Performance 如何使用3个for循环提高matlab操作的性能？

我正在尝试提高以下代码计算的速度：

for i=1:5440
 for j=1:46
  for k= 1:2
    pol(i,j,k)= kr0*exp(0.8*k*0.1)*(abs((I(i)*exp(-0.1*j*2.5))^0.9)+0.0);
   end
  end
end

其中，

I

是一个具有5440个值的向量

有没有办法避免三个for循环并提高此操作的速度？。我找不到正确的解决办法

---

感谢使用

bsxfun

进行矢量化

f1 = @(a,b) (abs((a.*exp(-0.1*b*2.5)).^0.9)+0.0);
f2 = @(c,d) kr0*exp(0.8*c*0.1).*d;
pol = bsxfun(f2, permute(1:2, [3 1 2]), bsxfun(f1, I(:), 1:46));

请注意，由于数组

1:2

位于三维，我们需要

permute

将大小为

1x2

的矩阵转换为大小为

1x1x2

的矩阵

这里有一个比较基准

kr0=1;
I=rand(5440,1);
[pol0, pol] = deal(zeros(5440, 46, 2));

tic
for mm = 1:10,
for i=1:5440
 for j=1:46
  for k= 1:2
    pol0(i,j,k)= kr0*exp(0.8*k*0.1)*(abs((I(i)*exp(-0.1*j*2.5))^0.9)+0.0);
   end
  end
end
end
toc

tic
for mm=1:10
f1 = @(a,b) (abs((a.*exp(-0.1*b*2.5)).^0.9)+0.0);
f2 = @(c,d) kr0*exp(0.8*c*0.1).*d;
pol = bsxfun(f2, permute(1:2, [3 1 2]), bsxfun(f1, I(:), 1:46));
end
toc

isequal(pol0,pol)

返回

Elapsed time is 1.665443 seconds.
Elapsed time is 0.306089 seconds.

ans =

     1

---

速度快5倍以上，结果相同。

使用

bsxfun

进行矢量化

f1 = @(a,b) (abs((a.*exp(-0.1*b*2.5)).^0.9)+0.0);
f2 = @(c,d) kr0*exp(0.8*c*0.1).*d;
pol = bsxfun(f2, permute(1:2, [3 1 2]), bsxfun(f1, I(:), 1:46));

请注意，由于数组

1:2

位于三维，我们需要

permute

将大小为

1x2

的矩阵转换为大小为

1x1x2

的矩阵

这里有一个比较基准

kr0=1;
I=rand(5440,1);
[pol0, pol] = deal(zeros(5440, 46, 2));

tic
for mm = 1:10,
for i=1:5440
 for j=1:46
  for k= 1:2
    pol0(i,j,k)= kr0*exp(0.8*k*0.1)*(abs((I(i)*exp(-0.1*j*2.5))^0.9)+0.0);
   end
  end
end
end
toc

tic
for mm=1:10
f1 = @(a,b) (abs((a.*exp(-0.1*b*2.5)).^0.9)+0.0);
f2 = @(c,d) kr0*exp(0.8*c*0.1).*d;
pol = bsxfun(f2, permute(1:2, [3 1 2]), bsxfun(f1, I(:), 1:46));
end
toc

isequal(pol0,pol)

返回

Elapsed time is 1.665443 seconds.
Elapsed time is 0.306089 seconds.

ans =

     1

速度快5倍以上，结果相同。

怎么样：

[i,j,k] = ndgrid(1:5440,1:46,1:2);
pol = kr0*exp(0.8*k*0.1) .* ( abs((I(i).*exp(-0.1*j*2.5)).^0.9) + 0.0);

那么：

[i,j,k] = ndgrid(1:5440,1:46,1:2);
pol = kr0*exp(0.8*k*0.1) .* ( abs((I(i).*exp(-0.1*j*2.5)).^0.9) + 0.0);

---

MATLAB是以列为主的，所以如果你想保持循环，你应该能够通过以k，j，i顺序而不是i，j，k循环你的变量来获得一些速度

MATLAB是以列为主的，因此如果您想保持循环，您应该能够通过将变量按k，j，i顺序而不是i，j，k顺序循环来提高速度

如果您还没有这样做，初始化3D阵列

pol

将有所帮助<代码>pol=零（5440,46,2）如果尚未执行此操作，则初始化3D阵列

pol

将有所帮助<代码>pol=零（5440,46,2）比原始方法可读性强，速度快，但比

bsxfun

慢。确实，您的方法比我的机器上的上述方法快3倍左右。我得到：

0.1181、0.0151、0.0382

秒（对应于三重循环、bsxfun、ndgrid方法）：这是可以理解的，因为您的方法需要填充三个大矩阵

I

、

j

和

k

，并在进行计算时对它们的所有元素进行索引。但是，由于

bsxfun

需要分离维度，因此它仍然不太容易出错。我已经尝试了两种解决方案，我将使用这一种。我发现这对我来说比较容易，而且计算速度的提高也足够了。这些天，我将更改所有程序，并发布更改前后的总计算时间报告（超过30分钟）。我几乎更改了所有循环，新的计算时间约为200秒。我将尝试更改所有其他循环以进一步缩短时间。比原始方法可读性更强、速度更快，但比

bsxfun

慢。确实，您的方法比我机器上的上述方法快约3倍。我得到：

0.1181、0.0151、0.0382

秒（对应于三重循环、bsxfun、ndgrid方法）：这是可以理解的，因为您的方法需要填充三个大矩阵

I

、

j

和

k

，并在进行计算时对它们的所有元素进行索引。但是，由于

bsxfun

需要分离维度，因此它仍然不太容易出错。我已经尝试了两种解决方案，我将使用这一种。我发现这对我来说比较容易，而且计算速度的提高也足够了。这些天，我将更改所有程序，并发布更改前后的总计算时间报告（超过30分钟）。我几乎更改了所有循环，新的计算时间约为200秒。我将尝试更改所有其他循环以进一步缩短时间。