matlab中怎么将for向量化,高效的Matlab：向量化

前面一直在谈理论，为了避免成为纯理论blog, 这次聊聊最实验的部分：coding.

Matlab是数值计算和仿真中使用最为广泛的软件。它便捷，高效，通常可以直接将伪代码算法转换成matlab代码。但在方便的同时，matlab里面也有很多性能的陷阱。例如令人诟病的for语句。

在matlab里，至少有两种方法将一个数组每个元素加1. 一种来自一般的程序语言for i=1:length(a), a(i)=a(i)+1; end；另一种则借鉴数学记法a=a+1。

但在matlab中，这两实现的性能却有天壤之别。虽然matlab在不断优化for的执行，不过即使是matlab 2010b, 在我的笔记本上(Core 2 Duo 2.4 GHz, 4GB, Win7)，对于一个10万元素的一维数组，第一种实现需5微秒，而第二种只用0.4微妙。后者快上10倍。

事实上，用过matlab就会发现，matlab自带的函数通常都有很高的性能。例如刚提到的a=a+1，或是排序 sort(a)，以及令人称道的矩阵乘法，SVD分解等等。事实上，对于两矩阵a和b相乘，如果简单用三层for循环来实现(用C)，性能肯定会比matlab差很多。

虽然matlab的界面是用java实现以方便跨平台，在性能上不尽人意，不过内核是用C实现的。可以试试命令matlab -nojvm。对于矩阵运算，matlab是调用高度优化的BLAS/LAPACK库。例如BLAS level3提供的一般矩阵乘法，它将矩阵拆成很多小块，充分利用内存的连续性，cpu的cache架构，多线程等来优化执行。matlab做的只是提供一个方便的人机接口