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
( T& `6 w, G. ]1 Z2 x6 o, O0 b
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。
& t, n2 A" A# Q# Y8 a# v; i* ^9 J
例子：
, s/ j% k3 D& v/ L
matlab2009a代码：

1. clear all; [9 g2 M7 _! w! X$ _8 u\" `, V% }
   
2. clc, j: S. N\" f7 q
   
3. tic, S9 q# A8 I& H\" B6 m5 H
   
4. k = zeros(5,5); % //生成5×5全0矩阵
   + l: c* Z# d8 K6 n2 g* x
5. % 循环计算以下程序段100000次：8 O% S* p( F% r. \( z
   
6. for m = 1:100000! A- ~: A) d0 R; q9 L& S, ]1 R0 N
   
7.     a = rand(5,7);. N6 J$ {; M2 F9 y9 Q6 c) z
   
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
   $ m1 |6 T0 F+ t& C
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   2 N1 o  N+ h- \1 W0 b) y! s2 S
10. end2 I+ o+ h  ?3 K\" ]$ K0 G
    
11. k
    - l# v8 Y/ ~$ s# v
12. toc

复制代码

多次运行，结果约为：

1. k =
   - X4 v% Z( U: s8 Y
2. ( d4 c  U2 Z8 A, _6 E& p4 i; P0 P\" ?
   
3.   1.0e+005 *
   3 Q# x\" c. x5 i# ?5 K
4. 
   5 K# O3 i% o. O! H  [. [: J
5.     2.7530    2.7525    2.7509    2.7539    2.7529
   ' ^* Z' U2 C# ]+ `) ~9 p- e2 w
6.     2.7521    2.7494    2.7493    2.7542    2.7476( w6 B4 \. p9 s* i8 ^
   
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   1 a* p$ }. E3 ?
8.     2.7530    2.7523    2.7533    2.7525    2.7502* B7 M, p\" K/ X1 k2 A
   
9.     2.7527    2.7521    2.7505    2.7519    2.7523. R, b& m; w' d3 |\" G
   
10. 
    : F' T4 s# Z. h9 l
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];6 [6 G1 v/ o* a8 H9 G\\" r& a  v
   
4. main(:t0,k,i,a,b)=
   
5. : F0 O# F( K' {8 [0 c
6. {
   
7. : m8 Z7 P# Y* Y! ?/ D1 d
8.     t0=clock(),4 q* z4 V7 h0 T
   
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. & y$ j# y/ }! \9 d- C
12.     i=0,(++i<=100000).while{//循环计算100000次: [: x* o/ s- [: }0 x+ t. n
    
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. - F\\" f: S9 z3 u' A( e
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)0 R. X) O4 t6 V/ k. ~# C2 D; _
    
18.     },
    
19. - T$ H6 A5 L0 \! \) b/ B( I
20.     k.outa(),             //输出矩阵k% q& {; p+ M: A$ L+ y
    
22.     [clock()-t0]/1000.    //得到计算时间，秒- ]( S9 A) I8 X, O2 K
    
24. };

!!!using["math"];<font class=\\"jammer\\">6 [6 G1 v/ o* a8 H9 G\\" r& a  v</font><br /> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">: F0 O# F( K' {8 [0 c</span> {<br /> <span style=\\"display:none\\">: m8 Z7 P# Y* Y! ?/ D1 d</span>     t0=clock(),<font class=\\"jammer\\">4 q* z4 V7 h0 T</font><br />     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">& y$ j# y/ }! \9 d- C</span>     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">: [: x* o/ s- [: }0 x+ t. n</font><br />         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\\">- F\\" f: S9 z3 u' A( e</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\\">0 R. X) O4 t6 V/ k. ~# C2 D; _</font><br />     },<br /> <span style=\\"display:none\\">- T$ H6 A5 L0 \! \) b/ B( I</span>     k.outa(),             //输出矩阵k<font class=\\"jammer\\">% q& {; p+ M: A$ L+ y</font><br />     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">- ]( S9 A) I8 X, O2 K</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024  `8 [; U7 \4 `# w+ H
   
2.          274965         275036         275091         275112         2749314 e0 G1 d/ s) e! f, @- J
   
3.          274975         275012         275020         274963         2749395 @7 o! g\" g! z# H* Y
   
4.          274981         274976         275117         275065         2750440 g& u; ?4 A7 I0 h# s1 y6 [
   
5.          274920         274906         275005         274972         274920: M, y6 A9 ?5 d- T, H
   
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。