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
2 }" q) T. N. ]9 a! O) [
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。
: w2 d' C$ j, @# l8 ?
# g8 X# q" |7 A2 e例子：
$ c7 H2 {, k) |8 t: X: F: A/ O
% _/ Y* n- o& e, N# Y- tmatlab2009a代码：

1. clear all
   ( b5 h6 z/ X1 ^8 E% m) X! f1 o
2. clc5 g; G& m( H) G% F5 W, \. U- J
   
3. tic
   7 V5 a/ ?, o. K
4. k = zeros(5,5); % //生成5×5全0矩阵  E; g7 s  v( i  G3 E
   
5. % 循环计算以下程序段100000次：
   / Y\" @+ X# d* R$ [6 |3 c
6. for m = 1:100000
   3 V1 q/ M. i; P/ N8 A% s
7.     a = rand(5,7);
   6 f- V9 T; o! x+ D( ~
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
   - @1 Y3 R! U6 b+ Z. ]
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   8 h6 S3 f$ i8 L$ D
10. end* F1 X3 P6 W6 c5 d. z0 k& h' z4 z$ h
    
11. k, S# G: A. Z% o2 c2 E/ }
    
12. toc

复制代码

多次运行，结果约为：

1. k =5 }1 M& g7 J$ @\" X: U% X9 q- E) I
   
2. ; s5 P& v9 C  o1 ^, F) E
   
3.   1.0e+005 *
   6 U; V\" W$ y7 U' \+ [
4.   J$ _1 R4 b( u$ k' k- m- O
   
5.     2.7530    2.7525    2.7509    2.7539    2.7529+ w+ C! n) m8 N
   
6.     2.7521    2.7494    2.7493    2.7542    2.74766 F& ]# d6 Y8 n+ o& j* v\" t
   
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   , c. t) ], }( L
8.     2.7530    2.7523    2.7533    2.7525    2.7502- m+ N( v. B0 `( q! t
   
9.     2.7527    2.7521    2.7505    2.7519    2.7523* \8 W8 ]2 a! T# ^- s% t5 s
   
10. 
    7 T. D! ^# x8 v1 ^( W
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];# y\\" t$ s; F0 ~: }% V
   
4. main(:t0,k,i,a,b)=9 ?; g$ {+ ^1 ~- W$ |
   
6. {# M; ]4 u6 P1 x, [4 y: l
   
8.     t0=clock(),
   
9. ! |, B  M7 H8 I; j: S; d
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. 8 V: P\\" s. `8 }; P1 I
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. ) K6 T% A3 t$ Z% ?# i& @5 T
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
    
15. ! n2 m( D, [. z1 C8 A' q* z, 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)7 X3 h( t% j; b3 V$ v
    
18.     },
    
19. # ~; N! S! ?7 _; w* v8 ~4 @7 {
20.     k.outa(),             //输出矩阵k
    
21. . p8 g# F+ I6 E: T
22.     [clock()-t0]/1000.    //得到计算时间，秒2 a9 j( F: h\\" Z/ }0 e# \
    
24. };

!!!using["math"];<font class=\\"jammer\\"># y\\" t$ s; F0 ~: }% V</font><br /> main(:t0,k,i,a,b)=<font class=\\"jammer\\">9 ?; g$ {+ ^1 ~- W$ |</font><br /> {<font class=\\"jammer\\"># M; ]4 u6 P1 x, [4 y: l</font><br />     t0=clock(),<br /> <span style=\\"display:none\\">! |, B  M7 H8 I; j: S; d</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">8 V: P\\" s. `8 }; P1 I</span>     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">) K6 T% A3 t$ Z% ?# i& @5 T</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<br /> <span style=\\"display:none\\">! n2 m( D, [. z1 C8 A' q* z, m</span>         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 X3 h( t% j; b3 V$ v</font><br />     },<br /> <span style=\\"display:none\\"># ~; N! S! ?7 _; w* v8 ~4 @7 {</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">. p8 g# F+ I6 E: T</span>     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">2 a9 j( F: h\\" Z/ }0 e# \</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         2750241 r6 Q1 A, e; v6 f3 X+ M4 M+ j. P
   
2.          274965         275036         275091         275112         274931. j% r  e\" \8 u8 X6 N8 l
   
3.          274975         275012         275020         274963         2749393 }\" \3 ?% {3 A, {
   
4.          274981         274976         275117         275065         275044. T& A! P7 ~6 ], V  }: I
   
5.          274920         274906         275005         274972         274920: s+ k0 X, h8 R
   
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。