Lu数值计算扩展动态库LuMath & 小矩阵大运算量效率测试

forcal

Lu数值计算扩展动态库LuMath V1.0：http://www.forcal.net/sysm/lu1/luhtm/lumath.htm

LuMath 库的数值算法是以矩阵为基础，并进行了运算符重载，具有内存消耗低、执行效率高、代码简洁、实用性强的特点。

0 {2 N- g2 L) p! h+ q例子：
9 W- w4 H) L) H- U* t+ J" Q$ V! s6 b% |
matlab2009a代码：

1. clear all, s0 B\" L/ V$ ^5 t$ x
   
2. clc
   & U6 r( L0 j$ q6 I9 [9 ]- b
3. tic
   3 ?6 E3 @; o8 Q7 R5 ^. a
4. k = zeros(5,5); % //生成5×5全0矩阵8 g; o4 v% s* y
   
5. % 循环计算以下程序段100000次：) o/ E$ @8 ?. `  b/ Q4 S) u. K( t
   
6. for m = 1:1000005 k) ?8 p' F( c5 u! G1 u
   
7.     a = rand(5,7);
   9 j+ f$ M+ z  F- ]! s3 L; J
8.     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
   % Y- r* `, N* z# b  k
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   3 z9 R\" U$ t7 ~. W/ d- a
10. end  G# w  @* j1 g
    
11. k  A4 i) y7 N; n8 S, W
    
12. toc

复制代码

多次运行，结果约为：

1. k =9 D  J4 D$ r3 r. S8 F3 }2 g% |
   
2. 
   4 ^& p5 |5 ?- Y( o2 @) _1 G3 L
3.   1.0e+005 *8 _0 P: p( y3 J
   
4. 
   3 \\" ?0 s2 k: _# Q\" I5 d
5.     2.7530    2.7525    2.7509    2.7539    2.7529
   / ?$ S& h5 t0 j# n7 _
6.     2.7521    2.7494    2.7493    2.7542    2.7476# `0 Z) h/ T! Q2 F
   
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   0 P/ V\" o; j' y9 [; P* R
8.     2.7530    2.7523    2.7533    2.7525    2.7502% v6 I/ R\" o6 p' }; W+ v* A0 z
   
9.     2.7527    2.7521    2.7505    2.7519    2.75238 J* [4 J3 h* L# K# a
   
10. 
    / f$ R+ J9 F& N8 ~) {
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];5 j# b+ c! r0 X& R+ {! X9 i! y; u6 M
   
4. main(:t0,k,i,a,b)=
   
5.   E0 X7 \, s& R7 r# f2 y% h
6. {* W8 g( r) O8 x4 p1 n
   
8.     t0=clock(),
   
9. 0 U, V0 ~# t6 i- k' h) l9 X/ m
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. \\" w! n+ V4 j. Q
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. ( u4 v, |, }! P' A. N+ T
14.         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; b5 C3 K6 u2 m# N\\" D9 s; j2 Y  _7 I
    
16.         k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(all:6)*b(2:all) //计算k=k+a*b+a(0,4:1,5)*b(1,5:0,4)+a(all:6)*b(3:all)
    
17. 7 }$ Z+ O\\" _( M
18.     },# z8 a6 ?# B1 [( h: I
    
20.     k.outa(),             //输出矩阵k3 \/ p1 k; M# M' L- ]9 y2 n! @
    
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. # H5 X8 T/ M& ^\\" \; |) m# C  j
24. };

!!!using["math"];<font class=\\"jammer\\">5 j# b+ c! r0 X& R+ {! X9 i! y; u6 M</font><br /> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">  E0 X7 \, s& R7 r# f2 y% h</span> {<font class=\\"jammer\\">* W8 g( r) O8 x4 p1 n</font><br />     t0=clock(),<br /> <span style=\\"display:none\\">0 U, V0 ~# t6 i- k' h) l9 X/ m</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">\\" w! n+ V4 j. Q</span>     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">( u4 v, |, }! P' A. N+ T</span>         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<font class=\\"jammer\\">; b5 C3 K6 u2 m# N\\" D9 s; j2 Y  _7 I</font><br />         k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(all:6)*b(2:all) //计算k=k+a*b+a(0,4:1,5)*b(1,5:0,4)+a(all:6)*b(3:all)<br /> <span style=\\"display:none\\">7 }$ Z+ O\\" _( M</span>     },<font class=\\"jammer\\"># z8 a6 ?# B1 [( h: I</font><br />     k.outa(),             //输出矩阵k<font class=\\"jammer\\">3 \/ p1 k; M# M' L- ]9 y2 n! @</font><br />     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\"># H5 X8 T/ M& ^\\" \; |) m# C  j</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         2750245 x) y+ `4 L5 o* f# t
   
2.          274965         275036         275091         275112         274931
   5 @4 S1 c0 k$ E7 ?$ _* ]
3.          274975         275012         275020         274963         274939
   9 k( f) B% f; T0 M. Q( c! {  ~' a
4.          274981         274976         275117         275065         275044
   . u: l4 s  k6 h; _4 R; V2 T5 O1 q
5.          274920         274906         275005         274972         274920/ F- `, k* A9 o  d1 z4 @
   
6. 1.25 秒

复制代码

Lu快于matlab的原因应该仍在于内存管理效率较高。