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
3 ?8 m$ C2 d, \: ~/ _4 }
. V0 I9 t5 u7 @8 x6 G/ ~5 {8 q' kLuMath 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。
; B7 s6 h0 y+ C- R
例子：
1 k: Z2 R$ `- |' `9 E
9 @3 }7 k9 k! g5 nmatlab2009a代码：

1. clear all' z/ J# n5 m5 S; V* s. ?8 Q
   
2. clc
   \" a+ G$ ~% K4 |7 U  j$ f1 [
3. tic
   : {  H  L  u/ Q7 ?6 i. P8 W# ?
4. k = zeros(5,5); % //生成5×5全0矩阵
   3 n6 N2 P/ C8 E: z5 q
5. % 循环计算以下程序段100000次：$ z# n1 @$ D0 j! d7 @4 l
   
6. for m = 1:100000
   # |) D9 a6 K* g: j0 M
7.     a = rand(5,7);
   2 `: R- X\" c0 y8 h6 ~2 O2 U
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
   % K& }, i# \3 q3 q) ^9 c7 ^
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);- x/ P. @' J: H% K  H7 |) \
   
10. end
    ' k4 B; k4 z6 T& h: R- Z
11. k: j4 P! s- v# o8 U; e3 W! K1 b
    
12. toc

复制代码

多次运行，结果约为：

1. k =7 v- w, P9 c, _) g
   
2. 6 R, [( X  i$ [  e\" k  ]0 ?( z
   
3.   1.0e+005 *: u3 w- d* }( b7 _* u! y
   
4.   X3 P# L. r/ V, a
   
5.     2.7530    2.7525    2.7509    2.7539    2.75292 ?% F7 h1 R* F
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476\" S% X  Q3 I# ~: M
   
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   . `( v0 `: Q6 c  y5 w
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   3 N3 D; V0 t! z\" i% U6 P
9.     2.7527    2.7521    2.7505    2.7519    2.7523
   7 N. o: i' o0 |
10. # V8 J; ?% D+ {1 \/ V9 p' ]
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3. 1 e9 r+ i\\" |8 l
4. main(:t0,k,i,a,b)=
   
5. ) d4 K, U  E  n; j5 {6 N
6. {
   
7. : D  V: V% v$ w9 |' k2 O
8.     t0=clock(),
   
9. & J) Z( J/ m9 x: W
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0; c% i, [& ~# v) K5 J$ f2 L$ s* a
    
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. , l7 V0 g! R! k% k6 D: _
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8 p% w0 f0 X5 s% n8 c9 e
    
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. 6 V7 i+ N. H# g
18.     },) u- B  \1 p$ z. D8 ]# z
    
20.     k.outa(),             //输出矩阵k! f' m7 V$ j/ a! Y
    
22.     [clock()-t0]/1000.    //得到计算时间，秒) e7 n- |. L( @. {  L/ U2 c
    
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">1 e9 r+ i\\" |8 l</span> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">) d4 K, U  E  n; j5 {6 N</span> {<br /> <span style=\\"display:none\\">: D  V: V% v$ w9 |' k2 O</span>     t0=clock(),<br /> <span style=\\"display:none\\">& J) Z( J/ m9 x: W</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<font class=\\"jammer\\">; c% i, [& ~# v) K5 J$ f2 L$ s* a</font><br />     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">, l7 V0 g! R! k% k6 D: _</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\\">8 p% w0 f0 X5 s% n8 c9 e</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\\">6 V7 i+ N. H# g</span>     },<font class=\\"jammer\\">) u- B  \1 p$ z. D8 ]# z</font><br />     k.outa(),             //输出矩阵k<font class=\\"jammer\\">! f' m7 V$ j/ a! Y</font><br />     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">) e7 n- |. L( @. {  L/ U2 c</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   % O+ b$ D# \& @( H' @2 S
2.          274965         275036         275091         275112         2749310 U4 x  B4 q) e/ _) X, j1 \$ }# f. {
   
3.          274975         275012         275020         274963         2749396 h- L- i- f; @+ V. n4 Y3 O1 _  ]
   
4.          274981         274976         275117         275065         2750440 q* ^' o. T9 f: K
   
5.          274920         274906         275005         274972         274920
     s* x% W! ~; M6 o' m
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。