Matlab性能优化——利用cell预分配内存（内容有误，更正）

做模式识别实验遇到的一个问题：每次循环生成的向量维数都是随机的，如何把生成的向量最后合并成一个，用sum=[sum d]合并效率极低，原因在于matlab在循环中动态扩充数组会不断分配新的内存空间，并把原来的所有数据复制过去。

function [output]=dashu(n)
% 验证大数定理
% n是模拟次数
sum_d=[];
for m=1:n
s=randi([-100,100],1,2);
a=min(s);
b=max(s);
      while a==b
           s=randi([-100,100],1,2);
           a=min(s);
           b=max(s);
      end
c=randi([1,1000],1);
d=randi([a,b],1,c);
sum_d=[sum_d d]
end
x=mean(sum_d);
y=var(sum_d);
output=[x y];
hist(sum_d,20);

语法没问题，可是太耗时间，如果1000次要几十分钟，分析报告显示:sum_d=[sum_d d];耗费了96%的时间，后来改为用元胞数组

function [output]=dashu(n)
% 验证大数定理
% n是模拟次数
sum_d{1,n}=[];
for m=1:n
s=randi([-100,100],1,2);
a=min(s);
b=max(s);
      while a==b
           s=randi([-100,100],1,2);
           a=min(s);
           b=max(s);
      end
c=randi([1,1000],1);
d=randi([a,b],1,c);
sum_d{m}=d;
end
summ=cell2mat(sum_d);

x=mean(summ);
y=var(summ);
output=[x y];
hist(summ,20);

今天发现那份原先代码运行慢的原因并非sum=[sum d]效率低，而是sum=[sum d] 表达式后面没加 分号，导致命令行窗口不断输出这个表达式的运算结果，导致很慢，加了分号后运行很快，甚至比用cell方案更快。