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。
) m. q6 Z/ ^' E
- H# O" F( C" z8 }; L例子：
$ o1 _, }. C$ o4 E2 Z; ^$ ~1 M1 O  Q! ~
matlab2009a代码：

1. clear all+ N3 P( }) b( B$ J( ?% c9 x5 Q# M
   
2. clc
   3 d9 K# \: P' c! W4 O
3. tic
   , f  n% K* g# P! K( B0 o
4. k = zeros(5,5); % //生成5×5全0矩阵' g, p# W! x+ }- w0 M+ n
   
5. % 循环计算以下程序段100000次：
   $ O+ K4 ]+ [( U
6. for m = 1:1000003 K8 m- u  {- t8 C\" y9 B2 ~9 B
   
7.     a = rand(5,7);
   # X# v\" M8 ^, B% K! G3 q
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& ]3 J  k* J! |1 E' E2 r8 _% ^' P
   
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   * W( m\" l4 q1 K& @
10. end0 T$ F0 O+ Y, Y0 c
    
11. k3 s0 E9 A- q! x0 c, b1 I9 K5 J
    
12. toc

复制代码

多次运行，结果约为：

1. k =
   & X7 c' C  M# z. j$ B7 B% V# Y
2. 
   ( M+ p\" y+ J- ]4 M3 n
3.   1.0e+005 *
   - E/ ], `  r, z  _) r
4. 4 z7 U) s* v6 A\" K+ `7 D
   
5.     2.7530    2.7525    2.7509    2.7539    2.7529: o* U\" C% R1 J6 o* m3 B
   
6.     2.7521    2.7494    2.7493    2.7542    2.74766 `+ N2 W* E$ S& [0 q0 v
   
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   / E* N. n$ L. x* s/ J5 S+ P
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   - M6 R4 c- e' Y9 R3 o3 I2 h, B0 f
9.     2.7527    2.7521    2.7505    2.7519    2.7523' X, D  z+ Z$ {; ?* d% \  d
   
10. ) c# S9 f, c5 a\" x\" g
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3. 5 u, |; u- Q4 a; u
4. main(:t0,k,i,a,b)=
   
5. % W1 Q! _7 {! a\\" ~0 H( G
6. {
   
7. ! T0 S: Q  I6 ?) n8 R: Y( _4 e
8.     t0=clock(),4 i1 z! S. R7 @% j5 k& F: s: e
   
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0( k3 j  {$ w( ?8 r% t% s
    
12.     i=0,(++i<=100000).while{//循环计算100000次( n: e  U  D  \4 B% w. [& y% B
    
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$ K. W0 z1 e3 u8 Q6 J. f
    
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)! s1 K1 @) r4 ?5 J* l% r3 F
    
18.     },
    
19. / y2 H' J+ A- I. L
20.     k.outa(),             //输出矩阵k6 u' V( F) r( q1 |
    
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23.   u* T; e\\" t; B0 L: G8 @
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">5 u, |; u- Q4 a; u</span> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">% W1 Q! _7 {! a\\" ~0 H( G</span> {<br /> <span style=\\"display:none\\">! T0 S: Q  I6 ?) n8 R: Y( _4 e</span>     t0=clock(),<font class=\\"jammer\\">4 i1 z! S. R7 @% j5 k& F: s: e</font><br />     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<font class=\\"jammer\\">( k3 j  {$ w( ?8 r% t% s</font><br />     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">( n: e  U  D  \4 B% w. [& y% B</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\\">$ K. W0 z1 e3 u8 Q6 J. f</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\\">! s1 K1 @) r4 ?5 J* l% r3 F</font><br />     },<br /> <span style=\\"display:none\\">/ y2 H' J+ A- I. L</span>     k.outa(),             //输出矩阵k<font class=\\"jammer\\">6 u' V( F) r( q1 |</font><br />     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">  u* T; e\\" t; B0 L: G8 @</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   6 ^* x$ d9 |1 a7 k- E7 p5 G
2.          274965         275036         275091         275112         274931
   6 i, V8 Q* y. g
3.          274975         275012         275020         274963         274939  L) c6 b; u7 s) A# b. w* v
   
4.          274981         274976         275117         275065         275044
   % g4 F  `* d' e, V( W
5.          274920         274906         275005         274972         274920; E! g2 V$ e- n% \' p+ ~- e& Z
   
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。