matlab程序性能优化与混合编程技术介绍

matlab程序代码优化，性能优化

Matlab是一种强大的计算工具，方便的矩阵运算与工具箱为编程人员提供了极大的便利。但是其性能的缺失使得处理一些大计算量问题时显得效率不高，matlab程序的优化应从几个方面展开：

1.矩阵提前分配空间，矩阵第一次使用之后避免改变矩阵的维数。

2.尽量使用矩阵运算，少使用循环。

3.调用多次的计算代码写成函数形式，而不是写在脚本程序中，因为Matlab中，函数是被翻译成微码的，执行效率更高。

4.如果无法避免使用循环，可以使用混合编程技术实现该段代码，这种方法在循环次数很大时可以将性能提升数十倍甚至上百倍。

5.对于特定的算法，首先想到的不应是自己编写代码，而是查看matlab帮助文档，在matlab自带函数库中寻找是否存在现成函数。这样做有两个方面考虑，一方面matlab自带函数很多并不是真正的脚本文件，而是使用其他高级编程语言编译成的函数文件（这种函数文件的显著特点是打开该函数对应的m文件，会发现内容中只有注释而没有实际的代码，熟悉混合编程的同学看到这点会很熟悉，因为进行混合编程时，一般会创建一个和对应函数名相同的m文件用于保存注释信息。matlab的开发者也使用了这一规范，用户所看到的只是该函数的注释而已，实际的计算代码是保密的）使用这些函数，远比自己编写要高效；另一方面，使用自带函数，可以显著提高开发效率，减少编程者的工作量。

综合以上考虑，开发高效的matlab计算程序的步骤是：

1.需求分析：首先对所要实现的算法进行划分，哪些部分可以使用matlab的脚本语言进行处理，哪些部分可以使用混合编程技术实现。我个人倾向于对于核心的计算代码使用混合编程技术实现，数据的初始化、最后结果的可视化等使用matlab的脚本语言实现。这样选择的依据是核心计算代码使用混合编程技术实现后，真正的代码可以保密，对于用户，仅需提供其编译好的mex文件。另一方面，数据初始化需要很多数据处理代码，如果使用C语言实现，意味着大量的循环，而使用matlab可以用矩阵的方式处理而避免使用循环，编程容易而且不易出错。最后，结果的可视化一般需要调用底层的库，而使用C语言实现这些调用显然不如直接使用matlab容易。

2.编写计算代码：分析好各个计算流程应该使用的编程方法之后，下一步就是对算法进行实现，这一过程需要到前面介绍的几个技巧，如矩阵提前分配空间，不要随便改变矩阵的维数等等。这部分最好分模块书写，各个部分之间做好封装和隔离，特别是混合编程时，使用C语言编写的代码要做好注释，我的个人习惯是C语言中用到的变量和m文件中的一样，这样可以方便识别和debug。使用混合编程技术时，C语言编写的代码是在matlab环境下进行编译的，这就使得debug变得极其困难，现在版本的Matlab还不支持对C语言代码进行debug，C函数运行过程中变量的监视几乎是不可能的。为了解决这一问题，我个人喜欢在专业的C编译环境下进行编程（如VC），将整个C函数可以分解为三个部分：1.数据输入；2.数据处理；3.结果保存。这三个部分中，第1个和第3个部分主要使用matlab的语法规则处理，而核心的第2部分，则是使用通用的C语言语法。实际debug主要关注的是第2个部分，于是我们可以在VC中编写一个测试版本的函数，这个函数中，所有内容都是和传统的C语言规范一样，debug完成后，修改其数据输入和输出部分的代码，使其满足C-MEX标准，之后把这一修正的代码到matlab环境下进行编译。

3.模块耦合。通过第二步，我们已经获得了所有计算模块，且各个模块都已经没有bug，可以独立运行了，但是模块独立运行并不代表整个程序可以很好的工作，这一步所做的工作就是将各个模块进行耦合、拼接、调试，直到各个模块运行完好。前面第二步如果处理的好，这一步将会十分容易，即使存在bug，由于各个模块间隔离的很好，可以很方便的进行修正。