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
( E& X" k6 w- M( }) K
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。
7 b* A( P, t  F/ P; [' T. `* a
9 P4 I4 k4 O' E: Y  r例子：

' f' j5 q5 f( [( s, rmatlab2009a代码：

1. clear all5 q- c' g+ o- f( k7 |* H
   
2. clc
   8 Z3 c6 R2 l, M9 k
3. tic- u# E3 V7 N/ z+ @2 L7 ]
   
4. k = zeros(5,5); % //生成5×5全0矩阵1 O( @* h# {. v$ I0 `- G
   
5. % 循环计算以下程序段100000次：
   8 _4 E- f: l) T0 d# J) q
6. for m = 1:100000( S7 ]\" a. |3 O) ^
   
7.     a = rand(5,7);' @6 T6 a+ S$ w1 r% a. c
   
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
   7 N$ _8 d# l+ \5 d
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   9 e; E/ E4 X3 `- v* [) }
10. end
      U3 c( j- h( x$ r3 m) L
11. k6 t9 u3 ?. l9 ~- t- f) y7 T0 m
    
12. toc

复制代码

多次运行，结果约为：

1. k =
   \" U0 ]7 l) o5 o2 X* i2 B) W
2. 
   0 d/ U9 h, C( C0 J8 C! b
3.   1.0e+005 *
   . ^+ K- k4 D\" {. P* j, [
4. 
   ( _, N! x- C) L# C( l
5.     2.7530    2.7525    2.7509    2.7539    2.7529( f# N! D) O, [! |
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   . P  o' A: y, q
7.     2.7549    2.7524    2.7527    2.7564    2.7517: s( h' K+ G) P7 A
   
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   + e: q! @9 v6 p; v
9.     2.7527    2.7521    2.7505    2.7519    2.75233 c4 a& I/ \8 P! O6 k- R
   
10. 
    # g& @3 D; d# c6 r& @3 U6 M
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];1 ^+ C( E, x$ u9 _
   
4. main(:t0,k,i,a,b)=
   
5. 5 ?  Y& I; l* W1 H1 H7 i+ X
6. {5 @3 Q5 l6 D0 E
   
8.     t0=clock(),
   
9. & U- X8 K, X, T! F9 b& F3 l
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. ) f, y  {/ V# z' Q, x% H, w
12.     i=0,(++i<=100000).while{//循环计算100000次  Q+ f. a4 w! b. \* G) i: n# u9 p
    
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# r; g3 l  x* h: ~' K; x5 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)8 {. z! K$ r  l: T6 @8 a2 T
    
18.     },
    
19. ( ~1 D: |: h9 N
20.     k.outa(),             //输出矩阵k
    
21. ; F2 I3 Z  e\\" |9 t7 d5 f
22.     [clock()-t0]/1000.    //得到计算时间，秒( z# _8 r' u5 ]; O/ M/ p- i! s+ G
    
24. };

!!!using["math"];<font class=\\"jammer\\">1 ^+ C( E, x$ u9 _</font><br /> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">5 ?  Y& I; l* W1 H1 H7 i+ X</span> {<font class=\\"jammer\\">5 @3 Q5 l6 D0 E</font><br />     t0=clock(),<br /> <span style=\\"display:none\\">& U- X8 K, X, T! F9 b& F3 l</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">) f, y  {/ V# z' Q, x% H, w</span>     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">  Q+ f. a4 w! b. \* G) i: n# u9 p</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\\"># r; g3 l  x* h: ~' K; x5 E</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\\">8 {. z! K$ r  l: T6 @8 a2 T</font><br />     },<br /> <span style=\\"display:none\\">( ~1 D: |: h9 N</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">; F2 I3 Z  e\\" |9 t7 d5 f</span>     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">( z# _8 r' u5 ]; O/ M/ p- i! s+ G</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   / s9 g+ ]7 u: D8 f2 s' I/ |
2.          274965         275036         275091         275112         274931) c% e/ I+ H, D9 Y- c5 o
   
3.          274975         275012         275020         274963         274939. X7 Q: c$ y* L4 Z
   
4.          274981         274976         275117         275065         2750442 ~/ g* i7 O4 \( Z
   
5.          274920         274906         275005         274972         274920
   9 e# s* o7 r# v% F8 |8 A# A7 f+ l
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。