Arrays Matlab多维矩阵：对其中一个维度执行加法的最有效方法

我有一个三维矩阵

sigma = zeros(3, 3, 1000)

和一个矩阵

result = [0.5 0.5 0.5; 0.2 0.2 0.2; 0.1 0.1 0.1]

我的问题是：将我的矩阵“结果”添加到第三维“西格玛”的每个矩阵中的最有效方法是什么

目前，我正在对所有1000个矩阵进行循环，并逐一添加它们。有没有Matlab优化的方法

谢谢

使用：

它会自动沿单个维度复制较小的矩阵，以匹配其他矩阵。

使用：

它会自动沿其单子维度复制较小的矩阵，以匹配其他矩阵。

sigma+repmat（结果[1,11000]）

一般来说，传递函数的调用（尽管比循环更有效）没有只涉及本机代码的调用优化得好。

sigma+repmat（结果[1,11000]）

---

一般来说，传递函数的调用（虽然比循环更有效）没有那些只涉及本机代码的调用优化得好。

有趣的是，这似乎并不比在所有单个矩阵上循环快。MATLAB在最近几个版本中改进了JIT加速，所以，如果小矩阵的循环速度实际上稍微快一点，我也不会感到惊讶。不过，对于较大的矩阵，我相信您会看到差异

bsxfun

。有趣的是，这似乎并不比在所有单个矩阵上循环快。MATLAB在最近几个版本中改进了JIT加速，因此，如果小矩阵的循环速度实际上稍微快一点，我也不会感到惊讶。但是对于较大的矩阵，我相信您会看到差异

bsxfun

。它是

repmat

，速度较慢，内存效率较低。试着用for循环和

bsxfun

对你的解决方案进行基准测试，你会发现它几乎慢了一个数量级…我没有MATLAB，但是在倍频程中，sigma+repmat。。。速度大约是bsxfun的三倍（当我将1000更改为100000时，bsxfun在我的笔记本电脑上大约需要6秒，而+repmat大约需要2秒）。知道这一点很好，你肯定会因此获得+1。这个问题是有标签的…好吧，将来当我回答一个关于stackoverflow的Matlab问题时，我会补充一条警告，我实际上是一个倍频程用户，运行时间可能会有所不同。我不知道bsxfun在Matlab中针对特定函数进行了如此出色的优化。总的来说，在讨论中的平台上测试您的解决方案总是值得的：-）我认为

bsxfun

针对中列出的内置函数进行了很好的优化。它是

repmat

，速度较慢，内存效率较低。试着用for循环和

bsxfun

对你的解决方案进行基准测试，你会发现它几乎慢了一个数量级…我没有MATLAB，但是在倍频程中，sigma+repmat。。。速度大约是bsxfun的三倍（当我将1000更改为100000时，bsxfun在我的笔记本电脑上大约需要6秒，而+repmat大约需要2秒）。知道这一点很好，你肯定会因此获得+1。这个问题是有标签的…好吧，将来当我回答一个关于stackoverflow的Matlab问题时，我会补充一条警告，我实际上是一个倍频程用户，运行时间可能会有所不同。我不知道bsxfun在Matlab中针对特定函数进行了如此出色的优化。一般来说，在有问题的平台上测试您的解决方案总是值得的：-）

bsxfun(@plus, sigma, result)