解决Matlab当中for循环运行慢的问题

做量化操作的时候经常需要使用到matlab编写策略或者计算多因子，for循环非常慢，自己找了一些matlab中for循环的优化方法，for的部分每处理一个大矩阵都要花费大量的时间，这是不可避免需要遇到的问题~。

方法1：循环多不要紧，要紧的是循环嵌套得太多，要解决这个问题，需要从根本上找原因，用更好的数据结构和算法，从根源上减少对于循环的需求

方法2：将循环次数多的放在里面，循环次数少的放在外面做大循环

方法3：for循环中少用if——else if判断，用switch——case，效率更高

方法4：多线程并发替代单循环么，尽可能利用CPU，比如用并行的parfor

 for(int i = ; i < ; ++i)
 {
     a[i] = xxx;
 }  

优化：

 for(int i = ; i < ; i += )
 {
     a[i] = xxx;
     a[i + ] = xxx;
     a[i + ] = xxx;
     a[i + ] = xxx;
 }  

减少循环次数，而且还能意外增加指令级的并行运算几率，其次，用多线程，最简单的就是openmp。要是对数据的处理，就用SSE指令什么的。
这样下来。整个程序不不止快那么一点点

方法5：结合具体的循环，利用时间和空间的相互转换，也就是用空间换时间

方法6：vectorization（向量化）处理后，例如通过对for循环的向量化，效率也有很大提高。

向量化实际上就是矩阵化，利用点运算代替for循环，利用matlab软件强大的矩阵运算能力优化程序

 sum1=;
 for i=:
     for j=:
         for k=:
             d=i.^+j.^+k.^;
             sum1=sum1+d;
          end
     end
 end

向量化之后

 i=:;j=:;k=:;
 sum1=sum(i.^+j.^+k.^);

方法7：最基本的方面，别在窗口中显示矩阵，每条语句的结尾加分号

方法8：找一台性能好的电脑，用服务器跑那就更好了！

PS：下面是一个测试，来区分优化前和优化后的时间效率问题，读取mxm的矩阵。利用上述所提到的优化方式进行优化（具体怎么优化，还是根据实际情况进行优化，这里不做说明），如图所示：

PS：如有问题，请留言，未经允许不得私自转载，转载请注明出处：http://www.cnblogs.com/xuliangxing/p/7372428.html