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
9 Z( V* I5 E3 H  J
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。
* H& ^8 P6 M# ^* k+ ^" H! I* b
1 @8 |6 i& S3 Y例子：
7 K. v$ A* S1 c. b9 Z+ b
& ^( K9 H) w1 O) umatlab2009a代码：

1. clear all1 m, X' W/ C2 {+ m1 k
   
2. clc% p\" `/ R\" J+ B) R
   
3. tic
   ! H& Q) Z% m# \  m& H$ {
4. k = zeros(5,5); % //生成5×5全0矩阵# S1 b( j- `5 O+ m: }; C\" p
   
5. % 循环计算以下程序段100000次：+ C. e- m1 a4 R2 L5 n0 T\" Y
   
6. for m = 1:100000
   9 a& \9 p5 m' M! H% C0 N$ s' @
7.     a = rand(5,7);. }2 t\" q( t6 c4 O6 j+ O\" g
   
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
   ; `! _$ C3 @+ W\" f
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   ) x% q1 S( f3 Y6 I1 w9 S: Y
10. end
      z4 x' i  v' N2 ]$ u/ r6 _
11. k3 R3 l( p8 z- p' s* \
    
12. toc

复制代码

多次运行，结果约为：

1. k =
   7 \! [. Q8 b2 \9 b\" c) `
2. 
   2 |! _. {) M5 Q  l, _
3.   1.0e+005 *
   $ w9 x$ A4 D; `$ S% ^. O' c
4. 
   0 v4 Y) C4 B) z$ j
5.     2.7530    2.7525    2.7509    2.7539    2.7529& B% J\" N9 s- m/ J% `' h) ]' L; `
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   ! Q5 S7 `9 P6 |1 |1 z2 A& M3 u$ g* Z6 h
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   % v* {) {. [! c) L( ]
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   0 M* @, \- B( y
9.     2.7527    2.7521    2.7505    2.7519    2.7523
   ; t; P# l: t% z
10. 2 i% V\" X( Z0 u
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3.   ~9 i! c# H: ?8 E/ c, b
4. main(:t0,k,i,a,b)=# {# ?2 q/ d- z) S0 X( j2 g
   
6. {+ @9 Z2 {+ O3 G/ w0 k! w
   
8.     t0=clock(),- ]! W- X9 K. _' m; h
   
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. ( g: r' l  B* x8 X% K
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. % Q4 x- t4 @4 V. }, m# Z$ {
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9 Q1 e3 t) K1 M$ t$ A! I0 G
    
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. 8 h8 q\\" Z/ E( I4 O( ]8 j
18.     },
    
19. 0 V5 `+ X: g, V7 N! F  l/ k9 h( y1 X- d
20.     k.outa(),             //输出矩阵k
    
21. . X/ _( ]6 [6 V
22.     [clock()-t0]/1000.    //得到计算时间，秒2 @) H* z, D: ~3 I9 J4 I) a
    
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">  ~9 i! c# H: ?8 E/ c, b</span> main(:t0,k,i,a,b)=<font class=\\"jammer\\"># {# ?2 q/ d- z) S0 X( j2 g</font><br /> {<font class=\\"jammer\\">+ @9 Z2 {+ O3 G/ w0 k! w</font><br />     t0=clock(),<font class=\\"jammer\\">- ]! W- X9 K. _' m; h</font><br />     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">( g: r' l  B* x8 X% K</span>     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">% Q4 x- t4 @4 V. }, m# Z$ {</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\\">9 Q1 e3 t) K1 M$ t$ A! I0 G</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\\">8 h8 q\\" Z/ E( I4 O( ]8 j</span>     },<br /> <span style=\\"display:none\\">0 V5 `+ X: g, V7 N! F  l/ k9 h( y1 X- d</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">. X/ _( ]6 [6 V</span>     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">2 @) H* z, D: ~3 I9 J4 I) a</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024- ]! P7 P: E1 u& @- l
   
2.          274965         275036         275091         275112         274931, S) K7 ^; G: u  D! x- Y& L
   
3.          274975         275012         275020         274963         274939
   # W, [: J  K- `( U( t
4.          274981         274976         275117         275065         275044
   \" j6 V* ~; C/ g7 C7 I+ y
5.          274920         274906         275005         274972         274920
   9 u8 z( ^1 S) F6 Z
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。