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

2 M) w5 T7 j, p0 k5 l$ r9 ALuMath 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。
( \' u1 z; T7 E" f
+ K% y! h, U# ?" x. H8 O例子：
, X. ?0 k  V: r/ `/ v! m
matlab2009a代码：

1. clear all
   % K9 x1 i. i9 E\" z# K  t* e' m\" p9 f
2. clc
   2 N! ~8 o- v2 `5 S
3. tic# F7 z4 D' b7 ^+ G; X7 F) N
   
4. k = zeros(5,5); % //生成5×5全0矩阵
   / f& k( D5 }5 `+ C* U% e+ L' T1 F2 ?3 p
5. % 循环计算以下程序段100000次：% G' K- o; X3 H+ F
   
6. for m = 1:100000\" E# e, z  G! W- L
   
7.     a = rand(5,7);
   1 C2 c0 c4 N9 `. b- V4 \( r/ O9 [; y
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: s+ j0 J# J6 \' W0 v3 b& l3 J
   
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);3 ~9 n6 F6 V/ d  r\" N- h3 H) q
   
10. end
    : ]. @! _/ e' f; m4 m+ X
11. k
    ! c& R$ V5 @& Y2 M
12. toc

复制代码

多次运行，结果约为：

1. k =
   : d5 m\" ~. k( A5 V
2. + T9 k8 [8 T  E6 i; }! E
   
3.   1.0e+005 *% M\" J- s1 m3 Y
   
4. 
   9 Z7 y0 q+ q% ]4 }
5.     2.7530    2.7525    2.7509    2.7539    2.7529
     b; r$ ]/ R+ V: {8 D# m
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   + q1 ~2 h& v+ ?
7.     2.7549    2.7524    2.7527    2.7564    2.7517
     a: J1 m5 _4 h4 M0 t
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   7 `4 g3 w5 c4 E! |
9.     2.7527    2.7521    2.7505    2.7519    2.7523
   6 m& W% k. I/ H) W
10. 
    ' d( J4 u  v; Q, E& o; K+ ^5 X
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3. . U3 |7 w! ]8 n
4. main(:t0,k,i,a,b)=
   
5. 7 ?9 s/ C! ~. m3 ^2 w+ ~
6. {( B0 g5 c7 C& D' O8 \7 V
   
8.     t0=clock(),
   
9. , D. x# g6 g  f5 z$ r2 _/ O! E
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0/ ~8 U4 W& X\\" ^6 k
    
12.     i=0,(++i<=100000).while{//循环计算100000次, n( @  M% J6 U) k! T) n
    
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7 Q% [8 ?$ T+ Q' Q3 X0 v2 H& y
    
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. ' T! |7 y; e& P* g\\" w' I7 {
18.     },
    
19. ; C  C9 _+ q0 c\\" u# d
20.     k.outa(),             //输出矩阵k
    
21. 5 f+ U8 \5 ]7 }7 X# I# d
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. / C: G% n( l! r8 e
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">. U3 |7 w! ]8 n</span> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">7 ?9 s/ C! ~. m3 ^2 w+ ~</span> {<font class=\\"jammer\\">( B0 g5 c7 C& D' O8 \7 V</font><br />     t0=clock(),<br /> <span style=\\"display:none\\">, D. x# g6 g  f5 z$ r2 _/ O! E</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<font class=\\"jammer\\">/ ~8 U4 W& X\\" ^6 k</font><br />     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">, n( @  M% J6 U) k! T) n</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\\">7 Q% [8 ?$ T+ Q' Q3 X0 v2 H& y</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\\">' T! |7 y; e& P* g\\" w' I7 {</span>     },<br /> <span style=\\"display:none\\">; C  C9 _+ q0 c\\" u# d</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">5 f+ U8 \5 ]7 }7 X# I# d</span>     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">/ C: G% n( l! r8 e</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024# v! D- o9 p' D9 p. J4 x9 }
   
2.          274965         275036         275091         275112         274931
   - N\" \/ O% N. F, O! R
3.          274975         275012         275020         274963         2749398 t) e/ c5 M; ^& [( Q+ p. d
   
4.          274981         274976         275117         275065         275044
   * z  C( _' G6 q7 ]: l) k: G
5.          274920         274906         275005         274972         274920) z2 F; e8 N) W  J% b
   
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。