数学建模社区-数学中国

标题: 极限测试之Matlab与Forcal矩阵运算效率测试 [打印本页]
作者: forcal    时间: 2011-8-1 08:00
标题: 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
% q. y, K# @) H2 R
5 M, z3 X% }+ J) `( dMatlab 2009a代码及结果：
  1. clear all: X" G  d8 k6 q% Y
  2. tic
    % A. n# B/ g7 a* x: _& k" s
  3. k = zeros(5,5); % //生成5×5全0矩阵- i* Z" @2 ~, Y; _" n
  4. % 循环计算以下程序段100000次：
    8 L+ R# m4 C; x5 E# E- e
  5. for m = 1:100000
    4 M* M- }8 n! U( j7 B
  6.     a = rand(5,7);
      H+ M3 x6 i. y. G/ V& x3 v
  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  ?# o  E- w# b$ L/ ?* h
  8.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
    # p. f2 l5 P: T9 b
  9. end
    6 |/ ]7 G1 F1 k' G& p
  10. k: U2 e9 H7 ?6 W/ u+ g7 Q) s* H
  11. toc# @7 K2 o5 R- u* ]( R6 c- Y

  12. ; q' R" N/ I4 I7 J. P
  13. k =
    / ]  |8 p* `9 }  Z, x
  14. . f' c# B5 `- l1 q+ C2 M! I" w
  15.   1.0e+005 *
    + Y$ D, H# m0 }* F7 Z! t
  16. 1 ?7 Q' a8 J6 T+ ^+ D2 W1 @
  17.     2.7525    2.7559    2.7481    2.7525    2.75117 S! N$ X" }, N5 v! V
  18.     2.7527    2.7535    2.7430    2.7545    2.7484* q1 _$ T) L1 n; Q+ u8 _8 `
  19.     2.7493    2.7553    2.7440    2.7513    2.7485
    ) \% P. D  K; d6 g" D' p4 X
  20.     2.7481    2.7506    2.7425    2.7457    2.7460
    . L# S6 s  e# {3 U' A; V
  21.     2.7506    2.7525    2.7429    2.7488    2.7451
    ( Q7 Z. {4 u' P; q4 D) X# J

  22. + h( t  @& o+ T% U
  23. Elapsed time is 1.979852 seconds.
复制代码
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
! k, V8 }7 k5 S1 I! H/ T# i
* M9 d& X# g3 ?Forcal（OpenFC演示）代码：
  1. !using["math","sys"];
    6 A; l9 D) E& F+ M7 q# y9 H
  2. (:t0,k,i,a,b)=2 N6 g' i5 s! ]3 o
  3. {
    * k* O  p$ b' k8 F& S9 T0 W
  4.   t0=clock(),1 i2 Q7 }' M7 H7 P- b; ]5 Q6 b
  5.   k=zeros[5,5],1 X- J4 q/ D( p. H
  6.   i=0,(i<100000).while{
    7 x/ J: @2 r6 b: h6 C* H3 R( K
  7.     oo{
    $ n! A- y9 @3 N# G$ \
  8.       a=rand[5,7], b=rand[7,5],
    6 w! X+ u! O6 P/ |  [
  9.       k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
    2 C7 c9 ~7 i9 y! |4 A+ q, m8 o
  10.     },- o& t3 [' ^/ G4 c5 F
  11.     i++
    4 d$ l* a  q" `; ]$ i
  12.   },% f0 n% Z0 ?' u- a, |) K; {
  13.   k.outm().delete(),. _. t7 J! q( K6 ^$ m, Y5 H
  14.   [clock()-t0]/1000
    ' C$ p* B2 t2 L, d
  15. };
复制代码
结果：
  1.          274978         274892         274913         274949         274953' i+ Q: c6 x  U) A" h
  2.          274994         275050         275001         275037         274892
    : y, A) Y" o' m: A& v0 {" m
  3.          275001         275063         275019         274963         274971" E! o" g; }6 ~( x9 c# d& w
  4.          274945         274999         275017         274983         274982
    ! m0 a( ~3 D6 d4 H# q' A/ }, ~4 j7 f
  5.          275009         274984         274971         274955         274923
    0 Y$ o) |. `3 l8 x5 H2 v6 R. s
  6. # `( ~- V1 C' N; C0 Z) L1 t
  7. 3.516  秒
复制代码
此类运算Forcal的效率有Matlab的一半稍多一点。
# L) S( g& b; y8 |) Z2 k/ F: N8 l, Q  _- I6 r
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝$ h7 ?+ ~) w  Q! @
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
; v! @0 G* s. P/ V4 J' [4 m1 K7 t4 O( g- O) t# U% v; S& K
2、大型矩阵乘2 v) c3 ]; x- n% P, W
: @$ X8 u0 v" ~0 C+ J4 I; C0 L, o
Matlab 2009a代码及结果：
  1. clear all
    5 C" |* _* q  m' H
  2. a = rand(1000,1000);
    . [. v& W8 Z7 v, D8 O
  3. b = rand(1000,1000);: E/ I: p* t7 n, b) t' ^/ _: }
  4. tic0 K$ e- z+ K7 a
  5. k = a * b;4 r# A  w3 p% p) ^" o
  6. k(1:3, 5:9)
    + A# O  }' v  o  h! l
  7. toc
    6 L8 _8 D' }$ I, a
  8. $ w5 X4 K* c4 o, V) t: V8 h) o
  9. ans =: v% a* x0 h/ q5 V7 t2 C) ]. w

  10. # M/ i) Z& h$ l* p
  11.   246.1003  244.3288  252.9674  258.1527  243.9345
    " Y( T3 f$ B+ a1 ?. C
  12.   246.7404  236.1487  249.7140  251.3887  246.0294
      |1 R/ r3 D% N  C8 w- D
  13.   249.4205  240.5515  252.5847  257.0065  249.7137
    / o* n1 Y  K* a: o$ m8 Z

  14. - A' ^/ @5 k( V1 M
  15. Elapsed time is 0.310022 seconds.
复制代码
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝  V+ Q6 N/ ~5 F* @: p. y; I

6 g; r! i% k$ R; Z5 \* }( a% Q* x" M5 vForcal（OpenFC演示）代码：
  1. !using["math","sys"];0 }) k) }, t" e% n1 u0 F
  2. main(:a,b,k,t0)=
    , V- r9 B9 h& U# `
  3. oo{& |. J0 G  ]1 l3 V/ \
  4.   a=rand[1000,1000], b=rand[1000,1000],
    ; s6 ?5 k7 Q9 J' ^$ ^
  5.   t0=clock(),8 Q. c) O6 C3 o3 |
  6.   k=a*b,  //矩阵乘: t/ c9 m# K  d* I7 R0 ]! g
  7.   k[1,3:5,9].outm()+ m9 x. u4 j& E- t
  8. },8 c9 v5 r2 O+ E) K3 M3 K
  9. [clock()-t0]/1000;
复制代码
结果：
  1.         247.009        245.731        242.454        247.412        244.482  f9 K/ T( Z9 ]1 Y. r- f6 ~0 x
  2.         258.268        255.417        253.738        255.159        253.042% G/ G. x. c: n1 ?9 @6 z
  3.         258.088        252.324        248.927        252.392        247.731; _- C. j3 |% n0 }7 T0 V
  4. ! @0 h: k4 X2 |2 b: Y4 _7 J
  5. 2.25
复制代码
此类运算Matlab的速度约是Forcal的7倍多。* N* S7 `! C5 \
! @5 p2 M$ Y8 h( U3 v# n; }
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
& P: o; [# J! d- T/ q$ w5 h, R0 R3 Z" U＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
) ^' x; p  h9 _. k1 Z4 t
: ?. C8 T$ |1 S* L, y7 V5 {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。
+ o5 T, X; ?4 b8 F# s8 r" Q$ t6 N. R6 }. [
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。
) O  t" G+ K2 n; Z8 h0 R( @! V1 h! W" k; M" d
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。
作者: chairong    时间: 2011-8-1 10:38
这个不错啊 嘻嘻。。。4 a9 d0 @% h: u3 D
& d$ E) ~7 w; N( ^6 \2 d4 R
作者: 发现者2011    时间: 2011-8-1 14:04
henhao  ............( |& r( w: ^9 S2 D! `  B) y
作者: 碧天云淡    时间: 2011-8-1 16:42
matlab的优势很明显的
作者: alair005    时间: 2012-2-7 13:01
支持一,下楼主辛苦了45578073860093
作者: zcＢＣuikgh    时间: 2012-8-11 21:27
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



欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5