提高M(jìn)atlab仿真程序執(zhí)行性能ppt課件

1、提高M(jìn)atlab仿真程序執(zhí)行性能正文構(gòu)造背景與意義影響仿真程序性能的要素提高仿真程序性能的建議執(zhí)行速度測(cè)試方法背景與意義Matlab與其他言語(yǔ)的差別：例如對(duì)于C或者C+來(lái)說(shuō)，只需算法的思想不變、采用的數(shù)據(jù)構(gòu)造一樣，不同人寫出來(lái)的語(yǔ)句在效率上普通不會(huì)產(chǎn)生太大的差別。所以，對(duì)于C來(lái)說(shuō)，程序的好壞普通由算法來(lái)決議。但是，在Matlab中，同樣的算法、同樣的構(gòu)造、同樣的流程，假設(shè)采用的語(yǔ)句不一樣，在效率上就會(huì)大大不同。所以，了解有關(guān)Matlab執(zhí)行效率的內(nèi)容，對(duì)我們的接下來(lái)的仿真實(shí)際會(huì)有很多協(xié)助。影響仿真程序性能的要素很多書上都說(shuō)Matlab是解釋性言語(yǔ)，執(zhí)行效率不如C/C+高。這曾令我對(duì)Matlab

2、的執(zhí)行速度失去自信心；然而這句話雖然是正確的，卻非常不全面，導(dǎo)致我們將速度慢的緣由歸咎于工具言語(yǔ)本身；實(shí)踐上，Matlab經(jīng)過(guò)借助混合編程的方法，其執(zhí)行效率與編譯型言語(yǔ)之間的差別曾經(jīng)不是很明顯；大多數(shù)情況下，執(zhí)行效率的低下，是由于我們忽視了一些影響仿真程序性能的要素導(dǎo)致的影響仿真程序性能的要素For-循環(huán)函數(shù)調(diào)用內(nèi)存分配矩陣索引其它影響仿真程序性能的要素For循環(huán)傳統(tǒng)觀念以為for-loop是影響性能的致命環(huán)節(jié)，讓我們來(lái)對(duì)此驗(yàn)證：tictocElapsed time is 0.000001 seconds. ticfor i=1:1000000endTocElapsed time is 0.0

3、03144 seconds.影響仿真程序性能的要素For循環(huán)從上面的實(shí)驗(yàn)結(jié)果可以得出以下結(jié)論：tic/toc語(yǔ)句的時(shí)間開銷可以忽略不計(jì)for-loop語(yǔ)句本身的時(shí)間開銷也非常小，關(guān)鍵的影響效率的地方不在于循環(huán)本身，而是在于循環(huán)的內(nèi)部接下來(lái)我們就借助for循環(huán)，分析一下其他的各個(gè)影響效率的要素影響仿真程序性能的要素函數(shù)調(diào)用函數(shù)的分類：build-in functionMEX-function (MATLAB executable)m-functionanonymous functioninline function其它相關(guān)內(nèi)容不講：function handlefeval影響仿真程序性能的要素內(nèi)

4、建函數(shù)ticfor i=1:1000000 cos(0);endtocMean elapsed time is 0.032866 seconds.影響仿真程序性能的要素m-函數(shù)ticfor i=1:1000000 func(i);endtocMean elapsed time is 0.185556 seconds.function func( )end影響仿真程序性能的要素匿名函數(shù)ticfor i=1:1000000 funca(i);endtocMean elapsed time is 0.561228 seconds.funca=(x);影響仿真程序性能的要素內(nèi)聯(lián)函數(shù)ticfor i=1

5、:1000000 funci(i);endtocMean elapsed time is 19.5606 seconds.funci=inline(,x);影響仿真程序性能的要素函數(shù)調(diào)用影響仿真程序性能的要素函數(shù)調(diào)用從上面的實(shí)驗(yàn)結(jié)果可以得出以下結(jié)論：內(nèi)聯(lián)函數(shù)的調(diào)用時(shí)間開銷最小，約為for-loop本身的10倍m-函數(shù)的調(diào)用時(shí)間開銷約為內(nèi)聯(lián)函數(shù)的6倍，約為for-loop本身的60倍匿名函數(shù)的調(diào)用時(shí)間開銷約為m-函數(shù)的3倍，約為for-loop本身的187倍內(nèi)聯(lián)函數(shù)的調(diào)用時(shí)間開銷過(guò)大，盡量不要在循環(huán)中運(yùn)用另外MEX-函數(shù)的調(diào)用時(shí)間開銷，理應(yīng)介于內(nèi)聯(lián)函數(shù)和m-函數(shù)之間影響仿真程序性能的要素矩陣索引

6、ticA=zeros(1000000,1);for i=1:1000000 A(i)=i;endtocMean elapsed time is 0.007592 seconds.影響仿真程序性能的要素矩陣索引ticA=zeros(1000000,1);for i=1:1000000 A(i,1)=i;endtocMean elapsed time is 0.007954 seconds.影響仿真程序性能的要素矩陣索引ticA=zeros(1000000,1);for i=1:1000000 A(i:i,1)=i;endtocMean elapsed time is 0.663598 secon

7、ds.影響仿真程序性能的要素矩陣索引ticA=zeros(1000000,1);for i=1:1000000 A(i,:)=i;endtocMean elapsed time is 0.273345 seconds.影響仿真程序性能的要素矩陣索引ticA=zeros(1000000,1);for i=1:1000000 A(i,1:1)=i;endtocMean elapsed time is 0.730042 seconds.影響仿真程序性能的要素矩陣索引ticA=zeros(1000000,1);for i=1:1000000 A(i:i,1:1)=i;endtocMean elapse

8、d time is 1.00852 seconds.影響仿真程序性能的要素矩陣索引影響仿真程序性能的要素內(nèi)存分配ticA=zeros(1000000,1);for i=1:1000000 A(i)=i;endtocMean elapsed time is 0.009025 seconds.影響仿真程序性能的要素內(nèi)存分配tic% A=zeros(1000000,1);for i=1:1000000 A(i)=i;endtocMean elapsed time 20 minutes.影響仿真程序性能的要素內(nèi)存分配因此，假設(shè)不預(yù)先分配好內(nèi)存，將會(huì)大大添加仿真時(shí)間，拖慢執(zhí)行效率；所幸的是，由于這個(gè)景象

9、的重要性，Matlab的編輯器可以發(fā)現(xiàn)并提示這個(gè)問(wèn)題，會(huì)用紅的波浪線標(biāo)志出來(lái)影響仿真程序性能的要素其它關(guān)于Matlab還有很多細(xì)節(jié)及技巧，可以經(jīng)過(guò)在程序中查詢產(chǎn)品協(xié)助，獲得設(shè)計(jì)師的建議，一點(diǎn)一點(diǎn)積累下面列舉一些編程的建議提高仿真程序性能的建議向量化函數(shù)化預(yù)分配內(nèi)存隨時(shí)用測(cè)試工具檢測(cè)執(zhí)行效率提高仿真程序性能的建議向量化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);提高仿真程序性能的建議向量化Y=arrayfun(function, X);向量化函數(shù):accumarrayarrayfunbsxfuncel

10、lfunspfunstructfun提高仿真程序性能的建議函數(shù)化盡量運(yùn)用內(nèi)建函數(shù)，內(nèi)建函數(shù)的速度是最快的m-函數(shù)的執(zhí)行效率也很高M(jìn)EX-函數(shù)的執(zhí)行效率僅次于內(nèi)建函數(shù)，將耗時(shí)的代碼寫成MEX-函數(shù),將大大提高運(yùn)轉(zhuǎn)速度匿名函數(shù)，內(nèi)聯(lián)函數(shù)，以及一些面向?qū)ο蠓椒ǎM量不要在執(zhí)行次數(shù)多的循環(huán)體內(nèi)運(yùn)用提高仿真程序性能的建議預(yù)分配內(nèi)存A = zeros(1000, 1);A = int8(zeros(100, 1);A = zeros(1000, 1, int8);常用的預(yù)分配內(nèi)存函數(shù)：zerosoneseye執(zhí)行速度測(cè)試方法tic/toc語(yǔ)句profile函數(shù)profiler工具執(zhí)行速度測(cè)試方法tic/t

11、oc語(yǔ)句tic/toc語(yǔ)句，前面曾經(jīng)引見(jiàn)了實(shí)例。tic/toc不一定要成對(duì)出現(xiàn)，一個(gè)tic后面可以有多個(gè)toc，但需求需求重新計(jì)時(shí)的時(shí)候，要再次執(zhí)行tictoc的結(jié)果可以用變量接納下來(lái)，如T=tocT(k)=toc;執(zhí)行速度測(cè)試方法profile函數(shù)profile onscript-nameprofile reportprofile offprofile clear 對(duì)于單個(gè)m文件，他只需求簡(jiǎn)單的在Matlab 命令行窗口Command Window輸入profile on，然后是m文件名，比如文件名為calculation.m的文件，直接輸入calculation，執(zhí)行終了以后，輸入prof

12、ile report，就可以察看每條語(yǔ)句的耗時(shí)。終了后別忘了profile off。還可以運(yùn)用profile clear去除之前執(zhí)行的結(jié)果。執(zhí)行速度測(cè)試方法profile函數(shù)運(yùn)轉(zhuǎn)到斷點(diǎn)profile on單步執(zhí)行profile reportprofile offprofile clear 對(duì)于在一大堆語(yǔ)句中單獨(dú)調(diào)用的m文件，假設(shè)他僅僅需求用matlab察看這個(gè)函數(shù)的耗時(shí)，那么用斷點(diǎn)運(yùn)轉(zhuǎn)到他需求查看的函數(shù)之前，然后按照上面仿真單個(gè)文件的方法，在命令行窗口執(zhí)行profile on，然后調(diào)用函數(shù), 接下來(lái)用profile report查看報(bào)告，最后輸入profile off終了。執(zhí)行速度測(cè)試方法pr

13、ofiler工具執(zhí)行速度測(cè)試方法profiler工具執(zhí)行速度測(cè)試方法profiler工具執(zhí)行速度測(cè)試方法profiler工具執(zhí)行速度測(cè)試方法profiler工具附：減少內(nèi)存運(yùn)用的建議為變量定義適宜的數(shù)據(jù)類型x=zeros(1,1000,uint8);當(dāng)運(yùn)用大的矩陣變量時(shí)，預(yù)先指定維數(shù)并分配好內(nèi)存，防止每次暫時(shí)擴(kuò)展維數(shù)重用變量，防止生成大的中間變量，并刪除不再需求的暫時(shí)變量當(dāng)程序需求生成大量數(shù)據(jù)時(shí)，可以思索定期將變量寫到磁盤，然后去除這些變量。當(dāng)需求這些變量時(shí)，再重新從磁盤加載當(dāng)矩陣中數(shù)據(jù)極少時(shí)，將全矩陣轉(zhuǎn)換為稀疏矩陣clear, save, load, whos, pack附：for-loop中的循環(huán)變量for