纵轴代表计算的底数的limb长度，横轴为计算的指数。蓝色代表basecase，红色为win2方法。事实上这是个三维散点图的俯视图，z轴为时间，意味着，你看到哪种颜色，即该种算法在该数据点上的用时更长。可以发现，在更短的底数长度下，win2方法几乎一直更优秀，对于较长的底数，win2方法在较短的指数下并没有明显优势。这两点都与我们的预期相符。basecase即朴素的快速幂，对于指数恰好有更多1的情况，表现更糟糕一些（这是相对他自身而言）。下面这幅图更能体现两者的差距：
纵轴代表basecase-win2 除以 win2，这表征了，两者的差距相对大小，我们可以明显看出，在大部分数据上，win2的表现都要更好，且，即使差于basecase，也比没有落后太多。
因此，我们可以基本确定两个算法的主要阈值区间了，对于较短的底数，我们可以毫无负担的使用win2算法，对于更长的底数，当指数较大时，我们也将使用win2。进一步性能测试将会继续。
纵轴代表计算的底数的
limb长度，横轴为计算的指数。蓝色代表basecase，红色为win2方法。事实上这是个三维散点图的俯视图，z轴为时间，意味着，你看到哪种颜色，即该种算法在该数据点上的用时更长。可以发现，在更短的底数长度下，win2方法几乎一直更优秀，对于较长的底数，win2方法在较短的指数下并没有明显优势。这两点都与我们的预期相符。basecase即朴素的快速幂，对于指数恰好有更多1的情况，表现更糟糕一些（这是相对他自身而言）。下面这幅图更能体现两者的差距：纵轴代表
basecase-win2除以win2，这表征了，两者的差距相对大小，我们可以明显看出，在大部分数据上，win2的表现都要更好，且，即使差于basecase，也比没有落后太多。因此，我们可以基本确定两个算法的主要阈值区间了，对于较短的底数，我们可以毫无负担的使用
win2算法，对于更长的底数，当指数较大时，我们也将使用win2。进一步性能测试将会继续。