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
6 r1 d& \" P- a
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。

- _& K: |8 |. e7 ?& _例子：
2 y( {6 C( l+ v! u9 X+ D2 B* \
matlab2009a代码：

1. clear all
   : f1 g  `1 g. C; z$ m
2. clc( E! L$ R0 @9 k9 f
   
3. tic
   % d3 T- g* D9 I+ l8 x
4. k = zeros(5,5); % //生成5×5全0矩阵
   / P5 W$ Z/ c, a4 n) A\" F
5. % 循环计算以下程序段100000次：) O) x# D+ ~% H9 P% g- H8 p
   
6. for m = 1:100000  ]9 Q2 q' H& x) _3 d
   
7.     a = rand(5,7);
   - t% O6 D3 `6 {: s7 j
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
   , `/ R. W( J. }3 W7 A% f
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   8 \+ L! M; V  L/ r3 D
10. end2 l: T/ x+ v/ y* k8 l
    
11. k
    3 K9 J1 W* Q\" x- c
12. toc

复制代码

多次运行，结果约为：

1. k =1 F6 `9 T8 e* }
   
2. 
   . B- K4 u& Y' x2 F\" c( V, F6 W\" N
3.   1.0e+005 *8 x) _1 s' g+ h) a- X; f  E7 Y& |
   
4. 
   ) L# w5 g3 @  f  @
5.     2.7530    2.7525    2.7509    2.7539    2.75291 K; {$ l# g: {2 J
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   ( S1 s. W( b5 s) |0 K5 r7 b4 N$ \% c
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   ( [\" g% u/ ?- q! D2 ]
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   1 \2 B0 X8 ~+ Y8 `% }- [1 G
9.     2.7527    2.7521    2.7505    2.7519    2.7523
   0 [2 b7 n- F+ L% ~, w
10. . h6 W2 |1 W. M
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3. ( L9 [9 e/ d+ s$ a% D
4. main(:t0,k,i,a,b)=3 W- t2 v' C3 N3 O  L* |0 a* ]
   
6. {$ ^) p1 e; d\\" ]! j+ s/ [9 t6 s2 v* X
   
8.     t0=clock(),2 {( G! b: H' p, ~9 a! I
   
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. % q3 \5 X. K7 w( o4 g
12.     i=0,(++i<=100000).while{//循环计算100000次- L8 m- ]8 @9 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. ~- |7 }, v6 `1 z6 i: O
    
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. ; o' C5 |% {9 ]4 Y, t
18.     },
    
19. ( e$ m& Q5 d8 |+ b; R0 \9 v2 @7 c6 _
20.     k.outa(),             //输出矩阵k
    
21. % f* t/ `' u7 ~
22.     [clock()-t0]/1000.    //得到计算时间，秒; `/ _! b4 _: B' T9 U6 K' ^/ v8 S
    
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">( L9 [9 e/ d+ s$ a% D</span> main(:t0,k,i,a,b)=<font class=\\"jammer\\">3 W- t2 v' C3 N3 O  L* |0 a* ]</font><br /> {<font class=\\"jammer\\">$ ^) p1 e; d\\" ]! j+ s/ [9 t6 s2 v* X</font><br />     t0=clock(),<font class=\\"jammer\\">2 {( G! b: H' p, ~9 a! I</font><br />     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">% q3 \5 X. K7 w( o4 g</span>     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">- L8 m- ]8 @9 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\\">. ~- |7 }, v6 `1 z6 i: O</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\\">; o' C5 |% {9 ]4 Y, t</span>     },<br /> <span style=\\"display:none\\">( e$ m& Q5 d8 |+ b; R0 \9 v2 @7 c6 _</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">% f* t/ `' u7 ~</span>     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">; `/ _! b4 _: B' T9 U6 K' ^/ v8 S</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         2750242 d$ i4 e\" V6 w\" d+ l8 X+ d
   
2.          274965         275036         275091         275112         2749319 Q/ R1 Y& f6 w) I5 O1 K. L
   
3.          274975         275012         275020         274963         2749395 ~. p- f% j( i
   
4.          274981         274976         275117         275065         275044+ y% l\" z! N5 u' `# G( a. f9 O+ @
   
5.          274920         274906         275005         274972         274920
   # }1 }5 P$ h$ P& k6 y
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。