数学建模社区-数学中国

标题: 极限测试之Matlab与Forcal矩阵运算效率测试 [打印本页]
作者: forcal    时间: 2011-8-1 08:00
标题: 极限测试之Matlab与Forcal矩阵运算效率测试
1、小矩阵大运算量测试$ d) B# X0 v1 a! s; K, @
& C' ~- h* y" d' l+ m( a: W  S5 j
Matlab 2009a代码及结果：
  1. clear all
    ! }3 K8 |" u' A; K, m, s
  2. tic
    * I6 x! v; F/ ]3 T& d6 l
  3. k = zeros(5,5); % //生成5×5全0矩阵# i4 V4 x! D7 P: `8 X; O* }" [
  4. % 循环计算以下程序段100000次：/ K; u; K( z5 d; [
  5. for m = 1:100000
    $ Y* Z) a" d3 _( P: X( s
  6.     a = rand(5,7);
    0 ]8 H" v( ^" z) V. p' _
  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
    ) r" h4 L- L7 r+ h
  8.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);2 A" e! p3 a2 U( }3 g
  9. end
    , K: z$ L2 q9 k% S/ d
  10. k; p8 o4 q5 J, D# T0 e! v
  11. toc, u/ d7 N* N3 Q- o, m$ `% G4 e

  12. ' Z5 }& A7 _/ G5 d; d0 [; g
  13. k =; q5 _4 ^5 A2 u. ?# N/ v8 }
  14. & ]% Y1 n$ @; K' x9 N1 S
  15.   1.0e+005 *
    $ P: o( S  U. `/ q

  16. + y5 r0 P( h; q& X  s( j' h
  17.     2.7525    2.7559    2.7481    2.7525    2.7511
    6 K! I7 W. k0 M7 @3 ~! t
  18.     2.7527    2.7535    2.7430    2.7545    2.7484
    + g, I- z) ~1 A4 h; N
  19.     2.7493    2.7553    2.7440    2.7513    2.74854 ]& d) ^) ]  o3 M
  20.     2.7481    2.7506    2.7425    2.7457    2.7460
    - [0 A9 q6 |* P. Q: E" j) n
  21.     2.7506    2.7525    2.7429    2.7488    2.7451
    5 Y" I# s5 ~4 z+ t

  22. ! A6 C! ?# I/ M2 k
  23. Elapsed time is 1.979852 seconds.
复制代码
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝8 h' |$ Y* ^% }* u" j3 \* g

% a! j: |9 i# h3 X+ BForcal（OpenFC演示）代码：
  1. !using["math","sys"];
    ) F; p3 D9 ?5 N( ~% ?
  2. (:t0,k,i,a,b)=9 _3 E' g; }8 Q$ b: A$ X' [3 l
  3. {
    & ]$ R2 b, c, a" J  H! \, @( ~
  4.   t0=clock(),
    5 Y, {! H2 q) w% A* p1 x/ u
  5.   k=zeros[5,5],
    ! Z7 Y! G6 c. `# A( Y) R, l# K4 o
  6.   i=0,(i<100000).while{0 ~  Y# m* }# k- h/ q  I$ M/ V6 y
  7.     oo{
    ! U& t4 \0 R! y/ @
  8.       a=rand[5,7], b=rand[7,5],! x! b7 I* S- {
  9.       k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)8 M, V# |0 b' e+ S
  10.     },) T  X1 p  ~" e0 e# q  }
  11.     i++
    . k, v/ b; g) B4 Y
  12.   },' C) x# K: M6 \  F: B3 O( M
  13.   k.outm().delete(),
    6 O2 P! F+ d: w" M
  14.   [clock()-t0]/1000
    : O3 ^3 }0 F* V) }5 w
  15. };
复制代码
结果：
  1.          274978         274892         274913         274949         274953' q- O$ H+ l& y
  2.          274994         275050         275001         275037         2748921 n" X, p7 _, M7 Q1 p
  3.          275001         275063         275019         274963         274971
    4 W: i4 ]7 y2 _
  4.          274945         274999         275017         274983         274982) K1 e1 O; l. a$ a+ B5 g) F! O
  5.          275009         274984         274971         274955         274923
    " B' u4 w& _6 I. [% Y# T

  6. 6 x, C( y" N8 N- P8 i. X+ C
  7. 3.516  秒
复制代码
此类运算Forcal的效率有Matlab的一半稍多一点。& P6 O2 l% U" G  J
! _! \/ B: j  R8 K3 J2 I' Z1 m
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝6 B+ ^& s8 E. I1 j, K
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
" o: F0 r! G# e$ D
8 d7 e1 P7 ]9 ~/ n2、大型矩阵乘2 K7 M& C& T; l& z* a
0 Z& s; v5 P2 j
Matlab 2009a代码及结果：
  1. clear all
    % |6 f1 ?* \# |; w. ?7 t/ \. y
  2. a = rand(1000,1000);
    & i6 B' M$ g. |# ~6 K1 H
  3. b = rand(1000,1000);, g" [) b3 j" u/ h. v7 ?
  4. tic2 h1 o5 _; U5 P# L! j" I
  5. k = a * b;
    1 a% B% h& p, t9 Q/ M7 K
  6. k(1:3, 5:9)% W# H) C6 _5 p0 H
  7. toc
    / D6 R; p; _  R4 S1 c1 K+ C

  8. 7 q# \! w: r3 o
  9. ans =7 m% i/ L% {( ?& u( V  C

  10. - X- @% P1 K7 q7 D( H! l
  11.   246.1003  244.3288  252.9674  258.1527  243.9345
    2 Q& _, {+ V) N& y+ d. U7 Q
  12.   246.7404  236.1487  249.7140  251.3887  246.0294
    1 p: L2 v" \' n+ \9 ]
  13.   249.4205  240.5515  252.5847  257.0065  249.71371 k) a, T1 t$ W7 V" a4 r

  14. # U( c2 h, g3 w4 Z2 ?
  15. Elapsed time is 0.310022 seconds.
复制代码
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝3 k) ?6 S1 w  K
: u1 F- d2 m1 b% m! I) F; j4 Y: h
Forcal（OpenFC演示）代码：
  1. !using["math","sys"];3 c# R9 }/ }( _* h" b% ~- T
  2. main(:a,b,k,t0)=
    ) @1 K! A$ l, z/ F6 m
  3. oo{. M: W/ L! w+ l9 ~
  4.   a=rand[1000,1000], b=rand[1000,1000],) _5 K& B' m0 `) R! Q, I, K. q5 X4 g3 B
  5.   t0=clock(),
    ' _8 @9 Q! H7 {6 k! h: W: }8 v
  6.   k=a*b,  //矩阵乘
    8 V9 h) ~. B4 F# P+ D# D1 [$ q* n" v
  7.   k[1,3:5,9].outm()
    - e# N% }9 k! R' l
  8. },/ k8 E7 ~3 g0 o& h$ g) P
  9. [clock()-t0]/1000;
复制代码
结果：
  1.         247.009        245.731        242.454        247.412        244.482
    7 K# w! G, b! E" [! }; {
  2.         258.268        255.417        253.738        255.159        253.042/ @: b+ K  V: ^! |1 ]; ~0 U
  3.         258.088        252.324        248.927        252.392        247.731& L/ M5 {7 U, S( s7 U

  4. 1 D( j# g! C! L3 A
  5. 2.25
复制代码
此类运算Matlab的速度约是Forcal的7倍多。* l" Y" _7 b& W# \+ ~& t' \5 L( R
* h7 a1 l& K1 W/ X0 V$ Z
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝# r0 l$ P' a! l8 M7 W  a9 G- o8 B
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝. C/ r6 F$ \" m* p7 \* c! w

- |: H3 i* T/ L矩阵运算是Matlab的优势。不过，个人认为，矩阵计算速度取决于算法，矩阵算法只是众多数值算法的一种，不属于语言的基本特性。然而，拥有高效的矩阵算法是matlab的骄傲，就像优化算法是1stopt的骄傲一样。, K7 r; P, I) `  D- l

" E! U+ u9 F1 p  T, S. }Forcal的矩阵乘是用普通的矩阵乘经过改进而成的，效率自然低，但所有的数值算法包括矩阵运算是由Forcal扩展库实现的，只要有高效的算法，Forcal便可大展身手，为所有这些算法提高更高效的服务。% L. P4 {4 }- @* c8 t
9 @3 S. O6 }% n8 d0 g! \
除了矩阵运算，Matlab还有许多非语言特性的优势，例如函数图形功能（不包括其GUI，Forcal是嵌入式脚本，C/C++、Delphi等的GUI就是Forcal的GUI）、符号计算功能、控制仿真、金融建模等等。这些实用方便的算法模块使matlab获得了广大用户的青睐。
作者: chairong    时间: 2011-8-1 10:38
这个不错啊 嘻嘻。。。
+ ?) B2 F! ^  J5 v- f3 S/ N
2 j2 Z) P6 u) G% ]+ I, ~
作者: 发现者2011    时间: 2011-8-1 14:04
henhao  ............
$ z; J6 E. _  g( g: m; a
作者: 碧天云淡    时间: 2011-8-1 16:42
matlab的优势很明显的
作者: alair005    时间: 2012-2-7 13:01
支持一,下楼主辛苦了45578073860093
作者: zcＢＣuikgh    时间: 2012-8-11 21:27
济南夜场招聘，济南翰林商务会所招聘夜场模特佳丽１３１５６４０４４１５，４００每台，小费日结无押金。qlktv.net



欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5