我的问题：

我正在使用Newmark方案（二阶隐式）求解动态方程，这涉及为A*x=b求解x形式的许多线性系统。

我已经优化了所有不涉及求解线性系统的代码。就目前而言，线性系统求解过程占计算时间的70％。

我使用的是MATLAB的linsolve，但我的矩阵A没有任何属性可用作opts的{{1}}输入。< / p>

想法：

如linsolve的文档中所示：

如果A在opts中具有属性，则linsolve比mldivide更快，因为linsolve不会执行任何测试来验证A是否具有指定的属性

据我所知，通过使用linsolve，MATLAB将使用LU分解，因为我的矩阵mldivide除了是正方形之外没有任何特定的属性。

我的问题：

所以我想知道我是否会先使用MATLAB的A分解A，然后将这些内容提供给linsolve以便用{{1}解决lu分别为上下三角形。这样我就可以阻止MATLAB在x = U\(L\b)过程中进行所有属性检查。

注意：我绝对不希望获得巨大的时间。但是在计算上需要长达一周的时间，即使是2％也很重要。

现在我为什么不亲自尝试一下？好吧，我的计算一直运行到周二，并且我想问一下是否有人已经尝试过并节省了时间，因mldivide的矩阵属性检查而消除了开销。

玩具示例：

opts

修改

所以我有可能尝试一些事情。

我之前在mldivide的文档中错过了如果您未指定任何A=randn(2500); % Getting A to be non singular A=A.'*A; x_=randn(2500,1); b=A*x_; clear x_ % Case 1 : mldivide tic for ii=1:100 x=A\b; end out=toc; disp(['Case 1 time per iteration :' num2str((out)/100)]); % Case 2 : LU+linsolve opts1.LT=true; opts2.UT=true; tic; for ii=1:100 [L,U]=lu(A); % It seems that these could be directly replaced by U\(L\b) as mldivide check for triangularity first Tmp=linsolve(L,b,opts1); x=linsolve(U,Tmp,opts2); end out2=toc; disp(['Case 2 time per iteration :' num2str((out2)/100)]);输入，则默认使用linsolve解算器，这就是我想要的。用它来做一些时间测试（并考虑到@rayryeng对“那个坏男孩”opts的评论），与LU相比，它节省了大约2~3％的处理时间，如下所示。就时间收益而言，这并不是什么大不了的事，但是在长达一周的计算中它是不可忽略的。

timeit会在mldivide线性系统上生成：

timeit：

1626*1626

mldivide：

 t1 =

   0.102149773097083

亲戚： linsolve

Answer 1

我知道你没有NVIDIA GPU和并行计算工具箱，但如果你有，那就行了：

如果您通过以下代码替换代码中的第二个测试：

tic;

for ii=1:10
        A2=gpuArray(A); % so we account for memory management
        b2=gpuArray(b);
      x=A2\b2;
end
out2=toc;

我的电脑说（CPU与GPU）

Case 1 time per iteration :0.011881
Case 2 time per iteration :0.0052003

mldivide vs.（LU＆amp; linsolve）

我的问题：

想法：

我的问题：

玩具示例：

修改

1 个答案: