1

我正在尝试提高我的代码的性能。代码基本上计算L_total(1x2640) 的值，并通过从另一个名为L_CN(1320x6) 的变量中获取数据来完成。我还有colindexes矩阵（2640x3），它存储要查看的行的值L_CN。

所以，这是怎么回事，代码着眼于colindexes获取行数据。Saycolindexes具有以下形式：

55    65    75
68    75    85
...

该程序将L_total(1)使用L_CN(55,1) + L_CN(65,1) + L_CN(75,1). 这里的第一个索引是指从colindexes矩阵中获得的行号。第二个索引表示到目前为止这些行号的出现次数。因此，当我们计算 时L_total(2)，它将是L_CN(68,1) + L_CN(75,2) + L_CN(85,1)。这里L_CN(75,2)发生是因为L_CN(75,1)以前使用过。

要计算整个L_total矩阵，下面的代码效果很好。它通过在名为 (2640x1) 的变量中增加相应索引来存储每个索引的出现次数list，从而计算L_total. 它在 0.023715 秒内完成。（注意n下面是2640）

for i=1:n
     list(colindexes(i,:)) = list(colindexes(i,:)) + 1;
     L_total(i) = sum(diag(L_CN(colindexes(i,:),list(colindexes(i,:)))));
end

问题是，我将一遍又一遍地运行这部分代码，可能会运行一百万次。这是大型模拟的一部分。因此，即使是性能提升的最小部分也是我所追求的。首先，我认为摆脱 for 循环将用于此目的，并将代码切换为以下 - 从这个主题中获得一些帮助：出现次数的向量：

list_col = reshape(colindexes',1,[]);
occurrence = sum(triu(bsxfun(@eq,list_col,list_col.')));
list = reshape(occurrence,3,[])';
straight_index = colindexes + (list - 1)*k;
L_total = sum(L_CN(straight_index),2)';

此代码也适用于list_col(1x7920)、occurrence(1x7920)、list(2640x3) 和straight_index(2640x3)。然而，出乎我的意料，它需要 0.062168 秒，比 for 循环实现差大约三倍。此操作的 0.05217 秒是由于第二行，其中形成了出现矩阵。对于像我这样的数组大小，以这种方式查找出现的事件确实效率低下。

问题是，无论有没有 for 循环，我怎样才能提高这段代码的性能？向量化方法看起来不错，只要我能找到一种更快地计算出现矩阵的方法。正如我所说，这部分代码将运行很多次，因此任何百分比的性能提升都是受欢迎的。

谢谢！

更多信息： colindexes代表一个大小为 1320x2640 的大矩阵。我没有存储整个矩阵，而是仅将 '1' 的行位置存储在这个矩阵中colindexes。其余为零。所以colindexes我在问题中指定的意思是，第 1 列第 55 行和第 2 列第 85 行有一个“1”......所以最小，最大范围是 1,1320。每列只有 3 个 '1'，所以它的大小是 2640x3。当然，这是关于它是如何形成的背景信息。如果这有帮助，则每个值的出现次数colindexes也相同，即 6。

因此，对于矩阵A = [1 0 0 1; 0 1 1 0]，colindexes是[1; 2; 2; 1]。

4

1 回答 1

0

如果您仍在使用 for 循环，请考虑存储colindexes(i,:)在变量中。你用了4次。它可能会稍微节省您的时间。

于 2019-06-06T17:10:41.230 回答