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
; e; g1 N" P/ \7 O
6 r8 t) ?$ e8 f. L* BLuMath 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。
0 w) G. H- q% ]& I( V9 D
例子：
' ?; a* g$ c' ~3 v- a* u
1 |- ]  K$ [! Amatlab2009a代码：

1. clear all
   3 H% {8 J8 O3 B# G% i6 I7 P6 i
2. clc2 z, v- Z* B. Y0 C# P
   
3. tic$ k\" N8 @\" ?0 Q\" c7 n; s) u
   
4. k = zeros(5,5); % //生成5×5全0矩阵2 s4 ?; r2 e4 w: A+ ]; i  I
   
5. % 循环计算以下程序段100000次：
   $ \) Q+ W\" b& |* Q
6. for m = 1:100000
   + S) x5 @! I1 {8 k$ a+ b
7.     a = rand(5,7);4 l. p8 y6 V; q3 z4 v. I# A
   
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3 T) F7 J+ S* I2 o
   
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   3 ^0 c* w% m7 V0 H; h
10. end# E& }# n& R6 e, i' y/ z: j
    
11. k% L* n6 y- e9 O* C; D
    
12. toc

复制代码

多次运行，结果约为：

1. k =
   3 T+ i\" y5 C' W$ H) C
2. 
   & p. L- x8 K% y1 L* w4 r
3.   1.0e+005 *
   ' Y4 a! R! k2 [! s0 J# p1 M, D2 k
4. 
   $ a9 K. H2 n7 `3 d  l# V. L' ^4 O
5.     2.7530    2.7525    2.7509    2.7539    2.7529
   5 n0 V0 l( m& D! d
6.     2.7521    2.7494    2.7493    2.7542    2.7476( p( s& X' g+ I- [
   
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   8 D: U# {- B( y9 y) X0 ?
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   ' J; u\" C6 H8 j% }7 a6 e
9.     2.7527    2.7521    2.7505    2.7519    2.7523; x' I- _5 M! b1 k) w3 {
   
10. 
    ; x# p* ~+ ?7 M( G
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];. J- J. z+ f\\" v8 T6 Q7 W
   
4. main(:t0,k,i,a,b)=, o9 n  D! D\\" b2 r+ @& d% t
   
6. {1 M1 z* ]. o/ s: [+ g. R4 l% B
   
8.     t0=clock(),
   
9. 0 h* k# r1 N% \0 s
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为04 W7 Z2 I6 y4 W\\" w
    
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. \\" P6 W; ]7 o; M
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4 \7 y/ x5 m: ]& k4 f  \, U! v
    
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. \\" \9 \: d( Y+ ?8 z$ I  Z
18.     },
    
19. 4 M/ I$ v: y# ]\\" ?$ l
20.     k.outa(),             //输出矩阵k
    
21. 6 \* X& O5 H1 @) a
22.     [clock()-t0]/1000.    //得到计算时间，秒1 l5 \( `: o9 z7 z
    
24. };

!!!using["math"];<font class=\\"jammer\\">. J- J. z+ f\\" v8 T6 Q7 W</font><br /> main(:t0,k,i,a,b)=<font class=\\"jammer\\">, o9 n  D! D\\" b2 r+ @& d% t</font><br /> {<font class=\\"jammer\\">1 M1 z* ]. o/ s: [+ g. R4 l% B</font><br />     t0=clock(),<br /> <span style=\\"display:none\\">0 h* k# r1 N% \0 s</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<font class=\\"jammer\\">4 W7 Z2 I6 y4 W\\" w</font><br />     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">\\" P6 W; ]7 o; M</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\\">4 \7 y/ x5 m: ]& k4 f  \, U! v</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\\">\\" \9 \: d( Y+ ?8 z$ I  Z</span>     },<br /> <span style=\\"display:none\\">4 M/ I$ v: y# ]\\" ?$ l</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">6 \* X& O5 H1 @) a</span>     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">1 l5 \( `: o9 z7 z</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   ( [; }# I! r* [; x- R; _
2.          274965         275036         275091         275112         274931
     f0 ]3 q( {* S+ w& r
3.          274975         275012         275020         274963         2749398 [# C6 A0 C' b- D\" O8 r
   
4.          274981         274976         275117         275065         275044
   0 x( |% a5 o1 O( _! u( A
5.          274920         274906         275005         274972         274920
   & Z4 i: |4 a2 F( {  _2 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。