Imatlab效率提升独孤九剑附fft优化的详细例子.docVIP

matlab效率提升独孤九剑 作者：信科@滨 matlab效率提升葵花宝典 1 一． 引言 2 二． 优化措施 2 三． 调试和性能分析工具 5 附录：自编fft函数的优化详解 6 参考资料： 11  一． 引言 要提升程序的效率，无非在两个方面：天生的和后天的。 第一个方面是算法本身的复杂度。比如插入排序复杂度为O(N2)，而快速排序算法是O(NlnN)，当然在大数据量时快速排序就比插入排序快很多了，这就是算法天生的优越性。所以世界并不是决定公平的啊，有的人就可以成为快速排序，而其他人只能成为插入排序，呵呵。 第二个方面是算法具体实现的问题。实现算法的方式不同，写程序的人不同，使用的语言不同，优化方式的不同，是否多线程，是否并行，都会使得同一算法的不同实现时间相差十倍以上，我们称之为后天的。所以当起跑线差不多时，就看谁更拼命了，所以最终有人就是冠军而有的就只能千年老二。这也是造成社会不公平的原因。 有时候就算有的高手实现插入排序都比菜鸟写的快速排序快上不少，我们可以称之为“屌丝的逆袭”，屌丝不遗憾，就看有没有一颗拼搏的心了。 而这篇文章详细介绍第二方面的算法具体实现的效率问题。这是我这三年来编写matlab程序的一些经验和教训的总结，外加网上各路人马的观点，由于写测试例子太费时费力，不重要的就不写了。 二． 优化措施 我们先看看matlab2007之前传统的一些优化观点： 观点 传统 现代 向量化编程，避免使用循环 YES NO 多使用MATLAB的内置函数能用逻辑索引解决的就不用数值索引尽量不用Cel型数组矩阵含有大量0元素， 采用稀疏矩阵 N0 YES 列向量存储 YES YES 对向量化：由于matlab2007之后的JIT和加速器技术，使得for和向量化的差别不明显了。注意向量化可能会占用大量的内存，有时候for循环更好读。 逻辑索引：采用逻辑索引比数值索引（find）快30%左右。 cell：我一般用结构体代替，但是有时候用cell更方便，需要看情况而定，可能cell更方便，直观，程序可读性更好。一般瓶颈也不在这儿值得商榷。 预分配：比如后面的循环要用到一个1000的数组，先预分配x=zeros(1,1000); 稀疏矩阵：稀疏矩阵一般有专门的稀疏算法，可能效率更高，更省内存。由于平时没怎么用过，不发表意见。 刚才看到一个减少变量赋值的次数的技术： inplace operation： 就是如果输入参数要返回的话，就让输出参数和输入参数同名，减少赋值次数。 举个例子： function y=f1(x) y=x+1; end 我们可以改写成 function x=f2(x) x=x+1; end 经过测试发现f2比f1快了110%，很是明显。 使用mex文件：用其他语言来实现需要的功能，避开matlab的瓶颈。 用乘法代替除法进行向量运算： b=a/1.5;改成b=a*(1/1.5);经过测试速度快了三倍！神奇啊！这也是我无意之中发现的，看来乘法跟除法还是差别大啊。 尽量用列向量进行操作： 因为matlab的矩阵是按列存放的，对其进行存取的速度比行的方式要快20%。 三． 调试和性能分析工具 调试和性能分析工具： 断点的熟练运用，便于找到程序的错误和疏忽的地方。 用profiler进行性能分析，找出性能瓶颈，其实很多时候上面提到的注意事项并不是最花时间的，有时候就一两句话就花了差不多80%的时间，注意2/8原则。 附录：自编fft函数的优化详解 下面我以这两天我写的fft快速傅里叶变换作为上述优化方法的应用。我是参考北京大学张平文写的《数值分析》中的算法来实现的。 x=FFT(x,cnt)，这儿就无意之中用到了inplace operation技术，呵呵。 大概流程： 重新排列x的顺序 预先计算wnk的值，以备后用 迭代进行计算 分析：fft也可以采用递归的方式进行求解，但是速度跟迭代的方式没法比，而且内存占用高。 第一步：重新排列x的顺序的具体实现 function [order]=fftorder(cnt,n) %得到次序 order=zeros(1,cnt); order(1:2)=[1,cnt/2+1]; i_2=cnt/2; num=1; for i=1:n-1 num=num*2; i_2=i_2/2; order(num+1:num*2)=order(1:num)+i_2; end end 评注：此处我用了预分配技术，向量化操作。这个没啥好说的，而且时间也不是花在这儿。不过我感觉我的这种实现方法很是精妙，哈哈。 第二步：计算wnk 版本1. function w=wn(n,cnt) w=ones(cnt/2,n); i_2=1;