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
1 Q& F. ^" _, T* |4 R. Z( R
' M" V" j0 _# r& WLuMath 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。
; n; [2 h7 Q( j0 i4 E! B
例子：

matlab2009a代码：

1. clear all
   & P9 q# |; {+ H
2. clc
   & N/ D& H; Z' @) ~2 o\" B- O1 b
3. tic, k% a) j- i4 r* k1 v
   
4. k = zeros(5,5); % //生成5×5全0矩阵: g7 c+ h, J8 p, a' W, i
   
5. % 循环计算以下程序段100000次：
   + J# f9 K9 `* V8 |6 Y
6. for m = 1:100000
   & k( x; g9 E: E+ A( N
7.     a = rand(5,7);
   % a6 \7 }( d: v
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
   6 e+ {+ \. K2 w8 {
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);( ^* @$ ?1 l3 Y
   
10. end9 h3 t\" @7 ]! u( O# p/ i8 u; T
    
11. k
    1 o! o: ]1 C8 t& U\" K  p
12. toc

复制代码

多次运行，结果约为：

1. k =& d$ b% x5 x2 I  w0 I! z1 I
   
2. ) K& `( D3 q! `& u7 x( w4 k
   
3.   1.0e+005 *- ^, ~3 f; {2 J
   
4. % l3 N+ n. l& U3 u) Q7 ?+ T
   
5.     2.7530    2.7525    2.7509    2.7539    2.7529# O5 e' m- {  T
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   % i. Y/ U# w' @7 g6 d1 q
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   3 V; `1 n- [# R' ~, b
8.     2.7530    2.7523    2.7533    2.7525    2.7502* f  n* t+ p/ Z- f( U+ ?1 {
   
9.     2.7527    2.7521    2.7505    2.7519    2.7523' X; a9 D2 G3 W
   
10. 
    % l8 p) `4 b8 S( n4 n; R
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];2 a* l\\" h\\" O7 L5 S
   
4. main(:t0,k,i,a,b)=# C0 E  @$ U+ J0 Q9 L
   
6. {
   
7. - ]# d4 u9 ^& t& b$ b; {) Q
8.     t0=clock(),
   
9. - s9 d, _7 L( U
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. $ G2 U, M& K. u! G: `( M! }4 X/ o
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. / r. U% C& y4 ?5 [. T- F2 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
    
15. ( V% p8 z1 [% E7 q# K# H! b
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)% a0 F\\" P4 }2 R5 D) t
    
18.     },6 E* Z6 I& \, m; Y, n9 q  @: H% H  P
    
20.     k.outa(),             //输出矩阵k
    
21. 9 W0 J4 j% @% F/ x
22.     [clock()-t0]/1000.    //得到计算时间，秒7 S- a# `7 s' y! l- W\\" L6 g
    
24. };

!!!using["math"];<font class=\\"jammer\\">2 a* l\\" h\\" O7 L5 S</font><br /> main(:t0,k,i,a,b)=<font class=\\"jammer\\"># C0 E  @$ U+ J0 Q9 L</font><br /> {<br /> <span style=\\"display:none\\">- ]# d4 u9 ^& t& b$ b; {) Q</span>     t0=clock(),<br /> <span style=\\"display:none\\">- s9 d, _7 L( U</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">$ G2 U, M& K. u! G: `( M! }4 X/ o</span>     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">/ r. U% C& y4 ?5 [. T- F2 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<br /> <span style=\\"display:none\\">( V% p8 z1 [% E7 q# K# H! b</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\\">% a0 F\\" P4 }2 R5 D) t</font><br />     },<font class=\\"jammer\\">6 E* Z6 I& \, m; Y, n9 q  @: H% H  P</font><br />     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">9 W0 J4 j% @% F/ x</span>     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">7 S- a# `7 s' y! l- W\\" L6 g</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   ' E7 g: h+ B5 z
2.          274965         275036         275091         275112         274931# D* C! B$ I( u: E% `: R( I- N
   
3.          274975         275012         275020         274963         2749395 h; P4 d& ?4 w/ E* z1 A8 A$ a
   
4.          274981         274976         275117         275065         275044+ b6 E0 z( f% K6 {8 X
   
5.          274920         274906         275005         274972         274920( o\" O. o% T( Q9 }0 |4 S3 g9 t
   
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。