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

0 N+ ~- _7 f6 z; b: 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。
" L, E' L2 N9 @3 D. }* D
. u( _- a1 J; [! n: _例子：

matlab2009a代码：

1. clear all$ \% |0 W9 u8 Y$ m# w2 m! ]6 Q5 U
   
2. clc
     f\" B$ b\" N, l' s3 V
3. tic- a& J- w! d  C: a
   
4. k = zeros(5,5); % //生成5×5全0矩阵7 B$ E, N. J' Z# I9 y
   
5. % 循环计算以下程序段100000次：
   ) A! y- P) t8 f. R& z6 k
6. for m = 1:100000
   4 z8 o( ]0 _& _1 A$ S9 C7 O4 m2 h
7.     a = rand(5,7);) f/ J8 m1 {# y& n. Z6 `  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
   8 `( q0 a! _+ X% J: ]
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   8 ], c2 a( T1 {  r( Q; J& K8 T: i
10. end; K# ?( B8 h6 N- k) W1 ~5 U
    
11. k( F$ B/ c* A/ I3 ~8 R6 q
    
12. toc

复制代码

多次运行，结果约为：

1. k =8 n% r' ^) D9 `2 K2 |' s0 }) N
   
2. * t( D( b$ ~; `5 H( @
   
3.   1.0e+005 *4 Q6 @; o3 H. [  a% s- k; {+ \, j
   
4. 
   * k9 N7 G3 }\" a% c* k3 P
5.     2.7530    2.7525    2.7509    2.7539    2.7529
   7 A4 d5 i; O/ F! }
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   8 B( Z* _! A/ _) Z, F# n/ E3 t
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   8 v# b  w. i8 n. R* I4 o
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   & D9 K8 D8 A1 B6 @* k6 z+ _
9.     2.7527    2.7521    2.7505    2.7519    2.7523
   ' _/ ?) t, d! A% d! S. {
10. + s8 W' h\" |$ U  }
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];, g4 v+ R* s, t. q/ b+ C# [0 z  G
   
4. main(:t0,k,i,a,b)=
   
5. 2 i6 t& D3 v5 V' U. O
6. {9 E% B2 J! ?\\" I2 {2 g
   
8.     t0=clock(),
   
9. 6 Q$ g1 G\\" `$ {) p5 J4 [$ {0 ^
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. ( I7 |* Q$ e+ E  n0 M& t$ K
12.     i=0,(++i<=100000).while{//循环计算100000次9 c' d6 I- h' \4 b5 u+ f+ _8 a
    
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8 Y: N; a: I' c: w5 T* p- ~) ?3 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)* K0 d% c' r- o9 Q8 v/ A- ~
    
18.     },0 B+ m( _' ~8 {6 Y6 B+ c
    
20.     k.outa(),             //输出矩阵k' [  q  o8 M+ u3 I* Q' v\\" K
    
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. , m, g5 x) y4 F; C! N
24. };

!!!using["math"];<font class=\\"jammer\\">, g4 v+ R* s, t. q/ b+ C# [0 z  G</font><br /> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">2 i6 t& D3 v5 V' U. O</span> {<font class=\\"jammer\\">9 E% B2 J! ?\\" I2 {2 g</font><br />     t0=clock(),<br /> <span style=\\"display:none\\">6 Q$ g1 G\\" `$ {) p5 J4 [$ {0 ^</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">( I7 |* Q$ e+ E  n0 M& t$ K</span>     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">9 c' d6 I- h' \4 b5 u+ f+ _8 a</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<font class=\\"jammer\\">8 Y: N; a: I' c: w5 T* p- ~) ?3 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)<font class=\\"jammer\\">* K0 d% c' r- o9 Q8 v/ A- ~</font><br />     },<font class=\\"jammer\\">0 B+ m( _' ~8 {6 Y6 B+ c</font><br />     k.outa(),             //输出矩阵k<font class=\\"jammer\\">' [  q  o8 M+ u3 I* Q' v\\" K</font><br />     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">, m, g5 x) y4 F; C! N</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   2 y( z7 x, \3 z/ d( X
2.          274965         275036         275091         275112         274931! B8 \6 \/ ?( ?' z
   
3.          274975         275012         275020         274963         274939
   7 P' a  e/ X: _! e2 K4 b/ q( W
4.          274981         274976         275117         275065         275044
   + G0 Y! R\" C8 ^4 l: n
5.          274920         274906         275005         274972         274920
   $ Q! j' a$ T3 {, r, w
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。