循环是程序流程控制的三大剑客之一,没有循环可以说好多功能都不能实现。MATLAB作为一种特殊的编程语言,其在循环的优化上并不是特别出色,但在矩阵化运算(也称矢量化运算)上具有较其他编程语言不可比拟的优势。
为了比较在matlab中for循环与向量化运算的差别,在此做一个小实验,实验过程如下:
在matlab中计算1000到10000大小的矩阵相乘,为了节约时间,以500为矩阵大小的步长。在每一个尺度下,进行十次重复计算然后平均计算时间。下图不同矩阵大小与计算所花时间的关系图,以及不同矩阵大小与for循环所花时间和向量化计算时间之比:
图1. 不同矩阵大小与计算所花时间
图2. 不同矩阵大小与for循环所花时间和向量化计算时间之比
从图中不难发现,在MATLAB中矢量化计算比for循环计算显著的优势,尤其时当矩阵尺度较大时,矢量化计算的优势越明显。当然,并不是所有情况下都能采用矢量化计算,得根据实际情况来确定。矢量化计算高效便捷、公式化、代码直观并于阅读,但其编程韵味略显不足。本文相关代码放置文末,感兴趣得小伙伴可以试一试。
关联阅读>>>>>
本文相关源程序:
clc;clear;N = 1000:500:10000; % 定义不同尺度的矩阵大小
len = length(N); %
tf = zeros(1,len); % 存储for循环时间
tv = zeros(1,len); % 存储矢量运算时间
for k = 1:len
C = zeros(N(k));
D = zeros(N(k));
tft = zeros(1,10);
tfv = zeros(1,10); % 为了使计算结果更有说服力,每个尺度计算十次然后取时间平均
for u = 1:10 % 定义两个计算用矩阵
A = rand(N(k));
B = rand(N(k));
% for循环计时
tic;
for m = 1:N(k)
for n = 1:N(k)
C(m,n) = A(m,n)*B(m,n);
end
end
tft(u) = toc;
end
% 矢量运算计时
tic;
D = A.*B;
tfv(u) = toc;
tf(k) = mean(tft);
tv(k) = mean(tfv);
end
% 绘制图像
plot(N,tf,'r.-',N,tv,'b.-');