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
' C3 f# T& B' T* |; p* u& D
7 s; J) f# F, p) {6 M+ ?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：

+ f$ N( J& Z% ^; u$ o# p2 ]2 f5 E/ Nmatlab2009a代码：

1. clear all
   \" h4 S4 d! {% D8 T6 b- m
2. clc+ Q$ X; [, ~$ @) F: B2 A
   
3. tic* A0 d# P\" ?1 l9 \+ j( H
   
4. k = zeros(5,5); % //生成5×5全0矩阵
   * g5 M6 a  a, w1 V7 ], D# G! g
5. % 循环计算以下程序段100000次：
   1 V5 a. `6 ?4 Y. K  v. D
6. for m = 1:100000, H* j+ X\" `7 r3 {5 u
   
7.     a = rand(5,7);
   ; b+ _7 r5 \* J; t: T8 i\" r& P2 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  |$ O9 c- m: z8 N
   
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   3 E: T# a$ N3 d# E8 z, l: p* L
10. end
    0 \% j: j2 L. }+ ?2 m+ N* k
11. k
    1 k' t5 ~2 W. L2 w1 c5 r, f# r5 ]4 ^
12. toc

复制代码

多次运行，结果约为：

1. k =
   & m% s: x$ P' K! L% i. M
2. 
   4 A. {7 t) h% D. J5 T
3.   1.0e+005 *
   * n' ^9 E/ V1 y\" E) ^
4. 8 L) X9 P) h6 g2 S' f7 S- b) p
   
5.     2.7530    2.7525    2.7509    2.7539    2.75293 X% B( \0 F& Z9 {- b9 a
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   6 _0 }3 g1 n7 @, n* o
7.     2.7549    2.7524    2.7527    2.7564    2.75172 E! f6 W) r) H' S& i- g* W
   
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   4 L, }  W/ m5 l5 |! y9 ~& B
9.     2.7527    2.7521    2.7505    2.7519    2.7523# r6 l8 r5 F6 o; {\" V) @
   
10. \" D  O& \* u& u2 e, x, v/ @\" b0 d
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3. . Q- c3 y2 I# @' F( Q$ q) b( z
4. main(:t0,k,i,a,b)=
   
5. 2 Y3 g8 f2 S\\" _
6. {9 B1 c* k& c* b* L: _% r. r
   
8.     t0=clock(),& q2 k7 u$ i8 n
   
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. 6 Q$ J! }1 ?0 B
12.     i=0,(++i<=100000).while{//循环计算100000次6 X+ q5 v; A% b2 q( r
    
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. & g9 e2 n: m5 _& {6 ]3 S! Y8 J& ?! N
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. ) B/ T3 P1 M- ^/ \1 ]0 Q) R
18.     },' s/ ]. I& m5 K6 Q! I
    
20.     k.outa(),             //输出矩阵k/ A\\" ~- P( U# h\\" g& d0 @' d
    
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. % x& N  P4 {' F. v
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">. Q- c3 y2 I# @' F( Q$ q) b( z</span> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">2 Y3 g8 f2 S\\" _</span> {<font class=\\"jammer\\">9 B1 c* k& c* b* L: _% r. r</font><br />     t0=clock(),<font class=\\"jammer\\">& q2 k7 u$ i8 n</font><br />     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">6 Q$ J! }1 ?0 B</span>     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">6 X+ q5 v; A% b2 q( r</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\\">& g9 e2 n: m5 _& {6 ]3 S! Y8 J& ?! N</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)<br /> <span style=\\"display:none\\">) B/ T3 P1 M- ^/ \1 ]0 Q) R</span>     },<font class=\\"jammer\\">' s/ ]. I& m5 K6 Q! I</font><br />     k.outa(),             //输出矩阵k<font class=\\"jammer\\">/ A\\" ~- P( U# h\\" g& d0 @' d</font><br />     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">% x& N  P4 {' F. v</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024. r7 r1 A0 ]' d# q% ]! Z9 t
   
2.          274965         275036         275091         275112         274931, B( P! {& B# q; y+ G& \
   
3.          274975         275012         275020         274963         274939
   % a4 I3 p, Q, x2 m\" C
4.          274981         274976         275117         275065         2750447 b4 p& K! G' y% s5 P
   
5.          274920         274906         275005         274972         2749209 j) G8 _+ P' S: j# V2 p\" p
   
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。