多维数组在算法设计中的存储映射问题
一、多维数组的基本概念与数学表示
多维数组是数据结构中用于组织具有多个索引维度的数据集合，常见形式包括二维矩阵、三维立方体等。其元素可通过多个下标定位，如 A[i][j]（二维）或 A[i][j][k]（三维）。从数学角度看，多维数组可视为张量的离散化表达，其索引空间为整数坐标系上的高维网格。
二、连续内存布局与存储映射原理
计算机内存为一维线性结构，因此多维数组必须通过特定映射规则转换为一维地址序列。主流映射方式包括行优先（Row-major order）与列优先（Column-major order）。行优先将行内元素连续存放，如二维数组中第0行全部元素后接第1行；列优先则按列顺序排列。该映射过程由编译器自动处理，但影响程序性能。
三、存储映射函数的形式化表达
设一个 d 维数组，各维大小分别为 n_1, n_2, ..., n_d ，则任意元素 A\[i_1\]\[i_2\]...\[i_d\] 在一维内存中的偏移量可表示为：
\\text{offset} = \\sum_{k=1}\^{d} i_k \\cdot \\prod_{m=k+1}\^{d} n_m
此公式适用于行优先存储；若采用列优先，则乘积项顺序反转。该映射函数决定了访问效率与缓存命中率。
四、缓存友好性与局部性优化策略
由于现代处理器依赖缓存机制，存储映射直接影响数据访问模式。行优先布局在遍历行时具有良好的时间局部性，适合按行迭代的算法（如矩阵乘法）。相反，频繁按列访问时列优先更优。合理选择映射方式可减少缓存未命中，提升执行效率。
五、稀疏多维数组的压缩存储技术
当多维数组中大量元素为零时，传统密集存储浪费空间。常用压缩方法包括坐标格式（COO）、压缩稀疏行（CSR）、压缩稀疏列（CSC）等。这些结构通过仅存储非零元素及其位置信息，显著降低存储开销。映射逻辑需额外维护索引表，增加访问复杂度，但对稀疏场景极为有利。