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。

1 u( y* W6 v5 I; D2 \' d6 }例子：

  \/ g2 C- W5 i3 {matlab2009a代码：

1. clear all
   ( m2 ^. @' U& {* R5 m; e
2. clc8 _5 ^; A: W) ]6 T* H
   
3. tic
   2 g* @5 ~% ]+ T  w# x; `* H0 l
4. k = zeros(5,5); % //生成5×5全0矩阵
   # k# x0 [- Q2 g\" j& Z
5. % 循环计算以下程序段100000次：8 x& W8 H. }9 E) l+ r: r4 u
   
6. for m = 1:100000
   + ~) l- G3 ]% i- V9 v- Z( E\" ]
7.     a = rand(5,7);
   - A6 Y9 E  x6 M\" b6 m
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/ W3 T- h+ ~1 R: p( K
   
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);* I& K+ ^3 O( S6 [. c8 r3 A' C2 W
   
10. end
    ) ?8 n4 o9 s. I/ n
11. k# E, l& a* q/ s6 D' N* D
    
12. toc

复制代码

多次运行，结果约为：

1. k =8 m  J0 ]7 m# i- A8 _! ^
   
2. ; [5 X6 V3 q4 o( r1 K) a
   
3.   1.0e+005 *
   # P' _. A) y! l0 }' l% F4 n
4. 7 K. f0 D& G, x) S- z$ O
   
5.     2.7530    2.7525    2.7509    2.7539    2.7529
   ; N7 F* Q: z3 X7 E1 K' \- X6 T; m
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   * W. ~4 C. W  d% H3 O( g
7.     2.7549    2.7524    2.7527    2.7564    2.7517* q+ _. K3 \( y
   
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   9 i8 `\" e% W# f5 O/ {. n
9.     2.7527    2.7521    2.7505    2.7519    2.7523
   4 H6 c1 ]$ `& l$ \; o  V
10. ' v1 ?% o# E1 b3 z7 _1 M
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];' E# `/ J  S( I+ W- }( c. J; t: p
   
4. main(:t0,k,i,a,b)=/ ?% v# K: b5 ]3 Y# ^8 O0 z
   
6. {6 {& O0 ?& r) R; n/ i8 c\\" c
   
8.     t0=clock(),\\" z9 P# ^8 q! i' f7 f
   
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0! ~9 f\\" S% o\\" r6 l% U\\" b- ]/ W0 s
    
12.     i=0,(++i<=100000).while{//循环计算100000次6 V8 ]/ X% W( J# u9 v8 y& A\\" I
    
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. * I# a& M3 {) e- x
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)( E* b. V9 U+ v. y4 p' ^
    
18.     },; _+ a1 j7 k& v1 {2 |2 u. ?
    
20.     k.outa(),             //输出矩阵k
    
21. & u) m: S; Y( V0 {
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. 0 a2 c: W; ~; A2 [/ O( Y
24. };

!!!using["math"];<font class=\\"jammer\\">' E# `/ J  S( I+ W- }( c. J; t: p</font><br /> main(:t0,k,i,a,b)=<font class=\\"jammer\\">/ ?% v# K: b5 ]3 Y# ^8 O0 z</font><br /> {<font class=\\"jammer\\">6 {& O0 ?& r) R; n/ i8 c\\" c</font><br />     t0=clock(),<font class=\\"jammer\\">\\" z9 P# ^8 q! i' f7 f</font><br />     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<font class=\\"jammer\\">! ~9 f\\" S% o\\" r6 l% U\\" b- ]/ W0 s</font><br />     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">6 V8 ]/ X% W( J# u9 v8 y& A\\" I</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\\">* I# a& M3 {) e- x</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)<font class=\\"jammer\\">( E* b. V9 U+ v. y4 p' ^</font><br />     },<font class=\\"jammer\\">; _+ a1 j7 k& v1 {2 |2 u. ?</font><br />     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">& u) m: S; Y( V0 {</span>     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">0 a2 c: W; ~; A2 [/ O( Y</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   ' S- s& z: T4 u0 V' K: a+ U2 ]
2.          274965         275036         275091         275112         274931  p7 _* t$ @( _# U& E
   
3.          274975         275012         275020         274963         274939$ n* F% ^, r$ k0 ]
   
4.          274981         274976         275117         275065         275044: K1 T& C, I4 Z' V+ t! t$ e* R
   
5.          274920         274906         275005         274972         2749207 o6 n7 }/ G$ p( O/ _) q
   
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。