matlab咋求和,如何在matlab中对双重求和进行向量化

您可能已经知道,您应该在循环之前预先分配p：

p = zeros(Z, nR);

这可以防止数组p在每次迭代时增长,从而极大地加速循环.

你可以通过bsxfun对整个事物进行矢量化：

% C ≣ M×N×R array of all products Rmn·J0m

C = bsxfun(@times, Rmn, J0m);

% D ≣ M×N×R×Z array of all products C·sinanz

D = bsxfun(@times, C, permute(sinanz, [3 1 4 2]));

% Sum in M and N directions, and re-order

p = permute(sum(sum(D,1),2), [4 3 1 2]);

但我怀疑它会更快; MATLAB(读取：BLAS)与2D矩阵相当快,但对于更多D阵列通常不是很好.

我建议你阅读约bsxfun;它也是以你描述的方式将J0m数组减少到M×R的方法.

当然,你可以通过正确定义你的变量来摆脱这种变换,所以让我们在循环代码和矢量化代码的“理想”版本中做一个小测试：

%% Initialize some variables

% Number of tests

TESTS = 1e4;

% Your dimensions

M = 5; nR = 4;

N = 2; Z = 3;

% Some dummy data

Rmn = rand(M,N);

sinanz = rand(N,Z);

J0m = rand(M,nR); % NOTE: J0m d