from http://hi.baidu.com/bittnt/item/a66eb49c43c077d97b7f01c9
今天终于搞定了一个新算法的用例和调试~,总结一下Matlab中的向量优化小结。
1、给定一个列向量v1,和一个行向量v2, 计算矩阵M,使得M(i, j) = v1(i) + v2(j)。一种常用的向量化实现:m = length(v1);
n = length(v2);
M = repmat(v1, [1, n]) + repmat(v2, [m, 1]);
2、另外,发现bsxfun是个好东东,其中函数全部用C实现了快速矩阵算法,在时间和空间上都比较节省。
C = bsxfun(fun,A,B)
那个fun可以是以下很多算子。
@plus
Plus
@minus
Minus
@times
Array multiply
@rdivide
Right array divide
@ldivide
Left array divide
@power
Array power
@max
Binary maximum
@min
Binary minimum
@rem
Remainder after division
@mod
Modulus after division
@atan2
Four quadrant inverse tange