Matlab使用闭包降低性能

我正在用有限元编写二维矩形上泊松方程的解。为了简化代码，我将基函数的句柄存储在数组中，然后在这些基函数上循环以创建矩阵和右侧。这样做的问题是，即使对于非常粗糙的网格，速度也非常慢。对于9x9网格（使用Dirichlet BC，需要求解49个节点），大约需要20秒。使用这个概要文件，我注意到大约有一半的时间花在访问（而不是执行）我的基函数上

分析器显示

matrix_assembly>@（x，y）双线性基函数（x，y，xc（k-1），xc（k+1），yc（j-1），yc（j），yc（j），yc（j+1））（156800次调用，11.558秒）

，自时间（不执行双线性基代码）超过9秒。有没有办法解释为什么会这么慢

以下是一些代码，如果需要，我可以发布更多：

%% setting up the basis functions, storing them in cell array
basisFunctions = cell(nu, 1); %nu is #unknowns 
i = 1;
for j = 2:length(yc) - 1
for k = 2:length(xc) - 1
    basisFunctions{i} = @(x,y) bilinearBasisFunction(x,y, xc(k-1), xc(k),...
        xc(k+1), yc(j-1), yc(j), yc(j+1)); %my code for bilinear basis functions
    i = i+1;
end
end

%% Assemble matrices and RHS
M = zeros(nu,nu);
S = zeros(nu,nu);
F = zeros(nu, 1);

for iE = 1:ne
for iBF = 1:nu
    [z1, dx1, dy1] = basisFunctions{iBF}(qx(iE), qy(iE));

    F(iBF) = F(iBF) + z1*forcing_handle(qx(iE),qy(iE))/ae(iE);

    for jBF = 1:nu
        [z2, dx2, dy2] = basisFunctions{jBF}(qx(iE), qy(iE));

        %M(iBF,jBF) = M(iBF,jBF) + z1*z2/ae(iE);
        S(iBF,jBF) = S(iBF, jBF) + (dx1*dx2 + dy1*dy2)/ae(iE);
    end        
end
end

---

尝试将

basisFunctions

从单元格数组更改为常规数组

---

您还可以尝试在jBF循环中内联直接调用

bilinearBasisFunction

，而不是使用

basisFunctions

。在Matlab中创建和以后使用匿名函数总是比直接使用目标函数慢。这样代码可能会稍微冗长一些，但会更快。

首先，您在双

For

循环中调用该行156800次（创建了那么多匿名函数），每次都使用索引更改参数值！您是否确定

nu

等于

（长度（xc）-2）*（长度（yc）-2）

以避免在单元格

基本函数数组中重新分配？是否有任何理由使用156800个函数而不是一个参数为
（jBF，qx（iE），qy（iE））
，每个都有稍微不同的参数。当然，还有其他方法可以做到这一点，但我在这里做的方式具有可读性强的优势，我不明白为什么它会慢得多。那么，做156800次又是什么呢？
matrix\u assembly
是
bilinearBasisFunction
中的一个子函数的名称吗？@horcler:是的，我经常调用它，但这是不可避免的，我确实需要经常评估我的基函数。我还调用了bilinearBasisFunction 156800次，但根据分析器，这只需要2秒钟。