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

9 R; E0 G; p8 k2 [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。

* s* `# N  I! c9 t  ]7 H- e例子：
3 H; u: y, r6 m% @
8 P; t! @: _4 ?& y$ ]2 fmatlab2009a代码：

1. clear all! F% i' A  _( ^3 k2 E3 W6 q
   
2. clc
   9 @  _$ o7 F; D/ t$ [
3. tic
   + ]+ J# E* U# y/ @: M
4. k = zeros(5,5); % //生成5×5全0矩阵9 `& X$ @) F( }8 }$ D
   
5. % 循环计算以下程序段100000次：1 Z0 ^8 R2 Y  o5 I
   
6. for m = 1:100000
   ) ^; J# H2 s8 }
7.     a = rand(5,7);
   - U9 ~' c$ s  L8 W7 x3 z! W' K
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
   / n+ N; d; L6 L+ i& R
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   , A* [  R0 T! m- l
10. end2 q, [  Q% v$ G; q1 d; n7 E
    
11. k
    % Y3 X8 f$ \6 |2 C8 H
12. toc

复制代码

多次运行，结果约为：

1. k =
   ( G' ^8 d; E1 M; u6 `1 b2 z3 i2 I
2. 5 n) X- g3 Q! }1 ?. ?2 R
   
3.   1.0e+005 *; q! F! o4 G, G+ V: ~- u! h4 J. e
   
4. 
   7 k\" h2 q  n2 N
5.     2.7530    2.7525    2.7509    2.7539    2.7529
   9 h( k/ m0 e2 l, ^; O
6.     2.7521    2.7494    2.7493    2.7542    2.74762 R- T* B  [! u( ?1 }
   
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   $ v4 ~( j' ^2 V7 G* g+ Y$ @* v4 @# ]
8.     2.7530    2.7523    2.7533    2.7525    2.7502& J\" D2 }( X3 M! E# G
   
9.     2.7527    2.7521    2.7505    2.7519    2.7523
   - K% O; C( W: F7 J( ~/ {1 U
10. 2 p: m2 m& G8 f: U. f
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3. $ r) A2 R6 K: V1 p0 S
4. main(:t0,k,i,a,b)=' G* k* ?/ z0 }. }4 P* @$ \+ O
   
6. {
   
7. * S( a: T: s1 Y7 S
8.     t0=clock(),
   
9. ; [) \5 j' A0 D
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为02 e4 V\\" J+ H8 y) k7 J5 ]- ]' R- i
    
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. 9 E; r' ?7 `) W3 B7 k9 h  {
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! [  a% J; {& v% |7 r5 m
    
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. 4 f; j) B# \1 B  c. U9 n\\" c# y1 X9 K
18.     },
    
19.   F1 U1 x; K6 Q( n5 m$ H
20.     k.outa(),             //输出矩阵k
    
21. 5 \: G6 ~, h% K6 O
22.     [clock()-t0]/1000.    //得到计算时间，秒( W4 q: r; k  m3 @6 W2 a$ z( n
    
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">$ r) A2 R6 K: V1 p0 S</span> main(:t0,k,i,a,b)=<font class=\\"jammer\\">' G* k* ?/ z0 }. }4 P* @$ \+ O</font><br /> {<br /> <span style=\\"display:none\\">* S( a: T: s1 Y7 S</span>     t0=clock(),<br /> <span style=\\"display:none\\">; [) \5 j' A0 D</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<font class=\\"jammer\\">2 e4 V\\" J+ H8 y) k7 J5 ]- ]' R- i</font><br />     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">9 E; r' ?7 `) W3 B7 k9 h  {</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\\">! [  a% J; {& v% |7 r5 m</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\\">4 f; j) B# \1 B  c. U9 n\\" c# y1 X9 K</span>     },<br /> <span style=\\"display:none\\">  F1 U1 x; K6 Q( n5 m$ H</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">5 \: G6 ~, h% K6 O</span>     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">( W4 q: r; k  m3 @6 W2 a$ z( n</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   9 ?  z; Z. f; H9 [. ~/ o
2.          274965         275036         275091         275112         274931
   0 F! R' q8 _) x- Y7 x) P! D6 a
3.          274975         275012         275020         274963         274939. v9 X! ]7 V! W$ y) v& A
   
4.          274981         274976         275117         275065         2750440 z% M! I/ p9 F\" d0 |- G
   
5.          274920         274906         275005         274972         274920
   / Z* m8 U7 b2 Y9 c* Y( j
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。