Matlab 了解如何计算失败次数

我很难掌握如何计算失败次数。前一刻我想我明白了，但下一刻我就不明白了。如果您能帮我解释一下，我们将不胜感激。我看过所有其他关于这个主题的帖子，没有一篇用我熟悉的编程语言（我知道一些MATLAB和FORTRAN）完全解释过

下面是一个例子，来自我的一本书，我正在尝试做什么

对于以下代码段，触发器的总数可以写为

（n*（n-1）/2）+（n*（n+1）/2）

，这相当于

n^2+O（n）

我试图应用上述相同的原理，在下面的代码（MATLAB）中找到触发器总数作为方程数

n

的函数

---

我绝对不是MATLAB方面的专家，但我会尝试一下

我注意到代码中没有一行是向量的索引范围。很好，这意味着我看到的每一个操作都涉及一对数字。所以我认为第一个循环是每次迭代5次，第二个循环是每次迭代3次。中间有一个操作，

但是，默认情况下，MATLAB将所有内容存储为double。因此，循环变量k本身在每个循环上操作一次，然后每次从它计算索引时。第一个循环额外4个，第二个循环额外2个

但是等等——第一个循环有两次“k-1”，因此理论上可以通过计算和存储来优化该位，每次迭代减少一次失败。MATLAB解释器可能能够自己发现这种优化。就我所知，它可以算出k实际上可以是一个整数，而且一切都还可以

因此，你的问题的答案是，这要视情况而定。您想知道CPU执行的触发器数量，或者代码中表示的最小数量（即仅向量上的操作数量），或者如果根本没有优化，MATLAB将执行的严格触发器数量吗？MATLAB过去有一个flops（）函数来计算这类事情，但现在已经不存在了。无论如何，我不是MATLAB专家，但我怀疑flops（）已经消失了，因为解释器变得太聪明了，并且做了很多优化

我有点想知道你为什么想知道。我曾经使用flops（）计算一段数学运算的次数，这是一种粗略的方法，用来估算我需要多少计算量才能使它以C语言实时运行

现在我来看看原语本身（例如，有一个1k复杂的FFT，根据库数据表，在CPU上是7us，有一个2k向量乘法，是2.5us，等等）。它有点棘手，因为必须考虑缓存速度、数据集大小等。数学库（如FFTW）本身是不透明的，这是所有人都能做到的。

---

因此，如果你因为这个原因计算失败的次数，你可能不会得到一个很好的答案。

可能重复的“否”不是。我需要了解如何确定触发器的总数作为方程“n”个数的函数。我不想要一个代码或什么东西来为我确定它。首先，你没有在问题中提供这些信息。其次，在第一个循环中有一个问题：迭代变量应该是

k

，而不是

x

。您是否运行此代码？是的，发布时出错。我修正了我的问题。你的问题很模糊，你要找的答案似乎不清楚。你是在问如何计算失败次数吗？你在寻找一个解析表达式，它是n的函数吗？图形化的可视化就足够了吗？所以，如果我的代码在循环中对向量的范围进行了索引，这将是一个更复杂的问题，对吗？因为它不再是一组对其进行操作的数字，它将是操作的整个数字索引，然后是循环迭代？我应该在我正在上的课上学习这个概念，教授不是很有帮助，所以我需要一些额外的建议。是的，这就是它的规模。想象一下用计算器手工完成这一切。每次你打+、-、*或者/你在做一个翻牌。例如，y=8*x（1:10）可以归结为x中10个元素的每个元素乘以8。那将是10次失败。但正如我所暗示的，代码中明显的操作数量并不意味着MATLAB实际执行了那么多操作；优化就是减少所做的工作，但最终得到完全相同的结果。MATLAB的速度非常慢，所以我认为Mathworks在动态优化代码方面做了一些努力。

[m,n]=size(A)
nb=n+1;
Aug=[A b];
x=zeros(n,1);
x(n)=Aug(n,nb)/Aug(n,n);
for i=n-1:-1:1
    x(i) = (Aug(i,nb)-Aug(i,i+1:n)*x(i+1:n))/Aug(i,i);
end

% e = subdiagonal vector
% f = diagonal vector
% g = superdiagonal vector
% r = right hand side vector
% x = solution vector

n=length(f);

% forward elimination
for k = 2:n
    factor = e(k)/f(k­‐1);
    f(k) = f(k) – factor*g(k‐1);
    r(k) = r(k) – factor*r(k‐1);
end

% back substitution
x(n) = r(n)/f(n);
for k = n‐1:­‐1:1
    x(k) = (r(k)‐g(k)*x(k+1))/f(k);
end