撰写快速 MATLAB 程序代码.docVIP

撰写快速的 MATLAB 程序代码 MATLAB程序语言是剖析式（parsed）的，原始码是实时直译的。像C++和Fortran的程序语言比较快，因为它们在变成计算机原生 （native）语言前先被编译。实时剖析的优点是较与平台不相关、具强固性（robustness）和更容易除错。缺点是在速度上会变慢，负荷会变多， 及受限的低阶控制。要弥补速度上的损失，MATLAB提供了能帮助加速的程序代码。此文章讨论这些和其它的策略来改善MATLAB原始码的速度。* 数组预先配置* 向量化的计算和逻辑* 向量化的参考（Vectorized referencing）h2警告！/h2*先学习程序语言：最佳化（不仅是MATLAB）需要熟悉程序语言的语法和函式。本文并不是MATLAB的教学。*使用批注：最佳化的程序代码是精练和神秘的。为了帮助他人和你自己，记得要加批注。*不要在它需要被最佳化程序代码之前最佳化它：在最佳化程序代码之前，考虑它是否值得这些心力。如果程序代码很快就会被修改或扩充，无论如何它会被重写。*只要最佳化必要的部份：确定程序确实是速度的瓶颈。如果它不是，最佳化只会把程序代码变得难以理解。h21. 速度剖析器（The Profiler）/h2MATLAB 5.0和较新的版本都包含了一个叫作profiler的工具，它帮助你决定程序里哪里是瓶颈。考虑下面的程序： function result = example1(Count)for k = 1:Countresult(k) = sin(k/50);if result(k) -0.9result(k) = gammaln(k);endend 要分析程序的效率，首先启动profiler，并清除任何旧的profiler数据： profile on profile clear现在执行程序吧。将输入的自变量变得大些或小些，让它跑个几秒。 example1(5000);然后输入 profreport(’example1’)profiler会在函式上产生一个HTML报表，然后开启一个浏览器窗口。根据系统，profiler的结果可能会与此例有些不同。 在蓝色的「example1」连结上按一下会提供更多的细节： 显示了最花时间的行数，伴随着时间、时间的百分比和行数。代价最高的行数是第4和第7行。h22. 预先配置数组/h2MATLAB的矩阵变量有动态的自变量行和列的能力。例如： a = 2a =2 a(2,6) = 1a =2 0 0 0 0 00 0 0 0 0 1 MATLAB会自动地改变矩阵的尺寸大小。在内部，矩阵数据存储器必须被预先配置予较大的尺寸。如果矩阵可重复地改变大小--像是在for循环里--此负荷会变得很显著。要避免经常性的重新配置，用zero命令来「预先配置」矩阵。思考下列的程序代码： a(1) = 1;b(1) = 0;for k = 2:8000a(k) = 0.99803 * a(k - 1) - 0.06279 * b(k - 1);b(k) = 0.06279 * a(k - 1) + 0.99803 * b(k - 1);end profiler计算此程序代码的时间花费了0.47秒。在执行for循环之后，二个数组都是长度8000的列向量，因此要预先配置，建立8000个元素的空的a和b列向量。 a = zeros(1,8000); % 预先配置b = zeros(1,8000);a(1) = 1;b(1) = 0;for k = 2:8000a(k) = 0.99803 * a(k - 1) - 0.06279 * b(k - 1);b(k) = 0.06279 * a(k - 1) + 0.99803 * b(k - 1);end 经此修改，程序代码只花费0.14秒（快超过三倍）。预先配置通常很容易，在本例中它只需要决定正确的预先配置大小及新增二行。如果最终的数组尺寸大小会变 动那么会怎么样？一个可能的方法，是在循环执行完之后使用数组尺寸大小的上界（upper bound），并且裁剪掉超出的部份： a = zeros(1,10000); % 预先配置count = 0;for k = 1:10000v = exp(rand(1)*rand(1));if v 0.5 % conditionally add to arraycount = count + 1;a(count) = v;endenda = a(1:count); % 裁剪结果 此程序的平均的执行时间是0.42秒（没有预先配置），及0.18秒（有预先