至少可以很容易地对内循环进行矢量化:
Result=zeros(S,1);
for c=1:T-1
d=(X(c+1:T,:)-X(c,:))-((c+1:T)'-c)./T;
Result=Result+sum(abs(d),1)';
end
在这里,我正在使用新的自动单例扩展.如果你有一个旧版本的MATLAB,你需要使用bsxfun进行两次减法运算.例如,X(c 1:T,:) – X(c,:)与bsxfun(@ minus,X(c 1:T,:),X(c,:))相同.
代码中发生的事情是,我们不是循环cc = c 1:T,而是立即获取所有这些索引.所以我只是将cc换成c 1:T.然后,d是具有多行的矩阵(在第一次迭代中为9,在每次后续迭代中为1次).
令人惊讶的是,这比双循环慢,并且速度与Jodag的答案相似.
接下来,我们可以尝试改进索引.请注意,上面的代码从矩阵中逐行提取数据. MATLAB按列存储数据.因此,提取列比从矩阵中提取行更有效.让我们转置X:
X=X';
Result=zeros(S,1);
for c=1:T-1
d=(X(:,c+1:T)-X(:,c))-((c+1:T)-c)./T;
Result=Result+sum(abs(d),2);
end
这比行索引的代码快两倍多.
但是当然可以将相同的技巧应用于问题中的代码,将其加速约50%:
X=X';
Result=zeros(S,1);
for c=1:T-1
for cc=c+1:T
d=(X(:,cc)-X(:,c))-(cc-c)/T;
Result=Result+abs(d);
end
end
我从这个练习中得到的结论是,MATLAB的JIT编译器已经改进了很多东西.在当天,任何类型的循环都会使代码停止运转.今天它不一定是最糟糕的方法,特别是如果您所做的只是使用内置函数.