极限测试之Matlab与Forcal矩阵运算效率测试
1、小矩阵大运算量测试Matlab 2009a代码及结果：clear all
tic
k = zeros(5,5); % //生成5×5全0矩阵
% 循环计算以下程序段100000次：
for m = 1:100000
a = rand(5,7);
b = rand(7,5);%//生成5×7矩阵a,7×5矩阵b,用0～1之间的随机数初始化
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
end
k
toc
k =
1.0e+005 *
2.7525 2.7559 2.7481 2.7525 2.7511
2.7527 2.7535 2.7430 2.7545 2.7484
2.7493 2.7553 2.7440 2.7513 2.7485
2.7481 2.7506 2.7425 2.7457 2.7460
2.7506 2.7525 2.7429 2.7488 2.7451
Elapsed time is 1.979852 seconds.＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
Forcal（OpenFC演示）代码：!using["math","sys"];
(:t0,k,i,a,b)=
{
t0=clock(),
k=zeros,
i=0,(i<100000).while{
oo{
a=rand, b=rand,
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
},
i++
},
k.outm().delete(),
/1000
};结果： 274978 274892 274913 274949 274953
274994 275050 275001 275037 274892
275001 275063 275019 274963 274971
274945 274999 275017 274983 274982
275009 274984 274971 274955 274923
3.516 秒此类运算Forcal的效率有Matlab的一半稍多一点。
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
2、大型矩阵乘
Matlab 2009a代码及结果：clear all
a = rand(1000,1000);
b = rand(1000,1000);
tic
k = a * b;
k(1:3, 5:9)
toc
ans =
246.1003 244.3288 252.9674 258.1527 243.9345
246.7404 236.1487 249.7140 251.3887 246.0294
249.4205 240.5515 252.5847 257.0065 249.7137
Elapsed time is 0.310022 seconds.＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
Forcal（OpenFC演示）代码：!using["math","sys"];
main(:a,b,k,t0)=
oo{
a=rand, b=rand,
t0=clock(),
k=a*b, //矩阵乘
k.outm()
},
/1000;结果： 247.009 245.731 242.454 247.412 244.482
258.268 255.417 253.738 255.159 253.042
258.088 252.324 248.927 252.392 247.731
2.25此类运算Matlab的速度约是Forcal的7倍多。
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
矩阵运算是Matlab的优势。不过，个人认为，矩阵计算速度取决于算法，矩阵算法只是众多数值算法的一种，不属于语言的基本特性。然而，拥有高效的矩阵算法是matlab的骄傲，就像优化算法是1stopt的骄傲一样。
Forcal的矩阵乘是用普通的矩阵乘经过改进而成的，效率自然低，但所有的数值算法包括矩阵运算是由Forcal扩展库实现的，只要有高效的算法，Forcal便可大展身手，为所有这些算法提高更高效的服务。
除了矩阵运算，Matlab还有许多非语言特性的优势，例如函数图形功能（不包括其GUI，Forcal是嵌入式脚本，C/C++、Delphi等的GUI就是Forcal的GUI）、符号计算功能、控制仿真、金融建模等等。这些实用方便的算法模块使matlab获得了广大用户的青睐。 这个不错啊 嘻嘻。。。
henhao ............
matlab的优势很明显的 济南夜场招聘，济南翰林商务会所招聘夜场模特佳丽１３１５６４０４４１５，４００每台，小费日结无押金。qlktv.net
页:
[1]