Question

我正在为一篇论文写一篇目标函数。它需要一个嵌套循环，如下所示：

for j=1:m   
    if j==m        
        for i=1:n           
            consumedE(j) = consumedE(j)+ b(i,j)*e(i,j);
            for k=1:m-1
                for l=1:n                   
                    consumedE(j) = consumedE(j) + b(i,j)*(et(end)*Data(i).Vin);                    
                end                
            end          
        end
    else
        for i=1:n
            consumedE(j) = consumedE(j) + b(i,j)*(e(i,j)+et(j)*Data(i).Vout);
        end
    end
end

其中m和n约为200。

即使在非常强大的PC上，它也非常耗时。我怎样才能加快速度？

Answer 1

在你的内心循环中，你根本不参考你的内在指数。

        for k=1:m-1
            for l=1:n                   
                consumedE(j) = consumedE(j) + b(i,j)*(et(end)*Data(i).Vin);                    
            end                
        end

这应该与：

相同

consumedE(j) = consumedE(j)+ (m-1)*n*b(i,j)*(et(end)*Data(i).Vin);

我希望这会显着提升效果。

Answer 2

让我们创建一些随机样本数据。我将Data(i).Vout简化为向量DataVout。您可以使用[Data.Vout].'轻松完成此操作。 Data.Vin也是如此。

m = 10;
n = 5;
b = rand(n,m);
e = rand(n,m);
et = rand(1,m);
DataVout = rand(n,1);
DataVin = rand(n,1);

现在，您的else子句是遍历所有i和j的循环，您可以在其中为每个组合执行以下操作：

b(i,j) * ( e(i,j) + et(j) * Data(i).Vout )

然后你总结所有i。您可以通过以下步骤以矢量化方式执行此操作：

矩阵乘法DataVout * et创建一个包含et(j) * DataVout(i)的矩阵。此矩阵的大小为 n-by-m ，其大小与e和b相同。
将e添加到此矩阵，并在结果与b之间进行逐元素相乘。这是：b .* (e + DataVout * et)
汇总所有行：consumedE = sum(b .* (e + DataVout * et), 1)。

最后一个值j==m在您的计算中很特别：您重复内部计算n * (m-1)次，因为您不使用k和l任何计算。这导致

b(i,j) * ( e(i,j) + n * (m-1) * et(j) * Data(i).Vin )

与之前的计算相同 - 除了Data.Vout替换为n*(m-1)*Data.Vin。 （你确定这是正确的吗？） 我们可以简化先前的计算，因为我们只对单个固定j=m进行计算，这导致了 sum(b(:,m) .* (e(:,m) + n * (m-1) * DataVin * et(m)), 1)。

一切都在一起，整个代码变成：

consumedE = sum(b .* (e + DataVout * et), 1);
consumedE(m) = sum(b(:,m) .* (e(:,m) + n * (m-1) * DataVin * et(m)), 1);

比较：对于m=200和n=150，您的代码在我的计算机上占用0.109523 seconds。向量化代码采用0.005665 seconds，这是因子20的加速。

减少MATLAB中嵌套for循环的执行时间

2 个答案: