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
$ O5 c+ }4 X, ?5 T. A* m
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。
, u8 Z5 k0 f/ ]
例子：

" w( @9 }$ V5 n5 P7 Y1 w# Kmatlab2009a代码：

1. clear all
   ' m/ u1 q5 _' m- W/ P3 q
2. clc9 R0 B. l; |2 y2 |5 G6 F
   
3. tic2 X4 j) I1 u9 T, u. z1 t
   
4. k = zeros(5,5); % //生成5×5全0矩阵
   ' q: k1 H4 o  p2 s  b& X0 z+ `
5. % 循环计算以下程序段100000次：% a* y2 ?6 z) `) p; G, E3 I1 M
   
6. for m = 1:100000
   1 ^2 D/ w7 A/ F2 C5 |# t7 t
7.     a = rand(5,7);
   2 t& T0 ]( |3 P5 E
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
   \" R1 w; T/ O( d( X4 A
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);- Z. Y' R. v, ]& v; ^) @0 R% j
   
10. end
    3 ~! L. Z: u% Y
11. k. y8 |\" E, L% H# v, P( V$ c
    
12. toc

复制代码

多次运行，结果约为：

1. k =
   4 Z6 \+ e' Y8 S; E
2. 5 s7 F' k: B5 N1 O4 o. P# I' ?
   
3.   1.0e+005 *7 n  n) X( d: t$ Z6 q, T
   
4. 
   ( f\" @# ]) y8 Y/ \4 W# `
5.     2.7530    2.7525    2.7509    2.7539    2.7529) b$ v6 n+ l: b+ U' U
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   & q' h# V% K% q- `- h0 o. j
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   4 o! u4 X( f: S8 ^) ?; E5 p
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   \" z: r: a5 A% l! [2 d* m, N2 m
9.     2.7527    2.7521    2.7505    2.7519    2.75234 a% O7 V3 \* L
   
10.   v( d* G$ J# |1 s/ D0 m  b- ?& k
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3.   m$ f& ^4 R2 w\\" b. M
4. main(:t0,k,i,a,b)=+ h( h\\" X/ d, A\\" A4 ~; [
   
6. {
   
7. / \! h) L! U$ u4 m% D
8.     t0=clock(),
   
9. 9 ]& L% y) k# E
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. 3 d. q) O( x$ O$ F5 Y
12.     i=0,(++i<=100000).while{//循环计算100000次/ t6 x* k( s\\" N6 x2 M; A; R& n1 q: y
    
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& S2 @# m7 y; |  n! D
    
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. ; F8 t  c3 _/ H5 E2 X  B% @7 L# n! k5 z
18.     },
    
19. 6 {5 ]4 S! ]+ Y$ b6 @) ]- p
20.     k.outa(),             //输出矩阵k3 b, `9 |; E7 ]4 E1 @( ~
    
22.     [clock()-t0]/1000.    //得到计算时间，秒. h- a3 M: S\\" V! H: b1 U; L
    
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">  m$ f& ^4 R2 w\\" b. M</span> main(:t0,k,i,a,b)=<font class=\\"jammer\\">+ h( h\\" X/ d, A\\" A4 ~; [</font><br /> {<br /> <span style=\\"display:none\\">/ \! h) L! U$ u4 m% D</span>     t0=clock(),<br /> <span style=\\"display:none\\">9 ]& L% y) k# E</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">3 d. q) O( x$ O$ F5 Y</span>     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">/ t6 x* k( s\\" N6 x2 M; A; R& n1 q: y</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\\">& S2 @# m7 y; |  n! D</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\\">; F8 t  c3 _/ H5 E2 X  B% @7 L# n! k5 z</span>     },<br /> <span style=\\"display:none\\">6 {5 ]4 S! ]+ Y$ b6 @) ]- p</span>     k.outa(),             //输出矩阵k<font class=\\"jammer\\">3 b, `9 |; E7 ]4 E1 @( ~</font><br />     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">. h- a3 M: S\\" V! H: b1 U; L</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   / e5 A/ K% n6 B* ~, [; m
2.          274965         275036         275091         275112         274931
   2 H6 Q. {: {4 o1 T
3.          274975         275012         275020         274963         274939- s; J4 b* k# A! f, {: t
   
4.          274981         274976         275117         275065         275044
   6 v, L. c  T3 B, P% k  w# F0 e3 q
5.          274920         274906         275005         274972         274920# L6 M! d; s* `0 a$ z' f/ D
   
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。