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
" J. }( T: N* O+ [( C
8 E7 `& e1 [1 v/ V  e( _. bLuMath 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。
* g% O4 `; [. I
例子：

  g+ y0 f7 Y& P- ~- r& [% h0 Umatlab2009a代码：

1. clear all* [8 ^9 D1 B1 }
   
2. clc
   ) v. J5 s# `7 C
3. tic
   ) R& I) r, ~. ?' Z; M
4. k = zeros(5,5); % //生成5×5全0矩阵1 z; D0 t; N( C4 W1 L, Y$ C* x& h
   
5. % 循环计算以下程序段100000次：. H( `% @( n/ k& P
   
6. for m = 1:1000007 Q3 X3 `' ?. E  ~; N% F4 e7 s0 w( w5 y\" e
   
7.     a = rand(5,7);
   . ?7 H- P7 x8 s* T0 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, k: p\" ~! }9 j, o
   
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);4 O! H8 J; m% g, X. p3 G% `
   
10. end2 D( j4 ]* n; {( U3 V! I
    
11. k% {7 ?) J3 ~5 D0 H/ p
    
12. toc

复制代码

多次运行，结果约为：

1. k =, Z& o* @: y. n0 V& k$ v- K& C- I
   
2. 
   0 J/ w  _\" \  `* [/ g/ G
3.   1.0e+005 *
   % h7 H/ Z3 T\" c; o, T
4. 
   # q- O$ }; A/ S& b$ c
5.     2.7530    2.7525    2.7509    2.7539    2.7529) B0 h0 U) Y9 f# o7 k+ }2 Y: X
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   + u/ L6 V. ~, ]  l# [% g+ q- [
7.     2.7549    2.7524    2.7527    2.7564    2.7517! A( M$ ~$ }; Y- d+ l4 W0 b9 S5 O
   
8.     2.7530    2.7523    2.7533    2.7525    2.7502
   2 A; x$ `! s- u% I  e
9.     2.7527    2.7521    2.7505    2.7519    2.7523: o; m, ]\" G0 v! g
   
10. : P7 O) ?+ |; t
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];7 o1 ~4 |, }+ _9 s) `7 X
   
4. main(:t0,k,i,a,b)=8 Y# |! ~8 Z; t5 i- W) p- [6 O
   
6. {
   
7. 7 r1 p\\" t; x; L3 Z# L$ G
8.     t0=clock(),
   
9. * w' z; f& S. Y6 Z5 |9 r1 i
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. # b0 g# K0 z6 u; r9 @3 `
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. ; ?' Z# l* h4 n9 m/ P1 g
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: c0 w  b3 ]% \$ I
    
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)7 L, Z2 h+ z  T1 \( e
    
18.     },8 e# D- J6 @  O9 I& {5 g! v
    
20.     k.outa(),             //输出矩阵k
    
21. \\" ]\\" D: z8 [0 N/ S- k, R0 B& r
22.     [clock()-t0]/1000.    //得到计算时间，秒. L9 b: g$ C. q, x
    
24. };

!!!using["math"];<font class=\\"jammer\\">7 o1 ~4 |, }+ _9 s) `7 X</font><br /> main(:t0,k,i,a,b)=<font class=\\"jammer\\">8 Y# |! ~8 Z; t5 i- W) p- [6 O</font><br /> {<br /> <span style=\\"display:none\\">7 r1 p\\" t; x; L3 Z# L$ G</span>     t0=clock(),<br /> <span style=\\"display:none\\">* w' z; f& S. Y6 Z5 |9 r1 i</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\"># b0 g# K0 z6 u; r9 @3 `</span>     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">; ?' Z# l* h4 n9 m/ P1 g</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\\">: c0 w  b3 ]% \$ I</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)<font class=\\"jammer\\">7 L, Z2 h+ z  T1 \( e</font><br />     },<font class=\\"jammer\\">8 e# D- J6 @  O9 I& {5 g! v</font><br />     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">\\" ]\\" D: z8 [0 N/ S- k, R0 B& r</span>     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">. L9 b: g$ C. q, x</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         2750245 C' \6 M: ^+ N+ }5 c$ m6 M3 {
   
2.          274965         275036         275091         275112         274931  i\" D; Z1 Q5 W+ u# z$ c; v
   
3.          274975         275012         275020         274963         274939, L- {/ f. X; S# ~9 T4 s: J' c
   
4.          274981         274976         275117         275065         275044; J- t# I: L+ o- |. ?
   
5.          274920         274906         275005         274972         274920
   ' Q, I! X5 D7 U, w/ w, g9 U& d# 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。