
    result = _mm256_add_pd(result, vc);     // 向量加法运算

    _mm256_store_pd(&c[i], result); // 存储结果回内存
}

上述代码中，我们使用了AVX指令集提供的256位寄存器（__m256d）和相应的向量化函数（_mm256_load_pd、_mm256_mul_pd、_mm256_add_pd、_mm256_store_pd）来进行向量化计算。这样可以一次性处理8个双精度浮点数，提高计算效率。

请注意，向量化计算可能需要满足一些特定的条件，例如数组长度是向量长度的整数倍等。同时，不同的编译器和硬件平台可能对SIMD指令集的支持程度有所差异，具体的优化效果需要根据实际情况进行测试和调整。