matlab for嵌套优化,matlab – 嵌套循环优化

我真的很难在MATLAB上优化微积分代码.

这是获得非线性材料的材料特性所需的大量计算.

此计算需要超过2.4亿步.

它本身相当简单,因为它包含大量的金额.

唯一的问题是数字存储在各种数组和列表中,这有点令人困惑.

这是原始代码：

Tensor=zeros(3,3,3,3);

for m=1:3

for n=1:3

for o=1:3

for p=1:3

for x=1:16

for y=1:16

for z=1:16

for i=1:3

for j=1:3

for k=1:3

for l=1:3

for r=1:3

for s=1:3

sum=sum+(1/(8*(pi()^2))*P{x,y,z}(i,m)*P{x,y,z}(j,n)*P{x,y,z}(k,o)*P{x,y,z}(l,p)*(TensorC(i,j,k,l)-TensorC0(i,j,r,s))*TensorA(r,s,k,l)*sin(omega(x))*p_omega(x)*p_phi(y)*p_beta(z);

end

end

end

end

end

end

end

end

end

Tensor(m,n,o,p)=sum;

end

end

end

end

P {x,y,z}(i,m)是基础公式的变化(对于其他公式相同)：i和m确定公式的类型,并且使用x,y和z变量计算结果.

求和中的所有其他数字都是在数组和张量中拾取的实数.

我试图从最后一个for循环中提取尽可能多的变量,以便尽快计算它们减少操作次数：

Tensor=zeros(3,3,3,3);

CO1=1/(8*(pi()^2));

for m=1:3

for n=1:3

for o=1:3

for p=1:3

sum=C0_tensor(m,n,o,p);

for x=1:16

CO7=sin(omega(x));

CO8=p_omega(x);

for y=1:16

CO9=p_phi(y);

for z=1:16

CO10=p_beta(z);

for i=1:3

CO2=P{x,y,z}(i,m);

for j=1:3

CO3=P{x,y,z}(j,n);

for k=1:3

CO4=P{x,y,z}(k,o);

for l=1:3

CO5=P{x,y,z}(l,p);

CO6=TensorC(i,j,k,l);

for r=1:3

for s=1:3

CO11=TensorC0(i,j,r,s);

CO12=TensorA(r,s,k,l);

sum=sum+CO1*CO2*CO3*CO4*CO5*(CO6-CO11)*CO12*CO7*CO8*CO9*CO10;

end

end

end

end

end

end

end

end

end

Tensor(m,n,o,p)=sum;

end

end

end

end

但是,计算时间太长了.

我没有看到任何并行化或矢量化计算的方法……

从一个数组或一个矩阵中检索一个特定值的操作似乎非常慢……

你认为我应该构建一个包含所有值的巨大张量而不是使用倍数吗？