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
1 }* _  f! s1 C0 O7 `
0 t- @# B& y9 G2 M- i) SLuMath 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。
7 Q) h; f7 I3 z+ r# k) o& V
例子：
6 F! u3 A1 A, j, L' v  S7 l. Q
matlab2009a代码：

1. clear all8 v8 I\" d3 g; ?2 U7 Q- y
   
2. clc
   * Y1 Y+ c1 `7 C\" Z( e* M1 k
3. tic5 q6 T( o* _. b9 }( Z
   
4. k = zeros(5,5); % //生成5×5全0矩阵. c0 C; c5 b\" L8 p6 p
   
5. % 循环计算以下程序段100000次：& o5 N1 G# {3 B, h1 w  R
   
6. for m = 1:100000: A\" F+ o( h. W, h- \! Z+ |; _0 h
   
7.     a = rand(5,7);, Z& F2 K! c/ u; k  z0 S' H
   
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
   : j\" p) h5 N$ A7 q& H
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   8 f  q8 m& A9 v\" _, y1 P+ r. Y
10. end
    0 ~6 w0 }8 Y6 r. n$ l
11. k
    * Y& c\" `- w1 T8 o
12. toc

复制代码

多次运行，结果约为：

1. k =4 }! F8 v& }7 c* b\" Q$ b- @* o7 m( D' S
   
2. $ Z9 z3 n7 r' {% ~) D% r7 P
   
3.   1.0e+005 *0 p# j5 D1 Y3 {* X- W9 s9 G
   
4. \" G1 x7 x1 z\" O: d( T8 y
   
5.     2.7530    2.7525    2.7509    2.7539    2.7529
   ) k: K  b3 B1 M* s0 [  t
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   * D! x) m5 P$ O
7.     2.7549    2.7524    2.7527    2.7564    2.7517$ P! t$ H+ l3 W) h
   
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   ( T! q7 Z2 x1 D) U, X\" j
9.     2.7527    2.7521    2.7505    2.7519    2.7523
   ; K% I* E2 H, o3 t: `
10. 
    , I! z3 ^0 L7 b* L$ F4 \. l2 g
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];3 a$ c0 y2 r' J8 _0 o6 ]; ?
   
4. main(:t0,k,i,a,b)=0 O$ ^. p# V1 s
   
6. {+ k  v  ^) Q( I% Q4 s7 R. B1 `7 K
   
8.     t0=clock(),
   
9. % d/ ^9 m, z2 _6 [% R! E\\" Y4 [
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. \\" F. Z; ?; k$ P) e
12.     i=0,(++i<=100000).while{//循环计算100000次! V$ N( q) X3 p
    
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- M+ w7 U+ B' q, P4 q
    
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. ; n, s  i, @$ E; L& z! M8 w
18.     },
    
19. ' L3 J5 z+ n- a. p( P+ I8 @3 Z8 {
20.     k.outa(),             //输出矩阵k
    
21. 8 F& t. y3 `: ?4 ^/ @: Y$ k2 U\\" B* j9 {
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. ) ^( L. w% w\\" Q\\" n
24. };

!!!using["math"];<font class=\\"jammer\\">3 a$ c0 y2 r' J8 _0 o6 ]; ?</font><br /> main(:t0,k,i,a,b)=<font class=\\"jammer\\">0 O$ ^. p# V1 s</font><br /> {<font class=\\"jammer\\">+ k  v  ^) Q( I% Q4 s7 R. B1 `7 K</font><br />     t0=clock(),<br /> <span style=\\"display:none\\">% d/ ^9 m, z2 _6 [% R! E\\" Y4 [</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">\\" F. Z; ?; k$ P) e</span>     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">! V$ N( q) X3 p</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\\">- M+ w7 U+ B' q, P4 q</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\\">; n, s  i, @$ E; L& z! M8 w</span>     },<br /> <span style=\\"display:none\\">' L3 J5 z+ n- a. p( P+ I8 @3 Z8 {</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">8 F& t. y3 `: ?4 ^/ @: Y$ k2 U\\" B* j9 {</span>     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">) ^( L. w% w\\" Q\\" n</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         2750242 C' |5 R$ u% q
   
2.          274965         275036         275091         275112         274931; Z4 i6 I* W0 n0 Q# N
   
3.          274975         275012         275020         274963         274939
   1 y; @( [7 U8 [1 [3 |5 o
4.          274981         274976         275117         275065         275044& q5 C- q6 i0 Z. G$ E
   
5.          274920         274906         275005         274972         274920* j& `$ P) o4 L7 U
   
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。