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

: P) @( T: J* OLuMath 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。

例子：

2 X+ s2 ?, @* mmatlab2009a代码：

1. clear all$ c2 i# D/ s$ u
   
2. clc
   + d0 C: r) @& Q/ K
3. tic
   ! R6 J6 c+ \. C7 d2 a
4. k = zeros(5,5); % //生成5×5全0矩阵
   7 r4 L, m4 x. c/ K! j
5. % 循环计算以下程序段100000次：  Z7 f$ p1 v- P3 X6 S
   
6. for m = 1:100000( U; F8 D  {* U0 T2 c( }% n
   
7.     a = rand(5,7);8 A7 D\" x- j% D5 a- C
   
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
     x5 [! J: K\" e! d8 H  @4 I/ \
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);6 A/ J) @# K9 ~, S
   
10. end
      s( Q4 G+ [7 M
11. k1 E$ z% J1 T* W2 i* Z. G6 b
    
12. toc

复制代码

多次运行，结果约为：

1. k =* }6 A0 f& U& n
   
2. 1 ?5 E! o# E6 Z) v
   
3.   1.0e+005 *
   ' q' |6 o+ G' X
4. 
   5 V* z6 f6 U7 z6 l& o
5.     2.7530    2.7525    2.7509    2.7539    2.7529
   & n5 D% `4 y) y4 o% q. e
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   2 |1 L3 E\" T8 [/ ]& B
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   7 o3 B% B+ v& U$ n: a
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   ( P( z' e7 S( E: f0 H
9.     2.7527    2.7521    2.7505    2.7519    2.7523
   3 L& n1 O3 v, ]
10. 4 f1 g$ D/ w: j' Q
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3. 5 \! n9 x( J' B& S  a9 N- D\\" [
4. main(:t0,k,i,a,b)=! c4 E, Q9 j7 p6 c
   
6. {
   
7. # W0 }' p* G8 t\\" Q3 R4 P
8.     t0=clock(),$ T2 l( `\\" u4 R: j9 I/ T0 N
   
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. . B' {9 Q; O* N5 f, W7 d0 }
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. 9 f, T2 v: @: R0 J8 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$ D% N9 ~4 M0 O\\" k9 ~
    
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)& y; @* a/ {9 E. K3 ]\\" K; A+ d% [6 w
    
18.     },
    
19. ) w6 ]' l2 v- P. c
20.     k.outa(),             //输出矩阵k
    
21. 7 e& }, T/ p6 I0 B! S, S2 g
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. 0 Y\\" x1 W# c6 x. q5 s3 o8 ]/ b
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">5 \! n9 x( J' B& S  a9 N- D\\" [</span> main(:t0,k,i,a,b)=<font class=\\"jammer\\">! c4 E, Q9 j7 p6 c</font><br /> {<br /> <span style=\\"display:none\\"># W0 }' p* G8 t\\" Q3 R4 P</span>     t0=clock(),<font class=\\"jammer\\">$ T2 l( `\\" u4 R: j9 I/ T0 N</font><br />     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">. B' {9 Q; O* N5 f, W7 d0 }</span>     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">9 f, T2 v: @: R0 J8 B</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\\">$ D% N9 ~4 M0 O\\" k9 ~</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\\">& y; @* a/ {9 E. K3 ]\\" K; A+ d% [6 w</font><br />     },<br /> <span style=\\"display:none\\">) w6 ]' l2 v- P. c</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">7 e& }, T/ p6 I0 B! S, S2 g</span>     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">0 Y\\" x1 W# c6 x. q5 s3 o8 ]/ b</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
     r7 l! r$ h; ?9 K, o\" E6 a
2.          274965         275036         275091         275112         274931
   ; l\" g3 ?% B# K, }, M, [* {+ G/ J
3.          274975         275012         275020         274963         274939
   1 j3 c, B. l\" K( J( Q\" @: x
4.          274981         274976         275117         275065         275044
   & ~; q\" M2 G6 L3 C  e2 d2 t5 z
5.          274920         274906         275005         274972         274920
   4 }- l6 t. T& O
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。