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
7 W5 d2 X( k9 l) p3 F* a4 k0 |
1 @8 e9 A' x1 PLuMath 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。

例子：
/ p/ B2 u& a% b( H0 R* f$ n2 A
2 J! O$ \6 i( E4 v2 h5 Ematlab2009a代码：

1. clear all* @\" ~' X: n9 t2 s: O7 `! b' ~: U
   
2. clc4 S% x* [) Z  C# J( p
   
3. tic
   * d5 Y* A5 [9 P0 W# O4 C. t( m
4. k = zeros(5,5); % //生成5×5全0矩阵
   . j( T\" H: o- p' m* I% q9 g
5. % 循环计算以下程序段100000次：4 `1 ^# I! K  O1 ]2 @/ ]& ~+ n
   
6. for m = 1:1000001 z! L+ O. u3 U$ I
   
7.     a = rand(5,7);8 e# C! I' ?/ f$ Y. `% l/ I  B
   
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0 R2 k1 t# a* g$ P
   
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   , p  }7 b' A# J) u: n$ }9 M
10. end6 [& `( t4 J% C3 u, A+ @! U
    
11. k; t( A$ U+ ~3 I7 Y( R4 J: j- z) O
    
12. toc

复制代码

多次运行，结果约为：

1. k =$ @1 O* D' H$ `7 K  f7 C8 c
   
2. 
   , A1 ^\" X  B2 e
3.   1.0e+005 *) S: o3 B. y4 C$ m
   
4. 
   7 r1 q; d6 H) U' ]7 i: T$ _
5.     2.7530    2.7525    2.7509    2.7539    2.7529\" X6 n1 Q% b5 ?\" V/ U
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   ) Q7 M% S+ @. o& z) }& `
7.     2.7549    2.7524    2.7527    2.7564    2.7517- e: E: P8 I( q# ]$ n  l/ Q
   
8.     2.7530    2.7523    2.7533    2.7525    2.75024 t3 J2 g# I$ R! x: H9 J& j
   
9.     2.7527    2.7521    2.7505    2.7519    2.75238 `0 U\" ^4 {5 `
   
10. 
    * i9 C0 l1 ]* R2 P& D\" c
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];5 u- d# B, j, a/ }  V$ w% E+ l2 ]3 E
   
4. main(:t0,k,i,a,b)=
   
5. 1 h( B* v' Y# z$ \* I) k
6. {\\" `3 `, Z/ n3 Z$ v6 K
   
8.     t0=clock(),' B9 l! k# T, `1 A& G\\" B
   
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0' ]( X, E8 O- K- m3 o9 V# {
    
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. % W- m5 K: t+ |
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6 q2 A# T! \* V: F
    
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. ) v+ B2 d. u* \/ Y% f1 c
18.     },8 k. Z' u: z0 M' J! c
    
20.     k.outa(),             //输出矩阵k* i; g9 Y5 v/ F0 A; x4 O
    
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. . ]+ T% H: b$ e' [\\" Q; c
24. };

!!!using["math"];<font class=\\"jammer\\">5 u- d# B, j, a/ }  V$ w% E+ l2 ]3 E</font><br /> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">1 h( B* v' Y# z$ \* I) k</span> {<font class=\\"jammer\\">\\" `3 `, Z/ n3 Z$ v6 K</font><br />     t0=clock(),<font class=\\"jammer\\">' B9 l! k# T, `1 A& G\\" B</font><br />     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<font class=\\"jammer\\">' ]( X, E8 O- K- m3 o9 V# {</font><br />     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">% W- m5 K: t+ |</span>         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\\">6 q2 A# T! \* V: F</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\\">) v+ B2 d. u* \/ Y% f1 c</span>     },<font class=\\"jammer\\">8 k. Z' u: z0 M' J! c</font><br />     k.outa(),             //输出矩阵k<font class=\\"jammer\\">* i; g9 Y5 v/ F0 A; x4 O</font><br />     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">. ]+ T% H: b$ e' [\\" Q; c</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   3 ^+ N* d7 c1 v+ ?3 C6 [
2.          274965         275036         275091         275112         274931
   ' r& V$ r$ Y- K\" o& n
3.          274975         275012         275020         274963         274939
   ! M8 k9 V6 @4 k+ e0 s- w% j
4.          274981         274976         275117         275065         275044. i! l+ P2 U* @. R( ]+ B& H* l
   
5.          274920         274906         275005         274972         274920/ T, M) J\" {* K( b$ O  k
   
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。