极限测试之Matlab与Forcal矩阵运算效率测试

forcal

1、小矩阵大运算量测试
2 W9 k9 F3 t8 }4 n, ]+ e: v
* [: O) A3 Y  d( i5 HMatlab 2009a代码及结果：

1. clear all
   & L$ c, j, C, ?4 k2 N$ X. }5 F
2. tic' d, Z5 d4 {+ |* s6 X
   
3. k = zeros(5,5); % //生成5×5全0矩阵' `# c$ b2 _8 f+ X8 U& F6 F
   
4. % 循环计算以下程序段100000次：
   & a) |# w4 e4 f& U; x# H
5. for m = 1:1000005 b2 b, z. f& L. R. f) Q
   
6.     a = rand(5,7);3 j1 ?  @1 r+ L7 A# Y\" \0 H( K
   
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\" e) F; G6 B& [. J- F/ I+ a
   
8.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   5 f' \: c% X, }8 Q% x
9. end0 u$ g$ O2 l* D+ ?& ]
   
10. k
    # z3 w. g0 Q- x1 `4 t7 b
11. toc8 f0 Q. B9 U* n/ M
    
12. 
    % g8 Q  P5 D  ^3 `, n; C2 `
13. k =
    ( c8 I4 X/ J& x$ M' M
14. ) L& X- U! v: f  v7 s3 V% B( X
    
15.   1.0e+005 *
      i\" m9 u# _  O; N1 @
16. / {4 ~: W  Y$ B
    
17.     2.7525    2.7559    2.7481    2.7525    2.7511\" J: C/ ?4 o5 g/ d: n
    
18.     2.7527    2.7535    2.7430    2.7545    2.74842 ]& |! O0 F4 C& P  q- a1 U
    
19.     2.7493    2.7553    2.7440    2.7513    2.7485
    4 C, P% @. }) y) J+ F& g8 N
20.     2.7481    2.7506    2.7425    2.7457    2.7460$ F% V4 P! u6 D  n  S
    
21.     2.7506    2.7525    2.7429    2.7488    2.7451% g) ]& U# X5 y& C; [/ X& q( ~. O
    
22. 
    . z9 Q6 l# f. u* `- r$ S( C
23. Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

2. !using["math","sys"];0 c, D- L- z/ g2 ?9 u
   
4. (:t0,k,i,a,b)=
   
5. 1 I0 k: D  J* i2 l1 @
6. {. D# J  f# G' L  X- f- ?* C9 ?/ d
   
8.   t0=clock(),0 N* ?& R$ L  o& n
   
10.   k=zeros[5,5],
    
11. * I- U( O7 E4 A( k0 D
12.   i=0,(i<100000).while{
    
13. 7 c% K1 [2 I1 D3 N6 B: D9 Z
14.     oo{
    
15. + u( u0 }* k: b/ x% Z6 @8 K9 p
16.       a=rand[5,7], b=rand[7,5],
    
17. + \6 I/ C7 `6 |- `7 X9 Z
18.       k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)8 [5 [' q/ O9 \; x
    
20.     },
    
21. \\" X0 W/ h( x( ?; ~; _5 P/ J
22.     i++
    
23. # f; X: @1 e6 {( @
24.   },
    
25. ( ~& p: c- V% T4 D  O: a% v
26.   k.outm().delete(),/ ?! s  K( A1 v7 V
    
28.   [clock()-t0]/1000\\" |% W6 f) m7 E& U+ D% v
    
30. };

!using["math","sys"];<font class=\\"jammer\\">0 c, D- L- z/ g2 ?9 u</font><br /> (:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">1 I0 k: D  J* i2 l1 @</span> {<font class=\\"jammer\\">. D# J  f# G' L  X- f- ?* C9 ?/ d</font><br />   t0=clock(),<font class=\\"jammer\\">0 N* ?& R$ L  o& n</font><br />   k=zeros[5,5],<br /> <span style=\\"display:none\\">* I- U( O7 E4 A( k0 D</span>   i=0,(i<100000).while{<br /> <span style=\\"display:none\\">7 c% K1 [2 I1 D3 N6 B: D9 Z</span>     oo{<br /> <span style=\\"display:none\\">+ u( u0 }* k: b/ x% Z6 @8 K9 p</span>       a=rand[5,7], b=rand[7,5],<br /> <span style=\\"display:none\\">+ \6 I/ C7 `6 |- `7 X9 Z</span>       k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)<font class=\\"jammer\\">8 [5 [' q/ O9 \; x</font><br />     },<br /> <span style=\\"display:none\\">\\" X0 W/ h( x( ?; ~; _5 P/ J</span>     i++<br /> <span style=\\"display:none\\"># f; X: @1 e6 {( @</span>   },<br /> <span style=\\"display:none\\">( ~& p: c- V% T4 D  O: a% v</span>   k.outm().delete(),<font class=\\"jammer\\">/ ?! s  K( A1 v7 V</font><br />   [clock()-t0]/1000<font class=\\"jammer\\">\\" |% W6 f) m7 E& U+ D% v</font><br /> };

结果：

1.          274978         274892         274913         274949         274953
   . p- v% @. \4 F! {
2.          274994         275050         275001         275037         274892
   \" t7 ?1 F, D+ `( {! v
3.          275001         275063         275019         274963         274971
   8 t: T, C. F6 ~8 N
4.          274945         274999         275017         274983         274982
   6 b5 z: i' Y' h$ B$ C2 A- [; _
5.          275009         274984         274971         274955         2749230 ?# i- e+ d) t8 I% Q: k
   
6. 
   + v' D$ M5 r2 ?! D# J5 x1 W
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。

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
, o& Z6 p; ?3 C" ~＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

2、大型矩阵乘
) X( j% `( c7 n/ i1 b+ }7 j3 W
Matlab 2009a代码及结果：

1. clear all
   # z( v3 ]2 S( _- V2 O' q5 U
2. a = rand(1000,1000);
   : t/ Z& H3 L  A
3. b = rand(1000,1000);
   8 [9 t2 ^$ h! U6 u* I( W  H8 p
4. tic
   # }3 f6 W9 z# D* Z9 X& V\" |* G5 j
5. k = a * b;. g0 Q3 J% [$ c
   
6. k(1:3, 5:9)
   7 `8 U$ z7 t9 E6 f7 z1 t# n; U
7. toc
     S7 |  w4 H3 |2 K
8. ! R& J/ a5 Z  |; j, ?
   
9. ans =( K4 R) i/ \  q
   
10. 
    % @% u- J: t4 l- ^9 _' e
11.   246.1003  244.3288  252.9674  258.1527  243.9345& i0 x, U9 _5 g5 W5 S$ z
    
12.   246.7404  236.1487  249.7140  251.3887  246.0294
    : n9 o- j8 H4 C0 C) _. p
13.   249.4205  240.5515  252.5847  257.0065  249.7137* K0 _# l/ \0 L/ v; S; P, K
    
14. 3 U$ H- R# }3 F- K
    
15. Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
1 c1 T8 [: ]# W5 `4 Q& `  v
+ y! U- p; N8 O: n5 W" i- X" U; cForcal（OpenFC演示）代码：

2. !using["math","sys"];1 j! G4 L3 q9 X\\" u
   
4. main(:a,b,k,t0)=
   
5. ( v+ S! r$ q7 v8 L5 X9 t* q
6. oo{
   
7. ! G+ C. C  z- D7 R
8.   a=rand[1000,1000], b=rand[1000,1000],
   
9. * z5 Q# S/ R# e8 F2 N' L' q6 ~: Z: h
10.   t0=clock(),
    
11. 0 [2 O7 x. K\\" D+ G/ z3 U1 o% s
12.   k=a*b,  //矩阵乘
    
13. 5 o9 r1 @2 B+ U3 O+ k7 u: Z
14.   k[1,3:5,9].outm()
    
15. : f1 u; |0 Z* s4 f
16. },
    
17. : W% ^7 I\\" V: V* M- q
18. [clock()-t0]/1000;

!using["math","sys"];<font class=\\"jammer\\">1 j! G4 L3 q9 X\\" u</font><br /> main(:a,b,k,t0)=<br /> <span style=\\"display:none\\">( v+ S! r$ q7 v8 L5 X9 t* q</span> oo{<br /> <span style=\\"display:none\\">! G+ C. C  z- D7 R</span>   a=rand[1000,1000], b=rand[1000,1000],<br /> <span style=\\"display:none\\">* z5 Q# S/ R# e8 F2 N' L' q6 ~: Z: h</span>   t0=clock(),<br /> <span style=\\"display:none\\">0 [2 O7 x. K\\" D+ G/ z3 U1 o% s</span>   k=a*b,  //矩阵乘<br /> <span style=\\"display:none\\">5 o9 r1 @2 B+ U3 O+ k7 u: Z</span>   k[1,3:5,9].outm()<br /> <span style=\\"display:none\\">: f1 u; |0 Z* s4 f</span> },<br /> <span style=\\"display:none\\">: W% ^7 I\\" V: V* M- q</span> [clock()-t0]/1000;

结果：

1.         247.009        245.731        242.454        247.412        244.4828 v# o6 w  r/ v5 k' w7 c\" _
   
2.         258.268        255.417        253.738        255.159        253.0420 n& ^, x! ^) |$ A
   
3.         258.088        252.324        248.927        252.392        247.7315 w' a# J% J5 q0 r
   
4. 
   ( N4 b( c% f$ O1 W\" t) c
5. 2.25

复制代码

此类运算Matlab的速度约是Forcal的7倍多。

9 q/ C/ ?% F% B! @" b: W' |＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
* A! F. S! f$ O0 |! f" G＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

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。
9 h9 s6 Q! ^& g, {' |6 c4 ?7 s, a
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。
1 w% p, y! T$ G9 [+ j  e; a: C
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。

chairong

这个不错啊 嘻嘻。。。
1 {; A  e; u( Y. f. C
( d- T  x: H: M3 `& w0 H

发现者2011

henhao  ............
; e  u# f+ T; C/ W. F( h

碧天云淡

matlab的优势很明显的

zcＢＣuikgh

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