1、提高 Matlab 编程效率的小技巧 景明利 预分配内存 生成一个大小为 1n 的向量，预先分配内存与未分配内存的对比； 未分配内存 function PreAllocmem1 n=4000; tic; for k=1:n a(k)=1; end time=toc; disp(未 分配内存下赋值运算时间 :,num2str(time),秒 !) 分配内存： function PreAllocmem2 n=4000; b=zeros(n,1); tic; for k=1:n b(k)=1; end time=toc; disp(预分配内存下赋值运算时间 :,num2str(time),秒 !)
2、实验结果对比： 未分配内存下赋值运算时间 :0.015792 秒 ! 预分配内存下赋值运算时间 :4.6424e-005秒 ! 2.循环中次序的问题 在多层循环中，循环次序尤为重要！ 求出一个 nm 矩阵中非零元素的和 function sumat=nonzero_sum(A) m,n=size(A); S=0; tic for i=1:m for j=1:n if A(i,j)=0 S=S+A(i,j); else continue end end end sumat=S; toc 循环次数多的至于内层，循环次数少的至于外层 function sumat2=nonzero_sum2(A) m
3、,n=size(A); S=0; tic if n=m for i=1:m for j=1:n if A(i,j)=0 S=S+A(i,j); else continue end end end else for j=1:n for i=1:m if A(i,j)=0 S=S+A(i,j); else continue end end end end sumat2=S; toc 两种结果对比： A=randn(40000,1000); sumat=nonzero_sum(A) Elapsed time is 0.842068 seconds. sumat = -8.1031e+003 suma
4、t2=nonzero_sum2(A) Elapsed time is 0.471576 seconds. sumat2 = -8.1031e+003 A=randn(40000,10); sumat=nonzero_sum(A) Elapsed time is 0.021663 seconds. sumat = 1.3607e+003 sumat2=nonzero_sum2(A) Elapsed time is 0.006993 seconds. sumat2 = 1.3607e+003 0.842068/0.471576 ans = 1.7856 0.021663/ 0.006993 ans
5、 = 3.0978 3.矩阵与向量相乘 221() 2f xyx 利用最速下降法求解， 已知 y ， ，求解 x ？ x=rand(100,1); phi=randn(100); phi=orth(phi); y=phi*x; tol=1e-2; 先矩阵 乘矩阵再乘向量得到结果： ABX=A*B*x function x_hat,i=Gradient_solution2(y,phi,tol) m,n=size(phi); x=zeros(n,1); r=y; y2 = sum(y.*y); err=y2; i=0; itern=1e2; tic while(errtol x=zeros(n,1); r=y; y2 = sum(y.*y); err=y2; i=0; itern=1e2; tic while(errtol for i=1:2e7; s=s+(1/2i+1/3i); end toc Elapsed time is 12.164247 seconds. s s = 1.500000000000000 采用向量化实现 tic i=1:2e7; s=sum(1./2.i+1./3.i); toc Elapsed time is 7.198643 seconds. s s = 1.500000000000000
