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
* u, B  a5 ^. k8 \
- G. @# f" s- q7 J$ A% \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。
+ E% `1 U% x0 `2 G0 y2 _$ U
例子：
6 A2 H/ [3 U4 S( T. u$ }9 B
matlab2009a代码：

1. clear all
   2 J5 e7 Y/ d: J9 C
2. clc
   $ l4 b$ ?( s! W% Q1 _( G, k
3. tic+ i$ ~: s  v$ l; d4 D( z: M7 J
   
4. k = zeros(5,5); % //生成5×5全0矩阵
   3 C4 ?$ d, q0 ^$ u; i% K, A
5. % 循环计算以下程序段100000次：
   ( l, \! j/ ^& q\" ~7 J; ?7 O, Z\" P
6. for m = 1:100000
   $ K1 C\" |7 Z3 }3 D2 {$ Y( s7 P
7.     a = rand(5,7);
   4 s0 L; T\" I- ?. X' s# r
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
   / h1 c- I0 r6 X
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);$ b( H6 \4 p- F8 o4 F; i
   
10. end1 K, }& [( ~3 q! Y/ r+ w; J
    
11. k0 y1 P, s$ B3 I% @( ]. \
    
12. toc

复制代码

多次运行，结果约为：

1. k =
   : w  Y! a: ~0 a6 X, Z
2. + a9 a) n! z/ m9 l, I3 W8 f
   
3.   1.0e+005 *
   4 b0 g, z8 P, Q8 o9 b
4. ! S! y: k) J' d- o1 G9 x
   
5.     2.7530    2.7525    2.7509    2.7539    2.7529# B, a, v9 j( u0 l
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476\" r1 b. z) F* w. [
   
7.     2.7549    2.7524    2.7527    2.7564    2.75175 r2 P2 V% l9 u
   
8.     2.7530    2.7523    2.7533    2.7525    2.7502) K7 y# c  g% Y( i# v
   
9.     2.7527    2.7521    2.7505    2.7519    2.7523' I1 M# S4 g% @- o; N- I
   
10. 4 A3 J% ^) H/ k9 G
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];+ ^1 _- X/ v9 \0 i
   
4. main(:t0,k,i,a,b)=
   
5. 1 a/ d- O: Z. t3 l; @' T
6. {\\" R; o6 c3 H' k  {$ l0 M4 y3 a; d9 q
   
8.     t0=clock(),) P3 L/ r+ R7 h\\" a# @& x9 |$ X
   
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0+ i, w5 r7 u7 Y
    
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. , Z2 I% c3 N+ I2 V. o' A$ M' S5 T, ~% d
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. ) W, p' D3 |- l$ W7 K: N
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)/ E3 Z0 \) L9 W- r
    
18.     },
    
19. 0 D1 c: r\\" r: W) R! u
20.     k.outa(),             //输出矩阵k
    
21. / I6 N% e9 Q1 e% ^
22.     [clock()-t0]/1000.    //得到计算时间，秒- s7 Y) j\\" |# k
    
24. };

!!!using["math"];<font class=\\"jammer\\">+ ^1 _- X/ v9 \0 i</font><br /> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">1 a/ d- O: Z. t3 l; @' T</span> {<font class=\\"jammer\\">\\" R; o6 c3 H' k  {$ l0 M4 y3 a; d9 q</font><br />     t0=clock(),<font class=\\"jammer\\">) P3 L/ r+ R7 h\\" a# @& x9 |$ X</font><br />     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<font class=\\"jammer\\">+ i, w5 r7 u7 Y</font><br />     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">, Z2 I% c3 N+ I2 V. o' A$ M' S5 T, ~% d</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<br /> <span style=\\"display:none\\">) W, p' D3 |- l$ W7 K: N</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\\">/ E3 Z0 \) L9 W- r</font><br />     },<br /> <span style=\\"display:none\\">0 D1 c: r\\" r: W) R! u</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">/ I6 N% e9 Q1 e% ^</span>     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">- s7 Y) j\\" |# k</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   ; D: O/ |; v; e* Q5 Q: Z  `7 c- b
2.          274965         275036         275091         275112         274931
   $ a. L# D3 ~- R1 u! `0 P: `
3.          274975         275012         275020         274963         274939; y+ }\" U* m% y5 s* W8 @4 b
   
4.          274981         274976         275117         275065         275044
   5 h/ A) X; c* B# ^+ W, U5 R
5.          274920         274906         275005         274972         274920' A. H# |( b& u7 z- H3 Y& P
   
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。