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

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。
+ L8 j+ X& L! C( i
例子：

' q4 o2 k7 ?9 L4 nmatlab2009a代码：

1. clear all/ m9 y! d* a, G  g+ j$ N
   
2. clc
   1 B) F+ `+ ~% ]7 _& ~0 D
3. tic( {\" i. u2 E# z! G6 ^, _
   
4. k = zeros(5,5); % //生成5×5全0矩阵
   : \& N1 t1 m8 W4 k1 M
5. % 循环计算以下程序段100000次：
   - Y; J' q1 p! n
6. for m = 1:100000
   ( }& _  A7 d- q# X; n0 Q7 A
7.     a = rand(5,7);
   - e  u' X! d: @* ]4 H7 N1 V5 E
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
   8 s& L: j, a  O+ P; i
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);8 {: x% H/ v  S) a7 }- s
   
10. end# j\" c. Q6 A1 a2 Q2 G; x+ b: N
    
11. k
    6 ~! p  O4 r! S8 X! O
12. toc

复制代码

多次运行，结果约为：

1. k =: L8 n$ u# }3 O  P\" g+ N+ d- B
   
2. 2 p\" ?$ q; Q2 d7 d- z
   
3.   1.0e+005 *
   8 Z9 u0 f2 O2 ]6 s\" O
4. % o3 H& P% r- Z$ }9 j1 |' R
   
5.     2.7530    2.7525    2.7509    2.7539    2.7529
   2 w+ k2 Z3 d' \! L) }\" d% m3 e
6.     2.7521    2.7494    2.7493    2.7542    2.7476; N: n\" I) B+ b
   
7.     2.7549    2.7524    2.7527    2.7564    2.7517
   / z4 @7 V5 E% c! h/ T- [0 {
8.     2.7530    2.7523    2.7533    2.7525    2.7502$ q5 W! A. Q\" p# X* |7 y
   
9.     2.7527    2.7521    2.7505    2.7519    2.7523
   + A; i6 k0 i: {# q
10. * Z* f  E$ `/ P( s# a! X
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];- N2 S# c* O' y\\" x3 f$ D
   
4. main(:t0,k,i,a,b)=2 e, i: l1 H; ^; u( x7 }; m- a
   
6. {4 \* l4 c9 Q8 ~( E
   
8.     t0=clock(),
   
9. + f; L5 l\\" b3 t# N7 y) I
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0- Z8 U+ H6 T1 |
    
12.     i=0,(++i<=100000).while{//循环计算100000次
    
13. 6 k; b3 I7 y/ `4 W
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. 2 b5 J# g* [- o7 \\\" p0 K; b, }
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. \\" c4 W9 }/ G# `* w
18.     },
    
19. / T0 ?, y0 V4 y/ w- y* S
20.     k.outa(),             //输出矩阵k/ f9 t5 w0 P* u0 D& q) C
    
22.     [clock()-t0]/1000.    //得到计算时间，秒
    
23. ) I+ S* G, D% _  }; p4 G+ W% c
24. };

!!!using["math"];<font class=\\"jammer\\">- N2 S# c* O' y\\" x3 f$ D</font><br /> main(:t0,k,i,a,b)=<font class=\\"jammer\\">2 e, i: l1 H; ^; u( x7 }; m- a</font><br /> {<font class=\\"jammer\\">4 \* l4 c9 Q8 ~( E</font><br />     t0=clock(),<br /> <span style=\\"display:none\\">+ f; L5 l\\" b3 t# N7 y) I</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<font class=\\"jammer\\">- Z8 U+ H6 T1 |</font><br />     i=0,(++i<=100000).while{//循环计算100000次<br /> <span style=\\"display:none\\">6 k; b3 I7 y/ `4 W</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\\">2 b5 J# g* [- o7 \\\" p0 K; b, }</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\\">\\" c4 W9 }/ G# `* w</span>     },<br /> <span style=\\"display:none\\">/ T0 ?, y0 V4 y/ w- y* S</span>     k.outa(),             //输出矩阵k<font class=\\"jammer\\">/ f9 t5 w0 P* u0 D& q) C</font><br />     [clock()-t0]/1000.    //得到计算时间，秒<br /> <span style=\\"display:none\\">) I+ S* G, D% _  }; p4 G+ W% c</span> };

多次运行，结果约为：

1.          275024         274895         275054         275083         2750247 e: |4 s# ?  g0 z3 e  I
   
2.          274965         275036         275091         275112         2749316 `3 @+ L3 R; |
   
3.          274975         275012         275020         274963         2749397 ~\" e% T, _! A  s
   
4.          274981         274976         275117         275065         2750445 z; R. O5 w# g- `* d) U' B
   
5.          274920         274906         275005         274972         274920
   9 ~\" M3 }8 x# B0 N+ N
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。