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
  H& k% r* A( X4 v( S- [5 S
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。
7 u7 ^8 v5 F) H
) G$ U- R! D8 f3 A0 c" p7 z% ~# ^+ Q例子：
$ Q2 w2 ~* ]9 P( m& q0 l5 @
matlab2009a代码：

1. clear all. Z5 _6 D\" @; z$ m' M0 I
   
2. clc  K. v2 U1 H2 H* ?; G
   
3. tic
   % a: M- ]; W4 J4 G$ `9 C; Q3 J' p5 E
4. k = zeros(5,5); % //生成5×5全0矩阵& R% b# x8 _) L. X
   
5. % 循环计算以下程序段100000次：
     _3 F  u\" ~$ `+ Q7 ^
6. for m = 1:100000% Z# Q\" G2 }/ `( R6 ^% R
   
7.     a = rand(5,7);4 m' U- ^4 k' D6 S
   
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6 K7 p# n9 {3 S8 ~\" Z
   
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);$ q6 [1 w; ~0 n: ^/ @; p
   
10. end
    0 s. d8 V; V( [7 Z& Y& u! h4 y! p) g2 ~
11. k  Z5 Q0 H/ I$ N/ P2 `; K
    
12. toc

复制代码

多次运行，结果约为：

1. k =
   , r+ e! Z% h/ g4 i
2. 6 T! L5 j\" Z' v1 V6 H! w9 m) x
   
3.   1.0e+005 *
   & f% R6 N! I; t5 v6 T% \9 Y
4. ( Y, e' Q$ `( ]0 a\" H: I2 G! f3 @4 ]
   
5.     2.7530    2.7525    2.7509    2.7539    2.7529% T# y5 ]& \+ r5 n  p
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   # u2 U/ c4 X' y( c& @- @. R/ y
7.     2.7549    2.7524    2.7527    2.7564    2.7517& d9 ?- Z$ }* J! i4 y% n0 T* ~! w
   
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   1 B! A1 l0 x( G9 J3 A
9.     2.7527    2.7521    2.7505    2.7519    2.7523
   0 t\" G/ S# N9 u- d0 u- m% X
10. 
    4 h4 f+ T$ ^; j! I7 a! f. S
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3. 4 I- O/ j$ |- u5 N2 U( M) t
4. main(:t0,k,i,a,b)=
   
5. ' {9 b; z! d' r9 c5 Y
6. {1 ~$ J; N0 b$ G, E\\" N& J
   
8.     t0=clock(),
   
9. # L; l5 F8 J2 R
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为07 T3 D8 A1 T  w6 J6 \& F
    
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. ! G' n) N9 M3 K
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3 \! I, K# S' ?- |# k
    
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)) @7 d& J$ U% q  N/ \
    
18.     },
    
19. 5 A0 k# f2 P  A5 u) g
20.     k.outa(),             //输出矩阵k
    
21. ' x9 x' q7 }5 n$ l# \* u4 u
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. , H\\" I$ D; @. R6 q! L3 o
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">4 I- O/ j$ |- u5 N2 U( M) t</span> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">' {9 b; z! d' r9 c5 Y</span> {<font class=\\"jammer\\">1 ~$ J; N0 b$ G, E\\" N& J</font><br />     t0=clock(),<br /> <span style=\\"display:none\\"># L; l5 F8 J2 R</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<font class=\\"jammer\\">7 T3 D8 A1 T  w6 J6 \& F</font><br />     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">! G' n) N9 M3 K</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\\">3 \! I, K# S' ?- |# k</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\\">) @7 d& J$ U% q  N/ \</font><br />     },<br /> <span style=\\"display:none\\">5 A0 k# f2 P  A5 u) g</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">' x9 x' q7 }5 n$ l# \* u4 u</span>     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">, H\\" I$ D; @. R6 q! L3 o</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   . \, K' T' C4 j% b! _( r$ B
2.          274965         275036         275091         275112         2749313 J+ i6 K9 O. W% v4 j0 U- G
   
3.          274975         275012         275020         274963         274939) u6 r6 y: p: B6 K- {# p1 r
   
4.          274981         274976         275117         275065         275044
   0 z& B6 o; E% F
5.          274920         274906         275005         274972         274920
   ' v4 k4 ~+ H, G# G, @
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。