我所拥有的是一个大小为J的单元格1xs，其中填充了大小为mxn（m>=n）的稀疏矩阵，以及两个完整的矩阵r和大小分别为l和mxcxp的{{1}}。尺寸大概是
sxcxp到目前为止，我的工作是这样做（请参见下面的代码），但这似乎效率很低。我正在寻找一种方法，以一种可扩展的方式加快工作速度，因为我需要多次执行此操作（s = 4; % or 9
m = 10000; % can increase up to 300k
n = 36; % can increase up to m
c = 3;
p = 25;
最多也可以增加到300k），因此要尽快执行此步骤，很好，因为到目前为止这似乎是瓶颈。这里是我需要做的代码：
m此外，我发现这种方式没有嵌套的J = cell(s, 1);
% just fill J with sparse matrices of size mxn. Each sparse matrix is different for each cell, but all have the same nnz.
J(:) = {sprand(m,n,0.1)};
r = rand(m, c, p);
l = rand(s, c, p);
% preallocate vectors
row_vec = zeros(nnz(J{1}),c*p);
col_vec = zeros(nnz(J{1}),c*p);
val_vec = zeros(nnz(J{1}),c*p);
% do computation
for pi = 1:p
for ci = 1:c
J_ = 0;
for si=1:s % multiply each sparse matrix in cell with scalar l(si,ci,pi) and sum them up
J_ = J_ + J{si} * l(si,ci,pi);
end
% multiply resulting sparse matrix with diagonal matrix (resulting from vector r(:,ci,pi)) and get final indices for later
[row_vec_temp, ...
col_vec(:,(pi-1)*c+ci), ...
val_vec(:,(pi-1)*c+ci)] = find(spdiags(r(:,ci,pi),0,m,m) * J_);
row_vec(:,(pi-1)*c+ci) = row_vec_temp + row_vec(end,max(1,(pi-1)*c+ci-1));
end
end
% build final stacked sparse matrix of size m*c*pxn using calculated indices.
J_final = sparse(row_vec, col_vec, val_vec);
循环，但这似乎效率更低：
for第一个版本大约需要0.27s，第二个版本大约需要0.3s。