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

( d  d  t& I! L2 [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。

! _2 V  j' a" z) [例子：

matlab2009a代码：

1. clear all+ q5 \6 W! ~: S+ k/ a: Q* {
   
2. clc
   : U. i! o1 _$ ]) C+ {; u
3. tic, Z9 L) m, ]4 Y! r$ j
   
4. k = zeros(5,5); % //生成5×5全0矩阵
     F  Q9 z3 |9 {+ [\" Q$ T2 F\" b
5. % 循环计算以下程序段100000次：
   & H8 |: T& i5 Z/ h! A. T- D: E
6. for m = 1:1000005 q* ?* b2 y8 ]
   
7.     a = rand(5,7);* |( y4 w3 r* y0 F' j1 O) l7 c
   
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7 ], {3 `' c2 z1 ^
   
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   % q7 p' m: X9 B* f- P
10. end% M5 @) M% ~\" B- {
    
11. k5 p  e4 n' w3 r
    
12. toc

复制代码

多次运行，结果约为：

1. k =5 n- A0 k/ M0 o# b, ~
   
2. 
   ; L4 A+ A* z! w, E
3.   1.0e+005 *
   3 D1 i; D; j, N7 W2 u( o
4. 
   & R/ f9 x2 ~/ n0 M* m
5.     2.7530    2.7525    2.7509    2.7539    2.7529\" `  I, K' S2 |
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   / Y0 E  G9 a: W% R
7.     2.7549    2.7524    2.7527    2.7564    2.7517% l0 y) |( h  J- n  l! H
   
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   & j% p7 Y8 h$ I# U% w- {6 e
9.     2.7527    2.7521    2.7505    2.7519    2.7523
   7 O! C) @  H; q\" r8 N
10. 
    & ^& Q/ C  }4 Y8 d/ i
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];
   
3. . D+ `- ?: [/ B1 H5 J- {
4. main(:t0,k,i,a,b)=
   
5. ! _5 C- j2 N% G5 B5 |' B* K
6. {
   
7. & ^  q; i1 Y5 v
8.     t0=clock(),
   
9. 8 `  e  g/ g, s' h, |! C+ ]
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. % q\\" G6 f% _  J/ d; O8 c0 R
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. 3 s) O+ x# l# L+ W& k# q/ }4 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
    
15. 7 f5 u! T, x) Q% J, r6 T- T1 l
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. # \0 A. x\\" Z& e9 ?
18.     },
    
19. 1 e$ W: `* S/ e4 f
20.     k.outa(),             //输出矩阵k
    
21. ( F2 s- H* O% W+ [6 j% H1 C
22.     [clock()-t0]/1000.    //得到计算时间，秒' b3 i. {: r' m! ?0 r4 b( g) q
    
24. };

!!!using["math"];<br /> <span style=\\"display:none\\">. D+ `- ?: [/ B1 H5 J- {</span> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">! _5 C- j2 N% G5 B5 |' B* K</span> {<br /> <span style=\\"display:none\\">& ^  q; i1 Y5 v</span>     t0=clock(),<br /> <span style=\\"display:none\\">8 `  e  g/ g, s' h, |! C+ ]</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">% q\\" G6 f% _  J/ d; O8 c0 R</span>     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">3 s) O+ x# l# L+ W& k# q/ }4 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<br /> <span style=\\"display:none\\">7 f5 u! T, x) Q% J, r6 T- T1 l</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\\"># \0 A. x\\" Z& e9 ?</span>     },<br /> <span style=\\"display:none\\">1 e$ W: `* S/ e4 f</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">( F2 s- H* O% W+ [6 j% H1 C</span>     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">' b3 i. {: r' m! ?0 r4 b( g) q</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024) X( |4 J1 m( u0 ?$ v
   
2.          274965         275036         275091         275112         274931; |5 v- f9 x& H7 w  ~
   
3.          274975         275012         275020         274963         2749392 U) }% h; f# _
   
4.          274981         274976         275117         275065         275044: L( ?$ ]$ R+ Q$ S# d7 ^2 m
   
5.          274920         274906         275005         274972         2749200 Q+ O6 X0 `2 c4 d+ 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。