在Matlab第2部分中，通过另一个向量迭代一个向量

这是一个类似于我在

我使用Luis的建议和以下代码：

E=[1 2 3 4 5 6 7 8 9 10];
A = [1 2]; 
s = size(E,2);
t = numel(A);
C = cell(1,s);
[C{:}] = ndgrid(A);
C = cat(s+1, C{:});
C = fliplr(reshape(C, t^s, s));

这为C生成了一个很好的结果，它是一个1024x10矩阵，所有可能的排列为1和2，长度为10列。我要做的是删除所有不是按递增顺序排列的行。例如，现在我得到：

 1     1     1     1     1     1     1     1     1     1
 1     1     1     1     1     1     1     1     1     2
 1     1     1     1     1     1     1     1     2     1
 1     1     1     1     1     1     1     1     2     2

除第三行外，所有行都有效，因为它从2返回到1。 我有代码来获得期望的结果，但它非常缓慢和低效

E=[1 2 3 4 5 6 7 8 9 10];
A = [1 2]; 
s = size(E,2);
t = numel(A);
C = cell(1,s);
[C{:}] = ndgrid(A);
C = cat(s+1, C{:});
C = fliplr(reshape(C, t^s, s));
min=0;
    for row=1:size(C,1)
        for col=1:size(C,2)
          if(C(row,col)>min)
             min=C(row,col);
          elseif(C(row,col)<min)
             C(row,:)=0; 
             continue;
          end
        end
        min=0;
    end
C = C(any(C,2),:); %remove all zero rows

---

关于如何优化我的代码，使我不需要使用嵌套循环，有什么想法吗

通过两个行操作，超级简单但不太明显的解决方案：

d = diff(C, [], 2);
m = min(d, [], 2);
C = C(m>=0, :);

当然，在这个特定示例中，直接生成生成的矩阵要容易得多：

C = flipud(triu(ones(s+1,s).*(max(A)-min(A))) + min(A));

---

但我假设您也对

A

；）的不那么琐碎的值感兴趣

谢谢各位。你的建议结合起来很有魅力！相比之下，我的模拟是闪电般的快。

C = flipud(triu(ones(s+1,s).*(max(A)-min(A))) + min(A));