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

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。

2 O& t6 E2 H4 A例子：
3 R: Z# H; T/ g5 J
matlab2009a代码：

1. clear all7 Y0 e/ ~4 k; z/ {
   
2. clc
   , Z( u3 ?! ?' I7 u' D5 v: c- k
3. tic
   / l8 u! E. Y6 l% L, `; e4 {7 @+ e4 ~
4. k = zeros(5,5); % //生成5×5全0矩阵
   # B! L- [8 r2 i: ]6 n( R+ _
5. % 循环计算以下程序段100000次：
   & o& F0 i* x; Z6 ~. d
6. for m = 1:100000
   1 ^$ ]6 ?) D) B- J) M
7.     a = rand(5,7);. P- b# F& ~+ Z5 S( p
   
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
   ' c0 i\" {* A1 V  x5 j
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   6 B( u8 J1 h  z6 d1 R% _/ q
10. end
    # I7 Y7 [2 K% q1 C( u0 @8 a
11. k
    ; @) K5 e/ a7 S
12. toc

复制代码

多次运行，结果约为：

1. k =1 J: c  ?; @# n
   
2. % n1 L/ P3 F( l
   
3.   1.0e+005 *4 O. _8 U. A# U, P( F
   
4. 
   0 {# b  d4 r4 E
5.     2.7530    2.7525    2.7509    2.7539    2.7529
   & _% l3 K% T: M+ Y$ W
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   ; b: ?8 e6 D8 c2 Y8 c. Z& u
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   \" @# a! }2 B+ S
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   2 P( j% F( K# e2 \* V4 j
9.     2.7527    2.7521    2.7505    2.7519    2.7523
   2 `) V3 `\" c# n: P- e
10. 9 w/ x! T2 l! t! V7 Z0 @
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];8 t3 m# G( O2 D
   
4. main(:t0,k,i,a,b)=* q4 ?, y5 V# ^* o3 X; b  B% M2 B
   
6. {
   
7. : C2 v\\" m  e, V4 j\\" b+ q* f  T9 T
8.     t0=clock(),
   
9. 6 I. t' O+ H% [) F5 U! c
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. 1 L' \. Y5 h# g\\" l
12.     i=0,(++i<=100000).while{//循环计算100000次& Y2 h  P: W% L5 X0 w9 y
    
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 E( G0 H3 v+ G1 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), R# v# H( ^9 c6 g) N: H8 q\\" ^0 U
    
18.     },
    
19. + ^0 F  R% e) A# [3 A* |
20.     k.outa(),             //输出矩阵k
    
21. 0 W7 L' h0 F' Y8 e( A9 p- _  ]
22.     [clock()-t0]/1000.    //得到计算时间，秒7 q' ]  E- Z4 X4 z5 o. U
    
24. };

!!!using["math"];<font class=\\"jammer\\">8 t3 m# G( O2 D</font><br /> main(:t0,k,i,a,b)=<font class=\\"jammer\\">* q4 ?, y5 V# ^* o3 X; b  B% M2 B</font><br /> {<br /> <span style=\\"display:none\\">: C2 v\\" m  e, V4 j\\" b+ q* f  T9 T</span>     t0=clock(),<br /> <span style=\\"display:none\\">6 I. t' O+ H% [) F5 U! c</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">1 L' \. Y5 h# g\\" l</span>     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">& Y2 h  P: W% L5 X0 w9 y</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\\">8 E( G0 H3 v+ G1 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\\">, R# v# H( ^9 c6 g) N: H8 q\\" ^0 U</font><br />     },<br /> <span style=\\"display:none\\">+ ^0 F  R% e) A# [3 A* |</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">0 W7 L' h0 F' Y8 e( A9 p- _  ]</span>     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">7 q' ]  E- Z4 X4 z5 o. U</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   & m8 b\" X/ W7 L6 j7 W8 e; a3 ^6 A, k
2.          274965         275036         275091         275112         274931\" p+ y: G& g2 @' c
   
3.          274975         275012         275020         274963         274939
   1 D0 X  z' n3 G* s0 i0 N* _
4.          274981         274976         275117         275065         275044
   + W+ j- ^* F- j+ R
5.          274920         274906         275005         274972         274920
   9 w4 [' {! F& o8 B  J
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。