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。
+ M8 |/ i  a8 K9 n
# c& v  S# t/ w$ a例子：
4 n2 O5 U% m: A5 Z" v
matlab2009a代码：

1. clear all
   3 r6 G, n/ T7 `0 u7 d( q' z7 ]
2. clc# _+ C) A# d5 K
   
3. tic6 w; i1 [# m, f: b
   
4. k = zeros(5,5); % //生成5×5全0矩阵\" w) u& \: H/ w\" d. ^- \. _
   
5. % 循环计算以下程序段100000次：
   : a4 ]. j& v4 o6 b7 N& e
6. for m = 1:100000; Q' d5 K\" b. |\" r+ f) f. ?
   
7.     a = rand(5,7);2 c/ _\" ~- S* m; X
   
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: ?1 J, z  O. A. S+ Q! z7 Q* C- w, S
   
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   ( W. e) S+ y8 t3 ?. q: y) q/ z
10. end' G  s+ _% u! f: v2 C6 K
    
11. k
    % `0 V7 Q$ M; x2 J8 o' K. }% P
12. toc

复制代码

多次运行，结果约为：

1. k =
   * f6 j8 x1 `) {1 U. [
2. 
   . @6 J. }4 x* K1 R* ?5 a& b
3.   1.0e+005 *, Q2 r7 m) D5 D5 [1 v5 D9 K
   
4. 
   ( N& O3 b0 h( y
5.     2.7530    2.7525    2.7509    2.7539    2.7529
   0 {2 Y- F5 x( b/ u/ k1 C5 [
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   ( u+ c$ m2 V9 T\" B( D, o& x) |8 q
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   ( W$ u+ q( d4 j+ w3 ]
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   3 Z9 g$ d' ?8 q: _
9.     2.7527    2.7521    2.7505    2.7519    2.75238 c, j2 d3 i1 f- R* }
   
10. 5 y5 X: g& o* Q+ q  P
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3. 0 q3 w0 x9 z) P( L  v  O
4. main(:t0,k,i,a,b)=
   
5. / T) r, A; K5 Q! N
6. {9 e; I, Q$ J1 h8 j* `4 G% P  ]
   
8.     t0=clock(),( [, m+ f6 B2 z1 Q4 Z
   
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. 4 R2 |! c0 W1 `6 b\\" A1 Q! P
12.     i=0,(++i<=100000).while{//循环计算100000次8 N  X0 s, w; s8 a# g\\" k7 t0 f
    
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. 7 E- J- o3 D3 e! ~/ _
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. 1 O' W5 e\\" D8 Y* j* h
18.     },
    
19. 2 P9 e+ ?: Y. P2 z
20.     k.outa(),             //输出矩阵k
    
21. . x\\" W; [4 I: P5 `6 q
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. ' R7 H! h+ V$ k& R+ U1 x4 C; R
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">0 q3 w0 x9 z) P( L  v  O</span> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">/ T) r, A; K5 Q! N</span> {<font class=\\"jammer\\">9 e; I, Q$ J1 h8 j* `4 G% P  ]</font><br />     t0=clock(),<font class=\\"jammer\\">( [, m+ f6 B2 z1 Q4 Z</font><br />     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">4 R2 |! c0 W1 `6 b\\" A1 Q! P</span>     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">8 N  X0 s, w; s8 a# g\\" k7 t0 f</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\\">7 E- J- o3 D3 e! ~/ _</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\\">1 O' W5 e\\" D8 Y* j* h</span>     },<br /> <span style=\\"display:none\\">2 P9 e+ ?: Y. P2 z</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">. x\\" W; [4 I: P5 `6 q</span>     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">' R7 H! h+ V$ k& R+ U1 x4 C; R</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   # c6 A) C3 t\" G& |8 W9 D  S\" K
2.          274965         275036         275091         275112         274931& K- A5 P  |8 F5 ~$ m: x4 R
   
3.          274975         275012         275020         274963         274939
   ! ~, I2 o9 q, t\" Y# v/ x
4.          274981         274976         275117         275065         275044
   3 T/ r& }$ R% R# J; k. S, K; c
5.          274920         274906         275005         274972         274920
   ( U* V  _& D\" L1 ~/ U7 X: 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。