Performance RMS最小加速

[环境：MATLAB 64位、Windows 7、英特尔I5-2320]

我想将函数RMS拟合到实验数据

y

，因此我最小化了以下函数（使用

fminsearch

）：

从总体上看，将以下各项最小化是否合理：

minfunc = sum((y - fitfunc) .^ 2) 

相反，然后（最小化后）只需执行

minfunc=sqrt（minfunc/N）

即可获得拟合均方根误差

为了重新表述这个问题，每次不执行

sqrt

和

1/（N-1）

可以节省多少时间（大约百分比）？如果我的CPU/MATLAB速度如此之快，以至于性能无法提高至少百分之一，我不想降低代码的可读性

---

更新：我尝试了一些简单的测试，但结果并不清楚：根据

minfunc

的实际值，

fminsearch

需要多少时间。

性能问题的一般答案：

如果您只是想知道什么更快，那么设计一个基准并运行几次

---

通过提供一般信息，您不太可能确定哪种方法快1%。

通常，如果某个方法运行得足够快，优化就没有紧迫性。你的数据有多大？大约1000个点，但由于这是一个优化过程，minfunc被调用了大约10000次。实际上我的原始问题中有一个错误：我写了

std

，意思是

rms

。只有当函数垂直以0为中心时才是相同的。

minfunc = sum((y - fitfunc) .^ 2)