为什么不建议在matlab中用循环？【文末有彩蛋】
循环是程序流程控制的三大剑客之一，没有循环可以说好多功能都不能实现。MATLAB作为一种特殊的编程语言，其在循环的优化上并不是特别出色，但在矩阵化运算（也称矢量化运算）上具有较其他编程语言不可比拟的优势。
为了比较在matlab中for循环与向量化运算的差别，在此做一个小实验，实验过程如下：
在matlab中计算1000到10000大小的矩阵相乘，为了节约时间，以500为矩阵大小的步长。在每一个尺度下，进行十次重复计算然后平均计算时间。下图不同矩阵大小与计算所花时间的关系图，以及不同矩阵大小与for循环所花时间和向量化计算时间之比：
图1. 不同矩阵大小与计算所花时间
图2. 不同矩阵大小与for循环所花时间和向量化计算时间之比
从图中不难发现，在MATLAB中矢量化计算比for循环计算显著的优势，尤其时当矩阵尺度较大时，矢量化计算的优势越明显。当然，并不是所有情况下都能采用矢量化计算，得根据实际情况来确定。矢量化计算高效便捷、公式化、代码直观并于阅读，但其编程韵味略显不足。本文相关代码放置文末，感兴趣得小伙伴可以试一试。
本文相关源程序：
clc;clear;N = 1000:500:10000; % 定义不同尺度的矩阵大小len = length(N); % tf = zeros(1,len); % 存储for循环时间tv = zeros(1,len); % 存储矢量运算时间for k = 1:len C = zeros(N(k)); D = zeros(N(k)); tft = zeros(1,10); tfv = zeros(1,10); % 为了使计算结果更有说服力，每个尺度计算十次然后取时间平均 for u = 1:10 % 定义两个计算用矩阵 A = rand(N(k)); B = rand(N(k)); % for循环计时 tic; for m = 1:N(k) for n = 1:N(k) C(m,n) = A(m,n)*B(m,n); end end tft(u) = toc; % 矢量运算计时 tic; D = A.*B; tfv(u) = toc; end tf(k) = mean(tft); tv(k) = mean(tfv);end% 绘制图像plot(N,tf,'r.-',N,tv,'b.-');本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2021-11-12，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读