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

$ |( @- B; d6 L' w8 y& ~; ZLuMath 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。

7 Z5 j* a! S/ o6 r& J4 V$ D例子：

matlab2009a代码：

1. clear all) k0 q' p6 h, z( c7 r: x
   
2. clc
   1 c1 Y/ H2 C# C6 l
3. tic6 j6 V\" |' N3 z0 [& u% V8 q
   
4. k = zeros(5,5); % //生成5×5全0矩阵3 I! T; q8 A1 {; \( U! d8 o' j* q
   
5. % 循环计算以下程序段100000次：$ T5 C, k: s( c! |& X+ K( c$ Z
   
6. for m = 1:100000
   8 K( B5 V. I* J( ^. i# Y1 Q+ w\" A
7.     a = rand(5,7);- A0 a: P* A/ K, }% E% a7 v& E  k
   
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) M# M; H; `' E# v1 f
   
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   ; }- y6 W+ n& p% b7 B
10. end
    7 q/ |\" E! c9 b! L2 E& J7 z
11. k
    ' W) R, @! j1 w; d
12. toc

复制代码

多次运行，结果约为：

1. k =
   & v- C0 Y9 T' @6 U
2. 
   % J6 `4 y( i7 q6 j  R8 X! S, g
3.   1.0e+005 *
   , @- L* e+ A; i/ D/ S
4. 
   - {( H! h; {, n, }  I
5.     2.7530    2.7525    2.7509    2.7539    2.7529; u) \% C& F# T
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476( J3 ~7 u) H' X: r- V6 I& z
   
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   5 w. v+ L8 \  \0 q! ?
8.     2.7530    2.7523    2.7533    2.7525    2.75024 x) B8 w$ I) N7 i& `
   
9.     2.7527    2.7521    2.7505    2.7519    2.7523
   0 M$ Q6 A& y! G: V9 d1 I/ H
10. 
    4 r; m$ d# ^2 {. J
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];9 }3 x+ K\\" l( e3 C  u
   
4. main(:t0,k,i,a,b)=  o! Q  Y4 S$ k- U% e+ I4 ^! M2 _- z, o
   
6. {
   
7. , v; n! t1 `, H5 a8 [4 M$ ~7 t
8.     t0=clock(),# i3 X# R. T. K0 z
   
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. : t2 F3 q: o. n1 U2 T/ x1 v2 h\\" q5 G. G
12.     i=0,(++i<=100000).while{//循环计算100000次6 v9 [9 E! h5 d7 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
    
15. ) `2 }5 D) Q% C1 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. 5 P0 G7 N# t8 k4 d7 r* O/ S0 t
18.     },7 D0 }) m3 d6 T8 J5 a( ~
    
20.     k.outa(),             //输出矩阵k7 F& h8 S' @2 c+ E& g9 R/ v
    
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. , B4 M/ D5 t/ J: n# b+ R! `& }
24. };

!!!using["math"];<font class=\\"jammer\\">9 }3 x+ K\\" l( e3 C  u</font><br /> main(:t0,k,i,a,b)=<font class=\\"jammer\\">  o! Q  Y4 S$ k- U% e+ I4 ^! M2 _- z, o</font><br /> {<br /> <span style=\\"display:none\\">, v; n! t1 `, H5 a8 [4 M$ ~7 t</span>     t0=clock(),<font class=\\"jammer\\"># i3 X# R. T. K0 z</font><br />     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">: t2 F3 q: o. n1 U2 T/ x1 v2 h\\" q5 G. G</span>     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">6 v9 [9 E! h5 d7 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<br /> <span style=\\"display:none\\">) `2 }5 D) Q% C1 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\\">5 P0 G7 N# t8 k4 d7 r* O/ S0 t</span>     },<font class=\\"jammer\\">7 D0 }) m3 d6 T8 J5 a( ~</font><br />     k.outa(),             //输出矩阵k<font class=\\"jammer\\">7 F& h8 S' @2 c+ E& g9 R/ v</font><br />     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">, B4 M/ D5 t/ J: n# b+ R! `& }</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024; Z  f9 v  g; y+ ~' b; w3 w+ |
   
2.          274965         275036         275091         275112         274931
   0 P9 g; Y( C, @, F! O& d' m
3.          274975         275012         275020         274963         274939
   ! V) r9 M4 b+ k5 y
4.          274981         274976         275117         275065         2750447 p- j: s. ]4 S( o6 L) c, r/ y
   
5.          274920         274906         275005         274972         274920\" }# x2 o4 {6 j) i$ I. F
   
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。