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
8 e( \1 e$ m( o5 B
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。

例子：

matlab2009a代码：

1. clear all
   4 y, W3 H$ |9 f
2. clc
   & w% U% x\" J8 [
3. tic
   5 v4 n6 L9 l& l  n/ R+ F
4. k = zeros(5,5); % //生成5×5全0矩阵2 {, B, k' u  {5 Q
   
5. % 循环计算以下程序段100000次：! ~, M* t+ h' e# r
   
6. for m = 1:100000
   + ^% }- X& i$ E2 [\" l( S7 v. K
7.     a = rand(5,7);
   4 {* H, ^- P. l4 D1 A; H& f0 o* Z
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
   # {9 s1 S\" K  v+ @/ u
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
     ?! h: n4 C6 `; G/ q& C
10. end
    5 s' i! a  V1 @: }
11. k
    * w, `, o$ B1 g' f: {; b
12. toc

复制代码

多次运行，结果约为：

1. k =, \+ Z% Z5 j4 B
   
2. ) U4 N. q& g& ]3 @, b- D6 L+ w
   
3.   1.0e+005 *
   ; M5 J/ [# T6 H  _+ h5 b+ y; a
4. 
   7 l  F# w& `' {( i. ]8 m4 o% t
5.     2.7530    2.7525    2.7509    2.7539    2.7529/ D; E1 [- z! n% Q. N6 S: ~5 W
   
6.     2.7521    2.7494    2.7493    2.7542    2.74760 e3 g; |5 E\" a2 B( n% {
   
7.     2.7549    2.7524    2.7527    2.7564    2.75178 N7 ?6 p5 b8 n* }
   
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   ' f; l1 s- ?3 l  e0 o
9.     2.7527    2.7521    2.7505    2.7519    2.75238 @* R2 }6 g0 r3 s, }/ E
   
10. 
    0 ~) _( @2 o4 }$ {8 P
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3. , s8 H\\" t4 S/ T* h3 o  N# K+ h
4. main(:t0,k,i,a,b)=
   
5. ( T0 p) {0 B3 h- y\\" j% r
6. {5 `8 X% z# {& t- t% J/ S  Z9 R
   
8.     t0=clock(),
   
9. ) D0 Z/ b8 j3 W& j1 t& ^3 H
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0. u* K! y  k5 b) R
    
12.     i=0,(++i<=100000).while{//循环计算100000次' H  E* L) U, O; H$ m\\" A; _7 F
    
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. 4 ^3 C. @# X9 s( J/ t5 S& L6 r\\" h0 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)) A2 S7 C  o2 L# ]( E  u
    
18.     },! R# D6 W5 U! D. r
    
20.     k.outa(),             //输出矩阵k
    
21. 3 B6 p1 z\\" D1 }. i* C4 i; U' e' E
22.     [clock()-t0]/1000.    //得到计算时间，秒- t2 G& o; |0 P) E
    
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">, s8 H\\" t4 S/ T* h3 o  N# K+ h</span> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">( T0 p) {0 B3 h- y\\" j% r</span> {<font class=\\"jammer\\">5 `8 X% z# {& t- t% J/ S  Z9 R</font><br />     t0=clock(),<br /> <span style=\\"display:none\\">) D0 Z/ b8 j3 W& j1 t& ^3 H</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<font class=\\"jammer\\">. u* K! y  k5 b) R</font><br />     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">' H  E* L) U, O; H$ m\\" A; _7 F</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<br /> <span style=\\"display:none\\">4 ^3 C. @# X9 s( J/ t5 S& L6 r\\" h0 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\\">) A2 S7 C  o2 L# ]( E  u</font><br />     },<font class=\\"jammer\\">! R# D6 W5 U! D. r</font><br />     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">3 B6 p1 z\\" D1 }. i* C4 i; U' e' E</span>     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">- t2 G& o; |0 P) E</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   7 e4 @/ w. S8 K0 Y0 I) T% b3 k
2.          274965         275036         275091         275112         274931
   5 v: _/ p, V1 M* s! R2 E+ P1 o
3.          274975         275012         275020         274963         274939
   9 I; @\" o0 w( g$ ~, u\" K3 K. Y
4.          274981         274976         275117         275065         2750441 q& l( d- I5 v# _9 ?
   
5.          274920         274906         275005         274972         274920
   ( [7 o; B. `9 t7 Y9 W
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。