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。
+ Y" e$ t& {4 L, c
例子：
3 d. O/ q' a( p1 G- T
matlab2009a代码：

1. clear all
   ' O: N9 w3 B4 G\" q7 d( V
2. clc
   % P3 Q% J8 O$ x7 U$ R! B% [) i
3. tic7 q# p\" N4 N9 u
   
4. k = zeros(5,5); % //生成5×5全0矩阵
   5 E' j  Y( D$ F; j8 B' X' h  c
5. % 循环计算以下程序段100000次：0 ?# a' F; j2 M, S! o/ w
   
6. for m = 1:1000006 ]; Y( Q8 E3 I6 X
   
7.     a = rand(5,7);1 Q7 Q/ [9 V! F
   
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  y% G. v% g8 I# m) n2 {! Q) Y
   
9.     k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
   - y3 W; G0 E, q
10. end# S& }7 q, Z7 [% M  A3 D
    
11. k- A9 A7 V) E' \& i( P
    
12. toc

复制代码

多次运行，结果约为：

1. k =6 W5 P9 N: n2 K8 p) X
   
2. \" c, x2 ?! p7 {; G+ |
   
3.   1.0e+005 *
   * Y/ u$ J6 y) b+ \$ A
4. * z4 `+ E6 v) D# A8 G
   
5.     2.7530    2.7525    2.7509    2.7539    2.7529\" c& B  ^8 `/ T1 F$ F) t
   
6.     2.7521    2.7494    2.7493    2.7542    2.7476
   4 }  i\" v* y/ q3 K% H
7.     2.7549    2.7524    2.7527    2.7564    2.75177 A6 f\" u7 X\" g2 p4 a0 R  l) A6 y. k
   
8.     2.7530    2.7523    2.7533    2.7525    2.7502( R. L1 F, W& K8 b5 ]* E, S6 K$ ]
   
9.     2.7527    2.7521    2.7505    2.7519    2.7523% V* F3 h7 E1 b% c
   
10.   t0 v+ w) M\" h- p
    
11. Elapsed time is 2.126704 seconds.

复制代码

Lu代码：

2. !!!using["math"];7 x9 U% R6 W/ w9 H; U* f
   
4. main(:t0,k,i,a,b)=
   
5. 1 {/ q4 |; N0 q  t  F* X
6. {1 G7 h# V$ R' ]6 ]+ }1 W5 a
   
8.     t0=clock(),
   
9. * v- [\\" x* f6 Z2 N6 w0 ~
10.     k=zeros(5,5),         //生成5×5矩阵k，初始化为0
    
11. 3 F  g\\" N, `, U7 S/ H! J+ I\\" F
12.     i=0,(++i<=100000).while{//循环计算100000次) \# {, _4 T8 X: @/ o9 F7 q
    
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: T\\" P. k' U& n1 t6 {6 A9 L5 U
    
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 Y( Z/ y/ v9 f) G
    
18.     },
    
19. 6 P( ^( |7 \, u# w& H
20.     k.outa(),             //输出矩阵k
    
21. 5 l9 d$ |- O2 t0 X) K# K* J) }
22.     [clock()-t0]/1000.    //得到计算时间，秒7 ^( e7 C* @0 R3 Q2 {
    
24. };

!!!using["math"];<font class=\\"jammer\\">7 x9 U% R6 W/ w9 H; U* f</font><br /> main(:t0,k,i,a,b)=<br /> <span style=\\"display:none\\">1 {/ q4 |; N0 q  t  F* X</span> {<font class=\\"jammer\\">1 G7 h# V$ R' ]6 ]+ }1 W5 a</font><br />     t0=clock(),<br /> <span style=\\"display:none\\">* v- [\\" x* f6 Z2 N6 w0 ~</span>     k=zeros(5,5),         //生成5×5矩阵k，初始化为0<br /> <span style=\\"display:none\\">3 F  g\\" N, `, U7 S/ H! J+ I\\" F</span>     i=0,(++i<=100000).while{//循环计算100000次<font class=\\"jammer\\">) \# {, _4 T8 X: @/ o9 F7 q</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<font class=\\"jammer\\">: T\\" P. k' U& n1 t6 {6 A9 L5 U</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\\">0 Y( Z/ y/ v9 f) G</font><br />     },<br /> <span style=\\"display:none\\">6 P( ^( |7 \, u# w& H</span>     k.outa(),             //输出矩阵k<br /> <span style=\\"display:none\\">5 l9 d$ |- O2 t0 X) K# K* J) }</span>     [clock()-t0]/1000.    //得到计算时间，秒<font class=\\"jammer\\">7 ^( e7 C* @0 R3 Q2 {</font><br /> };

多次运行，结果约为：

1.          275024         274895         275054         275083         275024' d- R/ C$ C: {3 b( H: W8 ?2 x. Z
   
2.          274965         275036         275091         275112         274931\" x: v7 D) f3 U  }1 R
   
3.          274975         275012         275020         274963         2749394 G' K5 r6 F\" G  Y% h% Y
   
4.          274981         274976         275117         275065         275044
   % E% t* a5 s0 t3 |( b
5.          274920         274906         275005         274972         274920
   % @2 ~0 @! i& L
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。