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

* G$ h$ p: I% b: E! rLuMath 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。
8 I3 G9 c7 V( p# E1 v+ E/ s
例子：

7 `$ R( ~2 b% I, zmatlab2009a代码：

1. clear all7 M  _& t% b. ^: s0 T% ^4 U( s
   
2. clc. o1 j5 s  W: U: B2 q! t
   
3. tic) `& x5 {/ f+ o
   
4. k = zeros(5,5); % //生成5×5全0矩阵
   ; y1 Q8 Y2 f: G/ L4 U1 @3 i5 s
5. % 循环计算以下程序段100000次：( ^0 f2 L  w  `) C0 ?! H* T! J
   
6. for m = 1:1000007 ]7 p: v$ s2 G0 c; G  X
   
7.     a = rand(5,7);9 X5 ?; [# ?5 H+ D# D# W5 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9 y5 j- x2 p2 b\" _
   
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);- `1 a7 l' B0 l5 F
   
10. end3 c7 n; g6 B\" u\" k8 g
    
11. k
    7 T/ X% \: u0 K1 t
12. toc

复制代码

多次运行，结果约为：

1. k =6 K# x* ?3 x  m8 v4 z
   
2. 5 X4 Y' F! s2 ]: K0 \$ S\" p# V
   
3.   1.0e+005 *
   & R, a/ J) Q/ {0 ^) D, V1 |
4. 7 c8 P3 J\" \) H- R, G& V
   
5.     2.7530    2.7525    2.7509    2.7539    2.75292 D! X. k2 r. \6 j+ F
   
6.     2.7521    2.7494    2.7493    2.7542    2.74764 @% K\" h! _3 c8 A
   
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   , |# Z8 d; m4 l! _& T, i) [4 ~1 M
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   . @\" x+ H! P\" k
9.     2.7527    2.7521    2.7505    2.7519    2.7523# M: d+ Q' D) {. y, P5 M- p8 \+ _7 O
   
10. 
    - S8 }* X& z2 ~9 Q3 u4 E0 {# L
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];  j) x) l. P8 W7 Z( M$ f
   
4. main(:t0,k,i,a,b)=2 S$ a# m9 K% Z5 i6 \, R& Q
   
6. {9 m0 I* P8 w2 A+ G4 p# a
   
8.     t0=clock(),
   
9. # V, d\\" H9 L# M3 x# h
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0) k+ H, J6 ?6 }) J1 T
    
12.     i=0,(++i<=100000).while{//循环计算100000次& H- P% {  j; K3 L0 E( u' Q8 W
    
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) u2 X: d# z  o( \- M
    
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.   n. f. q6 k7 f) O4 U6 E
18.     },
    
19. \\" i6 t/ D, d\\" b! h2 L: n: a
20.     k.outa(),             //输出矩阵k
    
21. * s' B* l, q# z! h  i6 V6 S
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. 4 U/ T5 K5 Q6 P* X+ A, W6 z
24. };

!!!using["math"];<font class=\\"jammer\\">  j) x) l. P8 W7 Z( M$ f</font><br /> main(:t0,k,i,a,b)=<font class=\\"jammer\\">2 S$ a# m9 K% Z5 i6 \, R& Q</font><br /> {<font class=\\"jammer\\">9 m0 I* P8 w2 A+ G4 p# a</font><br />     t0=clock(),<br /> <span style=\\"display:none\\"># V, d\\" H9 L# M3 x# h</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<font class=\\"jammer\\">) k+ H, J6 ?6 }) J1 T</font><br />     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">& H- P% {  j; K3 L0 E( u' Q8 W</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\\">) u2 X: d# z  o( \- M</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\\">  n. f. q6 k7 f) O4 U6 E</span>     },<br /> <span style=\\"display:none\\">\\" i6 t/ D, d\\" b! h2 L: n: a</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">* s' B* l, q# z! h  i6 V6 S</span>     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">4 U/ T5 K5 Q6 P* X+ A, W6 z</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   / Y6 ^: I4 l2 n' ?# r/ j, C+ b
2.          274965         275036         275091         275112         2749317 H, r! U% r, ]\" Q/ Q/ @
   
3.          274975         275012         275020         274963         274939% g. q. c1 E8 q9 W* y
   
4.          274981         274976         275117         275065         275044
   ) a( }4 ^( N! l
5.          274920         274906         275005         274972         274920
   ! V; L\" V, B7 }! u) T# D6 }3 [
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。