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
# H$ d2 O  v$ I) k! @' P8 k0 n
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。
3 a8 l& s$ @3 l6 h5 @9 h% B
例子：
* ?0 v2 b  W" f1 E! r5 }0 D
matlab2009a代码：

1. clear all
   9 W, y6 N; r( k+ x+ d' A
2. clc
   2 i3 n2 _2 C& o0 r
3. tic
   2 {, d8 S. o* e1 n. U) J: g
4. k = zeros(5,5); % //生成5×5全0矩阵: E/ F9 k, u# N! y( @
   
5. % 循环计算以下程序段100000次：' }9 \* G  K% Y
   
6. for m = 1:100000
   & S- F+ e, z\" C- `1 z
7.     a = rand(5,7);; c) ?# L3 l2 `+ J6 Q
   
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 Z( B% A! q9 X- J: K\" X
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);7 o0 y) y0 `2 k2 _8 ?) M
   
10. end
    & g  r/ f9 k' M; W% Y9 {; J
11. k' s0 j& q. W$ D6 M; U
    
12. toc

复制代码

多次运行，结果约为：

1. k =
   4 ^/ W. i) }% i. H\" {0 r+ {
2. * w5 k, g/ R; f- x\" C8 M
   
3.   1.0e+005 *
   0 c\" W0 [  `6 E. e
4. 
   3 ~# x) T: N8 ]
5.     2.7530    2.7525    2.7509    2.7539    2.7529( X- |) d4 |  y6 O$ [: b' r9 {
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   9 \7 y* n. X1 B, j+ _  C+ B$ P1 z
7.     2.7549    2.7524    2.7527    2.7564    2.75175 X0 Y1 p2 N2 f- o( a1 ~) ]: f
   
8.     2.7530    2.7523    2.7533    2.7525    2.7502+ k- ]& k1 f+ B\" k
   
9.     2.7527    2.7521    2.7505    2.7519    2.7523
   / q4 m! N0 L+ o$ l* k
10. 
    3 C0 r& l7 s% q3 D: d
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];  I; s# U$ @) H$ W- S
   
4. main(:t0,k,i,a,b)=
   
5. , ]! K# @4 v\\" q! f% K8 P
6. {3 B: \  T9 x$ z* l8 k! W8 [( b3 D( H
   
8.     t0=clock(),9 S\\" \3 U( ?. U. E: H
   
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. ) A) g/ M8 M. i7 Q  i
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. ( d5 _- K7 a\\" T1 d7 C2 m9 p
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. : ?) D( Z* ^! T* V0 M8 j* j
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. 2 z7 o\\" ?& c  I' v+ l: Y
18.     },
    
19. ' E# G% k. v5 d: N
20.     k.outa(),             //输出矩阵k. c4 h+ m0 |- M4 i
    
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. 8 n. l. {! O8 t$ G
24. };

!!!using["math"];<font class=\\"jammer\\">  I; s# U$ @) H$ W- S</font><br /> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">, ]! K# @4 v\\" q! f% K8 P</span> {<font class=\\"jammer\\">3 B: \  T9 x$ z* l8 k! W8 [( b3 D( H</font><br />     t0=clock(),<font class=\\"jammer\\">9 S\\" \3 U( ?. U. E: H</font><br />     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">) A) g/ M8 M. i7 Q  i</span>     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">( d5 _- K7 a\\" T1 d7 C2 m9 p</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\\">: ?) D( Z* ^! T* V0 M8 j* j</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)<br /> <span style=\\"display:none\\">2 z7 o\\" ?& c  I' v+ l: Y</span>     },<br /> <span style=\\"display:none\\">' E# G% k. v5 d: N</span>     k.outa(),             //输出矩阵k<font class=\\"jammer\\">. c4 h+ m0 |- M4 i</font><br />     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">8 n. l. {! O8 t$ G</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         2750243 I# c; {; e) X; r\" j
   
2.          274965         275036         275091         275112         274931
   / C5 }0 N/ W; Q! ?6 L9 F
3.          274975         275012         275020         274963         274939
     A+ _5 i4 n& W+ b
4.          274981         274976         275117         275065         275044
   & s. j0 G6 |- ^* C  E# a2 P
5.          274920         274906         275005         274972         2749208 I& s6 @$ k2 u( Y
   
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。