提高Matlab仿真程序执行性能

附：for-loop中的循环变量
for i=1:1000 i end
for i=1:0.1:1000 i end
附：for-loop中的循环变量
for i=[2 7 11]; i end
i= 2
i= 7
i= 11
附：for-loop中的循环变量
N=[2 7 11]; for i=N i end
i= 2
i= 7
i= 11
附：for-loop中的循环变量
N=[2 7 11;1 5 13]; for i=N i end
i= 2 1
i= 7 5
i= 11 13
loop本身的60倍 匿名函数的调用时间开销约为m-函数的3倍，约为for-
loop本身的187倍 内联函数的调用时间开销过大，尽量不要在循环中使用 另外MEX-函数的调用时间开销，理应介于内联函数和m-
函数之间
影响仿真程序性能的因素——矩阵索引
tic A=zeros(1000000,1); for i=1:1000000 A(i)=i; end toc Mean elapsed time is 0.007592 seconds.
常用的预分配内存函数： zeros ones eye
执行速度测试方法
tic/toc语句 profile函数 profiler工具
执行速度测试方法——tic/toc语句
tic/toc语句，前面已经介绍了实例。 tic/toc不一定要成对出现，一个tic后面可
以有多个toc，但需要需要重新计时的时候， 要再次执行tic toc的结果可以用变量接收下来，如 T=toc T(k)=toc;
影响仿真程序性能的因素——内存分配
因此，如果不预先分配好内存，将会大大增加仿真时间， 拖慢执行效率；
所幸的是，由于这个现象的重要性，Matlab的编辑器能 够发现并提示这个问题，会用红的波浪线标记出来
影响仿真程序性能的因素——其它
关于Matlab还有很多细节及技巧，可以通过在程序中查 询产品帮助，获得设计师的建议，一点一点积累
影响仿真程序性能的因素——For循环
从上面的实验结果可以得出以下结论： tic/toc语句的时间开销可以忽略不计 for-loop语句本身的时间开销也非常小，关键的影响效
率的地方不在于循环本身，而是在于循环的内部
接下来我们就借助for循环，分析一下其他的各个影响效率 的因素
影响仿真程序性能的因素——函数调用
大多数情况下，执行效率的低下，是由于我们忽 视了一些影响仿真程序性能的因素导致的
影响仿真程序性能的因素
For-循环 函数调用 内存分配 矩阵索引 其它
影响仿真程序性能的因素——For循环
传统观点认为for-loop是影响性能的致命环节，让我 们来对此验证：
tic toc Elapsed time is 0.000001 seconds. tic for i=1:1000000 end Toc Elapsed time is 0.003144 seconds.
提高仿真程序性能的建议——向量化
Y=arrayfun(function, X);
向量化函数: accumarray arrayfun bsxfun cellfun spfun structfun
提高仿真程序性能的建议——函数化
尽量使用内建函数，内建函数的速度是最快的 m-函数的执行效率也很高 MEX-函数的执行效率仅次于内建函数，将耗时的代码写
函数的分类： build-in function MEX-function ("MATLAB executable") m-function anonymous function inline function 其它相关内容（不讲）： function handle feval
影响仿真程序性能的因素——内建函数
提高Matlab仿真程序执行性 能
正文结构
背景与意义 影响仿真程序性能的因素 提高仿真程序性能的建议 执行速度测试方法
背景与意义
Matlab与其他语言的差异： 例如对于C或者C++来说，只要算法的思想不变、采用的
数据结构相同，不同人写出来的语句在效率上一般不会产 生太大的差别。所以，对于C来说，程序的好坏一般由算 法来决定。 但是，在Matlab中，同样的算法、同样的结构、同样的 流程，如果采用的语句不一样，在效率上就会大大不同。 所以，了解有关Matlab执行效率的内容，对我们的接下 来的仿真实践会有很多帮助。
tic for i=1:1000000 funci(i); end toc Mean elapsed time is 19.5606 seconds.
funci=inline('','x');
影响仿真程序性能的因素——函数调用
影响仿真程序性能的因素——函数调用
从上面的实验结果可以得出以下结论： 内联函数的调用时间开销最小，约为for-loop本身的10倍 m-函数的调用时间开销约为内联函数的6倍，约为for-
影响仿真程序性能的因素
很多书上都说Matlab是解释性语言，执行效率不 如C/C++高。这曾令我对Matlab的执行速度失去 信心；
然而这句话虽然是正确的，却非常不全面，导致 我们将速度慢的原因归咎于工具语言本身；
实际上，Matlab通过借助混合编程的方法，其执 行效率与编译型语言之间的差别已经不是很明显；
影响仿真程序性能的因素——矩阵索引
tic A=zeros(1000000,1); for i=1:1000000 A(i,:)=i; end toc Mean elapsed time is 0.273345 seconds.
影响仿真程序性能的因素——矩阵索引
tic A=zeros(1000000,1); for i=1:1000000 A(i,1:1)=i; end toc Mean elapsed time is 0.730042 seconds.
影响仿真程序性能的因素——矩阵索引
tic A=zeros(1000000,1); for i=1:1000000 A(i,1)=i; end toc Mean elapsed time is 0.007954 seconds.
影响仿真程序性能的因素——矩阵索引
tic A=zeros(1000000,1); for i=1:1000000 A(i:i,1)=i; end toc Mean elapsed time is 0.663598 seconds.
免每次临时扩充维数 重用变量，避免生成大的中间变量，并删除不再需要的临
时变量 当程序需要生成大量数据时，可以考虑定期将变量写到磁
盘，然后清除这些变量。 当需要这些变量时，再重新从 磁盘加载 当矩阵中数据极少时，将全矩阵转换为稀疏矩阵 clear, save, load, whos, pack
下面列举一些编程的建议
提高仿真程序性能的建议
向量化 函数化 预分配内存 随时用测试工具检测执行效率
提高仿真程序性能的建议——向量化
N=0:0.1:1000; for i=0:10000 y(i)=cos(N(i))； end 向量化： N=0:0.1:1000; y=cos(N);
执行速度测试方法——profile函数
运行到断点 pro 单步执行 pro pro pro
对于在一大堆语句中单独调用的m文件，如果你仅仅需要用matlab 观察这个函数的耗时，那么用断点运行到你需要查看的函数之前，然 后按照上面仿真单个文件的方法，在命令行窗口执行pro，然后调用 函数, 接下来用pro查看报告，最后输入pro结束。
tic for i=1:1000000 cos(0); end toc Mean elapsed time is 0.032866 seconds.
影响仿真程序性能的因素——m-函数
tic for i=1:1000000 func(i); end toc Mean elapsed time is 0.185556 seconds.
function func( ~ ) end
影响仿真程序性能的因素——匿名函数
tic for i=1:1000000 funca(i); end toc Mean elapsed time is 0.561228 seconds.
funca=@(x)'';
影响仿真程序性能的因素——内联函数
执行速度测试方法——profile函数
pro script-name pro pro pro
对于单个m文件，你只需要简单的在Matlab 命令行窗口 （Command Window）输入pro，然后是m文件名，比如文件名为 calculation.m的文件，直接输入calculation，执行完毕以后，输入 pro，就可以观察每条语句的耗时。结束后别忘了pro。还可以使用iler工具
执行速度测试方法——profiler工具
执行速度测试方法——profiler工具
执行速度测试方法——profiler工具
执行速度测试方法——profiler工具
附：减少内存使用的建议
为变量定义合适的数据类型x=zeros(1,1000,’uint8’); 当使用大的矩阵变量时，预先指定维数并分配好内存，避
tic A=zeros(1000000,1); for i=1:1000000 A(i)=i; end toc Mean elapsed time is 0.009025 seconds.
影响仿真程序性能的因素——内存分配
tic % A=zeros(1000000,1); for i=1:1000000 A(i)=i; end toc Mean elapsed time > 20 minutes.