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

: u5 e! Q8 @, r9 w1 D4 VLuMath 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：
6 ^% Y: P; w* t( t
, z) }1 `, S/ l7 L% w; fmatlab2009a代码：

1. clear all3 }7 s7 ^3 A) d* w  d\" m
   
2. clc& i$ L9 b% V5 y: ~\" x& c
   
3. tic
   6 b* h' {2 e2 t9 a0 J! X9 N9 ?# K
4. k = zeros(5,5); % //生成5×5全0矩阵
   # t3 z7 s\" s5 Z* X% {+ J4 H
5. % 循环计算以下程序段100000次：- ~: V3 g9 t; p! I  J7 D
   
6. for m = 1:100000: Q& t2 v+ `2 `1 Q0 M
   
7.     a = rand(5,7);
   ( {9 c: h+ G1 _
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2 f# r3 V# v; ^: w
   
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   ) V\" n8 \4 U2 F$ o* \: z$ d8 q
10. end
    ' x\" w) t# {. i- g0 q% s
11. k
    9 v: t6 T5 U! |/ `* ^( r: v
12. toc

复制代码

多次运行，结果约为：

1. k =; |/ G5 S7 ^. @/ j  }, p6 _7 q
   
2. 
   , L! I\" Q; U( }/ i& t
3.   1.0e+005 *: k, g% P& {! D. e& h3 t8 n2 T, H' e
   
4. 
   6 o, u3 l5 ^( f- h6 o
5.     2.7530    2.7525    2.7509    2.7539    2.7529
   # a  V; V  e7 |# S* x2 @5 ~
6.     2.7521    2.7494    2.7493    2.7542    2.74763 \2 H; w  K/ D, A4 @9 j
   
7.     2.7549    2.7524    2.7527    2.7564    2.7517/ k\" |/ ^* [7 u6 Y+ C
   
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   ) p* H: J) \& e( ^8 k/ I, s
9.     2.7527    2.7521    2.7505    2.7519    2.75230 L5 K& f2 b0 G; H
   
10. 
    % @: p  s& p) o+ m5 b6 H1 q3 V* p. c  ?
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3. ( c. `3 E4 s$ L/ ~/ |
4. main(:t0,k,i,a,b)=: {' y2 G9 ?6 {- x
   
6. {
   
7. ! z1 H. C  b0 Q0 Y4 D: ]5 s
8.     t0=clock(),
   
9. ' y\\" g. {8 w* ~# ~' Q+ i# d6 Y
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为04 I% ?8 ^; p& b0 ~8 O2 ]5 m% c7 T
    
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. ) a$ _! `8 L4 X- ~+ O
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5 R5 t2 A\\" w- {/ |% N$ H
    
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 m0 I9 R, p1 v) y7 U6 X% s
18.     },3 [! x4 D+ \1 G! q
    
20.     k.outa(),             //输出矩阵k  Y# o3 K' u$ j0 j3 N
    
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. : C$ D( J* Y2 D
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">( c. `3 E4 s$ L/ ~/ |</span> main(:t0,k,i,a,b)=<font class=\\"jammer\\">: {' y2 G9 ?6 {- x</font><br /> {<br /> <span style=\\"display:none\\">! z1 H. C  b0 Q0 Y4 D: ]5 s</span>     t0=clock(),<br /> <span style=\\"display:none\\">' y\\" g. {8 w* ~# ~' Q+ i# d6 Y</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<font class=\\"jammer\\">4 I% ?8 ^; p& b0 ~8 O2 ]5 m% c7 T</font><br />     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">) a$ _! `8 L4 X- ~+ O</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\\">5 R5 t2 A\\" w- {/ |% N$ H</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 m0 I9 R, p1 v) y7 U6 X% s</span>     },<font class=\\"jammer\\">3 [! x4 D+ \1 G! q</font><br />     k.outa(),             //输出矩阵k<font class=\\"jammer\\">  Y# o3 K' u$ j0 j3 N</font><br />     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">: C$ D( J* Y2 D</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024
   5 N8 Y/ G6 h/ B. J5 _0 i% |2 p\" v
2.          274965         275036         275091         275112         274931# J  q$ K$ W+ i\" C6 G* ~$ w
   
3.          274975         275012         275020         274963         274939! e* m  s5 ~- q7 ^4 ?* t1 ?. z
   
4.          274981         274976         275117         275065         275044
   # j* w7 M8 O& ]$ n% J' O6 G% b7 n
5.          274920         274906         275005         274972         274920
   & w9 Z4 H+ t; @4 A+ p; a) r% ?
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。