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
8 U# ]9 r8 v" T4 l4 P) e
! f  K: Z9 w  d2 Y3 PLuMath 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。
3 b0 t3 V7 n) c3 t
  _/ }) H0 g3 d" q# j: S1 b1 N% A例子：

0 s8 {  B. A: t$ nmatlab2009a代码：

1. clear all
     I2 `8 K$ q: ~
2. clc
   5 u3 E. D4 c\" i4 _) \
3. tic6 v5 x1 F\" I1 `# p\" ?+ `
   
4. k = zeros(5,5); % //生成5×5全0矩阵
   * K1 d* r0 R; j# w\" V! L. w
5. % 循环计算以下程序段100000次：! `! S# P  C/ @. r! y! I) V2 G; z\" d
   
6. for m = 1:100000! o& t& N- @' ]: K! a
   
7.     a = rand(5,7);
   * `& b! A3 O\" c\" k. I; b5 r9 W
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% s/ |3 `% a. n) Y9 R: G6 @7 l
   
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);# d  \; i% a7 l3 m8 e
   
10. end6 [$ A' w- [9 T5 E1 O- N
    
11. k
    4 _: T/ m$ `\" X; c, H! v; s; G8 f
12. toc

复制代码

多次运行，结果约为：

1. k =
     o# m& ~% g3 g
2. , J+ |* s, K0 b7 B: B  r3 @) _4 c
   
3.   1.0e+005 */ v6 |; h: [- U# q! ?* q
   
4. ) Z5 w5 W2 v6 h
   
5.     2.7530    2.7525    2.7509    2.7539    2.7529
   9 D) [5 t8 J  T- t
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   ) ]% m$ v. W% ^0 ~\" X
7.     2.7549    2.7524    2.7527    2.7564    2.75175 T\" |3 M# m0 e6 w: X- ^\" k$ z
   
8.     2.7530    2.7523    2.7533    2.7525    2.7502% F( M5 A+ z# a0 S
   
9.     2.7527    2.7521    2.7505    2.7519    2.7523+ p' K* f. e7 Q: d( u
   
10. ! s8 o8 k. D! g
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3. % x9 w/ N/ x3 R% H1 q% Q7 N
4. main(:t0,k,i,a,b)=
   
5. 2 m9 z8 m) Q3 r& D3 m0 g, |# y5 Z7 Z
6. {
   
7. # F# m' ?: y% @: F, b
8.     t0=clock(),5 a: Y; Q- p! M6 F0 T
   
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. 7 Z, m( R( e6 f
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. 9 ?* P' ~\\" A$ K7 d0 K\\" D/ Q, o
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; W( X/ ~7 V- f
    
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. 5 r9 z/ M; H$ @% r% d3 J
18.     },
    
19. 4 m- K( a# E  b/ [! m% X  \
20.     k.outa(),             //输出矩阵k# l* b( g0 e% B2 ~3 Q) ~, a. [
    
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. * m0 @\\" i( u  f! K& F. x
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">% x9 w/ N/ x3 R% H1 q% Q7 N</span> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">2 m9 z8 m) Q3 r& D3 m0 g, |# y5 Z7 Z</span> {<br /> <span style=\\"display:none\\"># F# m' ?: y% @: F, b</span>     t0=clock(),<font class=\\"jammer\\">5 a: Y; Q- p! M6 F0 T</font><br />     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">7 Z, m( R( e6 f</span>     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">9 ?* P' ~\\" A$ K7 d0 K\\" D/ Q, o</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\\">; W( X/ ~7 V- f</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\\">5 r9 z/ M; H$ @% r% d3 J</span>     },<br /> <span style=\\"display:none\\">4 m- K( a# E  b/ [! m% X  \</span>     k.outa(),             //输出矩阵k<font class=\\"jammer\\"># l* b( g0 e% B2 ~3 Q) ~, a. [</font><br />     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">* m0 @\\" i( u  f! K& F. x</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   8 r. M8 N2 X5 D4 A' B
2.          274965         275036         275091         275112         274931
   / E7 i9 ^0 E% q, a4 T0 i
3.          274975         275012         275020         274963         274939
     l& i2 g. D6 x. a/ I2 C
4.          274981         274976         275117         275065         2750447 @1 H; w/ U! g\" o! I
   
5.          274920         274906         275005         274972         274920
   \" |8 `\" z' n7 W\" i0 L3 V
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。