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。
; j+ B; J/ t& R! ]9 e, J5 l5 S
9 L* U  @* ^5 [2 q例子：

7 H9 m4 J/ T7 W2 g7 Smatlab2009a代码：

1. clear all
   $ `9 F2 {& U) {1 f# U
2. clc/ a8 Z8 T8 N0 ^. C- n+ m) p6 C
   
3. tic
   5 f. {! v' U7 d  n; x
4. k = zeros(5,5); % //生成5×5全0矩阵
   : C1 k5 \. Q+ s' M$ _\" W
5. % 循环计算以下程序段100000次：0 \% d( ]0 H' M
   
6. for m = 1:100000
   2 d4 K\" d2 [7 T5 d' R  y( M
7.     a = rand(5,7);( A6 N/ W9 K# [2 h3 L
   
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
   ; A* s\" z# H\" u& b  p6 C
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   ( G+ G# \4 e/ [% N
10. end
    & N: b! j. n# }( d8 T6 g
11. k% b6 d/ q9 W+ @8 x6 m$ @
    
12. toc

复制代码

多次运行，结果约为：

1. k =
   ; ]& }( d- Y& t
2. \" Q2 P. ]! d* C& J2 |5 |) {
   
3.   1.0e+005 *$ s9 l# B. o- a
   
4. 
   3 x5 y2 _\" n0 {0 e. v& q. b
5.     2.7530    2.7525    2.7509    2.7539    2.7529& h& m5 C+ _) t' l
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476. t( B) _5 ]- a* Q/ }+ H
   
7.     2.7549    2.7524    2.7527    2.7564    2.75176 d4 Z' L' f. X3 @$ W
   
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   2 t# Q- n' Z3 W& {) T1 K
9.     2.7527    2.7521    2.7505    2.7519    2.75230 {2 k0 N+ m! s
   
10. 6 v  H) l1 H6 T% H4 V# V1 T
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3.   a, W& h. M3 K
4. main(:t0,k,i,a,b)=
   
5. ' ^6 M4 {2 E6 X\\" R) w9 M; e' v
6. {
   
7. 2 k0 Y, I4 I! _6 Y5 z3 `7 D
8.     t0=clock(),. U- T2 t# k3 D
   
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为05 o9 c* Y, `( u: |. K2 V4 e
    
12.     i=0,(++i<=100000).while{//循环计算100000次* ]& o\\" Y  N- h9 g8 G
    
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/ E% X. O3 B' D& y6 s# o
    
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)- l  t\\" k6 i3 ~7 V$ W$ D: {
    
18.     },# |- y7 k# S% r% @+ n) B' u1 s* }
    
20.     k.outa(),             //输出矩阵k( w. t\\" ?  r5 R) T7 k
    
22.     [clock()-t0]/1000.    //得到计算时间，秒! c; ]! {7 b. J: A0 q. Q1 x, w7 ]; B' Z
    
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">  a, W& h. M3 K</span> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">' ^6 M4 {2 E6 X\\" R) w9 M; e' v</span> {<br /> <span style=\\"display:none\\">2 k0 Y, I4 I! _6 Y5 z3 `7 D</span>     t0=clock(),<font class=\\"jammer\\">. U- T2 t# k3 D</font><br />     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<font class=\\"jammer\\">5 o9 c* Y, `( u: |. K2 V4 e</font><br />     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">* ]& o\\" Y  N- h9 g8 G</font><br />         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\\">/ E% X. O3 B' D& y6 s# o</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)<font class=\\"jammer\\">- l  t\\" k6 i3 ~7 V$ W$ D: {</font><br />     },<font class=\\"jammer\\"># |- y7 k# S% r% @+ n) B' u1 s* }</font><br />     k.outa(),             //输出矩阵k<font class=\\"jammer\\">( w. t\\" ?  r5 R) T7 k</font><br />     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">! c; ]! {7 b. J: A0 q. Q1 x, w7 ]; B' Z</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   0 O) O) e9 f0 B  \) }$ t# d: M: O/ G
2.          274965         275036         275091         275112         2749315 k, E% [, Q. x* P
   
3.          274975         275012         275020         274963         2749395 G/ y7 E\" J: i3 r3 h: S3 S
   
4.          274981         274976         275117         275065         2750441 c) J. T& N2 [/ V0 f\" y9 W
   
5.          274920         274906         275005         274972         274920# n: S4 F9 R5 L. }9 Q+ q* p
   
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。