matlab 三维矩阵向量化,提升Matlab程序运行速度的技巧总结

最近看到有国外学者总结了提升Matlab程序效率和执行速度的技巧， 原帖是英文撰写的， 我把其搬运成中文， 希望能给大家一些参考。

1.  提前分配内存 memory preallocation

Matlab中存放矩阵时使用连续的内存区域， 当矩阵大小改变时，如果事先未能分配足够的空间，Matlab需要寻找新的足够大的内存区域来复制当前矩阵并存储。 当循环中矩阵大小不断增长时，如果事先未指定矩阵大小， Matlab将不断重复 寻找新空间， 复制矩阵的操作， 会造成很大的延迟。

因此， 在循环之前事先指定矩阵大小是十分重要的加速Matlab程序运行的技巧。 其中zeros()和ones()两个函数式经常使用的初始化矩阵大小的函数。 以下为两个例子：

未事先分配矩阵空间：

tic

for i = 1:30000

A(i) = i;

end

without = toc

事先分配矩阵空间：

tic

B = zeros(30000,1);      %Preallocate B with the zeros command.

for i = 1:30000

B(i) = i;

end

with = toc

ratio = without / with

with =

0.0447

ratio =

28.5625

2.  向量化 vectorization

向量化是为适应Matlab平台矢量化计算要求， 而将数据按照矩阵结构进行构造， 使程序执行更加快速， 而摒弃使用循环loop。 向量化操作利用了Matlab中已经封装好了的Lapack和Blas底层线性代数库， 而且支持操作系统多核结构。 具体技巧有：

1). 多利用Matlab自封装向量化函数

Matlab中许多函数支持向量化数据结构， 例如log()函数对一个矩阵A进行操作时， 将分别对A中每个元素element求对数，试着比较如下代码

A = rand(200,200);                    % We will use this as ourdata

非向量化版本， 利用循环：

tic                                   % time thecode

Bnv = zeros(size(A));                 % We preallocate to level theplaying field

for i=1:size(A,1)

forj=1:size(A,2);

Bnv(i,j) = log(A(i,j));

end

end

nonvec = toc;

向量化版本， 直接元素操作：

tic

Bv = log(A);

vec = toc;

assert(isequal(Bnv,Bv));

ratio = nonvec / vec

ratio =

33.0086

更多解释请看：

2).利用逻辑索引(logical indexing)进行矩阵元素操作

利用logical indexing对矩阵内多个元素操作时可以使得代码更加简洁， 运行速度更快。

例如对A矩阵中指定元素进行操作ÿ