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

4 o$ g% G1 g8 F+ i5 ALuMath 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。

+ @* U; h2 @* @; F例子：
, K$ s8 p3 F% |! K6 O2 i9 X9 e3 V
matlab2009a代码：

1. clear all( F' p) k' C% h* W4 Q4 ^
   
2. clc
   # a4 N; F+ X* d6 a: m
3. tic
   ; }& G\" j  Y4 \3 F: d3 C
4. k = zeros(5,5); % //生成5×5全0矩阵
   , T: x& g\" p; ], p$ p6 r! q
5. % 循环计算以下程序段100000次：
   \" {9 X! ~( H; @
6. for m = 1:100000: E9 b& B  }6 q: V
   
7.     a = rand(5,7);
   + ]( r- d+ P, O0 A% y1 x+ ]
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
   $ ?\" F: f0 q0 b& C\" @
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   + d\" e8 T7 g8 P( s: G* S9 z
10. end5 y. ^& X5 c% X% |4 Y' i
    
11. k* G/ B' G. H9 n$ X4 u
    
12. toc

复制代码

多次运行，结果约为：

1. k =
   / k4 \+ n+ e! b, I
2. 8 X4 g- D  L  ^7 i4 \$ Q6 {  n
   
3.   1.0e+005 *- C7 q' T/ U& I: l
   
4. 
   ) q' }; K1 v9 M3 ?: k' |
5.     2.7530    2.7525    2.7509    2.7539    2.75294 z( u) S. P  l4 |. ^
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   - `5 [  x2 O& a
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   & y( S. l5 ~3 n8 c
8.     2.7530    2.7523    2.7533    2.7525    2.7502: g5 F; [( n0 H
   
9.     2.7527    2.7521    2.7505    2.7519    2.7523  N3 G. q' i# A9 }9 W9 W' c/ w0 b
   
10. \" ?/ ^/ z1 A7 A- a# ?6 I6 H) Z
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];  O2 t3 S  H0 W: _2 ?) x- P
   
4. main(:t0,k,i,a,b)=
   
5. 6 ]' y/ z4 x8 H* J5 l' T
6. {
   
7. ; y- Q6 R7 p( q( N\\" M
8.     t0=clock(),
   
9. 4 _1 G: w0 Y+ a* c3 p; Y
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11.   @. A/ x. K) R* e& k. I
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. , ~! ^7 S) W, C% U
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. $ K. d# v) j# u' d; {( X
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. # U/ {1 u; h& S
18.     },5 x4 b  }  Z! B/ y; N
    
20.     k.outa(),             //输出矩阵k4 V3 [3 e$ ?/ N4 v5 e2 R
    
22.     [clock()-t0]/1000.    //得到计算时间，秒0 {9 c- z& {2 ]\\" n
    
24. };

!!!using["math"];<font class=\\"jammer\\">  O2 t3 S  H0 W: _2 ?) x- P</font><br /> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">6 ]' y/ z4 x8 H* J5 l' T</span> {<br /> <span style=\\"display:none\\">; y- Q6 R7 p( q( N\\" M</span>     t0=clock(),<br /> <span style=\\"display:none\\">4 _1 G: w0 Y+ a* c3 p; Y</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">  @. A/ x. K) R* e& k. I</span>     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">, ~! ^7 S) W, C% U</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\\">$ K. d# v) j# u' d; {( X</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\\"># U/ {1 u; h& S</span>     },<font class=\\"jammer\\">5 x4 b  }  Z! B/ y; N</font><br />     k.outa(),             //输出矩阵k<font class=\\"jammer\\">4 V3 [3 e$ ?/ N4 v5 e2 R</font><br />     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">0 {9 c- z& {2 ]\\" n</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         2750243 l8 e. r. N. L* `9 r+ F. y* _9 C. F
   
2.          274965         275036         275091         275112         274931
   4 X. I' Z% \# c, ]3 m- s0 ]& x
3.          274975         275012         275020         274963         274939* T4 K! \1 P, }
   
4.          274981         274976         275117         275065         275044- S/ l5 K3 w0 L- W) Y
   
5.          274920         274906         275005         274972         274920  e( N\" |. E* C4 k2 y! o
   
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。